摘要
以玄武岩-聚乙烯醇(PVA)纤维体积分数为变化参数,对纤维混凝土进行室内盐雾侵蚀加速试验,通过抗压耐蚀系数Kf、相对质量评价参数ξ1、相对动弹性模量评价参数ξ2以及扫描电镜(SEM)照片,分别从宏观、微观层面对纤维混凝土耐久性损伤劣化进行评价分析,并基于GM(1,1)‑Markov模型对其寿命进行预测.结果表明:在盐雾环境下,纤维混凝土的Kf先上升后下降,ξ1波动性较大,ξ2可作为评价纤维混凝土损伤劣化的决定性因素;GM(1,1)‑Markov模型与实测数据吻合较好,纤维混凝土的最佳玄武岩、PVA纤维体积分数分别为0.10%、0.05%,其在盐雾环境下的服役时间最长,达到680 d.
中国西部盐湖中富含碳酸盐、硫酸盐、氯盐等多种腐蚀性离子,受当地环境影响其极易被卷入空中形成大气盐雾.与内陆地区建筑物相比,盐雾中的对混凝土材料的寿命影响巨大.目前,将纤维掺入混凝土中提高其抗硫酸盐侵蚀能力这一做法得到了建筑行业的普遍认
盐雾侵蚀对混凝土材料来说是个长期过程,判定混凝土能否在设计参考期内完成预定使用功能尤为重要.GM(1,1)模型以“小样本、差信息”的不确定系统为研究对象,为混凝土寿命预测提供了强有力的技术支持.然而,传统GM(1,1)模型考虑的因素过于单一,预测精度有一定缺
甘肃祁连山水泥厂提供的P·O 42.5普通硅酸盐水泥,安定性合格;比表面积为440
察尔汗盐湖卤水的pH值为9.60,采用称量滴定法测试其离子含量,结果见
设计混凝土的强度等级为C40,水胶比为0.4,其m(水泥)∶m(天然河砂)∶m(碎石子)∶m(粉煤灰)∶m(水)∶m(减水剂)=400.00∶635.00∶1 165.00∶100.00∶200.00∶0.65.纤维混凝土的纤维体积分数及抗压强度见
试件为100 mm×100 mm×100 mm的立方体,试验流程图见

图1 试验流程图
Fig.1 Test flow chart
采用耐久性评价参数(抗压耐蚀系数Kf、相对质量评价参数ξ1、相对动弹性模量评价参数ξ2)对混凝土材料在盐雾侵蚀环境中的损伤劣化程度进行评估.当Kf达到75%、ξ1达到5%或ξ2超过40%时,混凝土材料耐久性失效.评价参数的计算公式为:
(1) |
(2) |
(3) |
(4) |
式中:fc0、fcn分别为初始阶段和n次循环后试件的抗压强度;m0、mn分别为初始阶段和n次循环后试件的质量;Er为试件的相对动弹性模量;Ed0、Edn为初始阶段和n次循环后试件的动弹性模量;v0、vn分别为初始阶段和n次循环后试件中的超声波速.
盐雾侵蚀作用下纤维混凝土抗压耐蚀系数的经时变化曲线见

图2 盐雾侵蚀作用下纤维混凝土抗压耐蚀系数Kf的经时变化曲线
Fig.2 Time variation curves of Kf of fiber concretes under salt spray corrosion
盐雾侵蚀作用下纤维混凝土相对质量评价参数的经时变化曲线见

图3 盐雾侵蚀作用下纤维混凝土相对质量评价参数的经时变化曲线
Fig.3 Time variation curves of ξ1 of fiber concretes under salt spray corrosion
盐雾侵蚀作用下纤维混凝土相对动弹性模量评价参数的经时变化曲线见

图4 盐雾侵蚀作用下纤维混凝土相对动弹性模量评价参数的经时变化曲线
Fig.4 Time variation curves of ξ2 of fiber concretes under salt spray corrosion
由前文可知,侵蚀200 d后,出现了部分试件的相对动弹性模量评价参数ξ2<60%,而此时其相对质量评价参数ξ1>95%,抗压耐蚀系数Kf>75%.因此,Kf和ξ1只能作为盐雾环境下纤维混凝土耐久性劣化的参考因素,而由其相对动弹性模量Er所推导出的ξ2可作为关键指标.
盐雾侵蚀200 d后,OPC和B0.10P0.05的SEM照片见

图5 盐雾侵蚀200 d后OPC和B0.10P0.05的SEM照片
Fig.5 SEM images of OPC and B0.10P0.05 after salt spray corrosion for 200 d
对混凝土劣化时间的准确预测有助于在建筑工程中作出重要决策,灰色系统理论已成为解决离散数据、不完全信息及不确定问题的一种有效方法.
假设(n>0,t为时间序列系数)是不规则分布的原始数据序列,进行累加生成运算处理后,得到累加生成序列
(5) |
GM(1,1)模型可用一阶微分方程表示为:
(6) |
式中:a为发展系数;u为灰色输入系数;
将代入
(7) |
单一GM(1,1)模型不能将盐雾侵蚀环境下所有影响因素都考虑在内,当试验数据随机性较大时,GM(1,1)模型的预测精度并不理想.因此本文将Markov链与GM(1,1)模型相结合得到GM(1,1)‑Markov模型,以提高预测精度.GM(1,1)‑Markov模型首先通过计算得到GM(1,1)预测值和原始数据之间的残差,并建立序列预测模型;然后利用Markov转移矩阵判断残差的转移行为;最后根据修正后的残差得出GM(1,1)‑Markov预测值.
由于残差预测模型的推导步骤与GM(1,1)模型推导过程相似,详细计算过程参考文献[
(8) |
式中:为残差预测模型;为残差预测值.
对于残差中存在的一些规律性信息,可建立Markov转移矩阵规定其状态:残差是正数时为状态1;负数时为状态2.根据状态的正负性可得到状态转移概率Pij:
(9) |
式中:Pij是从状态i到状态j的转移概率;Mij是从状态i到状态j的过渡时间;Mi是属于第i个状态的数据数量.
由状态转移概率可得到状态概率转移矩阵P:
(10) |
最终可获得GM(1,1)‑Markov模型计算结果及预测值:
(11) |
以耐久性能较好的B0.10P0.05为例,用GM(1,1)、GM(1,1)‑Markov模型分别对其相对动弹性模量Er进行预测,当Er<0.6时,认为达到该混凝土的寿命.GM(1,1)、GM(1,1)‑Markov模型拟合结果见

图6 B0.10P0.05的GM(1,1)、GM(1,1)‑Markov模型拟合结果
Fig.6 Model fitting results of GM(1,1) and GM(1,1)‑Markov of B0.10P0.05
准确预测纤维混凝土的寿命,将有助于提前对处于盐雾侵蚀环境中的纤维混凝土进行检测和维护.为了进一步了解其他配合比纤维混凝土的劣化趋势,通过GM(1,1)‑Markov模型对其Er进行预测,结果如

图7 基于GM(1,1)‑Markov模型预测混凝土的相对动弹性模量
Fig.7 Prediction of Er of concrete based on GM (1,1) ‑Markov model
(1)盐雾侵蚀加速试验中的侵蚀溶液质量浓度参考了察尔汗盐湖卤水中SO的质量浓度,较好地还原了西部盐湖地区混凝土材料的破坏过程,明确了混掺玄武岩纤维和聚乙烯醇(PVA)纤维对混凝土在该地区耐久性能显著提升的可行性.
(2)在盐雾环境下,纤维混凝土的抗压耐蚀系数Kf先上升后下降,相对质量评价参数ξ1波动性较大,相对动弹性模量评价参数ξ2可作为评价纤维混凝土损伤劣化的决定性因素.混掺纤维可以延缓SO对混凝土内部的侵蚀速率,从而提高混凝土的抗盐雾侵蚀能力.
(3)将相对动弹性模量Er作为关键劣化因素,所建立的GM(1,1)‑Markov模型与实测数据吻合较好,能够有效预测纤维混凝土的损伤劣化趋势.当玄武岩纤维体积分数为0.10%、PVA纤维体积分数为0.05%时,纤维混凝土在盐雾环境中的耐久性能最佳,可服役时间达到680 d.当纤维的总体积分数达到0.30%时,纤维对混凝土耐久性能的提升效果显著降低.
参考文献
张广泰,张晓旭,田虎学.盐冻环境下混杂纤维锂渣混凝土梁受弯承载力研究[J].建筑材料学报, 2020, 23(4):831‑837. [百度学术]
ZHANG Guangtai, ZHANG Xiaoxu, TIAN Huxue. Bending bearing capacity of hybrid fiber lithium slag concrete beam under salt freezing environment[J]. Journal of Building Materials, 2020, 23(4):831‑837.(in Chinese) [百度学术]
MENG C M, LI W Z, CAI L C, et al. Experimental research on durability of high‑performance synthetic fibers reinforced concrete:Resistance to sulfate attack and freezing‑thawing[J]. Construction and Building Materials, 2020, 262:120055. [百度学术]
GUO X L, XIONG G Y. Resistance of fiber‑reinforced fly ash‑steel slag based geopolymer mortar to sulfate attack and drying‑wetting cycles[J]. Construction and Building Materials, 2021, 269:121326. [百度学术]
王振山, 李浩炜, 吴波, 等. 玄武岩纤维混凝土的耐碱腐蚀性及力学性能试验研究[J].应用力学学报, 2019, 36(5):1088‑1095, 1258‑1259. [百度学术]
WANG Zhenshan, LI Haowei, WU Bo, et al. Experimental research on durability and mechanical properties of basalt fiber reinforced concrete in sodium hydroxide environment[J]. Journal of Applied Mechanics, 2019, 36 (5):1088‑1095 , 1258‑1259.(in Chinese) [百度学术]
GUO L, WU Y Y, XU F, et al. Sulfate resistance of hybrid fiber reinforced metakaolin geopolymer composites[J]. Composites Part B, 2020, 183:107689. [百度学术]
王力,徐礼华,邓方茜,等.波纹型钢纤维‑混杂纤维混凝土界面黏结性能[J].建筑材料学报, 2020, 23(4):865‑874. [百度学术]
WANG Li, XU Lihua, DENG Fangqian, et al. Interfacial bonding performance between corrugated steel fiber and hybrid fiber concrete matrix[J]. Journal of Buiding Materials, 2020, 23(4):865‑874.(in Chinese) [百度学术]
YOUSUF M, AI B, AVCI E. A modified GM(1,1) model to accurately predict wind speed[J]. Sustainable Energy Technologies and Assessments, 2021, 43:100905. [百度学术]
WANG Q S, YI Y, MA G W, et al. Hybrid effects of steel fibers, basalt fibers and calcium sulfate on mechanical performance of PVA‑ECC containing high‑volume fly ash[J]. Cement and Concrete Composites, 2019, 97:357‑368. [百度学术]
CHENG H B, LIU T J, ZOU D J, et al. Compressive strength assessment of sulfate‑attacked concrete by using sulfate ions distributions[J]. Construction and Building Materials, 2021, 293:123550. [百度学术]
乔宏霞, 乔国斌, 路承功. 硫酸盐环境下基于COMSOL混凝土损伤劣化模型[J]. 华中科技大学学报(自然科学版), 2021, 49(3):119‑125. [百度学术]
QIAO Hongxia, QIAO Guobin, LU Chenggong. Damage and deterioration model of concrete based on COMSOL in sulfate environment[J]. Journal of Huazhong University of Science and Technology (Natural Science), 2021,49 (3):119‑125.(in Chinese) [百度学术]
JIA Z Q, ZHOU Z F, ZHANG H J, et al. Forecast of coal consumption in Gansu province based on Grey‑Markov chain model[J]. Energy, 2020, 199:117444. [百度学术]