一种基于拌和物性能的混凝土强度预测方法与流程

本发明涉及混凝土，具体涉及混凝土的强度检验技术。

背景技术：

1、混凝土是世界上用量最大的工程材料，强度是混凝土的最基本性能。然而，混凝土强度容易受到生产、运输、施工过程多种人为因素的影响，常常导致强度不足，工程结构安全性受到影响。

2、混凝土的强度是一个逐渐增强的过程。混凝土拌和完成后，处于流态，不具有强度；浇筑入模后逐渐硬化。通常在原材料加水搅拌后的3～6小时开始产生强度，浇筑后7天或28天后达到设计的强度要求。

3、在工程建设领域，通常采用回弹法、钻芯取样或者现场预留混凝土试块的方法来检验混凝土的强度。这些方法存在滞后性：只能等到混凝土浇筑硬化后才能评价，试验周期长，不能及时发现混凝土生产过程中出现的问题。因此，工程管理人员希望在混凝土拌和物运达现场后、浇筑入模之前就能够预测混凝土强度，以便提前获知该批次混凝土质量是否合格，对不合格的混凝土拌和物做拦截退货处理，及早排除施工安全隐患。

4、如《基于bp神经网络的粉煤灰混凝土抗压强度预测研究》(作者陈洪根等)一文中公开了一种方法，以7个影响因素为输入变量，抗压强度为输出变量，建立了bp神经网络进行抗压强度预测的方法。这种方法的7个影响因素为水、水泥等7种原材料的用量。该技术的问题在于：预测结果的准确度严重依赖各种原材料用量的准确性。事实上，商品混凝土的供应方会向施工单位提供各种原材料用量，但并不总是可靠，原因包括计量系统不准确、罐车存水等。

5、公开号cn 111505252 a的中国专利申请具体公开了一种预测施工现场混凝土强度的系统，其具体根据用户输入的配合比和现场实测的温湿度，代入公式进行计算硬化后混凝土的强度。配合比则为各种原材料用量之间的比例。该技术的问题在于：计算结果的准确度严重依赖配合比的准确度。事实上，商品混凝土的供应方会向施工单位提供配合比并不总是可靠，原因包括计量系统不准确、罐车存水等。

6、公开号cn 109270255 a的中国专利申请公开了一种预测预拌混凝土强度的方法，首先取与待测混凝土使用的原材料相同的原材料，通过大量试验建立硬化混凝土强度与水胶比的关系式，其次对于施工现场的流态混凝土进行水胶比测试，最后将测得的水胶比代入上述关系式。该技术的问题在于：水胶比对混凝土的强度的影响是公认的，但并不是唯一影响因素；水灰比相同的两种混凝土，因骨料用量等因素的差异，强度可以有很大差异，因此该技术使用也受限。

7、公开号cn 111825386 a的中国专利申请公开了一种预测预拌混凝土强度的方法，该方法不关注配合比，只需采集流态混凝土的坍落度、粗骨料和细骨料的比例、混凝土中其他添加剂的成本比例和混凝土前期搅拌时长。该技术的问题在于：方案涉及到的“其他添加剂的成本比例”和“混凝土前期搅拌时长”通常属于施工单位无法获取的数据。即使能够获取，这两项指标与硬化后混凝土强度的关系也未必显著，即整体方案实用性不强。

8、公开号cn113933195a的中国专利申请公开了一种基于图像数字化处理的混凝土抗压强度预测方法及系统，该方案中将混凝土截面的图片显示亮度转化成为数值矩阵；取混凝土样品两个相对的平面，进行回弹值的测量；对混凝土截面图片的亮度矩阵数据和回弹值数据进行归一化处理，并分为训练集和测试集，建立、训练神经网络学习预测模型。该技术的问题在于：回弹值仅在混凝土硬化后才能测量，存在滞后性，不属于利用拌和物性质进行硬化混凝土的性能预测范畴。

技术实现思路

1、针对现有硬化混凝土强度检测与预测方案所存在的问题，本发明的目的在于提供一种基于拌和物性能测试的混凝土强度预测方法，能够实现无需基于混凝土原材料配合比，即可快速预测硬化后混凝土强度，供施工单位在浇筑前判断混凝土是否合格，避免硬化后强度不合格导致的拆除问题。

2、为了达到上述目的，本发明提供的基于拌和物性能的混凝土强度预测方法，不需要取得混凝土配合比数据，包括模型建立阶段与模型应用阶段；

3、模型建立阶段，

4、只需在混凝土硬化前(还是流态时)测试混凝土拌和物表观密度、混凝土筛出砂浆表观密度、单方混凝土粗骨料用量以及粗骨料堆积密度这四项拌和物性能数据，并据此建立混凝土硬化后强度与混凝土拌和物表观密度、混凝土筛出砂浆表观密度、单方混凝土粗骨料用量以及粗骨料堆积密度这四项拌和物性能数据之间关系模型，即混凝土强度预测模型；

5、模型应用阶段，

6、直接针对运达现场的混凝土成品，在混凝土硬化前(还是流态时)实测混凝土拌和物表观密度、混凝土筛出砂浆表观密度、单方混凝土粗骨料用量以及粗骨料堆积密度这四项拌和物性能数据，基于模型建立阶段建立的混凝土强度预测模型，对运达现场的混凝土成品形成对应的混凝土硬化后强度预测值。

7、在本发明的一些实施方式中，所述混凝土强度预测方法在模型建立阶段，包括：

8、步骤(11)：在混凝土拌和物卸料过程中交替式取混凝土拌和物样本，形成两部分混凝土拌和物样本，一部分用于测试拌和物本身的四项性能，另一部分待其凝结硬化并养护28天后对进行抗压强度测试；

9、步骤(12)：基于步骤(11)中所取的混凝土拌和物样本，采集混凝土拌和物四项性能，制作试块并测试硬化后强度，建立数据库；

10、步骤(13)：将数据库中数据随机分为训练集和测试集；

11、步骤(14)：以混凝土拌和物四项性能数据为自变量硬化后强度值为因变量，对训练集进行训练，得到机器学习混凝土强度预测模型；

12、步骤(15)：基于测试集中混凝土拌和物四项性能数据对步骤(14)得到的机器学习预测模型进行测试，得到输出强度预测值；

13、步骤(16)：针对步骤(15)确定的强度预测值的进行精确评估。

14、在本发明的一些实施方式中，在步骤(13)中将数据库中数据按8:2随机分为训练集和测试集。

15、在本发明的一些实施方式中，在步骤(15)中采用平均相对误差和相对标准差方式来对步骤(15)确定的强度预测值的进行精确评估。

16、在本发明的一些实施方式中，所述混凝土强度预测方法在模型应用阶段，若模型应用现场有条件留置试块、养护并测试强度，则包括：

17、步骤(21)：直接针对运达现场的混凝土成品，交替式取混凝土拌和物；

18、步骤(22)：针对步骤(21)提取的混凝土拌和物在混凝土硬化前(还是流态时)检测混凝土拌和物四项性能；

19、步骤(23)：将步骤(22)中检测到的混凝土拌和物四项性能数据作为自变量输入混凝土强度预测模型中，生成强度预测结果；

20、步骤(24)：针对步骤(21)提取的混凝土拌和物制作试块并测试硬化后强度；

21、步骤(25)：提取步骤(22)中检测到的混凝土拌和物四项性能数据，以及步骤(24)中获得的硬化后强度数据，并加入混凝土强度预测模型的数据总，重新训练混凝土强度预测模型。

22、在本发明的一些实施方式中，所述混凝土强度预测方法在模型应用阶段，若模型应用现场没有条件留置试块、养护并测试强度，则包括：

23、步骤(21)：直接针对运达现场的混凝土成品，连续式取混凝土拌和物；

24、步骤(22)：针对步骤(21)提取的混凝土拌和物在混凝土硬化前(还是流态时)检测混凝土拌和物四项性能；

25、步骤(23)：将步骤(22)中检测到的混凝土拌和物四项性能数据作为自变量输入混凝土强度预测模型中，生成强度预测结果。

26、本发明提供的基于拌和物性能的混凝土强度预测方案相对于现有技术，具有如下优点：

27、1.聚焦末端：本方案直接针对运达现场的混凝土成品，完全不依赖混凝土生产前的配合比设计，对于生产、运输过程中称量不准确、二次加水等社会因素带来的强度不足风险有着良好的捕捉功能。

28、2.操作简单：现场只需两人配合，使用工地试验室常规测量工具即可完成。相比传统的促凝蒸压、微波加热法，无需接电、接水管，便捷安全。

29、3.迅速及时：从取料开始计时，仅需要25～40分钟(见表1，具体取决于操作熟练度)，就能生成预测结果，而现行规范中，不不依赖原材料性能参数的非单因素强度推定方法，最少需要65分钟(附件6：jgj/t15-2021，第4.4.7款和4.4.9款)。测试用时的缩短对于工程进度的控制和调整具有重要意义，施工单位可以根据预测结果做出及时的决策，从而避免不必要的延误。

30、

31、4.准确可靠：目前，针对c25～c60常规(不含纤维)混凝土，平均相对误差仅18％，这意味着预测结果与28天实际强度之间的偏差较小，为工程质量的控制提供了可靠参考。此外，模型能够自主学习和纠偏能力，对新的现场分析结果和强度测试结果纳入数据库，使得训练集不断扩大，准确率持续提升。