[發(fā)明專利]摻入鋼渣粉套筒微膨脹灌漿料及其制備和膨脹效應(yīng)檢測方法

有效

• 申請?zhí)枺?/td>: 202010926501.8
• 申請日: 2020-09-07
• 公開（公告）號: CN112010611B
• 公開（公告）日: 2022-03-11
• 發(fā)明（設(shè)計(jì)）人: 蘇慧;黃奕鈞;劉傳新;梁書亭;朱筱俊
• 申請（專利權(quán)）人: 金陵科技學(xué)院
• 主分類號: C04B28/06
• 分類號: C04B28/06;G01N33/38
• 代理公司: 南京眾聯(lián)專利代理有限公司 32206
• 代理人: 蔣昱

1.摻入鋼渣粉套筒微膨脹灌漿料的制備方法，所述摻入鋼渣粉套筒微膨脹灌漿料，由以下各組分混合而成,各組分按質(zhì)量百分比構(gòu)成如下:

水泥：40-45％；

鋼渣粉：30-35％；

細(xì)砂：1-2％；

減水劑：1-2％；

緩凝劑：1-2％；

消泡劑：1-2％；

其余為水；

所述鋼渣粉平均粒徑要小于水泥顆粒粒徑且不超過20μm且堿度應(yīng)滿足大于2.2的要求；

所述細(xì)砂為連續(xù)級配的石英砂，細(xì)砂的粒徑小于2.3mm；

所述水泥是由硫鋁酸鹽水泥和普通硅酸鹽水泥混合而成的復(fù)配水泥；

所述減水劑為聚羧酸減水劑，所述緩凝劑為葡萄糖酸鈉緩凝劑，所述消泡劑為有機(jī)硅類粉末狀消泡劑；

摻入鋼渣粉套筒微膨脹灌漿料的制備方法，具體步驟如下，其特征在于：

1)將水泥、鋼渣粉和細(xì)砂按配料比混均；

所述水泥是由硫鋁酸鹽水泥和普通硅酸鹽水泥混合制得的復(fù)配水泥；

所述鋼渣粉制備過程如下；

對煉鋼過程中產(chǎn)生的廢渣進(jìn)行收集，并高溫液化，將液態(tài)鋼渣落到旋轉(zhuǎn)的粒化輪上被破碎，沿切線方向拋出，同時(shí)噴水冷卻，噴水過程利用高溫液態(tài)渣的顯熱灑水產(chǎn)生物理力學(xué)作用和f-CaO水解作用使渣碎化；

通過篩選設(shè)備，篩選出粒徑不超過20μm的顆粒；

所述細(xì)砂由連續(xù)級配的石英砂篩選獲得且保證細(xì)砂的粒徑小于2.3mm；

2)將減水劑、緩凝劑按配料比混合均勻；

3)將上述兩種物料混合均勻，并緩慢加入對應(yīng)配比的消泡劑和水，加入過程中消泡劑需要保證溫度為-5攝氏度，水溫度為2攝氏度；

4)加入后再次混合均勻后進(jìn)行封裝，并常溫冷卻保存；

摻入鋼渣粉套筒微膨脹灌漿料的膨脹效應(yīng)檢測方法，具體步驟如下：

1)計(jì)算鋼渣粉的礦物組成，包括：C₃S、C₂S、C₄AF、C₇PS₂、C₂F、f-CaO，計(jì)算出所含礦物的摩爾數(shù)；

2)使用壓蒸法檢測混合材料，同時(shí)計(jì)算混合材料的壓蒸膨脹值；

3)針對不同材料所對應(yīng)的膨脹值，訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)模型，步驟為：

步驟3.1設(shè)計(jì)BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)包括：輸入層、隱含層和輸出層，將步驟1)和步驟2)計(jì)算樣本的礦物摩爾數(shù)、壓蒸膨脹值和所對應(yīng)的鋼渣粉比例作為樣本特征x當(dāng)作輸入層的輸入，x_i,i＝(0,1,...,n-1)是輸入層第i個(gè)神經(jīng)元輸入，將樣本所對應(yīng)的膨脹值y作為神經(jīng)網(wǎng)絡(luò)輸出層的輸出，y_k,k＝(0,1,...,m-1)是第k個(gè)神經(jīng)元的輸出，BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)的計(jì)算公式為：

其中，n、l、m分別代表BP神經(jīng)網(wǎng)絡(luò)輸入層、隱含層和輸出層神經(jīng)元的節(jié)點(diǎn)個(gè)數(shù)，v_ij和w_jk分別表示輸入層第i個(gè)神經(jīng)元節(jié)點(diǎn)到隱含層第j個(gè)節(jié)點(diǎn)權(quán)值和隱含層第j個(gè)神經(jīng)元節(jié)點(diǎn)到輸出層第k個(gè)節(jié)點(diǎn)權(quán)值，θ_j是網(wǎng)絡(luò)隱含層節(jié)點(diǎn)閾值，φ_k是網(wǎng)絡(luò)輸出層節(jié)點(diǎn)閾值，f₁是網(wǎng)絡(luò)隱含層傳遞函數(shù)，f₂是網(wǎng)絡(luò)輸出層傳遞函數(shù)；

步驟3.2為了減少BP神經(jīng)網(wǎng)絡(luò)模型輸出值與真實(shí)值之間的誤差，設(shè)置損失函數(shù)作為模型優(yōu)化目標(biāo)：

O_k是神經(jīng)網(wǎng)絡(luò)輸出結(jié)果；

步驟3.3BP神經(jīng)網(wǎng)絡(luò)首先正向傳播，訓(xùn)練樣本經(jīng)過網(wǎng)絡(luò)的傳遞，得到輸出值；然后誤差反向傳播，計(jì)算正向傳播得到輸出值的誤差E，根據(jù)誤差再反饋到輸入層，同時(shí)更新網(wǎng)絡(luò)中的權(quán)值與閾值，權(quán)值變化量需要滿足下式：

步驟3.4在迭代過程中，當(dāng)損失函數(shù)E小于閾值或達(dá)到初始設(shè)定的迭代終止次數(shù)，則模型訓(xùn)練結(jié)束，否則返回步驟3.2，停止迭代后最終獲得訓(xùn)練完成的BP神經(jīng)網(wǎng)絡(luò)模型；

通過步驟1)和步驟2)計(jì)算待測摻入鋼渣粉套筒微膨脹灌漿料的礦物摩爾數(shù)、壓蒸膨脹值和所對的鋼渣粉比例，作為輸入特征輸入到訓(xùn)練完成的BP神經(jīng)網(wǎng)絡(luò)模型中，最終輸出材料的膨脹值。