摘要:通过对商品混凝土进行人工智能技术预测强度的研究，将生产系统得到的真实数据和同样配合比条件下由人工智能技术预测得到的数据相比较，解决了检测生产系统是否处于正常工作状态的问题。
关键词:矿渣混凝土，质量控制，人工智能技术
中图分类号:TU712.3 文献标识码:A
引言
高性能混凝土的研究和应用已成为当前国际上的热点，尤其是以工业废渣为主要掺合料的商品混凝土的研究与应用。目前的商品混凝土多以掺加矿粉为主，有的还掺加硅粉，混凝土成分复杂，混凝土配合比设计更为复杂。许多人的研究得出:人工智能技术是处理矿渣混凝土配合比设计的一个行之有效的方法和手段。
通过对商品混凝土公司的商品混凝土进行研究，在一定性能要求的前提下，进行混凝土的配合比设计。通过实际实验得到混凝土的实际强度，采用以正交试验作为学习样本模拟真实系统的方法，来模拟完全实验;同时，以部分试验数据为研究对象，应用人工智能技术来模拟真实系统，得到各种配合比下的预测强度，可以得到实际强度与预测强度相符的结果。在生产中将由生产系统得到的数据和同样的配合比条件下由人工智能技术得到的数据进行比较，可以检测生产系统是否处于正常工作状态。
1 试验研究
1.1 试验方案
在试验设计中，采用四因素(水泥(水灰比)、粉煤灰、硅粉、高效减水剂)，每个因素三个水平的完全试验，共计81种配合比。选择利用四因素三水平的正交试验设计方案的9个试验。基本试验数据如表1所示，正交试验设计方案如表2所示。
1.2 材料与试验方法
水泥采用的是山水水泥厂生产的32.5R普通硅酸盐水泥，石子采用平阴粒径为5m －31.5mm 的碎石，优质东平中砂，鲁能电厂工级粉煤灰，济南鲁新建材595级矿粉，聊城岩发建材外加剂(JGBI)，饮用水。为了适合工程实际情况，采用模拟施工工艺的基本施工方法，经过振捣、成型、养护，采用标准试验方法实测7d和28d抗压强度。
1.3 试验的原始数据结果
试验的结果如表3所示。抗压强度的计算按规范规定的方法取值。由试验数据和破坏后的情况看，试验结果是有效的。
2 利用正交试验进行强度预测
正交试验结果回归的线性方程模型为:
其中 ，
(i =0，1，2，3，4)为回归系数;￡为试验误差;y为28d抗压强度;xl为水泥用量;脚为粉煤灰用量;x3为矿粉用量;x;为外加剂用量。用回归方程对大量数据28d强度进行了预测，预测结果见表4(81组组合方式)。
本研究采用的正交试验样本、预测结果和实际抗压强度试验值很接近，从工程经验中可以知道，这样的精度完全满足工程的实际需要。
3 神经网络模型的建立
选取四因素三水平的正交试验样本为人工神经网络的学习样本，输人为粉煤灰、矿粉、减水剂、水灰比，输出为7d，28d抗压强度值。采用BP 网络算法，经过计算，得到神经网络结构见图1。学习速率为0.9，冲量系数为0.7，学习2000次，系统精度为0.000041。
按试验数据模拟得到的人工神经元模拟的生产系统:9个;4个输人节点，输人数据分别为水灰比、粉煤灰、外加剂、矿粉;2个输出节点，输出数据分别为7d强度和28d强度的试验数据;1个隐层，有7个节点;运行2000次，系统误差为:0.00041;a=0.89渭=0.85，试验样本模拟结果如表5所示。
4 研究结果
1)用正交试验样本作为人工神经网络的学习样本，经过学习计算并与实际试验结果比较，较好地模拟给定系统，证明了这个方法完全可以用来进行混凝土配合比的设计，可以迅速得到同一生产系统下给定配合比下混凝土的强度。2)基于设计资料和经验配合比数据的人工神经网络模拟系统的确立，完全可以用于检测系统是否处于正常工作状态之下。
参考文献:
[1]王胜年，潘德强，卫淑珊.大掺量粉煤灰高性能混凝土的研究与应 用[J].中国港湾建设，1999(4):20－23.
[2]王海超，陈本沛.六组分混凝土配合比设计的人工智能技术研究[ J] .工业建筑学报，1999(8):53－59.
[3]周梅，刘松，王海超.利用神经网络预侧混凝土的杭压强度 [J].辽宁工程技术大学学报，1998，17(3):275－277
