对掺加1%聚丙烯纤维及未掺纤维的两组陶粒混凝土试件,分别进行了清水冻融和3%NaCl溶液冻融试验,观察了冻融循环后试件的外观变化形态,测试研究了试验过程中试件的相对动弹性模量、质量损失率、剩余抗压强度等损伤量的变化规律。研究结果表明:相同冻融次数时,与清水冻融环境比,氯盐冻融环境下试件的剥蚀和骨料外露现象更明显,相对动弹性模量、质量损失率、剩余抗压强度等指标退化更为严重;掺入聚丙烯纤维可明显改善陶粒混凝土的抗冻性能。分别以相对动弹性模量和剩余抗压强度作为损伤变量,建立了能反映冻融损伤进程的陶粒混凝土冻融损伤模型,参数拟合精度较高。

通过快速冻融试验,对不同强度等级的掺硅藻土混凝土的抗冻性进行了分析。在损伤理论的基础上构建了多次冻融后混凝土劣化失效的数学模型,使用Matlab程序模拟了混凝土内部各单元点的损伤失效与时间的函数关系,并生成了混凝土的截面损伤概率图。在冻融循环时间相同的条件下对不同硅藻土掺量的混凝土进行了对比分析。结果表明:硅藻土的加入使混凝土的抗冻性能得到了提高;模型模拟的混凝土损伤过程符合冻融破坏的变化规律。

研究了再生粗骨料取代率对混凝土抗硫酸盐侵蚀性能的影响,建立了不同再生粗骨料取代率混凝土的抗硫酸盐侵蚀损伤模型。结果表明:当侵蚀龄期在144 d内时,不同再生粗骨料取代率试件的相对动弹性模量差别不大;144 d后,随着再生粗骨料取代率的增加,试件的相对动弹性模量大致呈先增大后减小的趋势,掺入较多(>50%)的再生粗骨料加速了混凝土的后期损伤;基于普通混凝土抗硫酸盐侵蚀损伤模型建立的再生混凝土抗硫酸盐侵蚀损伤模型的精度较高。

由于神经网络的非线性映射、自适应及自学习的能力已越来越多地用于结构损伤识别中，本文根据网络参数选择的原则建立了一个三层BP神经网络结构损伤识别模型，对一简支钢板进行了分析。为避免单一频率或模态振型作为输入向量带来的误差，选用与损伤位置和程度相关的组合参数：即结构损伤前后的频率变化平方和少点模态振型作为输入参数。利用训练好后的网络对损伤模型进行诊断和预测，取得了较好的效果。