结构工程论文栏目提供最新结构工程论文格式、结构工程硕士论文范文。详情咨询QQ:1847080343(论文辅导)

基于卷积神经网络的混凝土裂缝 微生物修复效果评价思考

日期:2024年12月21日 编辑:ad201107111759308692 作者:无忧论文网 点击次数:17
论文价格:150元/篇 论文编号:lw202412152351003910 论文字数:38544 所属栏目:结构工程论文
论文地区:中国 论文语种:中文 论文用途:硕士毕业论文 Master Thesis

本文是一篇结构工程论文,本文采用理论论述与试验研究相结合的方法,分析微生物修复技术对混凝土裂缝修复的效果,并基于卷积神经网络对修复前后的裂缝进行检测与效果评价。

第1章 绪论

1.1 研究背景及意义

混凝土是建筑工程中广泛使用的材料之一,在各类建筑结构中发挥着重要的支撑和承载作用,从基础设施到建筑住宅,混凝土都是不可或缺的构建元素。随着现代社会的发展,建筑工程的规模不断增加,混凝土仍将是生产和使用过程中最常见的建筑材料[1,2]。根据中国混凝土与水泥制品协会统计,全国近十年的商品混凝土产量与增长率如图1-1所示[3],且近五年的商品混凝土产量都在30亿m3左右。然而在受到荷载效应、温度变化等其他环境因素的影响下,混凝土内部应力逐渐积累,结构的表面会过早劣化而产生裂缝。裂缝的出现加速了CO2、Cl-和SO42-等侵蚀介质进入混凝土内部,导致混凝土内部腐蚀、碳化和钢筋锈蚀等一系列问题,影响了结构的耐久性[4-6]。一些大尺寸的裂缝甚至会破坏混凝土结构的整体连续性,削弱结构的整体强度,导致结构对荷载的承受能力降低,减少了结构的使用寿命[7-9]。若不及时进行处理,裂缝会进一步发展成为深层裂缝或贯穿裂缝,从而降低结构的稳定性,最终可能会引发严重的结构安全问题[10-12]。因此寻找一种适合的混凝土裂缝修复技术至关重要。

结构工程论文怎么写

1.2 国内外研究现状

1.2.1 微生物的矿化机理

微生物矿化是指微生物通过代谢等活动促使矿物的形成和转化过程,根据矿化机制主要分为微生物控制矿化和微生物诱导矿化[28]。微生物控制矿化是指微生物在不受外界环境影响的条件下,通过自身的生理调节来控制矿物沉积的过程。而微生物诱导矿化主要指微生物的生命活动与周围环境相互作用而引起的矿化过程,该形式在原核生物和真菌中比较常见,这种矿化作用由于不在严格的生物细胞控制之下,形成的矿物晶体与无机矿物沉淀类似,其中主要是碳酸钙沉淀[29]。微生物诱导碳酸钙沉淀主要受到四个因素的影响:Ca2+浓度、CO32-浓度、pH值和成核位点[30,31]。通过微生物在新陈代谢过程中产出的有机物质,以微生物自身作为矿化产物的成核位点,与环境中的Ca2+结合,促进碳酸钙沉淀的生成。总结现有的研究,主要有反硝化菌、碳酸酐酶菌和脲酶菌等几类微生物的矿化体系[32,33]。

(1)反硝化菌

反硝化菌在氮循环的过程中将硝酸盐(NO3-)还原为气态氮产物NO、N2O和N2,反应过程会生成大量的CO2,最终在碱性环境下与Ca2+结合生成碳酸钙沉淀。这一过程主要包括硝酸盐的还原、电子受体的利用和能量的产生等反应,其诱导矿化示意图如图1-2所示[34],具体反应方程式如式(1-1)至(1-5)所示[35]。硝酸盐被反硝化菌用作电子受体,并在反应过程中氧化有机物为微生物的生长代谢提供能量[36,37],通过消耗环境中的H+提高pH值,促进碳酸钙沉淀的生成。反硝化菌的矿化反应过程不需要消耗氧气,可以在缺氧或无氧条件下进行,但是对环境中的pH值要求较高,且矿化速率较慢,需要较长的时间才能生成足够的碳酸钙沉淀。

(2)碳酸酐酶菌

碳酸酐酶菌是一类可以通过新陈代谢产出碳酸酐酶(Carbonic anhydrase, CA)的微生物,碳酸酐酶是一种含锌金属酶,可以显著催化CO2的水和反应,加速生成HCO3-[38-40]。在CO2的水和反应中加入碳酸酐酶作为催化剂后,其反应机制会发生变化。碳酸酐酶的活动中心含有催化所需的Zn2+,H2O与Zn2+结合后发生去质子化生成E·ZnOH-;由于氢键等结构的存在,E·ZnOH-中的氧亲核性较强,可以与溶解在水中的CO2进一步结合生成E·ZnHCO3-;E·ZnHCO3-中的HCO3-被H2O替换生成E·ZnH2O和HCO3-[41,42]。

第2章 混凝土裂缝修复试验材料与试件制备

2.1 微生物修复液制备

2.1.1 微生物修复液原材料

(1)微生物菌株

本试验选用的微生物菌株为巴氏芽孢杆菌,来源于中国普通微生物菌种保藏管理中心(CGMCC),编号为1.3687,如图2-1所示。巴氏芽孢杆菌属于革兰氏阳性细菌,呈杆状,通常状态下为直短杆状细胞,长度约为1~4μm,宽度约为0.5~1μm。

(2)微生物培养基

培养基是微生物培养过程重要的营养介质,能够为微生物提供生长和繁殖所需的营养成分。对于本试验所使用巴氏芽孢杆菌的培养,采用中国普通微生物菌种保藏管理中心推荐的#907培养基,培养基配方见表2-1。培养基种类为液态培养基,用水为去离子水。

(3)固结液

固结液由尿素(CO(NH2)2)和钙盐溶液混合制成,与微生物菌液共同参与微生物诱导矿化过程。本试验选用氯化钙(CaCl2)和乙酸钙(Ca(CH3COO)2)溶液作为钙源,氯化钙通常会提供更多的可溶性钙离子,而乙酸钙可能对微生物及钢筋的不利影响更小。试验通过比较两种固结液与微生物菌液混合后的矿化性能,选出最适合本试验的钙源。

(4)营养液

对于宽度≥1mm的裂缝,为了提高微生物的矿化性能与修复效率,通过在修复过程中加入营养液的方法,营养液可以为微生物提供营养物质和能量,促进其生长繁殖[94]。营养液的配置采用葡萄糖溶液和氧气混合,将氧气使用气体传输管注入到葡萄糖溶液中。营养液需要现场制备并及时使用,以确保溶解的氧气不会过多流失。

2.2 混凝土试件制备

2.2.1 混凝土试件原材料

混凝土试件规格

裂缝的表观修复效果与耐久性能测试是评价混凝土裂缝修复效果的主要指标,根据后续混凝土测试的试验要求,混凝土试件规格设计如图2-4所示,为半径50mm,高度50mm的圆柱体。针对实际工程中裂缝宽度不一致的情况,试验设计了0.5~3mm范围内不同宽度的预制裂缝,采用在试件浇筑完成后插入钢片的方法制作裂缝。预制裂缝长80mm,深40mm,宽度为0.5mm、0.8mm、1mm、1.5mm、2mm和3mm,涵盖了混凝土结构常见的裂缝尺寸范围。


本章主要围绕微生物修复液与混凝土试件进行了研究,介绍了微生物修复液和混凝土试件的试验材料和制备方法,并测试了微生物的活性与矿化性能。所得主要结论如下:

(1)在使用巴氏芽孢杆菌作为试验菌株,中国普通微生物菌种保藏管理中心#907培养基作为试验用培养基进行微生物培养时,经过24h的培养,微生物的数量与脲酶活性均达到了峰值,之后微生物的活性则开始逐渐降低。因此,为了长期保持微生物的活性,需要将培养时间达24h的微生物菌液放置在4℃的冷藏条件下保存,以备后续试验时使用。

(2)使用乙酸钙作为修复液的钙源时,微生物矿化率达到了60%,相较于氯化钙为钙源时的32%矿化率效果更好。此外,氯化钙中的氯离子会增加混凝土内钢筋锈蚀的风险,而乙酸钙作为有机钙源,在成分上对环境更加友好,故后续试验中均选择乙酸钙作为修复液的钙源。

第3章 混凝土裂缝微生物修复工艺与效果评价方法 ............... 21

3.1 混凝土裂缝修复工艺 ............................. 21

3.1.1 裂缝宽度对修复工艺的影响 ........................ 21

3.1.2 不同宽度裂缝的修复工艺 .......................... 21

第4章 混凝土裂缝微生物修复效果评价 ..................... 32

4.1 裂缝表观修复效果评价 ............................ 32

4.1.1 裂缝修复面积评价 ................ 32

4.1.2 裂缝修复深度评价 .............................. 35

第5章 基于卷积神经网络的裂缝检测方法 ..................... 44

5.1 卷积神经网络 ........................ 44

5.1.1 卷积神经网络结构 ............................. 44

5.1.2 迁移学习 ................................ 47

第5章 基于卷积神经网络的裂缝检测方法

5.1 卷积神经网络

5.1.1 卷积神经网络结构

卷积神经网络(Convolutional neural networks, CNNs)是一种深度学习模型,特别适用于处理具有网格结构数据的任务,如图像和视频。它的设计灵感来自人类视觉系统的工作方式,通过多个层级学习图像的特征,从而实现对图像进行高效的识别、分类和检测。其核心结构主要包含卷积层、池化层、激活函数和全连接层。

(1)卷积层

卷积层在卷积神经网络中用于从输入数据中提取特征。它包含了多个卷积核,这些卷积核在输入数据上进行滑动操作,执行卷积运算以生成特征图。卷积运算通过对卷积核与输入数据的对应位置进行逐元素相乘并求和的方式实现,这个过程可以捕获输入数据的局部特征,如图5-1所示。每个卷积核都可以被看作是一个特征探测器,它们能够识别输入数据中的不同特征,如边缘、纹理和颜色变化等。通过多个卷积核并行处理输入数据,卷积层能够同时提取多种特征。 在卷积操作中,步幅和填充是重要的参数。步幅定义了卷积核在输入数据上滑动的步长,而填充则决定了在输入数据周围添加额外像素的数量,以控制输出特征图的尺寸。多通道卷积是卷积层的另一个重要特性,对于多通道的输入数据(如彩色图像),卷积核也是多通道的,它们与输入数据的每个通道进行卷积运算,最后将每个通道的结果求和得到单个输出特征图。

通过堆叠多个卷积层,卷积神经网络能够逐渐学习到输入数据的抽象表示,从简单的边缘和纹理到更高级的形状和模式。这种层级结构和参数共享的特性使得卷积层成为处理图像、视频和其他网格结构数据的关键组件,为模式识别和特征提取提供