CN116625827A - 含钢渣细集料的混凝土抗压测试方法、装置、设备及介质 - Google Patents
含钢渣细集料的混凝土抗压测试方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116625827A CN116625827A CN202310727604.5A CN202310727604A CN116625827A CN 116625827 A CN116625827 A CN 116625827A CN 202310727604 A CN202310727604 A CN 202310727604A CN 116625827 A CN116625827 A CN 116625827A
- Authority
- CN
- China
- Prior art keywords
- data
- steel slag
- compression
- environment
- concrete
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000002893 slag Substances 0.000 title claims abstract description 174
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 168
- 239000010959 steel Substances 0.000 title claims abstract description 168
- 238000007906 compression Methods 0.000 title claims abstract description 114
- 230000006835 compression Effects 0.000 title claims abstract description 114
- 238000012360 testing method Methods 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000012669 compression test Methods 0.000 claims abstract description 125
- 238000001514 detection method Methods 0.000 claims abstract description 108
- 238000012549 training Methods 0.000 claims description 59
- 238000004364 calculation method Methods 0.000 claims description 39
- 238000004590 computer program Methods 0.000 claims description 14
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000013075 data extraction Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 3
- 238000012937 correction Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 5
- 238000005286 illumination Methods 0.000 description 4
- 238000009472 formulation Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- UQSXHKLRYXJYBZ-UHFFFAOYSA-N Iron oxide Chemical compound [Fe]=O UQSXHKLRYXJYBZ-UHFFFAOYSA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001704 evaporation Methods 0.000 description 2
- 230000008020 evaporation Effects 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 238000009628 steelmaking Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/08—Investigating strength properties of solid materials by application of mechanical stress by applying steady tensile or compressive forces
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W30/00—Technologies for solid waste management
- Y02W30/50—Reuse, recycling or recovery technologies
- Y02W30/91—Use of waste materials as fillers for mortars or concrete
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明涉及混凝土检测的技术领域,尤其是涉及一种含钢渣细集料的混凝土抗压测试方法、装置、设备及介质,含钢渣细集料的混凝土抗压测试方法包括:获取待检测混凝土配方数据,从所述待检测混凝土配方数据中获取钢渣含量数据;获取检测环境数据,其中,所述检测环境信息包括环境温度数据和环境湿度数据;根据所述检测环境数据和所述钢渣含量数据,计算抗压测试补偿量;获取与所述待检测混凝土配方数据对应的抗压测试初始数据,根据所述抗压测试补偿量对所述抗压测试初始数据进行更正后,得到抗压测试结果。本申请具有提升对含钢渣细集料的混凝土进行检测的准确性的效果。
Description
技术领域
本发明涉及混凝土检测的技术领域,尤其是涉及一种含钢渣细集料的混凝土抗压测试方法、装置、设备及介质。
背景技术
目前,混凝土的力学强度、耐久性和工作性能通常主要取决于制备混凝土所用原材料的性质。钢铁厂的炉渣、钢渣、高炉渣等以高成本处理到周围环境中,会导致一系列不可逆的生态问题,对环境造成严重威胁。已有学者证实,在混凝土中使用钢渣是可行的,不仅可以解决冶金业的废物堆积问题,也可在一定程度上改善混凝土的机械、物理和化学性能。钢渣和高炉矿渣之间存在较大差异,矿渣是由氧化铁高温下还原为铁而产生的,钢渣是炼钢生产过程中旧钢的氧化而产生的,是炼钢生产过程的一种副产品。
目前钢渣通常被用作混凝土的粗细骨料、高速公路的沥青路面材料、熟料的原材料、铁路的道碴以及填充材料,通过钢渣的二次再使用,为节约自然资源和解决环境问题提供可尝试的方案,因此,为了能够更好地为钢渣在混凝土中的利用时提供数据支持,需要提升对含钢渣细集料的混凝土进行检测的准确性。
发明内容
为了提升对含钢渣细集料的混凝土进行检测的准确性,本申请提供一种含钢渣细集料的混凝土抗压测试方法、装置、设备及介质。
本申请的上述发明目的一是通过以下技术方案得以实现的:
一种含钢渣细集料的混凝土抗压测试方法,所述含钢渣细集料的混凝土抗压测试方法包括:
获取待检测混凝土配方数据,从所述待检测混凝土配方数据中获取钢渣含量数据;
获取检测环境数据,其中,所述检测环境信息包括环境温度数据和环境湿度数据;
根据所述检测环境数据和所述钢渣含量数据,计算抗压测试补偿量;
获取与所述待检测混凝土配方数据对应的抗压测试初始数据,根据所述抗压测试补偿量对所述抗压测试初始数据进行更正后,得到抗压测试结果。
通过采用上述技术方案,由于在对混凝土进行抗压测试时,检测是的环境温度会对混凝土的流动性和可塑性造成影响,因此对检测的结果也会受到环境的影响,因此,在对含有钢渣细集料的混凝土进行抗压测试时,通过获取检测环境数据,并将检测环境数据拆分得到环境温度数据和环境湿度数据,从而能够根据环境的温湿度判断对抗压结果的影响程度,同时,在判断对抗压结果的影响程度时,通过结合钢渣含量数据,能够使得计算得到的抗压测试补偿量与混凝土配方中的钢渣含量相对应,从而在根据该抗压测试补偿量对抗压测试初始数据进行更正后,提升了得到的抗压测试结果的精确度。
本申请在一较佳示例中可以进一步配置为:所述混凝土抗压测试方法还包括:
获取历史抗压检测结果,从所述历史抗压检测结果中获取目标钢渣含量数据和目标环境数据;
将每个所述目标钢渣含量数据与每个所述目标环境数据进行关联标记,得到待训练数据组;
通过所述待训练数据组对初始模型进行训练,得到补偿量计算模型。
通过采用上述技术方案,通过对历史的抗压检测结果进行拆分,得到目标钢渣含量数据和目标环境数据,并将目标钢渣含量数据和目标环境数据进行关联标记,从而使得通过待训练数据组对初始模型进行时,能够根据检测环境和钢渣含量对检测结果的影响程度,训练得到补偿量计算模型。
本申请在一较佳示例中可以进一步配置为:所述待训练数据组包括钢渣训练组和环境训练组,所述通过所述待训练数据组对初始模型进行训练,得到补偿量计算模型,具体包括:
将关联标记后相同的目标钢渣含量数据分为一类,得到若干类钢渣数据组,将关联标记后相同的目标环境数据分为一类,得到若干环境数据组;
将所述历史抗压检测结果与每个所述钢渣数据组进行匹配关联后,得到所述钢渣训练组,将所述所述历史抗压检测结果与每个所述环境数据组进行匹配关联后,得到所述环境训练组;
通过所述钢渣训练组和所述环境训练组对所述初始模型进行训练,得到所述补偿量计算模型。
通过采用上述技术方案,通过分别分类得到钢渣训练组和环境训练组,能够针对在相同钢渣含量对应不同的检测环境下,检测结果的变化情况,以及在相同检测环境下对应不同钢渣含量进行检测时,检测结果的变化情况,对初始模型进行训练,从而提升补偿量计算模型的计算精度。
本申请在一较佳示例中可以进一步配置为:所述根据所述检测环境数据和所述钢渣含量数据,计算抗压测试补偿量,具体包括:
将所述检测环境数据和所述钢渣含量数据输入至所述补偿量计算模型;
从所述补偿量计算模型中获取所述抗压测试补偿量。
通过采用上述技术方案,将检测环境数据和钢渣含量数据输入至补偿量计算模型,能够根据当前的检测环境以及结合钢渣含量数据,判断当前对该待检测的混凝土进行检测时,检测环境对检测结果的影响程度,进而计算出对应的抗压测试补偿量,从而进行相应的修正,提升了检测的准确度。
本申请在一较佳示例中可以进一步配置为:所述获取与所述待检测混凝土配方数据对应的抗压测试初始数据,根据所述抗压测试补偿量对所述抗压测试初始数据进行更正后,得到抗压测试结果,具体包括:
从所述抗压测试初始数据中获取抗压测试参数类型,根据所述抗压测试补偿量对所述抗压参数类型对应的初始数据进行更正,得到抗压测试参数;
根据所述抗压测试参数和所述待检测混凝土配方数据生成抗压检测指令,得到所述抗压测试结果。
通过采用上述技术方案,通过对抗压测试初始数据拆分得到对应的抗压测试参数类型,并根据抗压补偿量对相应的初始数据进行更正,从而使得通过抗压测试参数检测得到的混凝土的抗压检测结果更加准确。
本申请的上述发明目的二是通过以下技术方案得以实现的:
一种含钢渣细集料的混凝土抗压测试装置,所述含钢渣细集料的混凝土抗压测试装置包括:
数据提取模块,用于获取待检测混凝土配方数据,从所述待检测混凝土配方数据中获取钢渣含量数据;
环境监测模块,用于获取检测环境数据,其中,所述检测环境信息包括环境温度数据和环境湿度数据;
补偿量计算模块,用于根据所述检测环境数据和所述钢渣含量数据,计算抗压测试补偿量;
抗压测试模块,用于获取与所述待检测混凝土配方数据对应的抗压测试初始数据,根据所述抗压测试补偿量对所述抗压测试初始数据进行更正后,得到抗压测试结果。
通过采用上述技术方案,由于在对混凝土进行抗压测试时,检测是的环境温度会对混凝土的流动性和可塑性造成影响,因此对检测的结果也会受到环境的影响,因此,在对含有钢渣细集料的混凝土进行抗压测试时,通过获取检测环境数据,并将检测环境数据拆分得到环境温度数据和环境湿度数据,从而能够根据环境的温湿度判断对抗压结果的影响程度,同时,在判断对抗压结果的影响程度时,通过结合钢渣含量数据,能够使得计算得到的抗压测试补偿量与混凝土配方中的钢渣含量相对应,从而在根据该抗压测试补偿量对抗压测试初始数据进行更正后,提升了得到的抗压测试结果的精确度。
本申请的上述目的三是通过以下技术方案得以实现的:
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述含钢渣细集料的混凝土抗压测试方法的步骤。
本申请的上述目的四是通过以下技术方案得以实现的:
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述含钢渣细集料的混凝土抗压测试方法的步骤。
综上所述,本申请包括以下至少一种有益技术效果:
1、在对含有钢渣细集料的混凝土进行抗压测试时,通过获取检测环境数据,并将检测环境数据拆分得到环境温度数据和环境湿度数据,从而能够根据环境的温湿度判断对抗压结果的影响程度,同时,在判断对抗压结果的影响程度时,通过结合钢渣含量数据,能够使得计算得到的抗压测试补偿量与混凝土配方中的钢渣含量相对应,从而在根据该抗压测试补偿量对抗压测试初始数据进行更正后,提升了得到的抗压测试结果的精确度;
2、通过对历史的抗压检测结果进行拆分,得到目标钢渣含量数据和目标环境数据,并将目标钢渣含量数据和目标环境数据进行关联标记,从而使得通过待训练数据组对初始模型进行时,能够根据检测环境和钢渣含量对检测结果的影响程度,训练得到补偿量计算模型;
3、将检测环境数据和钢渣含量数据输入至补偿量计算模型,能够根据当前的检测环境以及结合钢渣含量数据,判断当前对该待检测的混凝土进行检测时,检测环境对检测结果的影响程度,进而计算出对应的抗压测试补偿量,从而进行相应的修正,提升了检测的准确度。
附图说明
图1是本申请一实施例中含钢渣细集料的混凝土抗压测试方法的一流程图;
图2是本申请一实施例中含钢渣细集料的混凝土抗压测试方法中训练补偿量计算模型的实现流程图;
图3是本申请一实施例中含钢渣细集料的混凝土抗压测试中方法步骤S103的实现流程图;
图4是本申请一实施例中含钢渣细集料的混凝土抗压测试中方法步骤S30的实现流程图;
图5是本申请一实施例中含钢渣细集料的混凝土抗压测试中方法步骤S40的实现流程图;
图6是本申请一实施例中含钢渣细集料的混凝土抗压测试装置的一原理框图;
图7是本申请一实施例中的设备示意图。
具体实施方式
以下结合附图对本申请作进一步详细说明。
在一实施例中,如图1所示,本申请公开了一种含钢渣细集料的混凝土抗压测试方法,具体包括如下步骤:
S10:获取待检测混凝土配方数据,从待检测混凝土配方数据中获取钢渣含量数据。
在本实施例中,待检测混凝土配方数据是指具体需要进行抗压测试的混凝土所对应的制备配方。钢渣含量数据是指在该待检测压力以及塌落度的混凝土中,钢渣细集料的含量比例。
具体地,在对混凝土进行抗压以及塌落度测试时,其检测结果也会受环境影响,例如:
温度:温度的变化会影响混凝土的流动性和可塑性,从而对塌落度检测结果产生影响。温度过高时,混凝土的流动性会增加,塌落度也会增加;温度过低时,混凝土的流动性会降低,塌落度也会降低。
湿度:湿度对混凝土的流动性和可塑性也有影响。湿度过高时,混凝土的流动性会增加,塌落度也会增加;湿度过低时,混凝土的流动性会降低,塌落度也会降低。
风速:风速的变化会影响混凝土表面的水分蒸发速度,从而对混凝土的流动性和可塑性产生影响,进而影响塌落度检测结果。
光照强度:光照强度的变化会影响混凝土表面的水分蒸发速度,从而对混凝土的流动性和可塑性产生影响,进而影响塌落度检测结果。
同时,钢渣在混凝土中的作用是填充石子间的空隙,增强混凝土的密实性和强度。当钢渣含量较高时,混凝土的密实性和强度会更高,但同时也会导致混凝土的流动性较差,塌落度较低。因此,在进行含钢渣细集料的混凝土塌落度检测时,环境因素可能会对塌落度的影响程度较大,需要采取相应的措施进行补偿和校正。
因此,本实施例在对含有钢渣细集料的混凝土进行抗压测试时,根据需要进行检测的混凝土的配方,即待检测混凝土配方数据,并从中获取钢渣含量数据,以便根据当前环境的情况进行相应的补偿和校正。
S20:获取检测环境数据,其中,检测环境信息包括环境温度数据和环境湿度数据。
在本实施例中,检测环境数据是指记录有在对含有钢渣细集料的混凝土进行检测时,外部环境的情况的数据。
具体地,根据需要检测的外部环境的指标,例如温度、湿度、风速以及光照等,采用对应的检测设备,从而得到环境温度数据、环境湿度数据、环境风速数据以及环境光照数据,进而组成该检测环境数据。
S30:根据检测环境数据和钢渣含量数据,计算抗压测试补偿量。
在本实施例中,抗压测试补偿量是指在对混凝土进行抗压测试时,对相应的参数进行补偿或者校正的程度的数据。
具体地,采用预设的计算模型,将该检测环境数据和钢渣含量数据输入至该计算模型中,该计算模型根据当前检测的环境的情况和钢渣细集料的含量,判断出对检测结果的影响程度,进而输出该抗压测试补偿量。
S40:获取与待检测混凝土配方数据对应的抗压测试初始数据,根据抗压测试补偿量对抗压测试初始数据进行更正后,得到抗压测试结果。
在本实施例中,抗压测试初始数据对混凝土的抗压能力和塌落度进行检测时的侧初始参数。
具体地,获取用于对该配方的混凝土进行测试的初始参数,即抗压测试初始数据,在获取到抗压测试补偿量后,对抗压测试初始数据进行更正,并通过更正后的参数对混凝土进行抗压测试,从而得到该抗压测试结果。
在本实施例中,由于在对混凝土进行抗压测试时,检测是的环境温度会对混凝土的流动性和可塑性造成影响,因此对检测的结果也会受到环境的影响,因此,在对含有钢渣细集料的混凝土进行抗压测试时,通过获取检测环境数据,并将检测环境数据拆分得到环境温度数据和环境湿度数据,从而能够根据环境的温湿度判断对抗压结果的影响程度,同时,在判断对抗压结果的影响程度时,通过结合钢渣含量数据,能够使得计算得到的抗压测试补偿量与混凝土配方中的钢渣含量相对应,从而在根据该抗压测试补偿量对抗压测试初始数据进行更正后,提升了得到的抗压测试结果的精确度。
在一实施例中,如图2所示,混凝土抗压测试方法还包括:
S101:获取历史抗压检测结果,从历史抗压检测结果中获取目标钢渣含量数据和目标环境数据。
在本实施例中,历史抗压检测结果是指过去一段时间内对混凝土进行抗压测试的结果。目标钢渣含量是指在每一组历史检测的混凝土中,钢渣细集料的含量比例。目标环境数据是指在每一次对混凝土进行检测时,对应的外部环境的数据。
具体地,从存储有过去对含有钢渣细集料的混凝土进行抗压测试的数据库中,获取该历史抗压检测结果。
进一步地,在获取到历史抗压检测结果后,从中获取每组检测数据中,对应的混凝土配方中钢渣含量比例数据,作为目标钢渣含量数据,以及获取进行测试时的外部环境的数据,作为目标环境数据。
S102:将每个目标钢渣含量数据与每个目标环境数据进行关联标记,得到待训练数据组。
具体地,在获取到每一个历史抗压检测结果对应的目标钢渣含量数据和目标环境数据后,分别对目标钢渣含量数据和目标环境数据进行分组关联后,存储至预设的数据库中,得到待训练数据组。
S103:通过待训练数据组对初始模型进行训练,得到补偿量计算模型。
具体地,选取预设的初始模型,并通过待训练数据组对该初始模型进行训练,从而分析出在抗压测试时,含有不同比例的钢渣细集料的混凝土,其抗压测试结果在不同环境下的影响程度,进而与标准的抗压测试结果进行比对,从而得出对应的补偿量,进而训练得到该补偿量模型。
在一实施例中,如图3所示,待训练数据组包括钢渣训练组和环境训练组,在步骤S103中,即通过待训练数据组对初始模型进行训练,得到补偿量计算模型,具体包括:
S1031:将关联标记后相同的目标钢渣含量数据分为一类,得到若干类钢渣数据组,将关联标记后相同的目标环境数据分为一类,得到若干环境数据组。
具体地,将关联标记后相同的目标钢渣含量数据分为一类,即得到的钢渣数据组中存储有若干组同一个目标钢渣含量数据对应关联不同的目标环境数据;将关联标记后相同的目标环境数据分为一类,即得到若干环境数据组中存储有若干组同一个目标环境数据对应关联不同的目标钢渣含量数据。
S1032:将历史抗压检测结果与每个钢渣数据组进行匹配关联后,得到钢渣训练组,将历史抗压检测结果与每个环境数据组进行匹配关联后,得到环境训练组。
具体地,由于每一个历史抗压检测结果中,均包括唯一的目标钢渣含量数据和目标环境数据,因此,将历史抗压检测结果中的目标钢渣含量数据和目标环境数据,同时作为匹配关键词,分别在钢渣数据组和环境数据组中进行匹配,将该历史抗压检测结果与匹配成功的结果进行标记,进而分别得到钢渣训练组和环境训练组。
S1033:通过钢渣训练组和环境训练组对初始模型进行训练,得到补偿量计算模型。
具体地,通过钢渣训练组和环境训练组对初始模型进行训练,得到补偿量计算模型。
可选的,在训练得到该补偿量计算模型后,可以持续对该补偿量计算模型进行训练,得到用于输出需要使用的混凝土的配方中,钢渣的含量的钢渣推荐模型,即在需要特定的抗压能力的混凝土时,将该特定的抗压能力和当前的环境输入至该钢渣推荐模型中,从而得到对应混凝土配方中钢渣细集料的含量的数据。
在一实施例中,如图4所示,在步骤S30中,即根据检测环境数据和钢渣含量数据,计算抗压测试补偿量,具体包括:
S31:将检测环境数据和钢渣含量数据输入至补偿量计算模型。
具体地,在获取抗压测试补偿量时,将当前的检测环境数据和钢渣含量数据输入至补偿量计算模型。
S32:从补偿量计算模型中获取抗压测试补偿量。
具体地,补偿量计算模型在获取到该检测环境数据和钢渣含量数据后,输出对应的抗压测试补偿量。
在一实施例中,如图5所示,在步骤S40中,即获取与待检测混凝土配方数据对应的抗压测试初始数据,根据抗压测试补偿量对抗压测试初始数据进行更正后,得到抗压测试结果,具体包括:
S41:从抗压测试初始数据中获取抗压测试参数类型,根据抗压测试补偿量对抗压参数类型对应的初始数据进行更正,得到抗压测试参数。
具体地,获取抗压测试初始数据中的数据类型,作为该抗压测试参数类型,并获取每个抗压测试参数类型对应的初始数据。
进一步地,通过该抗压参数类型对抗压测试补偿量进行对应拆分,得到需要进行更正的初审参数,并进行相应的更正后,得到该抗压测试参数。
S42:根据抗压测试参数和待检测混凝土配方数据生成抗压检测指令,得到抗压测试结果。
具体地,根据抗压测试参数和待检测混凝土配方数据生成抗压检测指令,得到与当前环境情况相匹配的抗压测试结果。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
在一实施例中,提供一种含钢渣细集料的混凝土抗压测试装置,该含钢渣细集料的混凝土抗压测试装置与上述实施例中含钢渣细集料的混凝土抗压测试方法一一对应。如图6所示,该含钢渣细集料的混凝土抗压测试装置包括数据提取模块、环境监测模块、补偿量计算模块和抗压测试模块。各功能模块详细说明如下:
数据提取模块,用于获取待检测混凝土配方数据,从待检测混凝土配方数据中获取钢渣含量数据;
环境监测模块,用于获取检测环境数据,其中,检测环境信息包括环境温度数据和环境湿度数据;
补偿量计算模块,用于根据检测环境数据和钢渣含量数据,计算抗压测试补偿量;
抗压测试模块,用于获取与待检测混凝土配方数据对应的抗压测试初始数据,根据抗压测试补偿量对抗压测试初始数据进行更正后,得到抗压测试结果。
可选的,含钢渣细集料的混凝土抗压测试装置还包括:
历史数据获取模块,用于获取历史抗压检测结果,从历史抗压检测结果中获取目标钢渣含量数据和目标环境数据;
数据标记模块,用于将每个目标钢渣含量数据与每个目标环境数据进行关联标记,得到待训练数据组;
模型训练模块, 用于通过待训练数据组对初始模型进行训练,得到补偿量计算模型。
可选的,待训练数据组包括钢渣训练组和环境训练组,模型训练模块包括:
数据分类子模块,用于将关联标记后相同的目标钢渣含量数据分为一类,得到若干类钢渣数据组,将关联标记后相同的目标环境数据分为一类,得到若干环境数据组;
分类匹配子模块,用于将历史抗压检测结果与每个钢渣数据组进行匹配关联后,得到钢渣训练组,将历史抗压检测结果与每个环境数据组进行匹配关联后,得到环境训练组;
模型训练子模块,用于通过钢渣训练组和环境训练组对初始模型进行训练,得到补偿量计算模型。
可选的,补偿量计算模块包括:
数据输入子模块,用于将检测环境数据和钢渣含量数据输入至补偿量计算模型;
数据计算子模块,用于从补偿量计算模型中获取抗压测试补偿量。
可选的,抗压测试模块包括:
参数更正子模块,用于从抗压测试初始数据中获取抗压测试参数类型,根据抗压测试补偿量对抗压参数类型对应的初始数据进行更正,得到抗压测试参数;
结果输出子模块,用于根据抗压测试参数和待检测混凝土配方数据生成抗压检测指令,得到抗压测试结果。
关于含钢渣细集料的混凝土抗压测试装置的具体限定可以参见上文中对于含钢渣细集料的混凝土抗压测试方法的限定,在此不再赘述。上述含钢渣细集料的混凝土抗压测试装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种含钢渣细集料的混凝土抗压测试方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
获取待检测混凝土配方数据,从待检测混凝土配方数据中获取钢渣含量数据;
获取检测环境数据,其中,检测环境信息包括环境温度数据和环境湿度数据;
根据检测环境数据和钢渣含量数据,计算抗压测试补偿量;
获取与待检测混凝土配方数据对应的抗压测试初始数据,根据抗压测试补偿量对抗压测试初始数据进行更正后,得到抗压测试结果。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取待检测混凝土配方数据,从待检测混凝土配方数据中获取钢渣含量数据;
获取检测环境数据,其中,检测环境信息包括环境温度数据和环境湿度数据;
根据检测环境数据和钢渣含量数据,计算抗压测试补偿量;
获取与待检测混凝土配方数据对应的抗压测试初始数据,根据抗压测试补偿量对抗压测试初始数据进行更正后,得到抗压测试结果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种含钢渣细集料的混凝土抗压测试方法,其特征在于,所述含钢渣细集料的混凝土抗压测试方法包括:
获取待检测混凝土配方数据,从所述待检测混凝土配方数据中获取钢渣含量数据;
获取检测环境数据,其中,所述检测环境信息包括环境温度数据和环境湿度数据;
根据所述检测环境数据和所述钢渣含量数据,计算抗压测试补偿量;
获取与所述待检测混凝土配方数据对应的抗压测试初始数据,根据所述抗压测试补偿量对所述抗压测试初始数据进行更正后,得到抗压测试结果。
2.根据权利要求1所述的含钢渣细集料的混凝土抗压测试方法,其特征在于,所述混凝土抗压测试方法还包括:
获取历史抗压检测结果,从所述历史抗压检测结果中获取目标钢渣含量数据和目标环境数据;
将每个所述目标钢渣含量数据与每个所述目标环境数据进行关联标记,得到待训练数据组;
通过所述待训练数据组对初始模型进行训练,得到补偿量计算模型。
3.根据权利要求2所述的含钢渣细集料的混凝土抗压测试方法,其特征在于,所述待训练数据组包括钢渣训练组和环境训练组,所述通过所述待训练数据组对初始模型进行训练,得到补偿量计算模型,具体包括:
将关联标记后相同的目标钢渣含量数据分为一类,得到若干类钢渣数据组,将关联标记后相同的目标环境数据分为一类,得到若干环境数据组;
将所述历史抗压检测结果与每个所述钢渣数据组进行匹配关联后,得到所述钢渣训练组,将所述所述历史抗压检测结果与每个所述环境数据组进行匹配关联后,得到所述环境训练组;
通过所述钢渣训练组和所述环境训练组对所述初始模型进行训练,得到所述补偿量计算模型。
4.根据权利要求2或3所述的含钢渣细集料的混凝土抗压测试方法,其特征在于,所述根据所述检测环境数据和所述钢渣含量数据,计算抗压测试补偿量,具体包括:
将所述检测环境数据和所述钢渣含量数据输入至所述补偿量计算模型;
从所述补偿量计算模型中获取所述抗压测试补偿量。
5.根据权利要求1所述的含钢渣细集料的混凝土抗压测试方法,其特征在于,所述获取与所述待检测混凝土配方数据对应的抗压测试初始数据,根据所述抗压测试补偿量对所述抗压测试初始数据进行更正后,得到抗压测试结果,具体包括:
从所述抗压测试初始数据中获取抗压测试参数类型,根据所述抗压测试补偿量对所述抗压参数类型对应的初始数据进行更正,得到抗压测试参数;
根据所述抗压测试参数和所述待检测混凝土配方数据生成抗压检测指令,得到所述抗压测试结果。
6.一种含钢渣细集料的混凝土抗压测试装置,其特征在于,所述含钢渣细集料的混凝土抗压测试装置包括:
数据提取模块,用于获取待检测混凝土配方数据,从所述待检测混凝土配方数据中获取钢渣含量数据;
环境监测模块,用于获取检测环境数据,其中,所述检测环境信息包括环境温度数据和环境湿度数据;
补偿量计算模块,用于根据所述检测环境数据和所述钢渣含量数据,计算抗压测试补偿量;
抗压测试模块,用于获取与所述待检测混凝土配方数据对应的抗压测试初始数据,根据所述抗压测试补偿量对所述抗压测试初始数据进行更正后,得到抗压测试结果。
7.根据权利要求6所述的含钢渣细集料的混凝土抗压测试装置,其特征在于,所述含钢渣细集料的混凝土抗压测试装置还包括:
历史数据获取模块,用于获取历史抗压检测结果,从所述历史抗压检测结果中获取目标钢渣含量数据和目标环境数据;
数据标记模块,用于将每个所述目标钢渣含量数据与每个所述目标环境数据进行关联标记,得到待训练数据组;
模型训练模块, 用于通过所述待训练数据组对初始模型进行训练,得到补偿量计算模型。
8.根据权利要求7所述的含钢渣细集料的混凝土抗压测试装置,其特征在于,所述待训练数据组包括钢渣训练组和环境训练组,所述模型训练模块包括:
数据分类子模块,用于将关联标记后相同的目标钢渣含量数据分为一类,得到若干类钢渣数据组,将关联标记后相同的目标环境数据分为一类,得到若干环境数据组;
分类匹配子模块,用于将所述历史抗压检测结果与每个所述钢渣数据组进行匹配关联后,得到所述钢渣训练组,将所述所述历史抗压检测结果与每个所述环境数据组进行匹配关联后,得到所述环境训练组;
模型训练子模块,用于通过所述钢渣训练组和所述环境训练组对所述初始模型进行训练,得到所述补偿量计算模型。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述含钢渣细集料的混凝土抗压测试方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述含钢渣细集料的混凝土抗压测试方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310727604.5A CN116625827B (zh) | 2023-06-17 | 2023-06-17 | 含钢渣细集料的混凝土抗压测试方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310727604.5A CN116625827B (zh) | 2023-06-17 | 2023-06-17 | 含钢渣细集料的混凝土抗压测试方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116625827A true CN116625827A (zh) | 2023-08-22 |
CN116625827B CN116625827B (zh) | 2024-01-23 |
Family
ID=87613524
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310727604.5A Active CN116625827B (zh) | 2023-06-17 | 2023-06-17 | 含钢渣细集料的混凝土抗压测试方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116625827B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009098481A1 (en) * | 2008-02-09 | 2009-08-13 | University Of Leeds | A method for producing a masonry unit and a masonry structure formed from said masonry unit |
CN201837458U (zh) * | 2010-11-03 | 2011-05-18 | 南京中地仪器有限公司 | 一种宽谱带模块化地物波谱仪 |
US20160202122A1 (en) * | 2014-12-30 | 2016-07-14 | Huazhong University Of Science And Technology | Detecting device and method combining images with spectrums in ultra-wide waveband |
US20170108456A1 (en) * | 2014-05-13 | 2017-04-20 | Giatec Scientific Inc. | Electrical methods and systems for concrete testing |
CN106596904A (zh) * | 2016-12-05 | 2017-04-26 | 安徽理工大学 | 一种混凝土损伤检测分布式测试系统及测试方法 |
CN109592989A (zh) * | 2018-12-29 | 2019-04-09 | 武汉理工大学 | 一种轻质高强多孔陶粒及其制备方法 |
CN110186954A (zh) * | 2019-05-30 | 2019-08-30 | 佛山科学技术学院 | 一种高强度低绝热温升混凝土及其绝热温升值的分析方法 |
CN111982677A (zh) * | 2020-08-03 | 2020-11-24 | 重庆大学 | 一种预应力混凝土框架结构初始有效预压力现场检测方法 |
CN112380738A (zh) * | 2020-10-20 | 2021-02-19 | 济南大学 | 水泥回转窑燃烧场重构误差补偿与优化方法、存储介质及系统 |
US20210110313A1 (en) * | 2019-09-18 | 2021-04-15 | Hartford Steam Boiler Inspection And Insurance Company | Computer-based systems, computing components and computing objects configured to implement dynamic outlier bias reduction in machine learning models |
CN112711681A (zh) * | 2020-12-31 | 2021-04-27 | 广东新稳建筑检测鉴定有限公司 | 房屋墙壁高处裂缝测量和鉴定方法及系统 |
KR102256243B1 (ko) * | 2020-12-21 | 2021-05-27 | 한국건설기술연구원 | 딥러닝 기반 콘크리트 구조물의 열화 평가 시스템 |
CN113051821A (zh) * | 2021-03-24 | 2021-06-29 | 临沂大学 | 一种混凝土抗压强度预测方法及系统 |
CN113566965A (zh) * | 2021-05-28 | 2021-10-29 | 南京航空航天大学 | 一种紧凑型宽谱段偏振光谱成像系统 |
CN114964557A (zh) * | 2022-04-01 | 2022-08-30 | 中国建材检验认证集团北京天誉有限公司 | 混凝土温度监测方法、装置、设备及存储介质 |
CN116087476A (zh) * | 2022-12-09 | 2023-05-09 | 上海市政工程设计研究总院集团第七设计院有限公司 | 水汽环境下混凝土结构的性能检测系统及性能检测方法 |
-
2023
- 2023-06-17 CN CN202310727604.5A patent/CN116625827B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009098481A1 (en) * | 2008-02-09 | 2009-08-13 | University Of Leeds | A method for producing a masonry unit and a masonry structure formed from said masonry unit |
CN201837458U (zh) * | 2010-11-03 | 2011-05-18 | 南京中地仪器有限公司 | 一种宽谱带模块化地物波谱仪 |
US20170108456A1 (en) * | 2014-05-13 | 2017-04-20 | Giatec Scientific Inc. | Electrical methods and systems for concrete testing |
US20160202122A1 (en) * | 2014-12-30 | 2016-07-14 | Huazhong University Of Science And Technology | Detecting device and method combining images with spectrums in ultra-wide waveband |
CN106596904A (zh) * | 2016-12-05 | 2017-04-26 | 安徽理工大学 | 一种混凝土损伤检测分布式测试系统及测试方法 |
CN109592989A (zh) * | 2018-12-29 | 2019-04-09 | 武汉理工大学 | 一种轻质高强多孔陶粒及其制备方法 |
CN110186954A (zh) * | 2019-05-30 | 2019-08-30 | 佛山科学技术学院 | 一种高强度低绝热温升混凝土及其绝热温升值的分析方法 |
US20210110313A1 (en) * | 2019-09-18 | 2021-04-15 | Hartford Steam Boiler Inspection And Insurance Company | Computer-based systems, computing components and computing objects configured to implement dynamic outlier bias reduction in machine learning models |
CN111982677A (zh) * | 2020-08-03 | 2020-11-24 | 重庆大学 | 一种预应力混凝土框架结构初始有效预压力现场检测方法 |
CN112380738A (zh) * | 2020-10-20 | 2021-02-19 | 济南大学 | 水泥回转窑燃烧场重构误差补偿与优化方法、存储介质及系统 |
KR102256243B1 (ko) * | 2020-12-21 | 2021-05-27 | 한국건설기술연구원 | 딥러닝 기반 콘크리트 구조물의 열화 평가 시스템 |
WO2022139301A1 (ko) * | 2020-12-21 | 2022-06-30 | 한국건설기술연구원 | 딥러닝 기반 콘크리트 구조물의 열화 평가 시스템 및 그 방법 |
CN112711681A (zh) * | 2020-12-31 | 2021-04-27 | 广东新稳建筑检测鉴定有限公司 | 房屋墙壁高处裂缝测量和鉴定方法及系统 |
CN113051821A (zh) * | 2021-03-24 | 2021-06-29 | 临沂大学 | 一种混凝土抗压强度预测方法及系统 |
CN113566965A (zh) * | 2021-05-28 | 2021-10-29 | 南京航空航天大学 | 一种紧凑型宽谱段偏振光谱成像系统 |
CN114964557A (zh) * | 2022-04-01 | 2022-08-30 | 中国建材检验认证集团北京天誉有限公司 | 混凝土温度监测方法、装置、设备及存储介质 |
CN116087476A (zh) * | 2022-12-09 | 2023-05-09 | 上海市政工程设计研究总院集团第七设计院有限公司 | 水汽环境下混凝土结构的性能检测系统及性能检测方法 |
Non-Patent Citations (7)
Title |
---|
JIANG T ET AL: "Behavior of FRP-Confined Recycled Brick Aggregate Concrete under Monotonic Compression", 《JOURNAL OF COMPOSITES FOR CONSTRUCTION》, vol. 24, no. 6, pages 1 - 10 * |
LIU JP ET AL: "Behaviour of CFST column to H-section beam connections with T-shaped vertical anchorage", 《STRUCTURE AND INFRASTRUCTURE ENGINEERING》, vol. 16, no. 2, pages 306 - 327 * |
昌欢等: "基于BP神经网络的钢尾渣-矿渣基充填料强度预测", 《安徽工业大学学报(自然科学版)》, vol. 39, no. 3, pages 256 - 261 * |
汤畅: "含精炼渣全固废胶凝材料协同超细尾砂制备胶结充填材料", 《中国博士学位论文全文数据库 (基础科学辑)》, pages 5 - 25 * |
王晓明: "水泥基渗透结晶型防水剂对不同水灰比混凝土的影响研究", 《中国建筑防水》, no. 4, pages 1 - 5 * |
王晓明等: ".建筑节能检测之常用保温材料检测", 《科技资讯》, no. 10, pages 1 - 5 * |
陈云飞等: "未陈化钢渣在水稳碎石基层的应用", 《筑路机械与施工机械化》, vol. 36, no. 8, pages 1 - 10 * |
Also Published As
Publication number | Publication date |
---|---|
CN116625827B (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108801772B (zh) | 一种用于高速拉伸载荷测试的应变片定位方法 | |
CN111079841A (zh) | 目标识别的训练方法、装置、计算机设备和存储介质 | |
CN110110726A (zh) | 电力设备铭牌识别方法、装置、计算机设备和存储介质 | |
CN103106134A (zh) | 一种性能缺陷检测方法、装置和系统 | |
EP3902313A1 (en) | Field strength testing method | |
CN116625827B (zh) | 含钢渣细集料的混凝土抗压测试方法、装置、设备及介质 | |
CN104089760A (zh) | 内燃机零部件的疲劳试验方法 | |
CN114138581B (zh) | 一种主板测试方法及系统 | |
CN117423299B (zh) | 液晶显示屏的性能检测方法、装置、设备及存储介质 | |
CN103744776A (zh) | 一种基于符号化函数摘要的静态分析方法及系统 | |
CN103593273B (zh) | 一种电路板卡的测试方法、装置和系统 | |
CN111179669B (zh) | 物理力学实验结果的量化方法、装置、终端和存储介质 | |
CN112988662A (zh) | 基于bim的工程监理信息处理方法、系统、设备及存储介质 | |
CN114861569A (zh) | 一种气动特性评估方法、电子设备及存储介质 | |
CN108037119A (zh) | 一种基于典型高分子材料老化的大气环境严酷度评估方法 | |
PH12020550963A1 (en) | Method for determining bacterial number in specimen | |
CN114332016A (zh) | 设备屏幕光斑检测方法及装置 | |
CN108763063A (zh) | 一种无需缺陷标注数据的软件缺陷检测方法 | |
CN110851344A (zh) | 基于计算公式复杂性的大数据测试方法、装置、电子设备 | |
CN116432461B (zh) | 混凝土徐变特性预测方法、装置、电子设备及存储介质 | |
CN103530712A (zh) | 图片样本建立系统及方法 | |
CN114820516A (zh) | 一种工程结构损伤识别方法、系统、设备及存储介质 | |
CN110534155A (zh) | 基于最大相关最小冗余的快速封装式基因选择方法 | |
CN104463681A (zh) | 测量报告生成系统及方法 | |
CN114996519B (zh) | 数据处理方法、装置、电子设备、存储介质及产品 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |