再生混凝土收缩徐变试验及徐变神经网络预测

《再生混凝土收缩徐变试验及徐变神经网络预测》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、学兔兔www.xuetutu.com第16卷第5期建筑材料学报Vo1．16，No．52013年1O月JOURNALOFBUILDINGMATERIALS0ct．，2O13文章编号：1007-9629(2013)05—0752—06再生混凝土收缩徐变试验及徐变神经网络预测肖建庄，许向东，范玉辉(1．同济大学建筑工程系，上海200092；2．同济大学先进土木工程材料教育部重点实验室，上海2018O4)摘要：试验研究了不同再生粗骨料取代率下再生混凝土的收缩与徐变规律．结果表明：龄期120d时，粗骨料取代率为50，100的再生混凝土RAC50，R

2、AC100的收缩总变形值较普通混凝土分别增加17，59；徐变持荷90d时，再生混凝土RAC50，RAC100的徐变变形值较普通混凝土分别增加12，76．将徐变试验数据与RILEMB3，ACI209R一92，CEB—FIP(90)等徐变预测模型进行对比，并结合试验结果对RILEMB3模型进行了修正．采用BP神经网络方法对再生混凝土徐变进行了预测，考察了再生粗骨料取代率、水灰比等对再生混凝土徐变的影响．关键词：再生混凝土；收缩；徐变；预测模型；神经网络中图分类号：TU528．01文献标志码：Adoi：10．3969／i．issn．1007—9

3、629．2O13．05．003ShrinkageandCreepofRecycledAggregateConcreteandTheirPredictionbyANNMethodXIAOJian—zhuang，XUXiang—dong，FANYu—hui(1．DepartmentofBuildingEngineering，TongjiUniversity，Shanghai200092，China；2．KeyLaboratoryofAdvancedCivilEngineeringMaterialsofMinistryofEducation，T

4、ongjiUniversity，Shanghai201804，China)Abstract：Experimentalstudyonshrinkageandcreepofrecycledaggregateconcrete(RAC)withdifferentrecycledcoarseaggregate(RCA)replacementpercentageswascarriedout．ThetestresultsshowthattheshrihkagesofRACswitha5oand100replacementpercentageoftheR

5、CAincrease17％and59，re—spectively，whilethecreepsincrease12and76，respectively，comparedtothatofnormalconcrete(NC)．ThetestresultsofcreepwerecomparedwiththecreeppredictedbythemodelsofRILEMB3，ACI209R一92，CEB—FIP(90)，andRILEMB3modelwasmodifiedaccordingly．ThecreepofRACwaspredic—te

6、dbytheartificialneuralnetwork(ANN)methodandtheinfluenceofRCAreplacementpercentageaswellasthewater—cementratioonthecreepofRACwascheckedaccordingtothepredictionmode1．Keywords：recycledaggregateconcrete(RAC)；shrinkage；creep；predictionmodel；artificialneuralnet—work(ANN)再生混凝土(R

7、AC)技术已成为国内外关注的于试验条件、周期及费用等，国内外相关文献很少，热点之一l_1]．再生粗骨料(RCA)约含4O(质量分且结论不甚一致．如Domingo等研究表明，再生数，文中涉及的取代率、压碎指标等除特别说明外均粗骨料取代率为5O和100时，再生混凝土在龄为质量分数)的老硬化水泥砂浆，其表观密度、吸水期120d时其收缩量较普通混凝土(NC)分别增长性能及强度等性能与天然砂石骨料有所不同心]．目20和66，其持荷90d时徐变量分别增长约前关于再生混凝土收缩徐变性能的研究，由于受限25和62；Sober6nL4试验表明，再生粗骨料取

8、收稿El期：2012-03—08；修订日期：2012-06—07基金项Ifl：国家自然科学基金资助项目(51178340)；教育部新世纪优秀人才支持计划项目(NCET一06—0383)第一作者