基于深度学习的3D打印混凝土蒸汽养护力学性能研究和抗压强度预测

作     者：孙浚博 王雨飞 赵宏宇 王翔宇 SUN Junbo;WANG Yufei;ZHAO Hongyu;WANG Xiangyu

作者机构：重庆大学溧阳智慧城市研究院常州213300 科廷大学设计与建筑环境学院珀斯WA6102 重庆大学土木工程学院重庆401331 华东交通大学土木建筑学院南昌330013 

出 版 物：《硅酸盐通报》 (Bulletin of the Chinese Ceramic Society)

年 卷 期：2024年第43卷第5期

页      面：1723-1738,1783页

学科分类：08[工学] 0805[工学-材料科学与工程（可授工学、理学学位）] 

主　　题：3D打印混凝土 蒸汽养护 各向异性 抗压强度 深度学习 生成对抗网络 

摘      要：3D打印混凝土(3DCP)技术近年来获得广泛关注,然而,关于养护条件如何影响3DCP的力学性能的研究仍然较少。本研究主要探讨不同蒸汽养护条件(升温速率、恒温时间和恒温温度)对3D打印混凝土材料的力学性能影响规律。为了获得最佳蒸汽养护条件,通过正交试验研究了不同蒸汽养护条件下打印胶凝材料的力学各向异性。此外,基于室内试验数据,建立了条件表格生成对抗网络(CTGAN)用于扩充数据集,由291条数据扩充为1000条数据,建立了一维残差卷积神经网络(1D-Residual CNN)用于预测3DCP的抗压强度,并建立了5个机器学习(ML)模型用于对比,试验结果表明,CTGAN的数据增强技术可以有效提升1D-Residual CNN模型在3DCP抗压强度上的预测精度,R2最高为0.92。