CN117764443A - 基于物联网大数据混凝土全生命周期绿色化品质控制方法 - Google Patents

Abstract

本发明公开了一种基于物联网大数据混凝土全生命周期绿色化品质控制方法，包括如下步骤：步骤一、基于信息化平台对混凝土所需原材料进行选取，以实现混凝土原材料选取的控制；步骤二、基于信息化平台对工程混凝土配合比进行智能化设计，获取待施工项目对应混凝土所需的各原材料配合比；步骤三、基于信息化平台通过混凝土智能工厂结合获取的混凝土配合比对混凝土进行拌和制备，并同时对制备混凝土品质进行自动化检测与控制；步骤四、基于信息化平台采用拌合制备的混凝土进行智能化施工。本发明通过对混凝土全生命周期各个阶段的控制实现混凝土从原材料，配合比设计，生产，施工，直到结构物服役全生命周期的自动化、智能化与绿色化控制。

Description

基于物联网大数据混凝土全生命周期绿色化品质控制方法

技术领域

本发明涉及工程建设技术领域。更具体地说，本发明涉及基于物联网大数据混凝土全生命周期绿色化品质控制方法。

背景技术

混凝土是最基础的建筑材料，在各类建筑物、构筑物中发挥着至关重要的作用，但是混凝土在生产及使用过程中会加剧环境污染，如主要原料水泥带来的污染与耗能问题、河砂开采带来的水土破坏及资源稀缺问题等。混凝土全生命周期绿色化涉及混凝土从原材料，拌合物试配，生产，成型为构件，直到结构物服役全产业流程的各个阶段和全生命周期，要在混凝土生产、浇筑、养护各个环节采用自动化智能化技术开展节能环保改造，降低或杜绝噪声、污水、粉尘、固体废弃物排放等，实现物料转化全过程绿色化及品质控制，目前本领域暂未有相关技术的研究。

发明内容

本发明的一个目的是提供一种基于物联网大数据混凝土全生命周期绿色化品质控制方法，通过对混凝土全生命周期各个阶段的控制实现混凝土从原材料，配合比设计，生产，施工，直到结构物服役全生命周期的自动化、智能化与绿色化控制。

为了实现根据本发明的这些目的和其它优点，提供了基于物联网大数据混凝土全生命周期绿色化品质控制方法，混凝土全生命周期绿色化品质控制通过信息化平台统一管理调度，具体包括如下步骤：

步骤一、基于信息化平台对混凝土所需原材料进行选取，以实现混凝土原材料选取的控制；

步骤二、基于信息化平台结合上述选取的混凝土原材料，对工程混凝土配合比进行智能化设计，获取待施工项目对应混凝土所需的各原材料配合比；

步骤三、基于信息化平台通过混凝土智能工厂结合上述设计获取的混凝土配合比对混凝土进行拌和制备，并同时对制备混凝土品质进行自动化检测与控制；

步骤四、基于信息化平台采用上述拌合制备的混凝土进行智能化施工。

优选的是，所述步骤一具体为：首先，获取全国不同区域不同项目的原材料对应的资源分布、性能特点、服务情况，在信息化平台内形成数据库；其次，根据待施工项目的混凝土设计需求、标准规范，根据待施工项目的片区特点，在上述数据库中筛选对比获得级配标准化的砂石骨料、混合组分标准化的水泥与掺合料以及与标准化胶凝材料适应性强的高效外加剂标准化原材料服务。

优选的是，所述步骤二具体包括：

S21、根据信息化平台内提前获取并记录的历史工程项目数据建立混凝土性能基因库，所述混凝土性能基因库包括：工程区域、各原材料用量、胶水比、水泥胶砂强度、混凝土强度、混凝土工作性能、净浆富余量以及砂浆富余量；其中，净浆富余量＝净浆体积-细集料孔隙体积＝净浆体积-细集料空隙率*细集料体积/(1-细集料空隙率)，砂浆富余量＝砂浆体积-粗集料孔隙体积＝砂浆体积-粗集料空隙率*粗集料体积/(1-粗集料空隙率)；

所述净浆富余量V_ey通过下式计算：

V_ey＝V_e-P_s×V_s/(1-P_s)

式中，V_e为净浆体积，P_s为细骨料孔隙率，V_s为细骨料体积；

所述砂浆富余量V_my通过下式计算：

V_my＝V_m-P_g×V_g/(1-P_g)

式中：V_m为砂浆体积，P_g为粗骨料孔隙率，V_g为粗骨料体积；

S22、通过保罗米公式得到胶水比与混凝土配制强度的线性关系式：

y＝af_cu，o+b

其中，y为胶水比，f_cu，o为混凝土配制强度，a、b为新回归系数；

建立复合胶凝材料胶砂强度模型，

式中，f_b为复合胶凝材料胶砂强度，U_k为胶凝材料k的掺量；i_k为胶凝材料k活性指数测试方法中的掺量；A_k—胶凝材料k的活性指数；f_ce为水泥胶砂强度；

将所述混凝土性能基因库中各胶凝材料用量、水泥胶砂强度数据带入所述复合胶凝材料胶砂强度模型中得到不同区域内不同混凝土强度对应的复合胶凝材料胶砂强度；

结合上述步骤中得到的不同区域内不同混凝土强度对应的复合胶凝材料胶砂强度数据以及所述混凝土性能基因库中的不同区域内不同混凝土强度对应的胶水比数据，带入所述线性关系式进行数据拟合得到不同区域内不同混凝土强度对应的a、b值，形成具有区域特征的新回归系数基因库；

S23、确定混凝土配制强度与工作性能设计目标；

S24、根据混凝土配制强度与工作性能设计目标，结合所述混凝土性能基因库确定砂浆富余量和净浆富余量的取值，计算单位体积混凝土中粗骨料和细骨料的用量；

S25、根据混凝土配制强度与工作性能设计目标以及所述新回归系数基因库，确定新回归系数a、b值，进而确定胶水比、单位体积混凝土中各胶凝材料用量和用水量；

S26、汇总单位体积混凝土中粗骨料、细骨料、各胶凝材料的用量以及用水量得到具体的混凝土配合比数据。

优选的是，步骤S24具体包括：

S241、根据混凝土配制强度与工作性能设计目标，结合所述混凝土性能基因库确定砂浆富余量和净浆富余量的取值；

S242、计算粗骨料的体积V_g和细骨料体积V_s，再通过粗骨料和细骨料密度求解计算单位体积混凝土中粗骨料和细骨料的用量；

S243、对工程现场的各细分粗骨料进行筛分；

S244、结合紧密堆积模型和最小二乘算法构建目标函数，确定骨料紧密堆积条件下各细分粗骨料的质量比；并根据步骤S243得到的粗骨料的用量计算计算单位体积混凝土中各细分粗骨料的质量。

优选的是，步骤S25具体包括：

S251、收集各胶凝材料的物理化学性能数据；

S252、根据混凝土配制强度与工作性能设计目标，结合所述新回归系数基因库确定新回归系数a、b值，计算胶水比的值；

S253、根据胶水比以及混凝土配制强度与工作性能设计目标，结合所述混凝土性能基因库确定各胶凝材料的掺量；

S254、根据各胶凝材的掺量、密度，计算复合胶凝材料的密度以及单位体积混凝土中复合胶凝材料的用量，进而得到单位体积混凝土中各胶凝材料的用量；

S255、根据胶水比以及单位体积混凝土中复合胶凝材料的用量计算单位体积混凝土中的用水量。

优选的是，所述步骤三混凝土生产制备通过混凝土智能化工厂实现，混凝土智能化工厂与信息化平台实现数据连通，具体为：混凝土智能化工厂包括粉料仓储管理车间、骨料仓储管理车间、混凝土生产管理车间、混凝土出厂管理车间，各管理车间均搭载有智能机器人，并设置有智能化控制系统；

所述粉料仓储管理车间内的粉料仓设置有粉料电子门禁及智能料位系统，通过信息化平台输入对应需要粉料的用量，传输给智能化控制系统，其控制粉料电子门禁打开并通过粉料取样装置自动取样粉料至无人值守地磅进行称重，直至称重至设定的粉料用量值，然后通过智能化控制系统控制粉料电子门禁关闭，智能料位系统自动获取粉料仓内的粉料总量并实时显示，粉料取样装置为自动取样自主行走的机器人，无人值守地磅搭载有机器视觉传感器，其获取粉料取样的用量值并与无人值守地磅称重值进行比较，并将结果传输给粉料取样装置，直至无人值守地磅称重至设定的粉料用量值；

所述骨料仓储管理车间内的AI仓储系统获取信息化平台输入的需要骨料的用量，并控制骨料取样机器人在骨料仓中取样，然后至无人值守地磅进行称重，直至称重至设定的粉料用量值，无人值守地磅搭载有机器视觉传感器，其获取骨料取样的用量值并与无人值守地磅称重值进行比较，并将结果传输给骨料取样机器人，直至无人值守地磅称重至设定的骨料用量值；通过控制料仓引导系统将所述粉料仓储管理车间及所述骨料仓储管理车间的无人值守地磅称重的粉料及骨料引导至搅拌楼内；

所述混凝土生产管理车间的搅拌楼搭载有多机集控系统、无人装载机、机器视觉系统，通过机器视觉系统实时监控搅拌楼并将结果传输给多机集控系统，判断是否有物料运输，如有物料运输则通过多机集控系统控制无人装载机将运输的物料对接并输入至搅拌楼内，通过多机集控系统控制搅拌制备混凝土，搅拌楼内设置混凝土工作性能在线监测系统，其实时监测混凝土的各项工作性能直至满足设计要求；

所述混凝土出厂管理车间通过无人搅拌车装载所述混凝土生产管理车间制备的混凝土，并通过智能调度系统控制无人搅拌车至设计的位置，通过塌落度检测与试块制作机器人检测混凝土的坍落度并制作试块。

优选的是，所述步骤四具体为：

首先，在混凝土浇筑施工过程中配置搭载工业相机的可视化透明模板进行施工；

其次，在施工过程中，基于图像形态分析、HSV色域分割以及霍夫检测算法建立混凝土外观缺陷图算法，实现混凝土表面气泡率的智能判断；同时，通过建立振捣棒电流、电压信息和混凝土振捣状态的关系模型，实现混凝土振捣质量缺陷预判；

然后，通过上述获取的混凝土表面气泡率分析、混凝土振捣质量缺陷分析结果，结合混凝土振捣施工质量要求、现场施工条件、施工工艺进行深度分析，确立振捣的时间、频率、位置工艺参数，结合指导振捣终点判断的混凝土振捣曲线，结合施工部位的结构信息、环境信息，在平台中形成三维振捣效果的可视化模型；

最后，将上述获取的混凝土浇筑施工的数据全部记载于信息化平台的数据库中，并在信息化平台的数据库中积累相关施工项目对应的数据，直至形成混凝土振捣质量标准数据库。

优选的是，所述信息化平台还包括数据仓库，其包括可视化决策平台和混凝土基因库，其中，可视化决策平台实现混凝土全生命周期的平台数据的及时收集、对标分析和长期储存，用户或设备上传的数据，首先经过孤立森林算法进行异常检测分类，自动剔除离群值和偏离值，避免误差数据的影响；其次通过主成分分析算法、t-分布随机邻域嵌入算法对多维度的数据分别进行线性和非线性的变换，减少数据维度，实现降维分析和可视化处理；

混凝土基因库包括强度基因库、工作性能基因库、耐久性能基因库和外观质量基因库；针对混凝土全生命周期的数据，利用遗传算法优化的人工神经网络模型，建立了原材料质量、原材料用量、环境因素、混凝土种类和混凝土力学性能之间的非线性映射模型，即为混凝土强度基因库，实现混凝土强度的准确预测；利用随机森林算法，建立了混凝土品种、浇筑方式、强度、坍落度和混凝土的砂浆富余量、净浆富余量之间的非线性映射模型，即为混凝土工作性能基因库，实现富余浆体用量的优化推荐，辅助所述步骤二中的混凝土配合比的智能设计；利用基于随机森林的最小二乘支持向量机算法，建立了原材料质量、原材料用量、环境因素和耐久性能之间的非线性映射模型，即为混凝土耐久性能基因库，实现混凝土抗冻和抗渗性能的精准预测；利用收集到的混凝土外观图片，通过灰度转换和标准差计算，首先建立外观色差的评价方法：标准差0-7.5为一级、7.5-14为二级、14-21为三级、>21为四级，然后利用随机森林算法，建立了原材料质量、原材料用量、环境因素和混凝土外观等级的非线性映射模型，即为外观基因库，实现混凝土外观色差的精准预测。

优选的是，所述信息化平台还包括评价指标体系，是基于对混凝土原材料、配合比、生产、施工和实体检测的混凝土全生命周期数据的收集，提出的包含混凝土原材稳定性指数、实体匀质性指数、生产标准化指数、施工精细化指数、配比绿色化指数五个方面的指标的计算方法，并以五维图的方式实现混凝土的综合评价，并以微积分求导计算五维图的面积，实现不同单位间混凝土产品的综合对标。

优选的是，所述信息化平台还包括综合统筹系统，其包括多个模块，具体为：

需求计划统筹模块通过收集建设项目的整体方量和各部位方量、建设项目的进度计划、项目部的施工组织计划，系统进行混凝土生产计划排产，并将信息反馈至建站选值统筹模块和原材组织统筹模块，同时也可以根据原材料组织情况和设备生产情况，向上优化调整混凝土的排产计划和进度计划；

建站选值统筹模块通过匹配单日生产方量峰值、单小时生产方量峰值和设备的生产能力，结合项目周边的搅拌站分布情况，进行搅拌站设备选型统筹，通过匹配道路条件和运输条件，进行搅拌站选值统筹，同时也可以根据设备情况和运输条件，向上提出需求计划的调整建议；

原材组织统筹模块接受需求计划统筹模块的混凝土生产计划，根据平台收录的理论配合比信息和工控收集的生产配合比信息，形成原材料需求计划并提供至采购部门和供应商，实现原材料提前组织，同时也可以根据原材料组织的实际进度，向上提出生产计划的调整建议；

生产任务统筹模块接受需求计划统筹模块的混凝土生产计划，结合设备生产能力、设备状态、原材料准备情况进行生产排产，形成生产排产计划提供至原材组织统筹模块和设备调度模块，同时也可以根据原材料准备情况和设备准备情况，向上提出生产计划的调整建议；

设备调度统筹模块接受生产任务统筹模块的生产排产计划，分析生产设备的生产能力、设备状态，并形成生产设备调度、设备养护需求提供至设备部，分析生产排产计划形成罐车需求和罐车调度计划提供至车队，实现设备调度，同时也可以根据生产设备、运输设备的实际准备情况，向上提出生产计划的调整建议。

本发明至少包括以下有益效果：

1、本发明通过综合应用BIM技术、北斗技术、分布式微服务架构异步的搅拌站设备采集控制技术，搭建混凝土全生命周期产业绿色化智能平台，综合应用搅拌站设备采集控制技术，采用信息化技术实现混凝土从原材料，配合比设计，生产，施工，直到结构物服役全生命周期的自动化、智能化与绿色化。

2、本发明混凝土原材料绿色化有利于各地区工程混凝土综合成本降低、混凝土结构质量稳步提升、外观等特性的及早预判等，提升混凝土配合比科学性，保障工程质量。

3、本发明工程混凝土配合比智能化设计能大幅减少人工进行混凝土配合比试配的工作量，缩短工程混凝土配合比验证周期，有利于混凝土全生命周期绿色化水平提升。

4、本发明混凝土生产全过程绿色化通过基于机器感知和执行的混凝土智能工厂来实现混凝土生产全过程的智能化管理，大幅减少现场生产人员，提升混凝土品质，降低安全风险。

5、本发明混凝土施工过程绿色化在混凝土施工过程中通过混凝土智能振捣系统、模板可视化技术、大体积混凝土智能温控与抗裂技术的集成与联合应用，实现混凝土施工过程中质量可控，保证混凝土工程绿色经济耐久。

本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。

附图说明

图1为本发明混凝土全生命周期绿色化品质控制方法实施流程图；

图2为本发明混凝土智能工厂原材料管理流程图；

图3为本发明粗骨料紧密堆积曲线拟合图；

图4为本发明混凝土表明气泡检测流程图；

图5为本发明混凝土振捣曲线。

具体实施方式

下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

需要说明的是，在本发明的描述中，术语“横向”、“纵向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，并不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

如图1所示，本发明提供一种基于物联网大数据混凝土全生命周期绿色化品质控制方法，混凝土全生命周期绿色化品质控制通过信息化平台统一管理调度，具体包括如下步骤：

步骤一、基于信息化平台对混凝土所需原材料进行选取，以实现混凝土原材料选取的控制；

步骤二、基于信息化平台结合上述选取的混凝土原材料，对工程混凝土配合比进行智能化设计，获取待施工项目对应混凝土所需的各原材料配合比；

步骤三、基于信息化平台通过混凝土智能工厂结合上述设计获取的混凝土配合比对混凝土进行拌和制备，并同时对制备混凝土品质进行自动化检测与控制；

步骤四、基于信息化平台采用上述拌合制备的混凝土进行智能化施工。

混凝土全生命周期绿色化品质控制智能信息化平台采用了BIM技术、北斗技术、分布式微服务架构异步的搅拌站设备采集等控制技术，形成容器化高可用的集群部署模式。混凝土全生命周期绿色化品质控制智能信息化平台通过数据协同串联混凝土智能检测配制技术、混凝土绿色生产及智能施工技术、混凝土实体结构智能感知与资源化利用等关键技术，实现资源统筹、技术协同和混凝土全生命周期绿色化水平最优。

在一种具体实施方案中。

所述步骤一具体为：首先，获取全国不同区域不同项目的原材料对应的资源分布、性能特点、服务情况，在信息化平台内形成数据库；其次，根据待施工项目的混凝土设计需求、标准规范，根据待施工项目的片区特点，在上述数据库中筛选对比获得级配标准化的砂石骨料、混合组分标准化的水泥与掺合料以及与标准化胶凝材料适应性强的高效外加剂标准化原材料服务。

混凝土原材料绿色化具体指在混凝土全生命周期的原材料选取阶段综合分析来自全国不同区域项目的原材料资源分布、性能特点、服务情况(混凝土原材料的资源分布情况、原材料的物理化学性能数据及供应商的物流运输服务、售后服务数据等)，结合项目混凝土设计需求、标准规范，根据各片区特点提供级配标准化的砂石骨料、混合组分标准化的水泥与掺合料以及与标准化胶凝材料适应性强的高效外加剂等标准化原材料服务。从而实现各地区工程混凝土综合成本降低、混凝土结构质量稳步提升、外观等特性的及早预判等，提升混凝土配合比科学性，保障工程质量。

在一种具体实施方案中。

工程混凝土配合比智能化设计通过统计大量实际工程项目上不同强度等级、不同工作性能、不同应用领域的混凝土配合比数据，结合最紧密堆积优化算法和改进的保罗米公式对统计的混凝土配比大数据进行人工智能分析，利用大数据算法建立原材、配比、环境与砼性能的映射模型，构建成长型混凝土配比基因库。所述步骤二具体包括：

S21、根据信息化平台内提前获取并记录的历史工程项目数据建立混凝土性能基因库，所述混凝土性能基因库包括：工程区域、各原材料用量、胶水比、水泥胶砂强度、混凝土强度、混凝土工作性能、净浆富余量以及砂浆富余量；其中，净浆富余量＝净浆体积-细集料孔隙体积＝净浆体积-细集料空隙率*细集料体积/(1-细集料空隙率)，砂浆富余量＝砂浆体积-粗集料孔隙体积＝砂浆体积-粗集料空隙率*粗集料体积/(1-粗集料空隙率)；

所述净浆富余量V_ey通过下式计算：

V_ey＝V_e-P_s×V_s/(1-P_s) (2)

式中，V_e为净浆体积，P_s为细骨料孔隙率，V_s为细骨料体积；

所述砂浆富余量V_my通过下式计算：

V_my＝V_m-P_g×V_g/(1-P_g) (3)

式中：V_m为砂浆体积，P_g为粗骨料孔隙率，V_g为粗骨料体积；

统计大量实际工程项目上不同混凝土强度等级、不同工作性能、不同应用领域的混凝土配合比数据，利用大数据算法建立所述混凝土性能基因库。以表1中的100组工程项目中混凝土配合比数据为例作为所述混凝土性能基因库进行所述基于大数据的混凝土配合比设计方法的说明。

表1 100组工程项目中混凝土配合比数据

S22、通过保罗米公式得到胶水比与混凝土配制强度的线性关系式：

y＝af_cu，o+b (1)

其中，y为胶水比，f_cu，o为混凝土配制强度，a、b为新回归系数；

将混凝土性能基因库中的数据带入所述线性关系式(1)进行数据拟合，得到不同区域内不同混凝土强度对应的a、b值，形成具有区域特征的新回归系数基因库；

建立所述新回归系数基因库具体包括：

建立复合胶凝材料胶砂强度模型，

式中，f_b为复合胶凝材料胶砂强度，U_k为胶凝材料k的掺量；i_k为胶凝材料k活性指数测试方法中的掺量；A_k—胶凝材料k的活性指数；f_ce为水泥胶砂强度；

将所述混凝土性能基因库中各胶凝材料用量、水泥胶砂强度数据带入所述复合胶凝材料胶砂强度模型中得到不同区域内不同混凝土强度对应的复合胶凝材料胶砂强度；

对于同种复合胶凝材料，水胶比与混凝土配制强度f_cu,0存在非线性的反比例关系，对Bolomy公式两边取倒数，得到胶水比与f_cu,0、f_b的关系如下：

进而得到：

b＝a_b (7)

其中，a_a、a_b为保罗米公式中的回归系数；

结合上述步骤中得到的不同区域内不同混凝土强度对应的复合胶凝材料胶砂强度数据，将复合胶凝材料胶砂强度相近的配比视为同种复合胶凝材料，并且将所述混凝土性能基因库中的不同区域内不同混凝土强度对应的胶水比数据，带入式(1)、式(6)和式(7)中进行数据拟合得到不同区域内不同混凝土强度对应的a_a、a_b值，进而得到不同区域内不同混凝土强度对应的a、b值，形成具有区域特征的新回归系数基因库，表2中以100组工程项目中混凝土配合比对应的新回归系数为例作为所述混凝土性能基因库。

表2 100组工程项目混凝土配合比对应的新回归系数基因库

S23、确定混凝土配制强度与工作性能设计目标；根据全国不同区域项目的原材料资源分布、性能特点，结合项目混凝土设计需求、标准规范，确定混凝土配制强度与工作性能设计目标。本实施例以设计坍落度为200mm，28天抗压强度为43MPa的混凝土配合比为例。

S24、根据混凝土配制强度与工作性能设计目标，结合所述混凝土性能基因库确定砂浆富余量和净浆富余量的取值，计算单位体积混凝土中粗骨料和细骨料的用量；

步骤S24具体包括：

S241、根据混凝土配制强度与工作性能设计目标，结合所述混凝土性能基因库确定砂浆富余量和净浆富余量的取值；根据混凝土坍落度为220mm，28天抗压强度为40MPa的设计目标，在所述混凝土性能基因库中确定砂浆富余量的取值范围为280-320L，净浆富余量的取值范围为68-92L，在上述范围中选取砂浆富余量和净浆富余量的取值，本实施例中净浆富余量体积V_ey取70L，砂浆富余量体积V_my取280L。

S242、计算粗骨料的体积V_g和细骨料体积V_s，再通过粗骨料和细骨料密度求解计算单位体积混凝土中粗骨料和细骨料的用量；

根据式(2)和式(3)可推导得到：

V_g＝(1000-V_k-V_my)/(P_g/(1-P_g)+1) (8)

V_s＝(V_m-V_ey)/(P_s/(1-P_s)+1) (9)

式(8)，V_k为空气体积；本实施例中，V_k取值为20L，P_g取值为43％，P_s取值为40％；

由式(8)、式(9)求解得到Vg＝399L，Vs＝306.6L。

本实施例中粗骨料密度为2650kg/m³，细骨料密度为2650kg/m³，由此求解得到单位体积混凝土中粗骨料用量为1057kg，细骨料用量为797kg。

S243、对工程现场的各细分粗骨料进行筛分；

假设当D＝Ds时，CFPT＝0，当D＝D_L时，CFPT＝100，则公式为：

式(10)中：CPFT—小于粒度D的含量百分率，％；

D—筛孔尺寸，mm；

Ds—混合集料中最小颗粒的直径，mm；

D_L—混合集料中最大颗粒的直径，mm；

n—分布模数，取值范围为0.2～0.4。

本实施例中，粗骨料中各细分粗骨料的数据信息如表3所示：

表3粗骨料筛分结果

S244、结合紧密堆积模型和最小二乘算法构建目标函数，确定骨料紧密堆积条件下各细分粗骨料的质量比；并根据步骤S243得到的粗骨料的用量计算计算单位体积混凝土中各细分粗骨料的质量。

建立多元混合骨料堆积曲线与目标级配曲线的残差平方和公式如下：

式(11)中：Ss为残差平方和，P_mix及P_tar分别为实际堆积曲线和目标级配曲线。

通过计算机程序运算，计算Ss最小时的颗粒组成方案，使混合骨料的颗粒组成最接近目标曲线，最后，输出最接近目标级配的颗粒组成。本实施例中，输入粗骨料1和粗骨料2的筛分数据后，进行紧密堆积运算，得到最接近理论堆积曲线的粗骨料质量比为：粗骨料1：粗骨料2＝19:81，紧密堆积曲线拟合结果如图3所示。根据S42中计算的单位体积混凝土中粗骨料用量，可得到单位体积混凝土中粗骨料1的用量为201kg，粗骨料2的用量为856kg。

S25、根据混凝土配制强度与工作性能设计目标以及所述新回归系数基因库，确定新回归系数a、b值，进而确定胶水比、单位体积混凝土中各胶凝材料用量和用水量；

步骤S25具体包括：

S251、收集各胶凝材料的物理化学性能数据；

本实施例中以水泥、粉煤灰作为胶凝材料为例进行说明，二者的物理化学性能数据如表4、表5所示：

表4水泥性能数据

表5粉煤灰性能数据

S252、根据混凝土配制强度与工作性能设计目标，结合所述新回归系数基因库确定新回归系数a、b值，计算胶水比的值；根据混凝土坍落度为220mm，28天抗压强度为40MPa的设计目标，在所述新回归系数基因库中确定新回归系数a、b值，然后根据式(1)计算对应的胶水比的值；本实施例中，对应表2中编号29行，a取值0.06，b取值0.29，计算得到胶水比

S253、根据胶水比以及混凝土配制强度与工作性能设计目标，结合所述混凝土性能基因库确定各胶凝材料的掺量；根据混凝土坍落度为220mm，28天抗压强度为40MPa的设计目标以及计算的胶水比数值，在表1中选取符合要求的粉煤灰掺量为15％-50％，实际选取时，混凝土的28天抗压强度设计目标可以放大为接近40MPa的一定范围内，如40±5MPa；本实施例中选取粉煤灰的掺量为45％，则对应的水泥的掺量为55％。此时根据复合胶凝材料强度计算公式(4)计算得出f_b的值为32.62MPa。

S254、根据各胶凝材的掺量、密度，计算复合胶凝材料的密度ρ以及单位体积混凝土中复合胶凝材料的用量M，进而得到单位体积混凝土中各胶凝材料的用量M_i；

式(12)中，U₁为水泥的掺量，U₂为粉煤灰的掺量，ρ₁为水泥的密度，ρ₂为粉煤灰的密度；计算得到计算ρ＝2740kg/m³，M＝363kg，其中水泥的用量M₁＝200kg，粉煤灰的用量M₂＝163kg。

S255、根据胶水比以及单位体积混凝土中复合胶凝材料的用量计算单位体积混凝土中的用水量M_w，

S26、汇总单位体积混凝土中粗骨料、细骨料、各胶凝材料的用量以及用水量得到具体的混凝土配合比数据。

本实施例中外加剂掺量按西卡减水剂厂家推荐掺量1.2％进行计算，即其用量为复合胶凝材料的用量M的1.2％，为4.36kg。具体的混凝土配合比数据如表6所示：

表6

对于相同的混凝土配制强度与工作性能设计目标，采用传统的混凝土配合比设计方法得到的混凝土配合比如表7所示：

表7

分别对本发明提供的基于大数据的混凝土配合比设计方法得到的混凝土配合比P1和传统的混凝土配合比设计方法得到的混凝土配合比P2进行试验验证，验证结果如表8所示：

表8

本实施例的设计目标为混凝土坍落度为220mm，28天抗压强度为40MPa，本发明提供的基于大数据的混凝土配合比设计方法得到的混凝土配合比P1和传统的混凝土配合比设计方法得到的混凝土配合比P2的试验验证结果与设计值结果相当，均能满足设计需求。但是详细对比两种方法得到的混凝土配合比，明显可以发现P1在混凝土28天强度值和坍落度值接近的情况下，配合比中水泥用量要低100kg；并且由水泥、粉煤灰以及水构成的净浆用量为506kg，而P2中净浆用量为535kg。对比可见，本发明提供的基于大数据的混凝土配合比设计方法得到的混凝土配合比在满足设计要求的前提下，要比采用传统的混凝土配合比设计方法得到的混凝土配合比经济性更好，更加复合符合绿色低碳的要求。

在一种具体实施方案中。

如图2所示，混凝土生产全过程绿色化通过基于机器感知和执行的混凝土智能工厂来实现。通过在粉料仓储管理车间、骨料仓储管理车间、混凝土生产管理车间、混凝土出厂管理车间等车间全面应用机器人技术、智能传感技术、图像识别技术、机器视觉技术、自动驾驶技术、AI算法等基于机器感知和执行的智能化技术，实现混凝土生产全过程的智能化管理，大幅减少现场生产人员。所述步骤三混凝土生产制备通过混凝土智能化工厂实现，混凝土智能化工厂与信息化平台实现数据连通，具体为：混凝土智能化工厂包括粉料仓储管理车间、骨料仓储管理车间、混凝土生产管理车间、混凝土出厂管理车间，各管理车间均搭载有智能机器人，并设置有智能化控制系统；

所述粉料仓储管理车间内的粉料仓设置有粉料电子门禁及智能料位系统，通过信息化平台输入对应需要粉料的用量，传输给智能化控制系统，其控制粉料电子门禁打开并通过粉料取样装置自动取样粉料至无人值守地磅进行称重，直至称重至设定的粉料用量值，然后通过智能化控制系统控制粉料电子门禁关闭，智能料位系统自动获取粉料仓内的粉料总量并实时显示，粉料取样装置为自动取样自主行走的机器人，无人值守地磅搭载有机器视觉传感器，其获取粉料取样的用量值并与无人值守地磅称重值进行比较，并将结果传输给粉料取样装置，直至无人值守地磅称重至设定的粉料用量值；

所述骨料仓储管理车间内的AI仓储系统获取信息化平台输入的需要骨料的用量，并控制骨料取样机器人在骨料仓中取样，然后至无人值守地磅进行称重，直至称重至设定的粉料用量值，无人值守地磅搭载有机器视觉传感器，其获取骨料取样的用量值并与无人值守地磅称重值进行比较，并将结果传输给骨料取样机器人，直至无人值守地磅称重至设定的骨料用量值；通过控制料仓引导系统将所述粉料仓储管理车间及所述骨料仓储管理车间的无人值守地磅称重的粉料及骨料引导至搅拌楼内；

所述混凝土生产管理车间的搅拌楼搭载有多机集控系统、无人装载机、机器视觉系统，通过机器视觉系统实时监控搅拌楼并将结果传输给多机集控系统，判断是否有物料运输，如有物料运输则通过多机集控系统控制无人装载机将运输的物料对接并输入至搅拌楼内，通过多机集控系统控制搅拌制备混凝土，搅拌楼内设置混凝土工作性能在线监测系统，其实时监测混凝土的各项工作性能直至满足设计要求；

所述混凝土出厂管理车间通过无人搅拌车装载所述混凝土生产管理车间制备的混凝土，并通过智能调度系统控制无人搅拌车至设计的位置，通过塌落度检测与试块制作机器人检测混凝土的坍落度并制作试块。

混凝土全生命周期绿色化智能平台在混凝土生产过程中通过混凝土智能调度系统、混凝土料仓智能管控系统、新拌混凝土性能智能检测系统、混凝土站场废水废渣综合利用系统的联合应用，实现混凝土生产过程智能化、绿色化。

在一种具体实施方案中。

混凝土智能施工模块，实现了混凝土振捣施工过程的数字化。由于混凝土现场施工工作量巨大，依靠人工作业难以实现定量化精细管控，可能导致振捣质量缺陷的产生，甚至可能引发关键部位开裂等结构安全问题。所述步骤四具体为：

首先，在混凝土浇筑施工过程中配置搭载工业相机的可视化透明模板进行施工；

其次，在施工过程中，基于图像形态分析、HSV色域分割以及霍夫检测算法建立混凝土外观缺陷图算法，实现混凝土表面气泡率的智能判断，具体为：

(1)图片预处理，同时进行数据标注，同时划分训练集和验证集；

(2)建立YOLO-v5深度网络模型，如图4所示；

(3)训练模型，同时载入训练后的模型，进行目标检测。

YOLO-v5网络主要包括Input(输入层)、Backbone(主干网络)、Neck(瓶颈端)以及Detect Head(检测头)。其中Input即网络输入，通常是固定尺寸的图片；Backbone为YOLOv5s网络结构中的主干网络，是用于从原始图像提取特征的核心网络架构。Backbone主干网络通常由卷积层和池化层组成，这些层逐渐减小特征图的尺寸并增加其抽象程度。随着数据通过网络流动，每个层都会对其进行处理，以便更好地捕捉输入数据的关键特征；Neck网络连接Backbone和Detect，负责从卷积层和池化层提取的特征中进一步提取更高级别特征，并进行特征融合；Detect Head网络为YOLOv5网络的检测头，接受Neck的深层次特征，预测目标的种类与位置，生成Bounding box。

同时，通过建立振捣棒电流、电压信息和混凝土振捣状态的关系模型，实现混凝土振捣质量缺陷预判；如图5所示，通过对不同状态混凝土进行实验室振捣试验，绘制电流与振捣时间、振捣密度曲线等，实现特定场景(预制构件场、筑塔机)的混凝土智能化振捣施工；

然后，通过上述获取的混凝土表面气泡率分析、混凝土振捣质量缺陷分析结果，结合混凝土振捣施工质量要求、现场施工条件、施工工艺进行深度分析，确立振捣的时间、频率、位置工艺参数，结合指导振捣终点判断的混凝土振捣曲线，如图5所示，结合施工部位的结构信息、环境信息，在平台中形成三维振捣效果的可视化模型；

最后，将上述获取的混凝土浇筑施工的数据全部记载于信息化平台的数据库中，实现对混凝土振捣施工质量的智能化、实时化监控，指导作业人员合理调整作业行为，经过大量生产数据积，并在信息化平台的数据库中积累相关施工项目对应的数据，直至形成混凝土振捣质量标准数据库。

在一种具体实施方案中。

所述信息化平台括平台底座、评价指标体系、数据仓库和综合统筹系统。平台底座采用了分布式、微服务架构，异步的搅拌站设备采集控制技术，以及容器化的部署模式，并建立了完善的混凝土数据标准，可支持PC端、移动端多种产品形态，且系统适应性强，有效降低了平台开发的技术复杂度，有助于实现平台的快速部署和后期迭代。

所述信息化平台还包括数据仓库，其包括可视化决策平台和混凝土基因库，其中，可视化决策平台实现混凝土全生命周期的平台数据的及时收集、对标分析和长期储存，用户或设备上传的数据，首先经过孤立森林算法(iForest)进行异常检测分类，自动剔除离群值和偏离值，避免误差数据的影响；其次通过主成分分析算法(PCA)、t-分布随机邻域嵌入(t-SNE)算法对多维度的数据分别进行线性和非线性的变换，减少数据维度，实现降维分析和可视化处理；在海量数据下为用户提供高效率、高准确度的数据呈现，实现数据的自我对标、同级对标、行业对标，辅助管理决策。

混凝土基因库包括强度基因库、工作性能基因库、耐久性能基因库和外观质量基因库；针对混凝土全生命周期的数据，利用遗传算法优化的人工神经网络模型，建立了原材料质量、原材料用量、环境因素、混凝土种类和混凝土力学性能之间的非线性映射模型，即为混凝土强度基因库，实现混凝土强度的准确预测；利用随机森林算法，建立了混凝土品种、浇筑方式、强度、坍落度和混凝土的砂浆富余量、净浆富余量之间的非线性映射模型，即为混凝土工作性能基因库，实现富余浆体用量的优化推荐，辅助所述步骤二中的混凝土配合比的智能设计；利用基于随机森林的最小二乘支持向量机算法，建立了原材料质量、原材料用量、环境因素和耐久性能之间的非线性映射模型，即为混凝土耐久性能基因库，实现混凝土抗冻和抗渗性能的精准预测；利用收集到的混凝土外观图片，通过灰度转换和标准差计算，首先建立外观色差的评价方法：标准差0-7.5为一级、7.5-14为二级、14-21为三级、>21为四级，然后利用随机森林算法，建立了原材料质量、原材料用量、环境因素和混凝土外观等级的非线性映射模型，即为外观基因库，实现混凝土外观色差的精准预测。

所述信息化平台还包括评价指标体系，是基于对混凝土原材料、配合比、生产、施工和实体检测的混凝土全生命周期数据的收集，提出的包含混凝土原材稳定性指数、实体匀质性指数、生产标准化指数、施工精细化指数、配比绿色化指数五个方面的指标的计算方法，并以五维图的方式实现混凝土的综合评价，并以微积分求导计算五维图的面积，实现不同单位间混凝土产品的综合对标。原材料指标包含：水泥、砂、石、粉煤灰、矿粉、硅灰等原材料的物理化学指标(如水泥胶砂28天强度、砂的细度模数、石的孔隙率、粒径范围、粉煤灰活性指数、矿粉活性指数、硅灰活性指数等参数，上述参数均可以通过实验检测得到)。

所述信息化平台还包括综合统筹系统，大数据中心是数据应用系统，是一个双向优化的综合统筹系统，包括需求计划统筹模块、建站选址统筹模块、原材组织统筹模块、生产任务统筹模块和设备调度统筹模块，通过链接需求端、设备端、材料端、应用端需求，实现生产资源的整体优化配制，驱动各环节合理运行。包括多个模块，具体为：

需求计划统筹模块通过收集建设项目的整体方量和各部位方量、建设项目的进度计划、项目部的施工组织计划，系统进行混凝土生产计划排产，并将信息反馈至建站选值统筹模块和原材组织统筹模块，同时也可以根据原材料组织情况和设备生产情况，向上优化调整混凝土的排产计划和进度计划；

建站选值统筹模块通过匹配单日生产方量峰值、单小时生产方量峰值和设备的生产能力，结合项目周边的搅拌站分布情况，进行搅拌站设备选型统筹，通过匹配道路条件和运输条件，进行搅拌站选值统筹，同时也可以根据设备情况和运输条件，向上提出需求计划的调整建议；

原材组织统筹模块接受需求计划统筹模块的混凝土生产计划，根据平台收录的理论配合比信息和工控收集的生产配合比信息，形成原材料需求计划并提供至采购部门和供应商，实现原材料提前组织，同时也可以根据原材料组织的实际进度，向上提出生产计划的调整建议；

生产任务统筹模块接受需求计划统筹模块的混凝土生产计划，结合设备生产能力、设备状态、原材料准备情况进行生产排产，形成生产排产计划提供至原材组织统筹模块和设备调度模块，同时也可以根据原材料准备情况和设备准备情况，向上提出生产计划的调整建议；

设备调度统筹模块接受生产任务统筹模块的生产排产计划，分析生产设备的生产能力、设备状态，并形成生产设备调度、设备养护需求提供至设备部，分析生产排产计划形成罐车需求和罐车调度计划提供至车队，实现设备调度，同时也可以根据生产设备、运输设备的实际准备情况，向上提出生产计划的调整建议。

实施例

本发明提出的一种基于物联网大数据的混凝土全生命周期绿色化及品质控制方法，该方法一共在全国300多个实际工程项目得到了部署与应用，以江苏片区的某桥梁工程项目为例来说明本发明申请的实施步骤。

1、在混凝土原材料绿色化方面，综合分析江苏同区域项目的原材料资源分布、性能特点、服务情况，结合项目混凝土设计需求、标准规范，根据江苏片区特点提供如下原材料优化：

(1)统一调配级配标准化的砂石骨料，将混凝土骨料孔隙率降低3％，从而实现单方混凝土平均节约水泥20Kg。

(2)根据江苏片区的胶凝材料分布情况，调配组分标准化的水泥与掺合料以及与标准化胶凝材料适应性强的高效外加剂，实现该桥梁工程单方混凝土综合成本降低20元，与此同时混凝土结构工程的质量、外观等特性得到有效的保障。

2、工程混凝土配合比智能化设计实施方面，本实施例以设计坍落度为200mm，28天抗压强度为43MPa的混凝土配合比为例。基于工程现场砂石骨料的分级筛余数据，结合MAA紧密堆积模型和最小二乘算法(LSM)构建目标函数，实现颗粒的紧密堆积设计，确定骨料紧密堆积条件下砂、石骨料的用量。输入粗骨料1和粗骨料2的筛分数据后，经过计算机进行紧密堆积运算，得到最接近理论堆积曲线的粗骨料质量比为：粗骨料1：粗骨料2＝19:81。结合工作性基因库确定富余砂浆取值范围为280-320L，本实施例富余砂浆取280L，富余净浆取值范围为68-92L，本实施例富余净浆取70L。由此求解得到每立方米混凝土中细骨料质量为797kg，粗骨料质量为1057kg。

结合工程现场水泥性能指标、掺合料种类、掺量和活性指数，结合“等效水泥”模型，和a、b值基因库确定水胶比和各掺合料用量。由此求得胶凝材料复合密度为2740kg/m3,胶凝材料总质量为363kg，其中水泥为200kg，粉煤灰为163kg，用水量＝水胶比*胶凝材料总质量＝142kg。

通过体积法与各材料的密度数据求解出混凝土配合比中各组分的质量数据从而得到具体的混凝土配合比数据如下表9所示。该方法设计的混凝土配合比相较传统配合比设计方法，在保证混凝土设计目标值和施工性能的前提下，单方混凝土能增加矿物掺合料50-10kg，进而减少单方混凝土水泥用量50-100kg，从而达到绿色低碳节能减排的目的。

表9

3、在混凝土智能化生产实施方面，混凝土生产全过程绿色化通过基于机器感知和执行的混凝土智能工厂来实现。

4、在混凝土智能施工实施方面，实现对混凝土振捣施工质量的智能化、实时化监控，指导作业人员合理调整作业行为，经过大量生产数据积累，形成混凝土振捣质量标准数据库。

5、信息化平台实施方面，本实施例中的桥梁工程项目采用的信息化平台包括平台底座、评价指标体系、数据仓库和大数据中心模块这几个部分。

本实施例中的桥梁工程项目综合使用本发明的一种基于物联网大数据的混凝土全生命周期绿色化及品质控制系统与方法后，在混凝土全生命周期实现碳排放大幅降低，同时实现混凝土单方成本的综合最优，具体效率对比如下表10所示。与应用本发明之前相比较，实现混凝土全生命周期碳排放降低30.25％，混凝土单方综合成本减低30元，混凝土结构工程一次性合格率提升3.13％，且总计算工期节省12％。故应用本发明的一种基于物联网大数据的混凝土全生命周期绿色化及品质控制系统与方法能实现工程项目成本节约，全生产过程碳排放大幅降低，且能提高混凝土结构工程一次性合格率和节省工程建造工期。

表10效益对比表

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (10)

1.基于物联网大数据混凝土全生命周期绿色化品质控制方法，其特征在于，混凝土全生命周期绿色化品质控制通过信息化平台统一管理调度，具体包括如下步骤：

步骤一、基于信息化平台对混凝土所需原材料进行选取，以实现混凝土原材料选取的控制；

步骤二、基于信息化平台结合上述选取的混凝土原材料，对工程混凝土配合比进行智能化设计，获取待施工项目对应混凝土所需的各原材料配合比；

步骤三、基于信息化平台通过混凝土智能工厂结合上述设计获取的混凝土配合比对混凝土进行拌和制备，并同时对制备混凝土品质进行自动化检测与控制；

步骤四、基于信息化平台采用上述拌合制备的混凝土进行智能化施工。

2.如权利要求1所述的基于物联网大数据混凝土全生命周期绿色化品质控制方法，其特征在于，所述步骤一具体为：首先，获取全国不同区域不同项目的原材料对应的资源分布、性能特点、服务情况，在信息化平台内形成数据库；其次，根据待施工项目的混凝土设计需求、标准规范，根据待施工项目的片区特点，在上述数据库中筛选对比获得级配标准化的砂石骨料、混合组分标准化的水泥与掺合料以及与标准化胶凝材料适应性强的高效外加剂标准化原材料服务。

3.如权利要求1所述的基于物联网大数据混凝土全生命周期绿色化品质控制方法，其特征在于，所述步骤二具体包括：

S21、根据信息化平台内提前获取并记录的历史工程项目数据建立混凝土性能基因库，所述混凝土性能基因库包括：工程区域、各原材料用量、胶水比、水泥胶砂强度、混凝土强度、混凝土工作性能、净浆富余量以及砂浆富余量；其中，净浆富余量＝净浆体积-细集料孔隙体积＝净浆体积-细集料空隙率*细集料体积/(1-细集料空隙率)，砂浆富余量＝砂浆体积-粗集料孔隙体积＝砂浆体积-粗集料空隙率*粗集料体积/(1-粗集料空隙率)；

所述净浆富余量V_ey通过下式计算：

V_ey＝V_e-P_s×V_s/(1-P_s)

式中，V_e为净浆体积，P_s为细骨料孔隙率，V_s为细骨料体积；

所述砂浆富余量V_my通过下式计算：

V_my＝V_m-P_g×V_g/(1-P_g)

式中：V_m为砂浆体积，P_g为粗骨料孔隙率，V_g为粗骨料体积；

S22、通过保罗米公式得到胶水比与混凝土配制强度的线性关系式：

y＝af_cu，o+b

其中，y为胶水比，f_cu，o为混凝土配制强度，a、b为新回归系数；

建立复合胶凝材料胶砂强度模型，

式中，f_b为复合胶凝材料胶砂强度，U_k为胶凝材料k的掺量；i_k为胶凝材料k活性指数测试方法中的掺量；A_k-胶凝材料k的活性指数；f_ce为水泥胶砂强度；

将所述混凝土性能基因库中各胶凝材料用量、水泥胶砂强度数据带入所述复合胶凝材料胶砂强度模型中得到不同区域内不同混凝土强度对应的复合胶凝材料胶砂强度；

结合上述步骤中得到的不同区域内不同混凝土强度对应的复合胶凝材料胶砂强度数据以及所述混凝土性能基因库中的不同区域内不同混凝土强度对应的胶水比数据，带入所述线性关系式进行数据拟合得到不同区域内不同混凝土强度对应的a、b值，形成具有区域特征的新回归系数基因库；

S23、确定混凝土配制强度与工作性能设计目标；

S24、根据混凝土配制强度与工作性能设计目标，结合所述混凝土性能基因库确定砂浆富余量和净浆富余量的取值，计算单位体积混凝土中粗骨料和细骨料的用量；

S25、根据混凝土配制强度与工作性能设计目标以及所述新回归系数基因库，确定新回归系数a、b值，进而确定胶水比、单位体积混凝土中各胶凝材料用量和用水量；

S26、汇总单位体积混凝土中粗骨料、细骨料、各胶凝材料的用量以及用水量得到具体的混凝土配合比数据。

4.如权利要求3所述的基于物联网大数据混凝土全生命周期绿色化品质控制方法，其特征在于，步骤S24具体包括：

S241、根据混凝土配制强度与工作性能设计目标，结合所述混凝土性能基因库确定砂浆富余量和净浆富余量的取值；

S242、计算粗骨料的体积V_g和细骨料体积V_s，再通过粗骨料和细骨料密度求解计算单位体积混凝土中粗骨料和细骨料的用量；

S243、对工程现场的各细分粗骨料进行筛分；

S244、结合紧密堆积模型和最小二乘算法构建目标函数，确定骨料紧密堆积条件下各细分粗骨料的质量比；并根据步骤S243得到的粗骨料的用量计算计算单位体积混凝土中各细分粗骨料的质量。

5.如权利要求4所述的基于物联网大数据混凝土全生命周期绿色化品质控制方法，其特征在于，步骤S25具体包括：

S251、收集各胶凝材料的物理化学性能数据；

S252、根据混凝土配制强度与工作性能设计目标，结合所述新回归系数基因库确定新回归系数a、b值，计算胶水比的值；

S253、根据胶水比以及混凝土配制强度与工作性能设计目标，结合所述混凝土性能基因库确定各胶凝材料的掺量；

S254、根据各胶凝材的掺量、密度，计算复合胶凝材料的密度以及单位体积混凝土中复合胶凝材料的用量，进而得到单位体积混凝土中各胶凝材料的用量；

S255、根据胶水比以及单位体积混凝土中复合胶凝材料的用量计算单位体积混凝土中的用水量。

6.如权利要求1所述的基于物联网大数据混凝土全生命周期绿色化品质控制方法，其特征在于，所述步骤三混凝土生产制备通过混凝土智能化工厂实现，混凝土智能化工厂与信息化平台实现数据连通，具体为：混凝土智能化工厂包括粉料仓储管理车间、骨料仓储管理车间、混凝土生产管理车间、混凝土出厂管理车间，各管理车间均搭载有智能机器人，并设置有智能化控制系统；

所述粉料仓储管理车间内的粉料仓设置有粉料电子门禁及智能料位系统，通过信息化平台输入对应需要粉料的用量，传输给智能化控制系统，其控制粉料电子门禁打开并通过粉料取样装置自动取样粉料至无人值守地磅进行称重，直至称重至设定的粉料用量值，然后通过智能化控制系统控制粉料电子门禁关闭，智能料位系统自动获取粉料仓内的粉料总量并实时显示，粉料取样装置为自动取样自主行走的机器人，无人值守地磅搭载有机器视觉传感器，其获取粉料取样的用量值并与无人值守地磅称重值进行比较，并将结果传输给粉料取样装置，直至无人值守地磅称重至设定的粉料用量值；

所述骨料仓储管理车间内的AI仓储系统获取信息化平台输入的需要骨料的用量，并控制骨料取样机器人在骨料仓中取样，然后至无人值守地磅进行称重，直至称重至设定的粉料用量值，无人值守地磅搭载有机器视觉传感器，其获取骨料取样的用量值并与无人值守地磅称重值进行比较，并将结果传输给骨料取样机器人，直至无人值守地磅称重至设定的骨料用量值；通过控制料仓引导系统将所述粉料仓储管理车间及所述骨料仓储管理车间的无人值守地磅称重的粉料及骨料引导至搅拌楼内；

所述混凝土生产管理车间的搅拌楼搭载有多机集控系统、无人装载机、机器视觉系统，通过机器视觉系统实时监控搅拌楼并将结果传输给多机集控系统，判断是否有物料运输，如有物料运输则通过多机集控系统控制无人装载机将运输的物料对接并输入至搅拌楼内，通过多机集控系统控制搅拌制备混凝土，搅拌楼内设置混凝土工作性能在线监测系统，其实时监测混凝土的各项工作性能直至满足设计要求；

所述混凝土出厂管理车间通过无人搅拌车装载所述混凝土生产管理车间制备的混凝土，并通过智能调度系统控制无人搅拌车至设计的位置，通过塌落度检测与试块制作机器人检测混凝土的坍落度并制作试块。

7.如权利要求1述的基于物联网大数据混凝土全生命周期绿色化品质控制方法，其特征在于，所述步骤四具体为：

首先，在混凝土浇筑施工过程中配置搭载工业相机的可视化透明模板进行施工；

其次，在施工过程中，基于图像形态分析、HSV色域分割以及霍夫检测算法建立混凝土外观缺陷图算法，实现混凝土表面气泡率的智能判断；同时，通过建立振捣棒电流、电压信息和混凝土振捣状态的关系模型，实现混凝土振捣质量缺陷预判；

然后，通过上述获取的混凝土表面气泡率分析、混凝土振捣质量缺陷分析结果，结合混凝土振捣施工质量要求、现场施工条件、施工工艺进行深度分析，确立振捣的时间、频率、位置工艺参数，结合指导振捣终点判断的混凝土振捣曲线，结合施工部位的结构信息、环境信息，在平台中形成三维振捣效果的可视化模型；

最后，将上述获取的混凝土浇筑施工的数据全部记载于信息化平台的数据库中，并在信息化平台的数据库中积累相关施工项目对应的数据，直至形成混凝土振捣质量标准数据库。

8.如权利要求3述的基于物联网大数据混凝土全生命周期绿色化品质控制方法，其特征在于，所述信息化平台还包括数据仓库，其包括可视化决策平台和混凝土基因库，其中，可视化决策平台实现混凝土全生命周期的平台数据的及时收集、对标分析和长期储存，用户或设备上传的数据，首先经过孤立森林算法进行异常检测分类，自动剔除离群值和偏离值，避免误差数据的影响；其次通过主成分分析算法、t-分布随机邻域嵌入算法对多维度的数据分别进行线性和非线性的变换，减少数据维度，实现降维分析和可视化处理；

混凝土基因库包括强度基因库、工作性能基因库、耐久性能基因库和外观质量基因库；针对混凝土全生命周期的数据，利用遗传算法优化的人工神经网络模型，建立了原材料质量、原材料用量、环境因素、混凝土种类和混凝土力学性能之间的非线性映射模型，即为混凝土强度基因库，实现混凝土强度的准确预测；利用随机森林算法，建立了混凝土品种、浇筑方式、强度、坍落度和混凝土的砂浆富余量、净浆富余量之间的非线性映射模型，即为混凝土工作性能基因库，实现富余浆体用量的优化推荐，辅助所述步骤二中的混凝土配合比的智能设计；利用基于随机森林的最小二乘支持向量机算法，建立了原材料质量、原材料用量、环境因素和耐久性能之间的非线性映射模型，即为混凝土耐久性能基因库，实现混凝土抗冻和抗渗性能的精准预测；利用收集到的混凝土外观图片，通过灰度转换和标准差计算，首先建立外观色差的评价方法：标准差0-7.5为一级、7.5-14为二级、14-21为三级、>21为四级，然后利用随机森林算法，建立了原材料质量、原材料用量、环境因素和混凝土外观等级的非线性映射模型，即为外观基因库，实现混凝土外观色差的精准预测。

9.如权利要求3述的基于物联网大数据混凝土全生命周期绿色化品质控制方法，其特征在于，所述信息化平台还包括评价指标体系，是基于对混凝土原材料、配合比、生产、施工和实体检测的混凝土全生命周期数据的收集，提出的包含混凝土原材稳定性指数、实体匀质性指数、生产标准化指数、施工精细化指数、配比绿色化指数五个方面的指标的计算方法，并以五维图的方式实现混凝土的综合评价，并以微积分求导计算五维图的面积，实现不同单位间混凝土产品的综合对标。

10.如权利要求3述的基于物联网大数据混凝土全生命周期绿色化品质控制方法，其特征在于，所述信息化平台还包括综合统筹系统，其包括多个模块，具体为：

需求计划统筹模块通过收集建设项目的整体方量和各部位方量、建设项目的进度计划、项目部的施工组织计划，系统进行混凝土生产计划排产，并将信息反馈至建站选值统筹模块和原材组织统筹模块，同时也可以根据原材料组织情况和设备生产情况，向上优化调整混凝土的排产计划和进度计划；

建站选值统筹模块通过匹配单日生产方量峰值、单小时生产方量峰值和设备的生产能力，结合项目周边的搅拌站分布情况，进行搅拌站设备选型统筹，通过匹配道路条件和运输条件，进行搅拌站选值统筹，同时也可以根据设备情况和运输条件，向上提出需求计划的调整建议；

原材组织统筹模块接受需求计划统筹模块的混凝土生产计划，根据平台收录的理论配合比信息和工控收集的生产配合比信息，形成原材料需求计划并提供至采购部门和供应商，实现原材料提前组织，同时也可以根据原材料组织的实际进度，向上提出生产计划的调整建议；

生产任务统筹模块接受需求计划统筹模块的混凝土生产计划，结合设备生产能力、设备状态、原材料准备情况进行生产排产，形成生产排产计划提供至原材组织统筹模块和设备调度模块，同时也可以根据原材料准备情况和设备准备情况，向上提出生产计划的调整建议；

设备调度统筹模块接受生产任务统筹模块的生产排产计划，分析生产设备的生产能力、设备状态，并形成生产设备调度、设备养护需求提供至设备部，分析生产排产计划形成罐车需求和罐车调度计划提供至车队，实现设备调度，同时也可以根据生产设备、运输设备的实际准备情况，向上提出生产计划的调整建议。