基于人工智能的混凝土配合比优化设计.pptx

第1页/共98页摘要利用人工神经网络建立砂石混合体密实度预测模型 ，并与Toufar模型比较。进行正交试验，分析配合比各参数对混凝土性能的影响。利用试验数据建立混凝土性能人工神经网络预测模型。实现以人工神经网络性能模型为约束条件的遗传算法对混凝土配合比的优化设计，并引入最大密实理论以提高程序运行速率。基于最少浆体理论对混凝土配合比进行优化试验。第2页/共98页第一章 引言第二章 混凝土骨料性能研究第三章 基于人工神经网络的混凝土配合比设计试验第四章 基于人工神经网络的混凝土性能预测 和参数分析第五章 基于遗传算法的混凝土配合比优化设计第六章 基于最少浆体理论的混凝土配合比 优化试验研究结论第3页/共98页第一章 引言主要内容：混凝土的渗透性及抗渗试验方法人工神经网络及其在土木工程中的应用遗传算法及其在配合比优化设计中的应用传统配合比设计方法与人工智能配合比优化设计方法区别本文的研究意义及目的本文的研究内容第4页/共98页第一章混凝土的渗透性及抗渗试验方法 概括地说，混凝土的渗透性是指气体、液体或离子受压力、化学势或电场作用在混凝土中渗透、扩散或迁移的难易程度。 直流电量法抗渗试验方法 氯离子扩散系数 交流电测量混凝土渗透性 饱盐混凝土电导率法第5页/共98页第一章人工神经网络及其在土木工程中的应用混凝土配合比的设计钢筋腐蚀量的预测强度的预测坍落度的预测第6页/共98页第一章遗传算法及其在配合比优化设计中的应用 遗传算法是模拟生物在自然环境中的遗传和进化过程而开发的一种自适应的随机有哪些信誉好的足球投注网站和全局优化的算法。 遗传算法解决有约束最优化问题，只需要给出目标函数、变量取值范围和需满足的其他等式和不等式约束条件，就可以通过迭代，逐步有哪些信誉好的足球投注网站到最优解。遗传算法的出现为混凝土配合比优化设计的研究增添了新的手段。第7页/共98页第一章传统配合比设计方法与配合比优化设计方法传统方法存在的缺陷：设计周期较长 设计的变量较少 考虑的性能较单一 不利于混凝土生产的计算机控制 优化配合比设计十分困难优化设计方法：最优化数学方法全局计算法最少浆体理论密实理论配合比设计和质量控制的计算机系统第8页/共98页第一章本文的研究意义及目的高性能混凝土配合比优化设计方法正交试验 人工神经网络 最大密实理论 遗传算法第9页/共98页第一章本文的研究内容密实度模型配合比试验性能模型最少浆体理论优化遗传算法优化设计第10页/共98页第一章 引言第二章 混凝土骨料性能研究第三章 基于人工神经网络的混凝土配合比设计试验第四章 基于人工神经网络的混凝土性能预测 和参数分析第五章 基于遗传算法的混凝土配合比优化设计第六章 基于最少浆体理论的混凝土配合比 优化试验研究结论第11页/共98页第二章 混凝土骨料性能研究 主要内容：主要原材料及其基本参数的测试骨料试验概况人工神经网络预测砂石混合体密实度骨料Toufar模型与神经网络模型的比较第12页/共98页 第二章主要原材料及其基本参数的测试第一批骨料：福清碎石：大石子粒径范围(5~31.5mm)，小石子粒径范围(2.5~16mm)砂：闽江中砂，细度模数2.3第二批骨料：霞浦上湾山隧道碎石：大石子粒径范围(2.5~31.5mm)，小石子粒径范围(2.5~10mm) 砂：闽江中砂，细度模数2.7 水泥：海螺牌散装42.5水泥 粉煤灰：华能散装Ⅱ级粉煤灰矿渣：新丰散装复合矿粉减水剂：福建省建筑科学研究院TW-11B高效减水剂第13页/共98页 第二章表2-1 第一批砂的颗粒级配孔径（mm）52.51.250.630.3150.160.08筛余量（g）122348124224617分计筛余率（%）2.54.69.724.744.712.21.4累计筛余率（%）2.57.116.841.586.298.499.8表2-2 第一批小石子的颗粒级配筛余量与筛余百分率筛孔尺寸（mm）31.525.020.016.010.05.02.5筛余量(g)///3629912766449分计筛余率(%)///0.647.543.97.1累计筛余率(%)///0.648.19299.1第14页/共98页 第二章表2-3 第一批大石子的颗粒级配筛余量与筛余百分率筛孔尺寸（mm）31.52520.016.0105筛余量(g)/63330412061497226分计筛余率(%)/152.419.123.83.6累计筛余率(%)/153.472.596.399.9表2-4 第二批砂的颗粒级配孔径（mm）52.51.250.630.3150.160.08筛余量（g）174054140220253分计筛余率（%）3.418.0210.8228.0644.095.000.60累计筛余率（%）3.4111.4322.2550