一种评价水泥强度质量方法的应用研究

水泥强度是评价水泥质量的重要技术指标。水泥强度主要来源于早期强度和后期强度,不同时期的强度影响贯穿于混凝土中。为了基于水泥强度评价水泥质量,根据正态分布提出了一种水泥强度质量的比较方法。对比了8家水泥企业生产的P·O42.5水泥的抗压强度,以各水泥样品的抗压强度检测值通过Rstudio软件绘制了水泥抗压强度的频率分布直方图和正态分布曲线,并引入了强度标准值作为水泥强度质量的评价指标。这种评价水泥强度质量的方法可以让用户在满足需求的情况下选择和使用合适的水泥产品。

提高水泥强度检测准确性的对策

经济的发展在一定程度上推动了我国建筑行业规模的扩大,在这样的情况下,各类基础设施基本得到了完善,而对于建筑项目而言,水泥材料质量关乎建筑结构稳定性和质量,对此,针对水泥材料实施强度检测工作具有十分重要的意义。本文首先简要分析水泥强度的意义,然后讨论影响水泥强度检测结果准确性的因素,最后从提高水泥强度检测准确性的对策以及注意事项这两个方面入手,希望从根本上解决水泥强度检测结果准确性不足的问题。

基于正态分布评价水泥强度质量的应用

水泥强度检验值是评价水泥产品质量和水泥强度等级的关键性技术指标,强度检验值不仅影响水泥混凝土配合比设计,还影响水泥混凝土的生产成本。为了评价水泥强度质量,提出了一种基于正态分布的评价方法。确定水泥质量的评价方法是通过对不同水泥生产企业相同强度等级的水泥强度进行检验,在判断检测数据符合正态分布规律的前提下,采用标准值作为评价指标来判断水泥质量的优劣。这种应用数理统计方法评价水泥强度质量的方法为用户购买和使用水泥提供了一种方法,可以在满足需求的情况下选择和使用合适的水泥产品。

水泥熟料的颗粒粒径对水泥强度的影响研究

本研究中采用2种水泥熟料,将不同比表面积的熟料进行了窄粒径分布的分级,分析了各粒径区间水泥熟料的化学组成和矿物组成,研究了其力学强度的发展规律,探讨了水化历程。研究结果表明,(3,32)μm区间水泥颗粒在熟料的比例宜增大,这部分颗粒有利于水泥强度的增长。(32,64)μm区间的颗粒,在水泥强度的发展过程中保证了长龄期强度,同时对28 d强度有一定的贡献,宜占有一定的比例。(0,3)μm区间水泥颗粒太细,需水量大,而64μm以上的水泥颗粒的强度发展非常缓慢,建议限制这2个粒径区间的水泥颗粒含量。

颗粒分布、比表面积、化学组成对水泥强度的影响

水泥的化学组成、细度决定着水泥的力学性能。根据已有的关于水泥颗粒的粒度分布和比表面积的数学模型,对4个不同水泥厂的水泥数据进行了分析,发现这些数据与模型之间没有很好的对应。利用120组数据建立了水泥颗粒的粒度分布与比表面积新的数学模型及28 d抗压强度与4种矿物组成的数学关系式,并把水泥的抗压强度用水泥颗粒大小、比表面积和化学纽成表示出来了。

水化硅酸钙晶种的制备及对水泥强度的影响

为了研究水泥晶种的制备技术及对水泥强度的影响，在蒸压条件下，选取天然硅质原材料硅藻土和钙质原材料熟石灰，利用水热合成法制备C—S—H凝胶作为水泥晶种，并研究了3种钙硅材料的配制比例和不同热工制度制备的晶种对水泥强度的影响．研究结果确定了钙硅比为1．2，合成压力在0．1MPa，合成时间1～3h为水泥晶种的最佳合成工艺制度．试验结果表明：掺晶种后的C3S悬浮液液相中的钙离子析晶时间提前，缩短了凝结时间，加速c，S的早期水化；掺入晶种可有效地提高水泥的早期强度，其原因在于加晶种可以降低产物成核所需克服的势垒、促进成核、并有效抑制大晶粒的生长．

合成纳米ZrO_2粉体对水泥强度性能的影响

用低温强碱合成法制得的纳米ZrO2粉体具有小尺寸和量子尺寸效应,产生准相变.把这种粉体适量掺入水泥中,不仅会产生纳米诱导水化效应,形成生长良好的水化产物,而且还能起到填隙和桥联作用,改善水化产物结构,降低水泥石气孔率,提高抗压强度和抗渗性.

基于神经网络的水泥强度预测

由于水泥强度预测具有多变量、非线性、大时滞的特点 ,采用传统的线性回归分析预测法与聚类分析预测法 ,预测结果的准确性较低 ,文章利用神经网络的算法 ,建立了水泥强度的动量 -自适应神经网络预测模型。通过对有关数据进行实例计算 ,得到了令人满意的结果 ,该模型为水泥强度的快速预测提供了一种新方法 。

不同温度下煅烧的石膏对水泥强度影响的试验研究

对经250℃、600℃、800℃、1000℃不同温度下煅烧后的二水石膏在CaO溶液中的溶解特性及对硅酸盐水泥强度的影响的研究和分析。试验得出：石膏煅烧温度不同，其溶解特性亦不同，对水泥强度的影响亦不同。

基于遗传优化的BP神经网络水泥强度预测

为了提高BP神经网络预测模型对水泥强度值的预测精度,通过结合BP神经网络与遗传算法各自的优势,提出一种采用遗传算法优化的BP神经网络的水泥强度预测算法.利用遗传算法具有的全局优化搜索能力优化BP神经网络的各层节点连接权值与阈值,训练BP神经网络预测模型以求得最优解,并将训练以外的样本数据用于模型的有效性验证.仿真结果表明,该算法对水泥强度值预测具有较高的预测精度,同时可缩短网络收敛时间.

Ⅲ级粉煤灰掺量、细度对水泥强度发展的影响

为了开发和应用数量大、成分复杂、均匀性差且活性低的Ⅲ级粉煤灰,本文中通过对Ⅲ级粉煤灰的粉磨处理,研究了Ⅲ级粉煤灰的掺量、细度对硅酸盐水泥、普通水泥强度发展的影响。结果表明,为了更好地发挥粉煤灰的活性,Ⅲ级粉煤灰在配制硅酸盐水泥、普通水泥时存在一个合理的粉磨细度和适宜的掺量,当粉煤灰的掺量小于5%时,细度应控制在500m2/kg左右;当掺量为10%￣15%时,细应为600m2/kg左右。

磨细粉煤灰颗粒级配对水泥强度的影响

研究表明 ,粉煤灰经细磨处理掺入水泥 ,能明显提高其水化活性 ,在细磨灰掺量达 5 0 %时 ,粉煤灰水泥强度虽比纯熟料水泥要低 ,但仍可达GB1344-92标准 42 5水泥强度要求 。

矿粉颗粒级配及其对高掺量矿渣水泥强度的影响

研究了表征矿粉细度诸参数之间的相关关系；分析了不同工艺加工的矿粉在颗粒级配上的差异；得出了矿粉细度和级配与高掺量矿渣水泥强度发展之间的关系。

基于RBF神经网络水泥强度预测模型的研究

介绍了RBF神经网络的结构、网络的学习算法,针对目前水泥28天强度值预测需时长、精度低的现状,建立了水泥强度RBF网络预测模型并进行了MATLAB仿真试验,表明RBF算法水泥强度的预测模型能很好地跟踪其实测值,且模型训练的速度快。该模型为水泥强度的快速预测提供了一种新方法。

快速测定水泥强度简易法

1 引言 现今,许多水泥厂均采用快速测定水泥强度法来进行生产操作指导和出厂水泥标号控制。这些方法(见表1)大多采用提高养护温度进行强化养护来加速水泥水化硬化过程,并通过系列试验先建立强化养护某龄期强度值与标准养护28天强度值之间的相应关系,据此相应关系,用短期强化养护获得的强度值就可推算出厂水泥标号。

基于模糊神经网络的水泥强度预测

利用软计算技术预测水泥强度不但是一项新的尝试,而且具有较高的理论和应用价值。本文利用模糊神经网络良好的非线性逼近能力建立了水泥强度的模糊神经网络预测模型。模糊神经网络的学习算法采用的是快速的粒子群优化算法。仿真结果表明,该模型在预测水泥28d强度方面达到了很高的精度,有较好的实用价值。

影响水泥强度检测的因素及应对措施

从试验环境、仪器设备、操作因素等方面分别阐述对水泥强度检测的影响,以提高水泥强度检测结果的准确性。