基于人工智能的混凝土配合比设计方法技术

本发明专利技术涉及混凝土配合比设计技术领域，特别是一种基于人工智能的混凝土配合比设计方法，包含以下步骤：（１）采用人工神经网络方法建立混凝土性能指标与混凝土配合比之间的关系，得到混凝土性能预测人工神经网络模型；（２）基于混凝土性能预测人工神经网络模型，采用遗传算法，以满足所有性能要求且成本最低为优化目标，对混凝土配合比进行设计和优化；（３）如果优化得出的混凝土配合比不在人工神经网络以前学习的范围之内，则对混凝土性能预测人工神经网络模型重新进行训练。该方法有利于快速、准确地设计出满足多种性能要求且成本较低的混凝土配合比。

【技术实现步骤摘要】

本专利技术涉及混凝土配合比设计
，特别是一种基于人工智能的混凝土配合比设计 方法。
技术介绍
自从有混凝土以来，就存在着怎样使混凝土的组成满足工程需要的问题。目前，我国用 于土木工程的混凝土，绝大部分仍沿袭以强度和坍落度来确定混凝土配合比的传统设计模式传统设计方法是一种基于经验的试配方法，它以满足工作性和强度要求为主要目标，以 强度与水灰比之间的关系为基础。然而，随着建筑业的发展，为满足工程对混凝土除强度之 外的特殊技术要求(如抗渗性和抗裂性)，相继出现了各种新型混凝土 (如高强混凝土、高 性能混凝土)，而传统的混凝土配合比设计方法在进行这些混凝土的配合比设计时已越来越 显示出它的不足。其主要体现在以下几个方面 一是设计周期较长，由于不同地区原材料的 不同，混凝土配合比的调配主要凭个人经验，需要大量的时间；二是设计的变量较少，主要 是水泥、水和粗细骨料的用量。由于矿物掺和料和外加剂的掺入，基于经验的混凝土配合比 设计方法难以配制出组分复杂、具有特殊性能要求的高性能混凝土。三是考虑的性能较单一 ，主要满足强度及工作性的要求，缺乏对耐久性、抗裂性等特殊性能要求的设计手段，致使 传统方法设计的混凝土，其所建造的结构的耐久性和抗裂性不能得到有效保证。许多专家认为，混凝土配合比设计的指导思想应从强度设计导向向基于性能设计导向转 化。他们指出合理的材料配合比设计应该符合相关规范给出的包括强度、耐久性、工作性 和经济性等要求的前提下，确定混凝土各种成分的用量，以获取最经济和最适用的混凝土。因此，随着社会的发展、科技的进步，为了满足现代工程的需要，有关研究单位、商品 混凝土搅拌站及工程施工单位都迫切需要一种能够满足工程具体性能要求的混凝土配合比快 速设计方法。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种基于人工智能的混凝土配合比设计方 法，该方法有利于快速、准确地设计出满足多种性能要求且成本较低的混凝土配合比。为实现上述之目的，本专利技术的技术方案是这种 ，其特征在于包含以下步骤(1) 采用人工神经网络方法建立混凝土性能指标与混凝土配合比之间的关系，得到混 凝土性能预测人工神经网络模型；(2) 基于混凝土性能预测人工神经网络模型，采用遗传算法，以满足所有性能要求且 成本最低为优化目标，对混凝土配合比进行设计和优化；(3) 如果优化得出的混凝土配合比不在人工神经网络以前学习的范围之内，说明人工 神经网络训练不充分，则对混凝土性能预测人工神经网络模型重新进行训练。本专利技术的显著特点是能对不同区域的原材料进行学习，适用于不同区域，并能够以成本 最低为优化目标，设计或优化出满足所有性能要求的混凝土配合比。同时，该方法所对应开 发的程序具有自学习功能，具有很强的容错能力和鲁棒性。该程序能够记忆住以往的数据， 随着输入数据量的增多，程序对混凝土性能预测、对混凝土配合比设计和优化的精度也随之 提高。采用本专利技术对混凝土配合比进行设计和优化，可以大量减少试配次数，节约人力、材 料和能源、节省时间，加快施工进度。附图说明图l是本专利技术的人工神经网络原理图。 图2是本专利技术的遗传算法工作流程图。 具体实施例方式本专利技术的，其特征在于包含以下步骤(1) 采用人工神经网络方法建立坍落度、强度、抗渗性和抗裂性这些混凝土性能指标 与混凝土配合比之间的关系，得到混凝土性能预测人工神经网络模型；(2) 基于混凝土性能预测人工神经网络模型，采用遗传算法，以满足所有性能要求且 成本最低为优化目标，对混凝土配合比进行设计和优化；(3) 如果优化得出的混凝土配合比不在人工神经网络以前学习的范围之内，说明人工 神经网络训练不充分，则对混凝土性能预测人工神经网络模型重新进行训练。下面对混凝土性能预测人工神经网络模型的建立和使用、混凝土配合比的设计和优化、 混凝土性能预测人工神经网络模型的升级作进一步的详细说明。 1 、混凝土性能预测人工神经网络模型的建立和使用 1 )混凝土性能预测人工神经网络模型的建立首先，采用人工神经网络方法定义骨料密实度网络netO、坍落度网络netl、 28天抗压强 度网络net2、扩散系数网络net3和开裂指数网络net4;然后，调用MATLAB提供的人工神经网络工具来训练定义的骨料密实度网络netO、對落度 网络netl、 28天抗压强度网络net2、扩散系数网络net3 (体现混凝土的抗渗性)和开裂指数 网络net4 (体现混凝土的抗裂性)。人工神经网络原理如图l所示。在数据文件中输入多组通过试验得到的如下混凝土配合比、混凝土各组分参数和混凝土 性能指标数据(1) 混凝土配合比水泥、粉煤灰、矿渣、小石子、大石子、砂、水、减水剂，单位kg /m3(2) 混凝土各组分表观密度水泥、粉煤灰、矿渣、小石子、大石子、砂、水的表观密度，单位kg/m3(3) 骨料堆积密度小石子、大石子、砂的堆积密度，单位kg/m3(4) 与各组混凝土砂率和小石子与粗骨料比例对应的骨料密实度 试验方法如下水泥测水泥的表观密度^ (GB/T208-94); 粉煤灰测粉煤灰的表观密度^ (GB/T208-94); 矿粉测矿粉的表观密度^ (GB/T208-94);砂进行砂的筛分试验，测得砂的颗粒级配、表观密度^、紧密堆积密度^" (GB/T14684-2001);石子进行石子的筛分试验，测得石子的颗粒级配、表观密度^和紧密堆积密度&T (GB/T14685-2001);针对各组混凝土的砂率和小石子与粗骨料的比例，测试骨料混合体的堆积密度 (GB/T14685-2001)，算出对应的密实度。实际密实度计算公式 卜k其中，P〃为混合体的堆积密度；^""^ + ^Sl + ^S2)/("^/^ + mSl/户Sl+"^/Ps2)为混合体的表观密度，Ps、 Pd、 ^"分别为砂、大石子、小石子的表观密度。(5) 小石子、大石子及砂的比表面积 小石子、大石子及砂的比表面积，单位m2/kg根据砂、石子的筛分曲线，参考相关文献计算得出，或者采用相关试验得出。(6) lm3混凝土中的含气量(7) 混凝土性能指标坍落度(mm)、抗压强度(MPa)、扩散系数(10—13m2/s)、开裂指数 试验方法如下a. 坍落度按照《普通混凝土拌合物性能试验方法标准》(GB/T50080-2002)中规定进行。b. 强度测试方法按《普通混凝土力学性能试验方法标准》(GB/T50081-2002)的规定进行c. 采用清华大学路新瀛教授提出的NEL法试验，测试混凝土氯离子扩散系数。d. 采用带隔板的开裂环装置，测试混凝土的抗裂指数。说明(1) - (7)是收集到的各组混凝土数据，为了保证有较高的精度，进行每组混 凝土配合比试验时，应严格要按上述要求收集数据。 2)混凝土性能预测人工神经网络模型的使用根据所建立的坍落度网络netl、 28天抗压强度网络net2、扩散系数网络net3和开裂指数 网络net4，输入(1) - (6)数据，就可以得到对应混凝土的性能指标(坍落度(mm)、抗 压强度(MPa)、扩散系数(10—13m2/s)、开裂指数)。2、混凝土配合比的设计和优化调用前面已经训练完成的骨料密实度网络netO、坍落度网络netl、 28天抗压强度网络 net2、本文档来自技高网...

【技术保护点】
一种基于人工智能的混凝土配合比设计方法，其特征在于：包含以下步骤：　（１）采用人工神经网络方法建立混凝土性能指标与混凝土配合比之间的关系，得到混凝土性能预测人工神经网络模型；　（２）基于混凝土性能预测人工神经网络模型，采用遗传算 法，以满足所有性能要求且成本最低为优化目标，对混凝土配合比进行设计和优化；　（３）如果优化得出的混凝土配合比不在人工神经网络以前学习的范围之内，则对混凝土性能预测人工神经网络模型重新进行训练。

【技术特征摘要】

【专利技术属性】
技术研发人员：季韬，罗蜀榕，林旭健，黄萍，梁咏宁，
申请(专利权)人：福州大学，
类型：发明
国别省市：35[中国|福建]