冻融循环下玄武岩纤维混凝土冲击力学性能预测模型

冻融循环下纤维混凝土的劣化规律是寒区服役混凝土工程安全性和耐久性评价的重要依据,现有服役混凝土工程的安全性和耐久性评价的研究具有工作量大、成本高、周期长等特点,构建基于机器学习的高精度力学性能预测模型已成为本领域研究热点。为探究冻融循环后玄武岩纤维混凝土冲击力学性能的高精度预测模型,采用SHPB装置对冻融循环后BFRC开展动态冲击压缩力学性能试验,并构建机器学习-Optuna混合预测模型,对60组以玄武岩纤维体积掺量、冻融循环次数、动荷载冲击速度为影响因素建立的动态峰值应力样本数据集进行预测。结果表明:k近邻、Lasso、多层感知机、极度梯度提升树和随机森林5种经典机器学习模型的预测准确度均较高,说明机器学习算法对于冻融循环后BFRC动态力学性能预测具有良好的预测效果,其中随机森林算法为最优预测算法;RF-Optuna混合预测模型显示出0.9754的拟合优度,具有良好的预测精度;非数据集工况预测表明,该混合模型对于各影响因素均具有良好泛化能力。研究成果可为冻融循环条件下BFRC动态力学性能的快捷精准预测提供参考。

不同恒温时间加热下花岗岩冲击压缩力学特性及破碎特征

为研究不同恒温时间的实时高温作用对花岗岩冲击压缩力学特性与破碎特征的影响,开展了高温时SHPB冲击压缩试验及筛分试验。首先,将花岗岩加热到700℃并进行0、30、60、90及120 min这5种不同时间的恒温热处理;其次,不对试样做冷却处理,利用同步对杆装置进行高温时SHPB试验,收集破碎试件并开展筛分试验;最后,结合抗压强度、分形维数等数据,分析花岗岩的力学特性及破碎特征。研究结果表明:恒温时间对花岗岩动态抗压强度影响较大,试件抗压强度随恒温时间增加而呈明显下降趋势;花岗岩破碎程度随恒温时间增加而不断加剧,表现在破碎试件中细块数量逐渐减少,细粒数量不断增多。不同恒温时间加热下花岗岩冲击压缩破坏的分形维数集中在2.2~2.7之间,且与恒温时间呈现正相关关系。实时高温作用下花岗岩动态抗压能力与宏观破碎分形特征均具有明显的应变率强化效应。