本書以土木工程智能化轉型為背景,系統(tǒng)闡述了人工智能技術在水泥基復合材料科學中的前沿應用,全面剖析了人工智能在材料性能預測、多目標優(yōu)化設計等關鍵環(huán)節(jié)的創(chuàng)新方法與實踐案例。針對傳統(tǒng)水泥基復合材料設計方法依賴經驗公式、試配繁瑣等瓶頸問題,深入分析了機器學習模型(如支持向量機、隨機森林、神經網絡等)在材料性能預測中的優(yōu)勢與挑戰(zhàn),重點探討了機器學習與物理理論融合驅動的材料設計新范式,并詳細介紹了遺傳算法、粒子群優(yōu)化等智能優(yōu)化算法在配合比設計中的成功應用。
更多科學出版社服務,請掃碼獲取。
2004.9 ~ 2008.7 加拿大舍布魯克大學 - 土木工程 - 博士 - 博士研究生畢業(yè)
2002.9 ~ 2004.8 法國高等師范大學 - 建筑材料與結構 - 碩士 - 碩士研究生畢業(yè)
1997.9 ~ 2002.8 法國國立圖盧茲第三大學 - 建筑工程 - 學士 - 雙學士學位2017.12 ~ 至今深圳大學 - 土木與交通工程學院 - 執(zhí)行院長 - 教授、博導
2011.12 ~ 2017.11深圳大學 - 土木工程學院 - 副院長 - 副教授
2009.9 ~ 2011.12深圳大學 - 土木工程學院 - 講師發(fā)表高水平學術論文160余篇,其中第一&通訊作者學術論文100余篇;中科院1區(qū)Top期刊論文80篇;第一作者出版學術專著5部;第一主編智能化教材8部;授權專利50余項,軟件著作權26項。廣東省濱海土木工程耐久性重點實驗室決策委副主任
廣東省建設工程綠裝協會建筑機器人與裝配式專業(yè)委員會副主任
中國建筑材料聯合會 學部委員(首批)
中國硅酸鹽學會測試技術分會流變測試技術委員會副主任委員
中國硅酸鹽學會房屋建筑材料分會理事
中國硅酸鹽學會混凝土與水泥制品分會“混凝土青年論壇(常設)”第二屆指導委員會委員
中國公路建設行業(yè)協會 專家工作委員會第四屆專家
深圳市政協第七屆委員、深圳市知聯會副會長、深圳大學知聯會會長
國際材料與結構研究實驗聯合會(RILEM)會員、美國混凝土學會(ACI)會員、國際混凝土協會(FIB)會員、國際全壽命土木工程協會(IALCCE)會員
目錄
前言
縮略表
第1章 緒論 1
1.1 人工智能技術及其在土木工程領域的應用 1
1.2 基于機器學習模型的水泥基復合材料性能預測與材料設計 3
1.3 物理信息引導的機器學習模型 5
參考文獻 7
第2章 水泥基復合材料多源高通量數據庫與知識圖譜構建技術 9
2.1 引言 9
2.2 水泥基復合材料多源高通量數據庫構建技術 9
2.2.1 數據庫構建方法概述 9
2.2.2 水泥基復合材料數據采集 12
2.2.3 水泥基復合材料數據庫自動化特征選擇與異常檢測 13
2.3 水泥基復合材料知識圖譜構建技術 15
2.3.1 知識圖譜的概念 15
2.3.2 知識圖譜的數據收集 17
2.3.3 水泥基復合材料知識圖譜的構建 17
2.3.4 基于知識圖譜的特征選擇 19
2.4 本章小結 20
參考文獻 21
第3章 水泥基復合材料智能化圖像分析技術及微觀結構表征技術 24
3.1 引言 24
3.2 原材料及配合比設計 25
3.2.1 原材料表征 25
3.2.2 原材料組成及設計 26
3.2.3 硬化漿體成型 29
3.3 微觀結構表征 29
3.3.1 BSE樣品制樣 29
3.3.2 水泥基復合材料的背散射電子成像 32
3.3.3 水泥基復合材料膠凝顆粒微觀形貌 33
3.4 智能圖像分析 35
3.4.1 BSEIA-ML方法 37
3.4.2 膠凝顆粒水化程度分析 42
3.4.3 誤差分析 47
3.5 本章小結 49
參考文獻 50
第4章 水泥基復合材料宏觀性能智能化預測模型構建技術 52
4.1 引言 52
4.2 水泥基復合材料性能智能化預測模型 53
4.2.1 自密實混凝土數據描述 53
4.2.2 自密實混凝土數據標準化 58
4.2.3 工作性能預測模型 59
4.3 自密實混凝土力學性能預測模型 67
4.4 自密實混凝土耐久性預測模型 72
4.5 自密實混凝土性能預測模型比較 75
4.6 水泥基復合材料性能預測模型可解釋分析 79
4.7 水泥基復合材料流變-性能影響機理分析 83
4.7.1 自密實混凝土組成成分與流變特性的關聯性研究 83
4.7.2 自密實混凝土流變與工作性能關聯性研究 89
4.7.3 自密實混凝土流變特性與力學性能關聯性研究 99
4.8 本章小結 102
參考文獻 102
第5章 物理信息機器學習混合驅動的水泥基復合材料性能預測模型
融合機制研究 106
5.1 引言 106
5.2 物理信息機器學習融合模型原理 106
5.2.1 不同融合方式原理 107
5.2.2 基于流變學的物理信息方程原理 113
5.2.3 損失函數修改 114
5.2.4 損失函數權重調優(yōu) 114
5.3 物理信息機器學習融合模型建立 115
5.3.1 基于YS預測的損失函數修改 115
5.3.2 基于PV預測的損失函數修改 115
5.3.3 基于超參數自動調優(yōu)的損失函數權重調優(yōu) 116
5.3.4 模型性能評估 123
5.4 物理信息機器學習融合模型預測效果分析 124
5.4.1 損失函數值演變過程 124
5.4.2 融合模型與其他模型對比分析 126
5.4.3 基于SHAP方法的參數分析 132
5.4.4 智能調控前后的打印效果對比 136
5.5 本章小結 138
參考文獻 139
第6章 物理信息引導的低碳水泥基復合材料智能化設計方法及應用 144
6.1 引言 144
6.2 設計方法概述 144
6.2.1 低碳水泥基復合材料單目標優(yōu)化設計方法 144
6.2.3 全生命周期評價 146
6.2.4 實驗測試 146
6.2.2 低碳高性能混凝土多性能協同智能設計方法 147
6.3 低碳水泥基復合材料單目標優(yōu)化設計 150
6.3.1 低碳水泥基復合材料配合比設計參數智能優(yōu)化 150
6.3.2 低碳水泥基復合材料骨料級配參數智能優(yōu)化 157
6.3.3 低碳水泥基復合材料智能化設計方法及經濟環(huán)境效應分析 160
6.4 低碳高性能混凝土多性能協同智能設計 162
6.4.1 低碳高性能混凝土多目標優(yōu)化效果 162
6.4.2 低碳高性能混凝土多性能協同設計結果分析 166
6.4.3 低碳高性能混凝土優(yōu)化方法對比 168
6.5 水泥基復合材料設計方法實驗驗證 170
6.6 水泥基復合材料設計方案解釋分析 175
6.6.1 基于PDP算法的水泥基復合材料設計方案可解釋分析 175
6.6.2 基于知識圖譜的水泥基復合材料設計方案解釋分析 177
6.7 本章小結 178
參考文獻 179
第7章 物理信息引導的3D打印水泥基復合材料智能化設計方法及應用 182
7.1 引言 182
7.2 多目標優(yōu)化原理 182
7.2.1 定義 182
7.2.2 約束條件 183
7.2.3 終止條件 183
7.2.4 優(yōu)化算法—帶精英策略的二代非支配排序的遺傳算法(NSGA-Ⅱ) 184
7.2.5 決策方法—優(yōu)劣解距離法(TOPSIS) 184
7.3 3D打印水泥基復合材料可打印性和力學性能預測模型建立 185
7.3.1 可打印性預測 185
7.3.2 力學性能預測 187
7.3.3 基于SHAP方法的參數分析 189
7.4 3D打印水泥基復合材料打印設計參數智能優(yōu)化 195
7.4.1 滿足可打印性要求 195
7.4.2 滿足力學性能要求 197
7.5 3D打印水泥基復合材料配合比設計參數智能優(yōu)化 199
7.5.1 滿足可打印性要求 199
7.5.2 滿足力學性能要求 202
7.6 3D打印水泥基復合材料智能設計與傳統(tǒng)設計的對比分析 204
7.6.1 滿足可打印性要求 204
7.6.2 滿足力學性能要求 205
7.7 3D打印水泥基復合材料設計方法實驗驗證 206
7.7.1 滿足可打印性要求 206
7.7.2 滿足力學性能要求 209
7.8 本章小結 211
參考文獻 213