CN111650088A - 一种流态混凝土拌合物流变性能实时检测方法 - Google Patents

Abstract

本发明提出了一种流态混凝土拌合物流变性能实时检测方法，包括以下步骤：连续获取流态混凝土拌合物的多幅流态图像；以固定的图像曝光阈值对获取的每一幅图像进行强化处理；对每一幅强化处理后的图像，分别通过分形和多重分形分析方法计算分形维数和多重分形谱参数，获得粗骨料在砂浆体中的分布特征；统计所处理的图像族的分形维数和多重分形参数在各统计分组区间内出现的频次，基于统计学原理得到流态混凝土拌合物中粗骨料分布参数的取值范围和置信区间；根据分形维数和多重分形谱参数，结合取值范围和置信区间，得到确定配比下流态混凝土拌合物的流变参数范围。本方法能全面准确反映粗骨料形态和分布特征在混凝土流变性中的关键控制作用。

Description

一种流态混凝土拌合物流变性能实时检测方法

技术领域

本发明属于工程材料领域，具体涉及一种流态混凝土拌合物的流变参数评价和预测方法。

背景技术

混凝土流变参数(主要指屈服应力和塑性粘度)是描述混凝土拌和物流动性能的基本物理参数，对新拌制完成的流态混凝土拌合物(简称新拌混凝土)，流变参数反映了新拌混凝土的可施工性能，其数值变化受新拌混凝土组分的影响显著。粗骨料是新拌混凝土最主要成分，某一确定的配比下，其级配、颗粒尺寸、粒形形状、表面纹理和实体堆积状态等是影响新拌混凝土流变性的关键因素。

现有能够反映粗骨料形状和堆积状态的方法，通常依据混凝土某设计配合比，获取粗骨料空隙率、球度、圆度、针片状粗骨料比例等宏观几何指标参数，并以此用于新拌混凝土工作性定性分析与调控。其中，作为反映目标对象分布特征的一种先进的研究方法，分形理论已经被应用到混凝土等材料性能分析中，但一般研究方法主要是通过单一分形来分析目标对象的分布规律，单一分形的分形维数是从整体角度反映粗骨料的堆积疏密程度分布与形态的复杂性，无法体现出各细分区域实际组分堆积结构特点。随着人们对分形理论的深入研究，多重分形的方法被引入材料性能分析领域，多重分形通过概率密度函数进行测算，着重强调了局部区域的异质性，但缺乏对整体特征的把握。对于流态混凝土拌合物而言，由于粗骨料之间、粗骨料与砂浆体之间相互作用关系极为复杂，采用单一分形维或者采用分形谱刻画离散状态混凝土骨料分布并不能有效获取运动状态下骨料多重特征在砂浆体之间的性能统计分析，无法准确描述新拌混凝土内部粗骨料作用的全面性态、分布以及实际组分堆积结构关系，因而很难反映粗骨料参数对拌合物流变性影响，制约了混凝土流变性的科学量化调控技术应用。

此外，现有方法中有通过图像分析的方法对混凝土性能进行评价，但这些方法要么通过单一图像进行性能分析，要么通过对混凝土成型后进行切片再处理分析，这样获取性能特征显然不够合理和完备的。对于新拌混凝土，由于粗骨料和砂浆是三维分布，单一图片存在着较大的随机性，往往不能准确表征混凝土的特征，而且切片分析结果也不能准确反映处于流质状态的新拌混凝土性能。同时，由于测量系统误差以及混凝土中原材料的随机分布不可避免，混凝土的性能，特别是工程应用范畴下新拌混凝土的流变性并不一定表现为一个确定值，而应该是一个合理范围值。因此，有必要通过统计学的方法结合图像信息深入分析和挖掘，对新拌混凝土流动性区间进行全面合理的判断。

发明内容

发明目的：针对现有技术的不足，本发明提出一种新拌制完成的流态混凝土拌合物流变性能实时检测方法，能全面准确反映粗骨料形态和分布特征在混凝土流变性中的关键控制作用，解决现有基于粗骨料部分宏观几何参数对混凝土流变性仅能定性评价或无法细致准确量化评价与调控的缺点。

技术方案：一种流态混凝土拌合物流变性能实时检测方法，包括以下步骤：

S1、连续获取流态混凝土拌合物的多幅图像，构成混凝土拌合物流态图像族；

S2、以固定的图像曝光阈值对所述混凝土拌合物流态图像族中的每一幅图像进行强化处理；

S3、对每一幅强化处理后的图像，分别通过分形和多重分形分析方法计算分形维数和多重分形谱参数，获得粗骨料在砂浆体中的分布特征；

S4、统计该图像族的分形维数和多重分形参数在各统计分组区间内出现的频次，基于统计学原理得到流态混凝土拌合物中粗骨料分布参数的取值范围和置信区间；

S5、根据分形维数和多重分形谱参数，结合粗骨料分布参数的取值范围和置信区间，得到定值配比下流态混凝土拌合物的流变参数范围。

进一步地，所述步骤S2中对所述混凝土拌合物图像族中的每一幅图像进行强化处理包括：

获取原始图像的直方图，根据曝光阈值将直方图细分为两个直方图；

对每个细分后的子直方图分别进行均衡，得到对比度增强的子图像；

将子图像叠加合并得到增强后图像。

进一步地，所述步骤S3中分形分析基于盒计数方法计算分形维数，多重分形分析基于盒计数方法依据骨料分布信息计算得到流态混凝土拌合物增强后图像的多重分形谱参数。

进一步地，所述分形维数的计算具体包括：用一个尺寸为ε×ε的盒子遍历整个图片，至少包含有一个孔隙像素的盒子数量为N(ε)，用下式求解分形维数D：

进一步地，所述多重分形谱参数的计算方法包括：

将所述增强后图像均分成L²个ε×ε大小的格子，计算第(i,j)个格子中灰度值分布概率P_ij(ε)：

式中，n_ij是每一个格子中大于指定灰度阈值的像素的个数；∑n_ij为整个图像中所有大于指定灰度阈值的像素的个数；

构造配分函数χ_q(ε)对概率P(ε)用q次方进行加权求和，表示为如下形式：

式中，q为矩的阶数(-∞＜q＜∞)，τ(q)表示配分函数和ε之间的函数关系，改变q的大小得到不同ε下的配分函数；

通过勒让德变换，得到多重分形子集的多重分形谱f(α)：

式中，α表示单一格子的奇异程度；

依据所述多重分形谱f(α)计算图像的多特征谱宽参数Δα。

进一步地，所述步骤S4具体包括：

对步骤S3中获得的分形维数参数D和多重分形的多特征谱宽参数Δα进行统计分析，通过计算它们的均值和标准差，基于正态分布原理得到分形维数最大值D_max、分形维数最小值D_min、多重分形谱宽最大值Δα_max、多重分形谱宽最小值Δα_min。

进一步地，所述步骤S5具体包括：

结合粗骨料分布参数的取值范围和置信区间以及混凝土流变学原理，基于流态混凝土拌合物的配合比，根据粗骨料的堆积密度与粗骨料结构的分形维数和多重分形谱宽参数的区间获得流态混凝土拌合物的屈服强度和塑性粘度的范围。屈服强度τ₀和塑性粘度η的上下界通过下式来确定：

式中，φ为流态混凝土拌合物中粗骨料的堆积密度，φ_max为流态混凝土拌合物中粗骨料的最大堆积密度。

有益效果：本发明实施例准确地给出了基于新拌混凝土多幅运动状态下的图像分形维数和多重分形参数统计结果的混凝土拌合物流动性能评价方法；通过对新拌混凝土流通状态的图像进行连续获取构成图像族，以减少单一图像中原材料的随心记性对测量结果造成的误差；采用图像增强技术对拍摄图像中的有效信息加以增强；基于分形和多重分形谱理论，提取出新拌混凝土流动图像粗骨料和砂浆运动的多特征参数，并将二者结合来刻画混凝土流变性能，更加充分地体现粗骨料粒形、粒径、表面粗糙程度等特征对混凝土流变性能的影响。本发明提出的多特征参数统计评价方法可以科学全面地反映新拌混凝土的流变性，相比现有技术，本方法具有操作简便、评估准确、实时性强的优点。

附图说明

图1为本发明的新拌混凝土流变性能实时检测方法流程图；

图2为本发明实施例提供的获取的原始图像示意图；

图3为本发明的图像增强过程处理流程图；

图4为根据图2的原始图像进行增强处理后的结果示意图；

图5为本发明实施例提供的分形维数频率分布图；

图6为本发明实施例提供的多重分形谱谱宽频率分布图；

图7为本发明实施例提供的混凝土流变仪对拌和物多次测试的屈服强度范围示意图；

图8为本发明实施例提供的混凝土流变仪对拌和物多次测试的塑性粘度范围示意图。

具体实施方式

下面结合附图对本发明的技术方案作进一步说明。

参照图1，本发明的实施例提供的一种结合图像识别和分析的新拌混凝土流变性参数判断方法，包括以下步骤：

步骤S1，基于相机或其他图像获取设备实时获取运动状态下新拌混凝土连续多幅图像，构成新拌混凝土流动性图像族。

本实施例中，为了便于进行充分的测试和分析，通过表1中给出的混凝土配合比取料，然后将物料一起投入混凝土搅拌机，搅拌，再加入拌合用水，继续搅拌后，制得新拌自密实混凝土，将新拌混凝土倾倒入料斗内，通过固定位置的照相机，连续采集10s内新拌混凝土流动图像共100张，构成新拌混凝土流态图像族。典型图像如图2所示。

表1.混凝土配合比

步骤S2，对所采集到的图像族中的每一幅分别进行图像增强处理，以强化粗骨料在砂浆中的分布信息。

参照图3，本发明实施例采用的图像处理方法是基于图像对比度限制双直方图均衡方法。首先，通过软件获取出新拌混凝土流动图片的颜色直方图，考虑图像曝光阈值的范围将颜色直方图细分为两个子直方图以保持平均亮度并增强细节。其中曝光阈值是代表图像曝光强度的参数，该因子用于获得两个不同灰度的子图像，即曝光不足和曝光过度的图像，将曝光值归一化到0～1的范围内，如果特定图像的曝光值大于0.5，则将其标记为1，这表示图像具有更多的曝光过度区域，反之则标记为0。通过分别均衡每个细分后的子直方图来获得两个对比度增强的子图像，将子图像叠加合并即得到增强后图像。在处理过程中应注意图像曝光阈值恒定，以保证图像处理结果规律性一致。增强处理后的图像如图4所示。

步骤S3，对步骤S2获得的增强图像进行分形和多重分形分析，通过分形维数和多重分形参数定量反映粗骨料在砂浆中分布特征。

本发明实施例中采用盒计数方法，依据骨料分布信息计算得到增强后新拌混凝土流动图像的分形维数和多重分形谱参数，分形维数具体计算方法为：

对于大小为R×R的图像，用一个尺寸为ε×ε的盒子遍历整个图片，至少包含有一个孔隙像素的盒子数量为N(ε)，若N(ε)与ε之间满足下面的幂次定律：

N(ε)～ε^-D (1)

则被认为其存在分形特性，其中D为分形维数，可用下式进行求解：

多重分形谱参数具体计算方法如下：

将上述增强后的图像均分成L²个ε×ε像素大小的格子，计算第(i,j)个格子中灰度值分布概率P_ij(ε)，得到格子中灰度值面积的比例，其计算公式为：

其中，n_ij是每一个格子中大于指定灰度阈值的像素的个数；∑n_ij为整个图像中所有大于指定灰度阈值的像素的个数。

将P_ij(ε)的多重分形形式表述为：

P_ij(ε)∝ε^α (4)

Nα(ε)∝ε^-f(α) (5)

式中，α为单一格子的奇异程度，可通过进一步的计算获得；f(α)为多重分形谱；N_α(ε)是具有相同灰度值分布概率的格子数量。

通过构造配分函数χ_q(ε)对概率P(ε)用q次方进行加权求和，则配分函数χ_q(ε)的数学表达式可以表示为：

若等式成立，即配分函数和ε之间存在幂函数的关系，对χ_q(ε)和ε求对数，得到曲线lnχ_q-lnε，其斜率表示为：

式中，q为矩的阶数(-∞＜q＜∞)，初步给定值，计算得到所述取值下的配分函数，改变q的大小，重复上述步骤，得到不同ε下的配分函数。

通过勒让德变换，可以得到具体的多重分形子集的多重分形谱f(α)：

本实施例中L取为512，相应的ε的取值范围为：2ⁿ，且n为1～9的自然数。

进一步地，依据多重分形谱f(α)计算所对应的α的最大值和最小值差，即多重分形谱谱宽参数Δα，反映新拌混凝土中粗骨料分布的不均匀程度。参数值越大，说明新拌混凝土中粗骨料分布不均匀程度越高。

步骤S4，对步骤S3中获得的D和Δα参数进行统计分析，得到D和Δα的频率分布如图5和图6所示，其中横坐标为D和Δα的大小，纵坐标为D和Δα在该统计分组区间内分布的频数，可以看出D和Δα基本符合正态分布的特征，其中：D正态分布的均值μ_D＝1.752，标准差σ_D＝0.071；Δα正态分布的均值μ_Δα＝0.589，标准差σ_Δα＝0.061；

进一步地，根据求出的D和Δα以及正态分布原理，认为D和Δα的有效上下限应该在[μ-2σ,μ+2σ]，得到D_max为1.893，D_min为1.611，Δα_max为0.710，Δα_min为0.468，即：1.611≤D≤1.893，0.468≤Δα≤0.710。

步骤S5，结合步骤S4所得的粗骨料分布参数取值范围和置信区间以及混凝土流变学原理，基于流态混凝土拌合物的配合比，根据粗骨料的堆积密度与粗骨料结构的分形维数和多重分形谱宽参数的区间获得流态混凝土拌合物的屈服强度和塑性粘度的范围。

对于新拌混凝土及类似的颗粒悬浮液体系，流体的强度主要取决于两部分，其一是悬浮液中悬浮颗粒的浓度，其二是颗粒间以及颗粒与液体之间的相互作用。在本发明中，悬浮颗粒的浓度(即粗骨料)通过粗骨料的堆积密度表示；而颗粒-颗粒以及颗粒-液体之间的相互作用则通过新拌混凝土图像获得的粗骨料分布的分形维数与多重分形参数来表示。具体地，将步骤S4所得D和Δα参数的计算结果带入方程式(9)，结合混凝土配合比对新拌混凝土的屈服强度和塑性粘度的分布区间进行计算，得到屈服强度值τ₀在206.06～259.97Pa，塑性粘度η在157.9～225.7Pa·s。

其中，φ为新拌混凝土中粗骨料的堆积密度，通过百分比来表示；φ_max为新拌混凝土中粗骨料的最大堆积密度，同样以百分比表示，上述参数为粗骨料本身的特征参数。

为了验证上述方法最终计算结果的有效性，通过混凝土流变仪对上述方法进行验证，对混凝土拌和物进行多次测试的结果如图7、图8所示，绝大多数实测值分布在上述区间内，证明本发明所提的检测方法是合理适用的。

本发明实施例中提出一种混凝土流动性能的实时检测方法，能够解决现有评价方法中对于混凝土流变性评价和量化在粗骨料配比方面的限制，克服现有基于混凝土配合比获取粗骨料空隙率、球度、圆度、针片状骨料比例等几何指标参数评价流变性方法导致评价结论不全面进而不可靠的技术难题，且本方法简便易执行，可快捷地进行混凝土的现场性能测试，适合推广应用。在混凝土工作性测试中，直接测定混凝土流变参数范围，与工作性流变参数范围进行对比，可以直接方便、准确全面地判定工作性的好坏。

Claims (7)

1.一种流态混凝土拌合物流变性能实时检测方法，其特征在于，包括以下步骤：

S1、连续获取流态混凝土拌合物的多幅图像，构成混凝土拌合物流态图像族；

S2、以固定的图像曝光阈值对所述混凝土拌合物流态图像族中的每一幅图像进行强化处理；

S3、对每一幅强化处理后的图像，分别通过分形和多重分形分析方法计算分形维数和多重分形谱参数，获得粗骨料在砂浆体中的分布特征；

S4、统计该图像族的分形维数和多重分形参数在各统计分组区间内出现的频次，基于统计学原理得到流态混凝土拌合物中粗骨料分布参数的取值范围和置信区间；

S5、根据分形维数和多重分形谱参数，结合粗骨料分布参数的取值范围和置信区间，得到定值配比下流态混凝土拌合物的流变参数范围。

2.根据权利要求1所述的新拌混凝土流变性能实时检测方法，其特征在于，所述步骤S2中对所述混凝土拌合物流态图像族中的每一幅图像进行强化处理包括：

获取原始图像的直方图，根据曝光阈值将直方图细分为两个直方图；

对每个细分后的子直方图分别进行均衡，得到对比度增强的子图像；

将子图像叠加合并得到增强后图像。

3.根据权利要求1所述的新拌混凝土流变性能实时检测方法，其特征在于，所述步骤S3中分形基于盒计数方法计算分形维数，多重分形基于盒计数方法依据骨料分布信息计算得到流态混凝土拌合物增强后图像的多重分形谱参数。

4.根据权利要求3所述的新拌混凝土流变性能实时检测方法，其特征在于，所述分形维数的计算具体包括：所述分形维数的计算具体包括：用一个尺寸为ε×ε的盒子遍历整个图片，至少包含有一个孔隙像素的盒子数量为N(ε)，用下式求解分形维数D：

5.根据权利要求3所述的新拌混凝土流变性能实时检测方法，其特征在于，所述多重分形谱参数的计算方法包括：

所述多重分形谱参数的计算方法包括：

将所述增强后图像均分成L²个ε×ε大小的格子，计算第(i,j)个格子中灰度值分布概率P_ij(ε)：

式中，n_ij是每一个格子中大于指定灰度阈值的像素的个数；∑n_ij为整个图像中所有大于指定灰度阈值的像素的个数；

构造配分函数χ_q(ε)对概率P(ε)用q次方进行加权求和，表示为如下形式：

式中，q为矩的阶数(-∞＜q＜∞)，τ(q)表示配分函数和ε之间的函数关系，改变q的大小得到不同ε下的配分函数；

通过勒让德变换，得到多重分形子集的多重分形谱f(α)：

式中，α表示单一格子的奇异程度；

依据所述多重分形谱f(α)计算图像的多特征谱宽参数Δα。

6.根据权利要求1所述的新拌混凝土流变性能实时检测方法，其特征在于，所述步骤S4具体包括：对步骤S3中获得的分形维数参数D和多重分形的多特征谱宽参数Δα进行统计分析，通过计算它们的均值和标准差，基于正态分布原理得到分形维数最大值D_max、分形维数最小值D_min、多重分形谱宽最大值Δα_max、多重分形谱宽最小值Δα_min。

7.根据权利要求6所述的新拌混凝土流变性能实时检测方法，其特征在于，所述所述步骤S5具体包括：结合粗骨料分布参数的取值范围和置信区间以及混凝土流变学原理，基于流态混凝土拌合物的配合比，根据粗骨料的堆积密度与粗骨料结构的分形维数和多重分形谱宽参数的区间获得流态混凝土拌合物的屈服强度和塑性粘度的范围，其中屈服强度τ₀和塑性粘度η的上下界通过下式来确定：

式中，φ为流态混凝土拌合物中粗骨料的堆积密度，φ_max为流态混凝土拌合物中粗骨料的最大堆积密度。

Images