基于模糊神经网络的普通硅酸盐水泥与缓凝减水剂相容性问题预测

【摘要】： 模糊神经网络(FNN)是近年来兴起的研究热点，是模糊推理和神经网络的有机结合，模糊推理系统本身不具备自学习能力，而人工神经网络又不能用模糊语言来表达人脑的推理功能。由于它将神经网络预结构化，对权值进行可能的解释，使神经网络易于为人们所理解，因此网络自适应性好，泛化能力强，具有较好的鲁棒性，被广泛应用于预测，智能控制，模式识别，信号消噪等领域。 随着外加剂广泛应用于混凝土工艺中，外加剂已成为混凝土中的第五组分，但是水泥与外加剂的相容性问题也摆在了人们面前。影响相容性的因素很多，有水泥、外加剂，施工方法等方面的原因，本文对这些影响因素作了较为全面的总结。检测相容性的方法有水泥净浆流动度法和Marsh筒法，这些方法都是在试验的基础上对两者之间的相容性进行判断。虽然这些试验方法具有简便直接的优点，但得到的结果并不是基于相容性的影响因素上的判断和规律性的认识，只是对已有事实进行判断。 本论文在总结前人研究成果的基础上，归纳出影响相容性的8个主要影响因素，用于模糊神经网络的输入，并对水泥与外加剂的相容性进行综合模糊评判，得出相容度值，用于模糊神经网络的输出。采用基于聚类的方法建立模糊神经网络，用混合学习算法进行模糊神经网络训练，从训练样本数据中找出输入参数与输出参数的非线性关系，利用这种非线性关系对外加剂与水泥的相容性进行预测，应用于施工现场。 本论文采用MATLAB 7.0编程，开发了普通硅酸盐水泥与缓凝减水剂相容性预测系统，系统由训练数据输入系统和相容性预测系统组成。输入水泥的矿物组成和要预测的外加剂，系统就能给出一个0～1的相容度值，根据相容度值的大小，就能判断它们之间的相容性。检验数据表明：预测系统能够对普通硅酸盐水泥与缓凝减水剂之间的相容性作出较好的预测。由于数据收集的有限，系统只能对四种常用的外加剂进行预测。