混凝土收缩徐变测定
摘要
混凝土经历的时间依赖性，必须在设计考虑变形钢/预应力高性能混凝土（HPC）的桥梁。在此研究，实验上的收缩徐变高性能混凝土结构进行了500天。从本研究的试验获得的结果进行比较，以不同的模式以确定哪种模式是最好的一个。行政首长协调会- 90模型找到了更好的预测时变应变以模拟上述高性能结构和变形。然而，在远区，观察一些偏差，并获得更好的模型，实验数据基础是用于与行政首长协调会-90型数据库以及训练神经网络。该发展人工神经网络（ANN）模型将成为一个更合理的计算效率，以及模型预测系数和收缩徐变应变。
1. 介绍
混凝土体积变化经历了在其整个使用寿命。这些变化是时间的结果，（蠕变和收缩）依赖变形。该时间依赖性增加，应变硬化混凝土受胁迫的持续收缩过剩，是定义为徐变。徐变包括基本干燥徐变。基本的条件下会发生徐变那里是没有水分的运动，或从环境中。干燥的额外蠕变蠕变经干燥引起的。徐变应变比为初始弹性的由于持续紧张的压力是用来作为测量徐变变形。这个比值叫做徐变系数。收缩变形是指在常温无约束的试件上测得的应变。在这个简单定义的背后有六类不同的收缩；塑性收缩、受热收缩、化学收缩、自发收缩、干燥收缩和碳化收缩。根据引起水分减少的原因可以区分这六种收缩。塑性收缩是由于混凝土在塑性状态表面水分蒸发或者是骨料吸水导致水分减少产生的。受热收缩发生在浇筑的前几天，由于水化作用产生热量随后温度降低导致的。化学收缩是由于水化导致体积减少。
自发收缩是在最后沉降后由于自身干燥产生的。干燥收缩是当水化凝胶暴露在空气中吸附在水化凝胶体上的吸附水蒸发产生的。碳化收缩是由于氢氧化钙溶解和碳酸钙沉淀导致体积减小。收缩发生在各个方向。混凝土收缩对预应力损失和大梁的长期变形有直接的影响。一些研究已经表明，HPC的收缩和徐变要低于普通混凝土。这是因为HPC较密实并且其水灰比较低（Huo et al.2001）。
我们测量了七组不一样的模型的HPC的徐变和收缩来确定哪个模型更精确。根据Townsend的实验结果对比，由Huo修改的ACI209模型在预测随时间而变的应变是最准确的（Townsend 2003）。本实验还测量了四种模型下轻质高强混凝土的徐变并进行了对比。这四种模型是ACI209、CEB90、B3和GL2000。根据Vincent的实验，GL2000模型是最好的模型，并且CEB90是预测总应变是最好的（Vincent 2003）。基于他的研究，Huo表明当前的ACI209不能准确预测HPC材料的特性。Huo修订ACI209模型中计算收缩变形和徐变系数的方程，这个方程既可以用于普通混凝土也可以用于HPC。以上修订的方程称作ACI209由Huo修改（Huo et al.2001）。产生了一个用于预测石结构徐变的新ANN模型。关于砖石结构的徐变只做了很少的实验。充分利用这些数据，Noureldin和Taha利用ANN提出了一个预测徐变的新模型（Noureldin和Taha 2003）。阅读了以上文献后，本次
研究的目的是研究HPC随时间而变化的特性，比如徐变和收缩，从而找到预测徐变和收缩的较好模型。用于ANN的模型是与本实验数据吻合较好的模型并且得到了一个预测徐变和收缩的心ANN模型。
2. 基本方法
a) b) c)
通过下述步骤可以达到上面提到的目标。
对高性能混凝土混合物的徐变和收缩的研究的样本的准备。
各种存在的徐变和收缩模型的预测值与试验数据相对比以找到有最小偏差的最优模型。
除了实验数据和从最小偏差模型上得来的数据之外，从实验数据中得到了用于ANN训练的组合训练数据集，并将改进了的ANN与实验数据进行比较以测试其性能。
3. ANN
人工神经网络是由生物神经系统简化模型组成，是一个巨大的平行分发模式系统，这个系统由互相连接的神经元组成，这些神经元可以获得知识并且可以应用获得的知识。ANN有很多特征比如映射功能和联想、概括、耐用以及高速信息交互模式。ANN能训练成从收集到的数据或者检测到的数据中找到某一个值；并且可以回忆起完全模式从不完全的、部分的、或者嘈杂的模式。ANN的主要优势是：
一旦训练好，ANN就成了一个无需判断的模式，并且他可以有效的解决未知的或者未训练的实例。
ANN有高容错性
只要有更多的数据，不用点击开始就可以进行进一步的训练
最近几年，ANN在民用建筑方面的应用得到了推广并将继续推广。因此，所需的模式都可以在神经网络找到。最近ANN用于识别复杂的图案以及寻求由于太复杂而不能用传统计算模型来解决的问题的解决方法。
4. 普通模型
在所提出的各种预测混凝土徐变和收缩的方法中，这里写出了七个：ACI209、由Huo修改的ACI209、AASHTO-LRFD、B3、CEB 90、GL 2000和Tadros。ACI209提出了一个经验模型是预测徐变和收缩变形随时间变化的。模型有相同的准则：一个夸张的倾向于称作极限值的渐近线。曲线的形状和极限值取决于多种因素比如养护条件、荷载龄期、周围的温度和湿度。方程1和方程2呈现了预测徐变系数（φt）和收缩变形（εsh）t的总模型。ACI协会209 2005给出了细节。
（1）
（2）
这里t=混凝土的龄期（天），t‘=混凝土的持荷龄期（天），t0=开始干燥的时间（天），φu=极限徐变系数，由几何特性、湿度、气体含量和曲线类型决定，（εsh）u=极限收缩应变，取决于几何特性、湿度、气体含量和曲线类型。
Huo修正了以上的方程通过合并一个强度修正因素。修正后的方程3和方程4既能用于普通混凝土也能用于HPC的预测徐变系数（φt）和收缩变形（εsh）t。更多细节请参考Huo et al.2001。
（3）
（4）
fc‘=28天抗压强度（MPa）
AASHTO-LRFD模型与ACI209模型相似。但是提出了一些不同的修正系数基于这种模型时对于构件尺寸、曲线类型等因素在表达极限徐变系数和极限收缩应变。详见AASHTO-LRFD 2004。
CEB 90模型给出了较大的变化根据随时间而变化的徐变和收缩，并且根据混合设计与环境条件它也用一个极限值来修正。CEB 90的一个不同之处是它预测徐变变形而不是预测徐变系数。方程5、方程6和方程7给出了徐变变形（εcr（t，t‘））、徐变系数（φ28）和收缩变形（εs（t，t0））的计算方法。更多细节请参照1990 CEB-FIP模型准则。
（5）
（6）
（7）
此处，σc（t‘）=使用应力（MPa），E28=28天弹性模量（MPa），φ0=取决于湿度、几何尺寸、受压强度、和曲线类型的理论徐变系数，βh=和几何尺寸、