期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于第一性原理的水氧相互作用下混凝土中钢筋锈蚀机理研究 被引量:5
1
作者 农喻媚 陈正 《混凝土》 CAS 北大核心 2020年第5期24-27,共4页
为了阐明水氧相互作用下钢筋锈蚀的机理,采用基于第一性原理的密度泛函理论,建立了O2分子和H2O分子在Fe(100)表面的吸附模型,研究分析了各吸附体系的吸附能、几何结构和电荷变化.结果表明,H2O分子与清洁Fe(100)表面之间是弱的物理吸附作... 为了阐明水氧相互作用下钢筋锈蚀的机理,采用基于第一性原理的密度泛函理论,建立了O2分子和H2O分子在Fe(100)表面的吸附模型,研究分析了各吸附体系的吸附能、几何结构和电荷变化.结果表明,H2O分子与清洁Fe(100)表面之间是弱的物理吸附作用,而在Fe(100)表面预先吸附O2分子,可通过氢键作用促进后续H2O分子的吸附;O2分子在预吸附H2O分子的Fe(100)表面上的吸附是很强的化学吸附作用.由此可见,相比于H2O分子单独作用于铁表面,H2O和O2分子相互作用对铁表面腐蚀的影响更大,从微观尺度证明了与水下区相比,处于干湿交替环境的浪溅区混凝土结构中钢筋的腐蚀更为严重。 展开更多
关键词 第一性原理 钢筋锈蚀机理 水氧作用 干湿交替
下载PDF
含侵蚀性CO2地下水环境下混凝土的碳化试验方法对比分析 被引量:6
2
作者 苏滔 陈犇 +1 位作者 农喻媚 陈正 《硅酸盐通报》 CAS 北大核心 2020年第10期3090-3100,共11页
目前含侵蚀性CO 2地下水环境下混凝土碳化试验的方法及装置多种多样,导致测试得到的试验数据存在较大差异。对原位浸泡侵蚀法、电场加速侵蚀法、高温高压加速侵蚀法、高浓度加速侵蚀法4种地下水环境混凝土碳化试验方法与其装置的优缺点... 目前含侵蚀性CO 2地下水环境下混凝土碳化试验的方法及装置多种多样,导致测试得到的试验数据存在较大差异。对原位浸泡侵蚀法、电场加速侵蚀法、高温高压加速侵蚀法、高浓度加速侵蚀法4种地下水环境混凝土碳化试验方法与其装置的优缺点及适用范围进行了对比分析,并研究了试验条件及试验方法对混凝土碳化速率的影响规律。结果表明,混凝土碳化速率系数会随着电场电压、温度、气压和环境CO 2浓度的增加而增加。试验方法对碳化过程的加速程度排序为:高温高压加速侵蚀法>电场加速侵蚀法>高浓度加速侵蚀法>原位浸泡侵蚀法。研究结果可以为侵蚀性CO 2地下水环境混凝土碳化试验方法及装置的标准化提供参考。 展开更多
关键词 混凝土碳化 地下水环境 侵蚀性CO 2 试验方法
下载PDF
基于第一性原理的不同侵蚀性离子作用下混凝土孔溶液中钢筋腐蚀机理 被引量:1
3
作者 农喻媚 陈正 +4 位作者 陈晔 韦增硕 李静 王一琛 庞兰 《硅酸盐学报》 EI CAS CSCD 北大核心 2023年第5期1191-1201,共11页
为了揭示Cl^(-)、SO_(4)^(2-)作用下混凝土中钢筋腐蚀机理的差异,并为氯盐和硫酸盐侵蚀下混凝土的抗腐蚀调控提供理论基础,研究了Cl^(-)、SO_(4)^(2-)侵蚀下混凝土孔溶液中钢筋的电化学行为差异,并利用基于第一性原理的密度泛函理论研... 为了揭示Cl^(-)、SO_(4)^(2-)作用下混凝土中钢筋腐蚀机理的差异,并为氯盐和硫酸盐侵蚀下混凝土的抗腐蚀调控提供理论基础,研究了Cl^(-)、SO_(4)^(2-)侵蚀下混凝土孔溶液中钢筋的电化学行为差异,并利用基于第一性原理的密度泛函理论研究了腐蚀性物质(Cl^(-)、SO_(4)^(2-))和致钝物质(CaOH^(+)、OH^(-))在Fe(100)表面的竞争吸附.结果表明:相较于含Cl^(-)的混凝土孔溶液,钢筋在含SO_(4)^(2-)的混凝土孔溶液中的腐蚀电位和极化电阻均更低,更易发生腐蚀;SO_(4)^(2-)对OH^(-)与铁表面反应的抑制作用略强于Cl^(-);SO_(4)^(2-)既可促使CaOH^(+)中Ca—OH键伸长,又可阻碍CaOH^(+)中OH基团与表面Fe原子间的作用,其对CaOH^(+)与铁表面反应的抑制作用明显强于Cl^(-). 展开更多
关键词 氯离子 硫酸根离子 混凝土 钢筋 腐蚀机理 第一性原理
原文传递
基于U-net神经网络算法和改进的细化算法的水坝混凝土裂缝测量 被引量:9
4
作者 唐昀超 陈正 +2 位作者 黄钊丰 农喻媚 李丽娟 《实验力学》 CSCD 北大核心 2022年第2期209-220,共12页
以水坝裂缝的视觉识别与计算为目标,融合U-net神经网络算法和改进图像细化算法,提出大坝裂缝识别和宽度计算的方法。首先,采用U-net处理1500张水坝裂缝图像样本,得到裂缝预分割模型;接着,采用改进的细化算法提取裂缝骨架分割模型;最后,... 以水坝裂缝的视觉识别与计算为目标,融合U-net神经网络算法和改进图像细化算法,提出大坝裂缝识别和宽度计算的方法。首先,采用U-net处理1500张水坝裂缝图像样本,得到裂缝预分割模型;接着,采用改进的细化算法提取裂缝骨架分割模型;最后,结合预分割结果和骨架分割模型得到水坝裂缝的准确信息。结果表明,使用U-net神经网络算法作为裂缝检测的预处理算法,可显著提高算法的鲁棒性。改进的细化算法在应对细小裂缝时,骨架提取的命中率在80.17%以上。基于U-net神经网络算法和改进的细化算法分割裂缝的平均准确率、召回率和F1分数分别为92.75%、73.45%和81.86,视觉测量裂缝宽度的误差平均值为8.7%。与主流深度学习方法相比,本研究不依赖于大量训练样本且避免了设置过多的人工阈值,具有显著的实用性和稳定性。本文所述方法可以迁移应用到更多的类似场景中,为实现基础设施智能自动监测与预警提供数据和技术支撑。 展开更多
关键词 图像细化 骨架提取 深度学习 裂缝尺寸
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部