基于人工智能混凝土配合比优化设计.pptVIP

图6-3 C1-4混凝土坍落度试验现象 第六章 优化前后经济性对比 表6-5 混凝土优化前后经济性比较 项目 粗骨料 细骨料 水泥 粉煤灰 矿渣 水 减水剂 合计每方砼价格（ ） 参考单价（ ） 0.05 0.07 0.39 0.23 0.34 0.00038 8 优化前 958 690 307 57 72 210 8.7159 323.3 优化后 982 807 237 55 73 182 8.378 302.6 第六章 第一章 引言 第二章 混凝土骨料性能研究 第三章 基于人工神经网络的混凝土配合比设计试验 第四章 基于人工神经网络的混凝土性能预测 和参数分析 第五章 基于遗传算法的混凝土配合比优化设计 第六章 基于最少浆体理论的混凝土配合比 优化试验研究 结论 1、利用人工神经网络建立砂石混合体密实度的预测模型（骨料参数与性能的关系）。 2、根据正交试验结果建立混凝土性能人工神经网络预测模型（配合比参数与性能的关系）。 3、根据建立的目标函数和材料约束条件，利用混凝土性能神经网络预测模型约束混凝土的性能指标，实现遗传算法对混凝土配合比的优化设计。 4、引入最大密实理论和最少浆体理论，结合神经网络和遗传算法优化系统，以最低成本为优化目标，提出基于性能的混凝土配合比设计方法。 结论 谢 谢！ 图4-10 粉煤灰与胶凝材料用量比 对混凝土28d抗压强度的影响 图4-11 矿渣与胶凝材料用量比 对混凝土28d抗压强度的影响 图4-12 骨料平均浆体厚度对混凝土28d抗压强度的影响 第四章 当迭代次数达到12次时，网络学习均方误差 达到1.35318e-024，说明网络学习效果已非常好；测试组的预测均方误差 ，说明预测结果与试验结果吻合较好。 表4-7 氯离子扩散系数计算模型输入层与隐含层之间的权值和阈值 隐含层 权值 阈值 1 -5.2493 8.0845 7.4174 -5.7395 5.8703 39040 -6.2242 2 2.6792 8.5037 8.1996 11.691 5.1261 -24401 -7.6989 3 -2.4949 3.8506 -8.5215 5.401 14.377 -33662 5.8729 4 0.6272 0.8512 -6.2966 -4.1146 13.516 37754 -0.67361 5 -4.3988 10.438 -4.9523 7.4196 1.9067 24072 -3.236 6 5.4501 10.035 -1.7133 -0.6457 11.512 -36090 -0.70074 7 -3.043 -2.2192 8.4093 -1.112 -4.0813 -47739 -1.3958 氯离子扩散系数的预测 第四章 表4-8 氯离子扩散系数计算模型隐含层与输出层之间的权值和阈值 输出层 权值 阈值 1 2 3 4 5 6 7 28d 0.2784 -0.1498 -0.2200 -0.2402 -0.1947 0.2869 -2.1658 -1.8156 图4-14 小石子掺量对混凝土28d氯 离子扩散系数的影响 图4-15 砂率对混凝土28d氯 离子扩散系数的影响 第四章 图4-16 粉煤灰与胶凝材料用量比对混 凝土28d氯离子扩散系数的影响 图4-17 矿渣与胶凝材料用量比对混 凝土28d氯离子扩散系数的影响 图4-18 骨料平均浆体厚度对混凝土28d氯离子扩散系数的影响 第四章 第一章 引言 第二章 混凝土骨料性能研究 第三章 基于人工神经网络的混凝土配合比设计试验 第四章 基于人工神经网络的混凝土性能预测 和参数分析 第五章 基于遗传算法的混凝土配合比优化设计 第六章 基于最少浆体理论的混凝土配合比 优化试验研究 结论与展望 第五章 基于遗传算法的混凝 土配合比优化设计 主要内容： 混凝土配合比优化设计的数学模型 利用MATLAB遗传算法工具箱实现配合比的优化设计 配合比优化设计结果(1) 基于最大密实理论的遗传算法优化设计(2) 配合比优化设计的目标函数 式中 分别为小石子、大石子、砂、水泥、粉煤灰、 矿渣、水、外加剂的用量； 为对应的材料单价，分别为 石子0.05元、砂0.07元、水泥0.39元、粉煤灰0.23元、矿渣 0.34元、水0.00038元、减水剂8元。 第五章 约束条件 1、材料用量的约束 第五章 ① ② ③