基于机器学习的玄武岩纤维混凝土性能预测研究
随着复合材料理论的不断深入，复合化材料已成为解决材料固有缺陷的有效途径。玄武岩纤维作为一种新型绿色无机纤维材料，因其卓越的力学性能、优异的化学稳定性、热膨胀系数与混凝土相似以及高性价比等特点而备受关注，成为纤维增强混凝土领域的研究热点。虽然复合材料具有更为优异的性能，但同时其组成成分也越来越复杂，传统的性能预测公式面临着严峻的挑战。近年来，随着人工智能技术的迅猛发展，机器学习技术已经开始在土木工程领域得到广泛应用。机器学习技术以其强大的学习和回归能力，成为了性能预测领域的新宠。为了降低工程成本、减少配合比试验工作量，本文引入机器学习算法用来学习混凝土成分与性能之间的关系，为混凝土性能的预测和设计提供新的方法与途径。本文主要针对玄武岩纤维混凝土的力学性能进行了试验研究，然后收集了大量研究文献中有关玄武岩纤维混凝土的性能数据并结合机器学习算法，开展了玄武岩纤维混凝土性能预测与分析的研究，主要研究内容如下： （1）通过单轴抗压试验和四点弯曲试验研究了玄武岩纤维长度（12 mm、18 mm）、纤维体积分数(0.04%、0.06%、0.08%)和混合长度掺杂方式对混凝土力学性能的影响，并通过试验观察了试件的破坏形态，获取了不同纤维长度、体积率混凝土的强度及应变等关键特征参数，揭示了纤维长度、掺入体积率对混凝土强度影响的变化规律。结果表明，掺量为0.06%，纤维长度为12 mm和18 mm按照1:1的比例混合掺入时，试件抗压强度最大；掺量为0.04%，纤维长度为12 mm和18 mm按照1:1的比例混合掺入时，试块抗折强度最大；在力学性能上，两种不同长度玄武岩纤维混合掺入较单一长度纤维混凝土更优。 （2）比较了使用网格搜索法与遗传算法对预测模型进行超参数调整后的性能。结果表明，经过遗传算法进行超参数调整后的预测模型性能均优于经过网格搜索法调整的模型。遗传算法能够更好地搜索超参数空间，并找到更优的超参数组合，从而提高模型性能。 （3）基于已公开发表的文献收集了一份玄武岩纤维混凝土组分和强度的数据集，运用多种机器学习算法建立混凝土抗压与抗折强度预测模型。结果表明，堆叠集成模型具有最佳的预测抗压强度性能；极端梯度提升模型具有最佳的预测抗折强度性能，通过特征重要性分析得知，水胶比和砂石比是影响玄武岩纤维混凝土的抗压强度的最主要因素，胶集比和水胶比对玄武岩纤维混凝土的抗拉强度影响最大。 （4）基于数据集，采用多种机器学习算法构建玄武岩纤维混凝土动态力学强度增长因子的预测模型。结果表明，堆叠集成模型表现最佳，能够准确预测玄武岩纤维混凝土的动态力学强度增长因子。通过特征重要性分析，确定应变率和水胶比是影响玄武岩纤维混凝土动态力学性能的主要因素。 （5）基于数据集，采用多种机器学习算法建立了预测玄武岩纤维混凝土相对动弹性模量的模型。研究表明，堆叠集成模型在预测相对动弹性模量方面表现最佳。通过特征重要性分析，确定冻融循环次数和抗压强度是对玄武岩纤维混凝土冻融循环耐久性最主要的影响因素。
玄武岩纤维混凝土;纤维长度;纤维体积分数;混合掺杂比例;力学性能;机器学习
重庆交通大学
硕士
力学
郑佳艳
2023
中文
TU528.572;TU528.062
2023-09-14（万方平台首次上网日期，不代表论文的发表时间）