秸秆灰混凝土力学性能试验及强度预测

张 强，李耀庄，刘保华，徐志胜



秸秆灰混凝土力学性能试验及强度预测

张 强1，李耀庄1，刘保华2※，徐志胜1

（1. 中南大学防灾科学与安全技术研究所，长沙 410128；2. 湖南农业大学工学院，长沙 410000）

为了优化混凝性能，减少水泥产业耗能，尝试采用以部分秸秆灰替代水泥制备混凝土。该文通过试验对油菜秸秆灰混凝土拉压性能进行了研究，得到秸秆灰质量分数和水胶比对秸秆灰混凝土拉压性能的影响规律，如当秸秆灰质量分数增大时，混凝土拉压性能呈下降趋势；当水胶比过大时，混凝土力学性能急剧下降。同时提出秸秆灰混凝土抗拉性能与抗压性能间的线性函数关系以及混凝土轴心抗压强度计算公式，并与其他混凝土抗压强度公式进行比对验证。采用小波神经网络的预测方法，引入随机函数，对试验数据抽样进行训练，而后预测数据并与试验数据进行比对，计算误差，并将预测数据用于该文提出的拉压公式进行验证，结果表明验证较好。最后试验结果表明：当秸秆灰替代掺量为10%时，秸秆灰混凝土劈裂抗拉强度下降了25%，抗压强度仅下降了8%；当替代掺量为20%时，抗压强度下降了31%。

秸秆；混凝土；力学性能；神经网络；油菜秸秆；秸秆灰混凝土；小波神经网络

0 引 言

秸秆灰混凝土（straw ash concrete）是通过对秸秆进行高温处理得到具有火山灰活性、可循环利用等特点的生物质灰分,并将灰分替换水泥制备的绿色混凝土建材。秸秆灰混凝土的研究及应用，一方面可以利用我国农业种植大国的优势，就油菜方面而言，我国是世界上最大的油菜生产国，油菜收获后有大量的油菜秸秆。但就目前而言，在广大农村都面临秸秆处理的难题，一般处理方法是聚堆焚烧，不仅易造成烟雾、粉尘等空气污染，还易造成火灾等危害，虽然近年来国家对秸秆焚烧进行了管制，但如何处理秸秆仍然是农业难题之一；如若对秸秆进行专业化处理，制备成为具有活性的秸秆灰，即可将农业秸秆转换为建材资源，可用于城市建设。另一方面，随着城市化进程的进一步加深，水泥生产及混凝土的用量进一步增加，耗费了大量能源、资源，造成了环境污染等问题；在资源和环境日益重要的大背景下，采用秸秆灰替代部分水泥熟料，无疑具有重要战略意义，且符合建筑行业绿色可持续发展的要求[1-2]。

近年来，国内外专家针对秸秆灰混凝土的性能进行了一系列研究，取得了大量的研究成果。如Biricik[3]发现植物能将土壤中无定形的纳米硅以生物矿化的方式集聚在秸秆中，确定了秸秆灰应用的可行性；欧阳东[4-5]通过收获低温焚烧的稻壳灰，发现其生物灰质含有大量纳米尺度的SiO2粒子及其纳米尺度孔隙，分析了稻壳灰高火山灰活性的原因，并发现在混凝土中掺加定量的稻壳灰其力学性能有显著的增强效应；刘巧玲[6]在此基础上对油菜秸秆进行低温焚烧处理，发现焚烧油菜秸秆获取的秸秆灰SiO2含量可达61.76%，并将其作为掺合料加入混凝土中改善混凝土性能；张强等[7-8]为优化油菜秸秆灰混凝土早期力学性能，尝试采用双掺秸秆灰和硅粉作为掺合料制备混凝土，结果表明当硅粉掺量达到10%时，混凝土抗压强度增加了24%。然而，这些研究成果尚未针对秸秆灰混凝土抗拉性能进行深入研究，其抗压性能与抗拉性能的关系分析也未见报道。本文基于此，选择油菜秸秆灰作为研究灰样，通过制备油菜秸秆灰混凝土试样，探讨掺加不同油菜秸秆灰对混凝土抗拉和抗压性能的影响规律，分析混凝土拉压关系；分析国内秸秆灰混凝土力学性能试验数据，提出秸秆灰混凝土轴心抗压统一计算公式；并采用小波神经网络对油菜秸秆灰混凝土力学性能进行预测分析，验证其影响关系。

1 材料与方法

1.1 材 料

油菜秸秆取自湖南农业大学耘园基地，品种为湘杂油1613油菜，收获后经筛分水洗多次，带走秸秆中的糖分，在马弗炉内500 ℃煅烧5 h后获得灰样，对原始灰样进行研磨筛分后得到秸秆成灰。水泥选用P.O32.5普通硅酸盐水泥；砂子选用浏阳河天然河砂，连续级配，细度模数为2.8；粗集料为天然卵石，连续级配，石子粒径范围为5～20 mm。

1.2 试验方法

该文采用秸秆灰掺量和水胶比作为影响因素，试验研究其对秸秆灰混凝土拉压性能的影响。试验分为两组，第1组试验确定混凝土水胶比为0.5，砂率为0.32，分别设计以0，2.5%，5%，7.5%，10%，12.5%，15%，17.5%，20%，22.5%，25%等11组秸秆灰分质量分数进行等量替代水泥，制备混凝土试件，进行混凝土拉压性能试验。第2组试验确定秸秆灰分质量分数为20%，设计以0.4、0.45、0.5、0.55、0.6等5个水胶比作为影响因素，制作混凝土试件，进行拉压强度试验。混凝土试模采用150 mm×150 mm× 150 mm立方体钢模，每组配合比制作12个混凝土试件，养护7 d测试早期抗压强度和劈裂抗拉强度，养护28 d测试最终抗压强度和劈裂抗拉强度，试验结果取试件加权平均值。混凝土配合比依据《普通混凝土配合比设计技术规程》（JGJ55-2011）[9]，劈裂抗拉强度和抗压强度试验按《普通混凝土力学性能力学试验方法标准》（GB/T 50081-2002）[10]规定进行测试，混凝土配合比见表1。

表1 秸秆灰混凝土配合比

注：I-表示第1组试验，II-表示第2组试验。表示试验编号，∈[1,11]，第1组试验的基准试样为I-1，第2组基准试样为I-9，因试样I-9中掺量比例为20%，水胶比为0.5，该组数据可直接用于第2组试验当中。

Note: I-represents the first set of tests, II-represents the second set of experiments,represents the test number,∈[1,11]. I-1 are the first set of test’s reference sample, I-9 are the second set of test’s reference sample. Because the sample I-9 is in the ash proportion of 20%, W/B ratio of 0.5, the experiment’s data can be used in the second set of experiments.

1.3 模型误差评价

采用和方差（sum of squares due to error，SSE）、确定系数（coefficient of determination，R-square）、决定系数（adjusted coefficient of determination, adjusted R-square）和均方根误差（root mean square error，RMSE）分析本文提出模型的计算精度。

其中，Y表示本文模型预测值，X表示文中原始试验数值，表示原始试验数值的均值，因决定系数多用于复杂模型，对模型的非显著性变量进行惩罚和验证，因本文模型均为简单线性模型，决定系数等同于确定系数，为验证模型的预测精度，故计算决定系数，因篇幅原因，决定系数关系式不予列出。

2 结果与分析

2.1 混凝土强度

油菜秸秆灰混凝土拉压性能测试结果如表2所示。

秸秆灰混凝土破碎形态方面，可以从图1看出，试件抗压破坏以压碎破坏为主，在试验过程中，当加载超过临界点时，试件可继续受压服役，但当超过一定时限后，试件发生脆响，混凝土及骨料迅速剥落形成压碎破坏；试件劈裂抗拉破坏以贯通裂缝的脆性破坏为主，当加载超过试件承载临界点后，裂缝贯通混凝土试件，产生破坏。

a. 抗压实验a. Compression experimentb. 试件压碎形态b. Specimen crushing morphology c. 劈裂抗拉试验c. Splitting tensile testd. 试件抗拉破坏形态d. Tensile failure mode of specimen

由表2可知，随着秸秆灰掺量的不断增大，混凝土的表观密度呈下降趋势，原因是秸秆灰分中游离无定形二氧化硅与水泥水化产物Ca(OH)2反应生成水化硅酸钙，增加了混凝土内凝胶数量，同时又因经研磨后的秸秆灰细度较小，有利于促进水化反应，填充混凝土内部细微孔隙[7-8]；但是经低温焚烧获得的秸秆灰含有一定生物杂质，对水化反应造成影响，且秸秆灰在水化凝胶体产出方面不如水泥熟料，当替代比例不断增加时，则意味着水泥用量持续下降，故导致生成的水化凝胶体数量下降，水泥石质量降低，故表观密度呈下降趋势。

秸秆灰方面，随着掺量的增加，混凝土的7、28 d抗拉强度和抗压强度均呈递减的趋势。其中，28 d的混凝土劈裂抗拉强度下降幅度较大，如在秸秆灰质量分数为10%时，较之28 d的基准试件强度下降了25%；当秸秆灰质量分数大于20%时，较28 d的基准试件抗拉强度下，降幅度达到了45%。因为混凝土本身抗拉强度较低，易引起数据比对的大幅变化；另一方面说明了掺加秸秆灰对混凝土劈裂抗拉强度无增益作用，故而造成抗拉强度下降幅度偏大。混凝土抗压强度方面，其中，当替代比例小于15%时，对混凝土抗压强度影响不大，如掺量比例为2.5%、5%、7.5%和10%的混凝土试件，对比基准试件最终强度仅下降了1%、4%、6%和8%，另外当掺量比例大于20%时，28 d的混凝土强度下降幅度较大，如灰分质量分数为25%时，混凝土强度下降了31%。养护龄期影响方面，通过对比7和28 d抗拉及抗压强度发现，秸秆灰混凝土试件在养护期内强度增长较慢。通过分析，首先是因为秸秆灰细度较好，比表面积大，与水及水泥浆体接触面积也相对较大，且具有定量游离SiO2，具有一定的水化活性，可以促使水化反应加快，虽然活性有一定局限，但可以作为有益的补充，提高凝胶强度；其次当掺量比例过大时，混凝土强度下降幅度较大，这是因为植物秸秆中有大量纤维素和糖分，在混凝土养护过程中，秸秆糖分易在封闭环境析出，吸附在水泥水化物表面抑制水泥体凝聚，使得水泥-水体系自由焓降低，造成缓凝现象，进而影响混凝土强度[11-14]。

表2 油菜秸秆灰混凝土力学性能试验数据

水胶比方面，当水胶比为0.4时，混凝土的抗拉强度和抗压强度均较低。这是因为秸秆纤维内部细胞壁间有大量孔隙，经低温焚烧处理后分子间孔隙角仍然存在，造成秸秆灰的吸水性较大，故在混凝土试配过程中应选用较大的水胶比，否则易造成水泥浆体因缺水而致使水化反应不完全。故当水胶比为0.5时，混凝土强度居于最高水平，当水胶比为0.6时，因加入了过多的水，造成混凝土性能不佳，抗拉强度和抗压强度最差。故确定秸秆灰混凝土最适水胶比区间应为0.45～0.55。

2.2 拉压比关系

拉压比，为混凝土劈裂抗拉强度与抗压强度之比，是衡量混凝土脆性性能的主要标志。据有关资料[15-16]表明，普通混凝土的拉压比范围在0.058～0.125之间，高强混凝土的拉压比范围仅在0.042～0.050之间。针对28 d的秸秆灰混凝土进行拉压比计算，其结果见表2。当秸秆灰质量分数为25%时，拉压比仅为0.078。同时可以看出，随着秸秆灰分掺量的增加，混凝土拉压比呈降低趋势，当秸秆灰质量分数为25%时，拉压比较之基准试件降低了37%，属于混凝土拉压比中最低水平；水胶比影响方面，混凝土拉压比稳定在0.086左右。

关于混凝土拉压比关系的研究，国内外学者已经做过诸多研究，基于大量试验数据提出了多种分析模型。如美国混凝土协会针对高强混凝土拉压关系的推荐公式；同济大学袁飚对于再生混凝土的拉压公式；中南大学的王德辉等对于混凝土拉压比关系的推导等[17-19]。本文针对秸秆灰混凝土试验数据，采用最小二乘法进行拟合，确定抗拉强度与抗压强度之间的关系式，并结合国内外预测模型对秸秆灰混凝土进行预测比对，验证本文提出关系式的正确性，本文提出的关系见式（4），拉压模型比对见图2。

式中f表示混凝土抗压强度，MPa；f表示混凝土抗拉强度，MPa。

因各理论模型所考虑的方向、影响因素等均有差异，用于解析秸秆灰混凝土拉压强度会有一定偏差。例如在图2中，采用美国混凝土协会推荐公式进行预测的强度偏差较大，袁飚的模型在13～17 MPa抗压强度区间预测有一定准确性，王德辉等的模型在11～17 MPa抗压强度区间有一定精准度，本文提出的拉压关系能较好的描述混凝土拉压强度规律，表3给出了各模型预测拟合过程中的统计值。

表3 混凝土拉压模型预测统计值

注：因美国混凝土协会预测强度差异过大，进行统计值计算无意义，故以“—”符号代替。

Note: Because the strength difference of ACI’s prediction formulation is too large, and it is meaningless to calculate the statistical value, so the “—” symbol instead.

2.3 轴心抗压强度

迄今为止，因秸秆灰混凝土洁净、可循环利用等特性受到专家学者的重视，对其力学性能进行了大量试验，取得了一定研究成果[6-8,20-22]。在轴心抗压强度方面，其成果仍然处于对各自试验结果总结的阶段，提出的模型仅适用于特定条件，方可进行正确预测及分析。这不仅对秸秆灰混凝土性能概念带来混淆，还对理论计算造成困难。为便于对秸秆灰混凝土进行理论计算，本文整理了国内秸秆灰混凝土力学性能试验数据，在本文试验基础上提出混凝土轴心抗压强度的统一计算公式。

图3为国内秸秆灰混凝土抗压强度与轴心抗压强度试验结果。在图3中可知，混凝土轴心强度（f）与抗压强度（f）呈比例关系。在试验过程中还可知，随着强度的提高，混凝土的裂缝发展与其峰值应力下降趋势愈趋吻合，且表现出较大的脆性。对于轴心抗压强度的研究，国内外学者已完成了大量的工作，如文献[23]提出混凝土轴心抗压统一计算公式

但利用此类标准混凝土计算公式进行秸秆灰混凝土计算时，误差较大，预测结果不合理。本文通过对秸秆灰混凝土试验资料的分析，提出秸秆灰混凝土轴心抗压计算公式，适用于不同强度的混凝土，拟合曲线及拟合精度见图3。

3 小波神经网络预测

3.1 小波神经网络介绍及数据处理

小波神经网络最早由法国信息科学研究院（IRISA）于1992年提出，以小波函数代替前向性sigmoid函数作为神经网络的激活函数，完善Fourier变换，生成类似径向基的神经网络系统，有较强的容错性、自学习功能、非线性拟合以及泛化能力等特点[24]。本文基于小波神经网络这些特点，构建神经网络模型，在输入部分引入随机函数，随机选择试验数据进行训练，模型训练完成后对秸秆灰混凝土抗拉性能和抗压性能进行预测，并结合神经网络预测数据对本文提出的拟合关系进行验证。

3.2 小波神经网络设计、训练

根据混凝土试验选择秸秆灰替代比例和水胶比作为小波神经网络的输入参数，将混凝土抗拉强度和抗压强度作为输出参数，分别预测输出抗拉强度和抗压强度。在训练模块中引入随机函数，依照文献[24-27]和试验数据随机抽取33组混凝土试验数据进行训练，对剩余10组试验数据进行预测比对，并分析预测误差。确定模型的隐含层节点函数为小波基函数，以及确定隐含层节点数为3，采用梯度修正法修正神经网络权值和隐含层小波基函数参数，提高神经网络的效率和精度[28]。本文小波神经网络拓扑结构如下图4所示。

3.3 预测结果及分析

神经网络训练完成，通过神经网络输出得到预测数据及与试验数据对比情况见表4。可以看出，采用小波神经网络进行预测精度较高，其中预测混凝土抗拉强度时最大误差为6%，预测混凝土抗压强度时最大误差为15%，经验证采用随机函数选择训练样本进行小波神经网络预测具有一定精度，并可用于秸秆灰混凝土抗拉强度与抗压强度预测。

表4 小波神经网络预测值与试验值对比

同时将小波神经网络预测数据用于验证本文提出的混凝土拉压公式，结果表明本文公式能较好地描述秸秆灰混凝土拉压规律，验证及相关统计数据见图5。

4 结论与讨论

1）本文通过对秸秆灰混凝土的力学性能进行试验研究，结果表明，当秸秆灰质量分数为10%时，较28 d的基准试件混凝土抗拉强度降低了25%，抗压强度仅下降了8%；当灰分质量分数为20%时，抗压强度仅下降了31%。同时，当水胶比为0.5时，秸秆灰混凝土强度最优；确定混凝土最适水胶比区间为0.45～0.55。

2）对秸秆灰混凝土试验数据进行拟合分析，提出拉压拟合关系，并与国内外混凝土拉压模型进行试算对比，验证本文公式的准确性；整理近年来秸秆灰混凝土文献数据，通过二次分析，提出秸秆灰混凝土轴心抗压强度计算公式，验证结果良好。

3）采用小波神经网络方法对秸秆灰混凝土抗拉及抗压性能进行预测，结果表明神经网络预测精度较高。将预测结果用于验证本文提出的拉压关系，结果表明该公式能较好地描述小波神经网络预测数据。

[1] Nozahic V, Amziane S, Torrent G, et al. Design of green concrete made of plant-derived aggregates and a pumice-lime binder[J].Cement and Concrete Composites, 2012, 34(2): 231－241.

[2] 韩鲁佳，闫巧娟，刘向阳，等. 中国农作物秸秆资源及其利用现状[J]. 农业工程学报，2002，18(3)：87－91.

Han Lujia, Yan Qiaojuan, Liu Xiangyang, et al. Straw resources and their utilization in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2002, 18(3):87－91. (in Chinese with English abstract)

[3] Bricik H, Aköz F, Berktay I, et al. Study of pozzolanic properties of wheat straw ash[J]. Cement and Concrete Research, 1999, 29(5): 637－643.

[4] 欧阳东，陈楷. 低温焚烧稻壳灰的显微结构及其化学活性[J]. 硅酸盐学报，2003，31(11)：1121－1124.

Ou Yangdong, Chen Kai. Microstructure and chemical activity of rice husk ash burned at low temperature[J]. Journal of the Chinese Ceramic Society, 2003, 31(11): 1121－1124. (in Chinese with English abstract)

[5] 欧阳东. 纳米SiO2低温稻壳灰用于混凝土的研究[J]. 建筑石膏与胶凝材料，2003(8)：7－8.

Ou Yangdong. Research on nano SiO2low temperature rice husk ash used in concrete[J]. Gypsum and Cement Building, 2003(8): 7－8. (in Chinese with English abstract)

[6] 刘巧玲，刘保华，张强，等. 灰化条件对油菜秸秆灰分特性的影响[J]. 湖南农业大学学报，2013，39(1)：107－110.

Liu Qiaoling, Liu Baohua, Zhang Qiang, et al. Influence of ashing conditions on the ash characteristics of rape straw[J]. Journal of Hunan Agricultural University, 2013, 39(1): 107－110. (in Chinese with English abstract)

[7] 张强，李耀庄，刘保华. 秸秆资源在混凝土中应用的研究进展[J]. 硅酸盐通报，2015，34(4)：1000－1003.

Zhang Qiang, Li Yaozhuang, Liu Baohua. Research progress for application of straw resources in concrete[J]. Bulletin of the Chinese Ceramic Society, 2015, 34(4): 1000－1003. (in Chinese with English abstract)

[8] 张强，刘保华，刘巧玲，等. 双掺油菜秸秆灰分和硅粉对混凝土性能的影响[J]. 湖南农业大学学报，2014，40(3)：334－336.

Zhang Qiang, Liu Baohua, Liu Qiaoling, et al. Effect of rape straw ash and silica fume admixture on concrete performance[J]. Journal of Hunan Agricultural University, 2014, 40(3): 334－336. (in Chinese with English abstract)

[9] 中华人民共和国住房和城乡建设部. 普通混凝土配合比设计技术规程(JGJ55-2011)[S]. 北京：中国建筑工业出版社，2011:25－35.

[10] 中华人民共和国住房和城乡建设部. 普通混凝土力学性能力学试验方法标准（GB/T 50081-2002）[S]. 北京：中国建筑工业出版社，2002：15－20.

[11] Plekhanova T A, Keriene J, Gailius A. Structural, physical and mechanical properties of modified wood-magnesia composite[J]. Construction and Building Materials, 2007, 21(9): 1833－1838.

[12] Lee A W C, Short P H. Pretreating hard wood for cement- bonded excelsior board[J]. Forest Prod J 1989, 39(10): 68－70.

[13] Souza M R. Effect of carbon dioxide gas in manufacturing cement-bonded particleboard[D]. Moscow: University of Idaho, 1992.

[14] Sarigahuti M, Shah S P, Vinson K D. Shrinkage cracking and durability characteristics of cellulose fibre reinforced concrete[J]. ACI Material Journal, 1993, 90(4): 309－318.

[15] 闫长旺，贾金青，张菊，等. 钢纤维增强超高强混凝土拉压比试验研究[J]. 大连理工大学学报，2012，52(3)：233－238.

Yan Changwang, Jia Jinqing, Zhang Ju, et al. Experimental study of ratio between splitting tensile strength and compressive strength for steel fiber reinforced ultra high strength concrete[J]. Journal of Dalian University of Technology, 2012, 52(3): 233－238. (in Chinese with English abstract)

[16] 夏广政，夏冬桃，徐礼华，等. 混杂纤维增强高性能混凝土拉压比试验研究[J]. 重庆建筑大学学报，2007，29(5)：103－106.

Xia Guangzhen, Xia Dongtao, Xu Lihua, et al. Evaluation of ratio between splitting tensile strength and compressive strength for hybrid fiber reinforced HPC[J]. Journal of Chongqing Jianzhu University, 2007, 29(5): 103－106.

[17] ACI Committee 363. State-of-Art Report on High-Strength Concrete[R]. Detroit, 1992, 363R1－363R55.

[18] 王德辉，尹健，彭松枭. 再生混凝土抗压强度与劈裂抗拉强度相关性研究[J]. 粉煤灰，2009(2)：3－6.

Wang Dehui, Yin Jian, Peng Songxiao. Study of relevance of compressive strength with splitting tensile strength of recycled concrete[J]. Coal ash, 2009(2): 3－6. (in Chinese with English abstract)

[19] 袁飚. 再生混凝土抗压抗拉强度取值研究[D]. 上海：同济大学，2007.

Yuan Biao. On Values of Compressive Strength and Tensile Strength of Recycled Aggregate Concrete[J]. Shanghai: Tongji University, 2007. (in Chinese with English abstract)

[20] 刘巧玲. 秸秆基混凝土的性能研究[D]. 长沙：湖南农业大学，2013.

Liu Qiaolin. Study on the Characteristics of Straw-Based Concrete[D]. Changsha: Hunan Agricultural University, 2013. (in Chinese with English abstract)

[21] 张强. 油菜秸秆混凝土性能的试验研究[D]. 长沙：湖南农业大学，2014.

Zhang Qiang. Performance Test on the Rape Straw Concrete[D]. Changsha: Hunan Agricultural University, 2014. (in Chinese with English abstract)

[22] 黄伟，刘保华，齐臻，等. 油菜秸秆灰发混凝土抗硫酸盐的侵蚀性能[J]. 湖南农业大学学报，2016，42(2)：222－224.

Huang Wei, Liu Baohua, Qi Zhen, et al. Erosion resistance on the sulfate for the rape straw doped ash concrete[J]. Journal of Hunan Agricultural University, 2016, 42(2): 222－224. (in Chinese with English abstract)

[23] 余志武，丁发兴. 混凝土受压力学性能统一计算方法[J].建筑结构学报，2003，24(4)：41－46.

Yu Zhiwu, Ding Faxing. Unified calculation method of compressive mechanical properties of concrete[J]. Journal of Building Structures, 2003, 24(4): 41－46. (in Chinese with English abstract)

[24] 侯霞. 小波神经网络若干关键问题研究[D]. 南京：南京航空航天大学，2006.

Hou Xia. Research on Key Technologies of Wavelet Neural Network[D]. Nanjin: Nanjing University of Aeronautics and Astronautics, 2006. (in Chinese with English abstract)

[25] Zhang Q H, Benveniate A. Wavelet networks[J]. IEEE Trans Neural Networks, 1992, 3(6): 889－898.

[26] 曹维时，张春庆，王金星，等. 离散小波变换和BP神经网络识别玉米种子纯度[J]. 农业工程学报，2012，28(增刊2)：253－258

Cao Weishi, Zhang Chunqing, Wang Jinxin, et al. Purity identification of maize seed based on discrete wavelet transform and BP neural network[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(Supp.2): 253－258. (in Chinese with English abstract)

[27] 李君，陈佳文，廖伟丽，等. 基于小波神经网络的轴流泵性能预测[J]. 农业工程学报，2016，32(10)：47－53.

Li Jun, Chen Jiawen, Liao Weili, et al. Performance prediction of axial pump based on wavelet neural network[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(10): 47－53. (in Chinese with English abstract)

[28] 肖建庄，许向东，范玉辉. 再生混凝土收缩徐变试验及徐变神经网络预测[J]. 建筑材料学报，2013，16(5)：752－757.

Xiao Jianzhuang, Xu Xiangdong, Fan Yuhui. Shrinkage and creep of recycled aggregate concrete and their prediction by ANN method[J]. Journal of Building Materials, 2013, 16(5): 752－757. (in Chinese with English abstract)

Mechanical properties and strength prediction of straw ash concrete

Zhang Qiang1, Li Yaozhuang1, Liu Baohua2, Xu Zhisheng1

(1.,,410128,; 2.,,410000,)

In order to enhance the coagulation performance and reduce the energy consumption of the cement industry, part of the cement is replaced by straw ash to produce concrete. In this paper, biomass stalk ashes were acquired through microthermal incineration of rape stalks (500 ℃ for 5 h), and the stalk ash samples were obtained through grinding and screening of the preliminary ashes. Stalk ash was used as the concrete admixture to replace the same quantity of cement to produce experimental specimens, different amounts of rape stalk ash admixtures and concrete water-binder ratios were selected as the affecting variables of concrete property, and the effects of stalk ash on the concrete were discussed. The results indicated that when the amount of rape stalk ash admixture was 5%, the splitting tensile strength property of stalk ash concrete was 12% lower and the compression resistance was only 4% lower than normal concrete (28 d); when the amount of rape stalk ash admixture was 10%, the splitting tensile strength property of rape stalk ash concrete was 25% lower and the compression resistance was 8% lower than normal concrete; when the amount of admixture was 15%, the compression resistance was 13% lower than normal concrete, which met the use requirement of structural concrete (Code for Design of Reinforced Concrete Structures); and when the amount of rape stalk ash admixture was 20%, the splitting tensile strength property of rape stalk ash concrete was 45% lower and the compression resistance was 23% lower than normal concrete. And the rate of descent accelerated when the amount of rape stalk ash admixture exceeded over 20%. The experiments proved that stalk ash was somewhat water-absorbing, and therefore the best water-binder ratio of stalk ash concrete fell in the range of 0.45-0.55, and the best water-binder ratio was 0.5 for rape stalk ash concrete. The relationship between straw ash concrete’s tensile and compressive properties was given, which was further verified by comparing with other concrete’s tensile and compressive strength formulas including American Concrete Association’s recommended formula, Yuan Biao’s empirical formulas and Wang Dehui’s empirical formulas. The splitting tensile strength ratio could be concluded from the fitting of experimental data, and the fitting result was good. Due to the lack of experimental data of straw ash concrete, however, the next step of the research focused on the verification of the reasonability of this relationship. The method of the random function was introduced to conduct the random sampling on the experimental data. And the prediction method of wavelet neural network was used to improve the training samples, and automatically modify the network structure parameters and predict stalk ash concrete’s experimental data. Then, the predicted data were used for verifying the tensile and compressive formulas proposed in this study and the predicted and the test data were compared for error calculation. The wavelet neural network forecast data indicated that the maximum forecast error was 8% and the minimum was only 0.8%, so it was appropriate to forecast the mechanical property of stalk ash concrete.

straw; concrete; mechanical property; neural network; rape straw; straw ash concrete; wavelet neural network

10.11975/j.issn.1002-6819.2017.02.036

X712,TU528

A

1002-6819(2017)-02-0259-07

2015-09-22

2016-09-25

国家科技支撑计划课题资助（2014BAK17B02和2014BAK17B03）

张 强，男，湖南永州人，博士生，主要从事建筑材料及结构倒塌研究。长沙 中南大学防灾科学与安全技术研究所，410128。 Email：250259887@qq.com

刘保华，女，副教授，硕士生导师，主要从事建筑材料研究。长沙 湖南农业大学工学院，410000。Email：344419897@qq.com

张 强，李耀庄，刘保华，徐志胜. 秸秆灰混凝土力学性能试验及强度预测[J]. 农业工程学报，2017，33(2)：259－265. doi：10.11975/j.issn.1002-6819.2017.02.036 http://www.tcsae.org

Zhang Qiang, Li Yaozhuang, Liu Baohua, Xu Zhisheng. Mechanical properties and strength prediction of straw ash concrete[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(2): 259－265. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.02.036 http://www.tcsae.org