与传统的混凝土加大截面法类似,钢纤维水泥砂浆加固技术的加固效果关键仍取决于加固层与原有结构层之间的粘结质量。如何避免在构件达到极限承载能力之前因界面上的粘结滑移或剥离破坏而导致加固作用失效,如何解决好新加钢纤维水泥砂浆与原有混凝土的整体工作共同受力问题,仍是该加固方法成功应用的关键点。所以本文研究新加钢纤维水泥砂浆层与原混凝土的界面粘结性能,为实际加固工程设计与施工提供参考。首先采用双面剪切试验,探讨混凝土表面不同界面处理方式、钢纤维水泥砂浆强度以及老混凝土强度对钢纤维水泥砂浆与老混凝土界面粘结强度的影响。并对试验现象进行分析,对各因素对剪切强度的影响规律进行了探讨,用方差分析法对各因素的影响程度进行显著性分析,最后对试验数据进行回归,用Table Curve 3D软件拟合出实用的剪切强度计算公式,为加固设计提供参考。其次采用混凝土构件外包钢纤维水泥砂浆钻芯拉拔试验研究实际工程现场中型构件新老材料之间的粘结性能。考虑混凝土强度,钢纤维水泥砂浆强度及界面剂类型对钻芯拉拔强度的影响关系,采用极差分析及方差分析研究各因素的显著性影响,并综合双面剪切试验,将两种粘结性能指标即双面剪切强度与钻芯拉拔强度试验数据进行对比,采用回归公式分析,得出两个指标的线性关系,为设计和施工提供参考。最后,运用Matlab神经网络工具箱编程建立钢纤维水泥砂浆与混凝土界面双面剪切强度及钻芯拉拔强度BP神经网络预测模型。在两个神经网络模型中,学习样本与检验样本的预测值与实测值都吻合较好,精度满足实际工程的需要,具有较高的可信度。利用BP神经网络对界面剪切强度及钻芯拉拔强度进行模拟与预测,可减少试验工作量,为以后科学研究及应用提供新的研究方法。
第1章 绪论 11-20
    1.1 研究背景及意义 11-13
    1.2 文献综述 13-18
        1.2.1 建筑物结构常用加固方法 13-14
        1.2.2 新老混凝土粘结性能的相关研究 14-17
        1.2.3 钢纤维水泥砂浆加固技术的相关研究 17-18
    1.3 本文研究的主要内容 18-20
第2章 钢纤维水泥砂浆与混凝土粘结的剪切性能试验研究 20-39
    2.1 试验设计 20-24
        2.1.1 试验原材料及相关配合比 20-21
        2.1.2 试件制作 21-22
        2.1.3 粘结面处理 22
        2.1.4 参数设计 22-23
        2.1.5 试验方法 23-24
    2.2 试验结果 24-27
    2.3 试验现象 27-28
    2.4 试验分析 28-35
        2.4.1 界面处理类型对粘结面剪切强度的影响 28-31
        2.4.2 钢纤维水泥砂浆强度对界面粘结的影响 31-32
        2.4.3 老混凝土强度对界面粘结的影响 32-33
        2.4.4 钢纤维水泥砂浆强度和界面处理对剪切强度的显著性分析 33-35
        2.4.5 混凝土强度和界面处理类型对剪切强度影响的显著性分析 35
    2.5 剪切强度公式拟合 35-37
    2.6 本章小结 37-39
第3章 钢纤维水泥砂浆与混凝土钻芯拉拔试验研究 39-55
    3.1 试验设计 39-42
        3.1.1 试验材料 39-40
        3.1.2 试验方法 40-41
        3.1.3 试件制作 41-42
        3.1.4 试验方案 42
    3.2 试验结果 42-45
    3.3 界面剂对粘结界面钻芯拉拔强度的影响分析 45-48
    3.4 粘结界面钻拉强度的影响因素极差分析 48-50
        3.4.1 界面剂与钢纤维水泥砂浆强度对钻拉强度影响的极差分析 48-49
        3.4.2 界面剂与混凝土强度对钻拉强度影响的极差分析 49-50
    3.5 粘结界面钻拉强度的影响因素方差分析 50-52
        3.5.1 界面剂与钢纤维水泥砂浆强度对钻拉强度影响的方差分析 51
        3.5.2 界面剂与混凝土强度对钻拉强度影响的方差分析 51-52
    3.6 粘结界面钻芯拉拔强度与双面剪切强度间换算关系探讨 52-53
    3.7 本章小结 53-55
第4章 双面剪切强度及钻芯拉拔强度ＢＰ神经网络预测模型 55-72
    4.1 人工神经网络基本原理 55-61
        4.1.1 人工神经元 55-57
        4.1.2 BP 神经网络模型 57-58
        4.1.3 BP 网络学习 58-61
    4.2 双面剪切强度BP 神经网络预测模型的建立及实现 61-67
        4.2.1 BP 神经网络预测模型建立步骤 61
        4.2.2 BP 神经网络结构设计 61-62
        4.2.3 基于Matlab 的BP 预测网络生成及初始化 62-63
        4.2.4 BP 网络训练及仿真 63-67
    4.3 钻芯拉拔强度BP 神经网络预测模型的建立及实现 67-70
        4.3.1 钻芯拉拔强度BP 神经网络预测模型的建立 67-68
        4.3.2 钻芯拉拔强度BP 神经网络预测模型的训练及仿真 68-70
    4.4 本章小结 70-72
结论 72-75