再生混凝土坍落度自适应模糊推理模型.pdf

2 0 1 4 年 第 8期 (总 第 2 9 8 期 ) Nu mb e r 8 i n 2 0 1 4 ( T o t a l No 2 9 8 ) 混 凝 土 Co n c r e t e 理论研究 THEORETI CAL RES EARCH d o i ： 1 0 3 9 6 9 j i s s n 1 0 0 2 3 5 5 0 2 0 1 4 0 8 0 l I 再生混凝土坍落度 自适应模糊推理模型 闫春岭 1 , 2 , 3 ，张爱玲 。 ( 1 郑州大学 土木工程学院，河南 郑州 4 5 0 0 0 2 ；2 ，安阳工学院 土木与建筑工程学院 ，河南 安阳 4 5 5 0 0 0 ； 3 安阳市结构检测与加 固工程技术研究中心 ，河南 安阳 4 5 5 0 0 0 ) 摘要 ： 坍落度是反映混凝土和易性的一个重要的指标 ， 利用 自适应模糊推理系统 ， 建立 了再生混凝土的坍落度预测模型。 该模 型输入层为再生混凝土的配合比数据， 输出层为再生混凝土坍落度数据。 采用建立的 A N F I S 模型对试验结果进行预测时 ， 先对再生 混凝土输入数据进行标准化处理 ， 同时对预测结果与试验结果相比较。 结果表明： 所建立的再生混凝土的坍落度的A N F I S 模型的预 测精度高达 9 7 以上 ； 采用自适应模糊推理系统可以实现再生混凝土坍落度的准确预测， 为再生混凝土的研究提供了一种新的方法。 关键词 ： 自适应模糊推理 ；坍落度 ；再生混凝土 ；预测 中图分类号 ： T U 5 2 8 0 1 文献标志码： A 文章编号： 1 0 0 2 3 5 5 0 ( 2 0 1 4 ) o 8 0 0 3 5 0 3 Adapt i v e f uz z y i nf er en ce m odel on r ec y cl ed c on cr e t e s l ump YAN Ch u n l i n g1 ,2 ,3 ， ZHANGAi l i ng ( 1 S c h o o l o f C i v i l E n g i n e e r i n g ， Z h e n g z h o uUn i v e r s i t y， Z h e n g z h o u4 5 0 0 0 2 ， Ch i n a ； 2 Sc ho o l of Ci v i l a ndAr c hi t e c tur a l En gi n e e r i ng， An y an gI n s t i t u t eof Te c h n o l o g y， An y a n g45 5 0 0 0， Ch i na； 3 E n g in e e r i n g a n dT e c h n o l o g yRe s e a r c hCe n t e r o nS t r u c t u r eDe t e c t i o n a n dRe i n f o r c e me n t o f A n y a n gC i ty， An y a n g4 5 5 0 0 0， C h i n a) Ab s t r a c t ： S l u mp i s an i mp o an t i n d i c a t o r o f t h e wo r k a b i l i t y o f c o n c r e t e A p r e d i c t i v e mo d e l o f r e c y c l e d c o n c r e t e s l u mp i s e s t a b l i s h e d b y us i n g a d a p t i v e f u z z y i n f e r e n c e s y s t e m Th e i n p uR i n g l a y e r wa s t h e mi x p r o p o r t i o n s o f r e c y c l e d c o nc r e t e；t he o u t p ut t ing l a y e r wa s t h e r e c yc l e d c o nc r e t e s l u mp Th e mod e l t u r ne d t h e i n pu t t i n g da t a i n t o s t a n d a r d i z e d d at a b e f o r e pr e di c t i n g t h e r e s u l t s o ft he t e s t by ANFI S， W h i l e t he pr e d i c t e d r e s ul t s we r e c o mp a r e d wi t h e x pe r i me nt a l r e s u l t s ， t he r e s ul t s s h o we d t h e p r e di c t i o n a c c u r a c y o f r e c y c l e d c o n c r e t e s l u mp i s u p t o 9 7 by ANFI S mo d e 1 Ad a p t i v e f u z z y i nf e r e nc e s y s t e m C an a c hi e ve t h e a c c u r a t e p r e d i c t i o n f or r e c y c l e d c o n c r e t e s l u mp a nd i t c a l l p r o v i d e a n e w me t h o d t o t h e s tudy o fr e c y c l e d c on c r e t e s l um p Ke y w or ds： a d a p t i v e f u z zy i n f e r e n c e；s l ump； r e c y c l e d c o nc r e t e；p r e d i c t i o n ( 】 引言 近年来 ， 我 国建筑 垃圾 的数量 已占到城市 垃圾含量 的 3 0 4 0 ， 其 中 5 0 6 0 为废 弃混 凝 土 ” 。 在 进行 建筑垃圾的处理方面 ， 大部分采用填埋地下或露天堆放 的 方式 ， 这样不仅浪费 了资源 ， 且污染 了环境 。 因此 ， 开展再 生混凝 土 的研究 成了各高校 和研究机构 的重要课 题 ， 同 时 ， 对大量建筑 垃圾进行循环 再利用也 被看作 为发展绿 色混凝 土的主要措施 之一 2 。 近 年来 ， 各 国学 者对再生混 凝土 的各种性能进行了相关的研究 ， 并取得 了一些重要 的 研究成果 。 在我 国 ， 肖建庄 s 1 研究 了再 生混凝土 的抗 压强度 与再生粗骨料取代率 、 水灰 比 、 龄期 以及表观 密度 之间的关系； 骆行文等 6 在进行再生混凝土的全应力一 应 变试验过程中同步测试了其超声波传播特征参数 ， 研究 了再生 混凝土声波传播特征参数 随再生混凝土轴 向压缩 变形的变化规律 ； 孙浩 等f7 】对再生混凝 土的抗气渗性和抗 碳化性能进 行 了研究 ， 得 出了再生 混凝土 的抗气 渗性和 抗碳化性 能之间具有一 定 的相关性 ， 但两 者均较普 通混 凝土差 的结论 。 目前，有关再生混凝土的坍落度的研究相对较少， 而 坍落度是反映混凝土和易性的一个重要 的指标 ， 是判定再 生混凝土工作性能 的关键因素之一 。 因再生混凝土的地域 性 、 组成成分及配合 比等差 异 ， 坍落度如完全 由试验测定 ， 既浪费了大量的原材料 ， 又耗费的大量 的人力和物力 ， 因此 ， 预测再生混凝土的坍落度具有重要的现实意义。 文献 8 利 用 B P神经网络法 ， 建立了再生混凝土的坍落度预测模型 ， 尽管精度 满足要求 ， 但训练次数近 7 0 0 0 0 次 。 最新研究表 明 ， 由人 工神经 网络和模糊推理 相结合构 成 的 自适 应模 糊推理 系统 A N F I S能够考虑多个影响再生混凝土坍落度 的 因素 ， 且 具有收敛速 度快 、 稳定 性能好 、 预测精度 高等 收稿 日期：2 0 1 4 - 0 2 - - 0 3 基金项 目：河南省科技计划重点攻关资助项 目( 1 3 2 1 0 2 3 1 0 3 3 4 ) ； 校科研启动基金( 2 0 1 3 7 1 0 6 ) 35 特点 9 1 。 1 自适应模 糊推 理 简介 A N F I S 属于 S u g e n o 型模糊系统 ，其典型的模糊规则 形式 如下 ： 如果 是 A， 且 Y是 B ， 则 z ， ) ， ) 。 其 中 ， 和 曰是前件中的模糊集合， 而z ， ， ， ) 是后件中的精确函数。 通常 ，y ) 是变量 和 y的多项式。 A N F I S的结 构如 图 1 所示 。 A N F I S可将模糊推理 系统 和人工神经 网络二者有 利 的结 合起来 ， 既能发挥二者 的优点 ， 又可 以弥补 各 自的不 足 ， 具体参见文献 1 0 1 。 2 A NF I S应用 实例 图 1 ANF I S结构 图 参数 ， 选取水 泥 、 粉煤灰 、 水 、 砂 、 石 、 减水 剂 、 再生 骨料含 量及总质量等因素作为输入参数， 再生混凝土的实测坍落 度值作 为输 出值 ， 从 中选取了 2 8 组数据作为学习样本 ， 另 选取 6 组作 为预测样本 以检验学 习效果 。 为 了加快 网络 的收敛速度 ， 在训练之前将各输人物理量标准化 ， 网络 的 坍落度反标准化后得到预测值 。 标准化后 的学习样 本数据 本研 究参照文献 8 具体试 验获取 的数据 ， 对于输入 见表 1 。 表 1 A N F IS学习样本 采用减聚类方法建立模型结构 ， 网络各训练参数取为 ： R a n g e o f i n fl u e n c e 为 0 2 6 ， S q u a s h f a c t o r 为 1 2 5 ， A c c e p t r a t i o 3 6 为 0 5 ， R e j e c t r a t i o为 0 1 5 ， 将表 1 中的 2 8 个已知数据对 ， 输 入 A N F I S 模型， 如图 2 所示， A N F I S的模糊规则如图 3 所示 。