（控制理论与控制工程专业论文）基于数字图像处理的水泥强度预测模型研究.pdf

摘要水泥基材料是世界范围内原料最丰富，用量最大的建筑工程材料。有效地实现水泥基材料强度的预测，是改善其性能，进一步拓宽其应用领域的基础，具有很高的实用价值。近二十年来，国内外科研工作者在这方面进行了大量的工i f 乍，取得了丰硕的成果。目前，水泥强度的预测一般采用两种方法。一是采用物理实验的方法，使用物理仪器检验试验样品的物理性能指标，揭示出水泥强度与物理性能问的关系；另一是利用数理统计方法，探索理化性能检测值与强度间的数学关系。由于水泥强度预测是一个多变量、非线性、大时滞的问题，所以两种方法均不能快速地、有效地实现水泥强度的准确预测。水泥材料的物相组成及其尺寸分布是制约水泥水化产物的重要因素之，所以微观结构特征描述的实现有助于水泥性能的准确预测。本文在对扫描电镜和x 射线图像处理基础上，得到硅酸盐水泥的二维数字图像，以此来分析确定水泥颓粒的主要物相尺寸分布，以及各物相面积分数和周长分数等许多定量测量。在模型的建立过程中，选择b p 神经网络对水泥强度模型进行优化，利用g a 优化b p 网络权值。这种算法训练神经网络可以克服单纯使用b p 算法训练神经网络容易陷入局部极小的缺陷，能更有效地逼近水泥强度性能指标与影响因素之间的非线性关系。本文提出的预测模型是一种将图像处理方法和人工智能方法结合起来的新方法。首先，利用扫描电镜获取水泥的背散射图像和x 射线图像，基于数字图像处理技术得到硅酸盐水泥颗粒分布的二维数字图像；然后分析提取与水泥强度性能相关的微观结构特征参数；最后，针对水泥强度预测的实际情况，利用神经网络和遗传算法的优点，建立了一种基于遗传算法的人工神经网络模型来进行水泥强度的预测。该方法考虑了水泥微观结构参数对水泥强度的影响，绕过了建立数学公式的壁垒，有其实现的合理性。它丰富了水泥强度预测的内容，也开辟了新的研究途径。关键词水泥强度预测，数字图像处理，b p 神经网络，遗传算法基于数字图像处理的水泥强度预测模型研究a b s t r a c tc e m e n t b a s e dm a t e r i a l sa r et h em a x i m a ld o s a g ei nt h ea r c h i t e c t u r ee n g i n e e r i n gm a t e r i a l si nt h ew o r l d e f f e c t i v e l yp r e d i c tc e m e n ti n t e n s i t yi st h ef o u n d a t i o no fi m p r o v i n gi t sp r o p e r t i e sa n di ti sv e r yv a l u a b l e m a n yn a t i o n a lr e s e a r c h e r sa n df o r e i g ns c i e n t i s t sd om u c hw o r ki nt h i sf i e l da n da c q u i r ep l e n t i f u lp r o d u c t i o no v e rt h ep a s tt w e n t yy e a r so rs o a tp r e s e n t ，t h e r ea r et w ow a y so fp r e d i c t i n gc e m e n ts t r e n g t h o n ew a yi sb a s e do np h y s i c a le x p e r i m e n tw h i c hu s i n gp h y s i c a la p p a r a t u st e s t ss a m p l e sp e r f o r m a n c et a r g e t ，a c c o r d i n g l yo p e n so u tt h er e l a t i o no fc e m e n ti n t e n s i t ya n dp h y s i c a lp e r f o r m a n c e t h eo t h e rw a yi su s i n gm a t h e m a t i c sc o m p u t e rs e e k st h er e l a t i o nb e t w e e nt h em e a s u r ev a l u eo fp h y s i c a lp r o p e r t i e sa n dc e m e n tp r e s si n t e n s i t y d u et ot h ec e m e n ts t r e n g t hp r e d i c t i o ni saq u e s t i o no fm u l t i v a r i a b l e s ，n o n l i n e a r i t ya n dl o n g t i m el a g ，s on e i t h e rt h et w ow a y sc a np r e d i c tc e m e n ts t r e n g t hw e l la n dt r u l y t h eo r i g i n a ls i z e ，s p a t i a ld i s t r i b u t i o na n dc o m p o s i t i o no fc e m e n tp a r t i c l e sh a v eg r e a ti n f l u e n c eo nh y d r a t i o n a c c u r a t em i c r o s t r u c t u r ec h a r a c t e r i z a t i o ns h o u l da l l o wf o rb e t t e rp r e d i c t i o no fc e m e n tp e r f o r m a n c e t h i sp a p e rp r e s e n t sat e c h n i q u e ，b a s e do ns c a n n i n ge l e c t r o nm i c r o s c o p ya n dd i g i t a li m a g ep r o c e s s i n g ，f o ro b t a i n i n gt w o d i m e n s i o n a ld i g i t a li m a g e so fa c t u a lp o r t l a n dc e m e n tp a r t i c l e si nw h i c ha l lm a j o rp h a s e sa r ei d e n t i f i e d t h e s ei m a g e sc a nb ea n a l y z e dt od e t e r m i n ea n yn u m b e ro fq u a n t i t a t i v em e a s u r e ss u c ha sp a r t i c l e ss i z ed i s t r i b u t i o n ，p h a s ea r e af r a c t i o n so rp h a s ep e r i m e t e r sf r a c t i o n s o nm o d e l i n g ，t h ec e m e n tp r e d i c t i o nm o d e lo fg at r a i n i n gt h ew e i g h to fb pn e u r a ln e t w o r ki sb u i l t ，w h i c hc a no v e r c o m et h eb pn e u r a ln e t w o r k sd e f i c i e n c yo fe a s i l yf a l l i n gi n t ol o c a lm i n i m u m ，s oi tc a ne f f i c i e n c ya p p r o a c ht h en o n - l i n e a r i t yr e l a t i o nb e t w e e nc e m e r j ts t r e n g t hp r o p e r t ya n di n f l u e n c ef a c t o r s t h ep a p e rp r e s e n t sap r e d i c t i o nm o d e lt h a tc o m b i n e st h ei m a g ep r o c e s s i n ga n da r t i f i c i a li n t e l l i g e n c e b a s e do f fs c a n n i n ge l e c t r o na n dd i g i t a li m a g ep r o c e s s i n g ，m i c r o s c o p yb a c k s c a t t e r e de l e c t r o na n dx r a yi m a g e sa r eo b t a i n e d ，t h e np o r t l a n dc e m e n tp a r t i c l e st w o d i m e n s i o n a ld i g i t a li m a g e s m i c r o s t r u c t u r ec h a r a c t e r i z a t i o na b o u tc e m e n tp r o p e r t i e si sa n a l y z e da n dc o m p u t e d w i t ht h ep r a c t i c es i t u a t i o no fc e m e n ts t r e n g t hp r e d i c t i o n ，ag a - n nm o d e li se s t a b l i s h e dt op r e d i c tc e m e n ts t r e n g t h ，w h i c hu t i l i z e st h ea r t i f i c i a ln e u r a ln e t w o r ka n dg e n e t i ca l g o r i t h m t h i sw a yc a l c u l a t e sc e m e n tm i c r o s t r u c t u r ep a r a m e t e r se f f e c to nc e m e n ti n t e n s i l yi nr e a s o n ，w i t h o u te s t a b l ii im a t h e m a t i c sf o r m u l a i te n r i c h e st h em e t h o d so fc e m e n ts 仃e n g t hp r e d i c t i o n ，a sw e l la sd e v e l o p san e wr e s e a r c ha p p r o a c h k e y w o r d s ：c e m e n ts t r e n g t hp r e d i c t i o n ，d i g i t a li m a g ep r o c e s s i n g ，b pn e u r a ln e t w o r k ，g e n e t i ca l g o r i t h m原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律责任由本人承担。论文作者签名：扭五：日期：兰竺兰： ! ：! ：关于学位论文使用授权的声明本人完全了解济南大学有关保留、使用学位论文的规定，同意学校保留或向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借鉴；本人授权济南大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或其他复制手段保存论文和汇编本学位论文。( 保密论文在解密后应遵守此规定)论文作者签名：硷幽导师签名：期：! 兰! r符号说明c 3 s 硅酸三钙( t r i c a l c i u ms i l i c a t e )c 2 s 硅酸二钙( d i c a l c i u ms i l i c a t e )c 3 a 铝酸三钙( t r i c a l c i u ma l u m i n a t e )c 4 a 卜铁铝酸四钙( t e t r a c a l c i u m a l u m i n o f e r r i t e )c _ c a o 氧化钙( c a l c i u mo x i d e )s s i 0 2 二氧化硅( s i l i c o nd i o x i d e )h h 2 0 水( h y d r o g e no x i d e )a a 1 2 0 3 ( a l u m i n u mo x i d e )f f e 2 0 3 ( f e r r i co x i d e )c h 氢氧化钙( c a l c i u mh y d r o x i d e )c s h _ _ 水化硅酸钙g ，掣啪石膏s e m 扫描电镜( s c a n n i n ge l e c t r o nm i c r o s c o p y )b s b 一背散射电子( b a c k s c a t t e r e de l e c t r o n )x - r a y x 射线d i p _ 一数字图像处理( d i g i t a li m a g ep r o c e s s i n g )w c 水灰比c i r c l ed e g r e e 一圆形度b l a i n ef i n e n e s s 一比表面积v o l u m ef r a c t i o n 譬一体积百分数s u r f a c ea r e af m c t i o n s 一表面积百分数a n n 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k s )b p - 一反向传播( b a c k - p r o p a g a t i o n )g a 遗传算法( g e n e t i ca l g o d t h m s )e n n - - 进化神经网络( e v o l u t i o nn e u r a ln e t w o r k s )v 11 1 课题研究背景第一章引言水泥属于水硬性无机胶凝材料。加水调制后，经过一系列物理化学作用，由可塑性浆体变成坚硬的固体，并能将砂、石等散粒状材料胶结成具有一定力学强度的石状体。衡量水泥质量的重要指标之一是其抗压强度即试验试块养护2 8 天的抗压强度值。通常，水泥强度的预测是通过物理实验的方法，对试验样品养护2 8 天后，经抗压试验得到其强度值。这样，不但浪费大量人力物力，而且不利于加快资金周转，降低成本，提高经济效益。如能在水泥熟料出磨时，无需经过抗压试验，通过计算就能够准确预测其强度值。不但有理论意义而且有实用价值，对指导水泥的生产和使用都有重要的意义。现代数学与计算机科学的新成就，为预测熟料与水泥强度的研究提供了新手段，开辟了新思路。1 2 数学科学在水泥强度预测中的应用1 9 7 6 年第六届国际水泥化学会议上提出以数学方法预测水泥强度的论文后，就；j 起各国水泥科技界的高度重视仆，矾。在1 9 8 0 年第七届国际水泥化学会议上，又单独列出课题讨论水泥浆体性质随时间变化的数学模型1 3 l 。1 9 9 1 年美国国家研究委员会又提出加强数学科学在材料科学中应用的课题1 4 l 。水泥强度预测问题是典型的多变量、非线性、大时滞问题。其特征在于水泥的理化性能检测值与2 8 天抗压强度值都是确定的，但两者间并无确定的数量关系，因此写不出它们之间的函数式。传统的回归分析预测方法其基本思想是在水泥成分、早期强度与标准养护2 8 天水泥抗压强度的实测值之阃建立线性或非线性回归方程，利用回归分析方法对水泥强度进行预测【5 7 l 。目前提出的方法至多考虑三、四个检测因素，两实际上影响出厂水泥强度的因素很多。但是如果考虑因素太多，会使回归分析的计算量过大，这样，影响了预测结果的准确性，也难以在实际中被普遍推广应用。近些年来提出一神将模糊数学原理引入水泥强度的预测中的模糊聚类预测方法t 8 1 0 。聚类分析是近几年发展较快的一种数学方法，聚类的目的是对样本进行合理分类，从而达到对样本进行判别、分析与预测。模糊聚类分析就是考虑了样本之间的模糊关系而对给定的样本进行数量化分类的一种方法。将模糊聚类分析应用于预测，以基于数字图像处理的水泥强度预测模型研究每一类作为一种预测结果，就形成了模糊聚类预测方法。其基本思想是要把待测量和影响待测量的因素值所构成的样本按一定的方法分类，并根据分类结果形成分类的因素特征和待测量的变化模式。这样，在待测时段的因素状态为已知点时，可以通过模式识别判断出这种因素状态与哪种模式最为接近，从而认为作为受因素影响的待测量也与该模式所对应的预测变量变化模式相同而达到预测目的。人工神经网络是一种基于生理学的智能仿生模型，它模拟人类大脑的思维能力，通过对大量个例的不断学习、回忆、归纳及整理，从中找出规律性的东西。神经网络的出现，为建立复杂非线性映射的逼近提供了强有力的工具。因此，有人利用神经网络能以任意精度逼近任意复杂的非线性函数这一特点。建立了基于神经网络的水泥强度预测模型】。1 9 9 8 年。崔秀云等人提出了一种以人工神经网与特殊的十进制数编码的遗传算法相结合的水泥2 8 天抗压强度预测方法【1 2 】，解决了传统的数学方法的不准确性，同时证明了智能化算法在水泥强度预测中的可行性。1 3 水泥水化微观结构模型的研究现状近年来，由于计算机及计算技术的飞速发展，材料领域在材料科学与材料工程基础上，发展出计算材料学。计算材料学主体是材料性能的预测与模拟、材料设计和工艺仿真，通过计算机摸拟，深入研究材料的结构、组成及其在物理、化学过程中微观变化机制，以达到材料成份、结构及制备参数的最佳组合【l 孤。在进行水泥微观结构建模的研究上，人们逐步探索应用计算机模型来表示水泥的水化过程及其微观结构的变化规律，试图揭示其内在的作用机理。1 9 8 5 年，英国科学家w i t t m a r m 等人首先建立了“数字混凝土”的计算机模型”4 ，i ”。他将混凝土的微观结构分解成有限元栅格，用以进行热量、湿度和机械压力分布的计算。1 9 8 6 年，美国科学家j e n n i n g s 和j o h n s o n 创立了连续描述法描述水泥浆体1 1 6 j 。这种描述法以球形水泥颗粒为基础，颗粒由水化硅酸钙凝胶的水化壳封装的，壳随着时间的推移不断变厚；同时氢氧化钙晶体也在孔隙空间中连续生长。该模型的缺陷是不能直接计算机械和传输特性。另一种和这个模型相似的例子是在9 0 年代由荷兰代夫特技术大学的v a nb r e u g e l 教授用公式来表示的【1 7 ，1 3 l 。这种模型可以预测水化性能，并考虑了水泥颗粒大小分布、化学组成、水灰比和温度等因素。另外一种产生水泥微观结构的连续模型是基于镶嵌式的方法【1 9 l 。一个二维空间被系列相互交叉的线段分割( 也可用于三维结构中) ，多边形用于表示未水化的水泥颗粒和水化产物。尽管多种离散的物相可以用这种技术很容易地建模，但是模拟多种连续物相，如水泥浆体中的c h 、毛细孔和c s h 凝胶在计算上就十分困难。2济南大学硕士学位论文9 0 年代后期，美国标准技术研究局b e n t z 等人建立了基于数字图像的模拟模型 2 0 , 2 ”。它可以直接表示多尺寸、多相、非球形的水泥颗粒。在模型中，每一个水泥颗粒都被描述为图像像素的集合体，通过一套细胞自动机原则操作全部像素，可以模拟水化过程。1 4 本课题研究目的及意义水泥材料的晶体形态及其尺寸分布是制约水泥水化产物的重要因素之一。由于尺寸范围大、形状复杂以及多物相的原因，水泥颗粒的特征描述十分复杂，而特征描述的实现有助于水泥性能的准确预测和基于水泥微观结构预测模型的建立【j ”。传统的线性回归分析预；婴l | 法，把水泥强度与各检测值之间的高度非线性关系简化为线性函数关系，势必影响预测结果的准确性【6 ，7 】。聚类分析预测法，把水泥强度值固定为几个聚类中心值，对水泥强度这样一个高度非线性问题而言，缺乏必要的泛化能力0 1 。b p 神经网络具有大规模并行运算、非线性处理、自组织、自学习与自适应能力，具有极强的容错能力，以及对非线性有任意近似的能力。因而利用b p 神经网络对水泥强度模型进行优化，可以克服回归分析与聚类分析对多输入、非线性问题适应性差的缺点。但是近年应用人工神经网建立的预测模型，算法收敛速度慢，并且容易陷入局部极小值 2 ”。遗传算法是基于自然选择与遗传规律的并行全局搜索算法，有很强的全局搜索能力【2 。所以我们选择将g a 与b p 算法进行结合，利用这种算法训练神经网络可以克服单纯使用b p 算法训练神经网络容易陷入局部极小的缺陷，能更有效的逼近水泥强度性能指标与影响因素之间的非线性关系。要对水泥强度预测，必须了解水泥浆体的组成和结构。水泥颗粒本身的化学组成和分布深亥4 影响硬化浆体的性能，将扫描电镜和图像分析技术应用于水泥材料的特征描述是较新的研究方向，克服了传统方法仅仅从宏观提取参数建模的缺陷。目前可以容易地得到二维扫描电镜图像，在对二维图像分析的基础上，可以分析确定水泥浆体的主要物相尺寸分布。以及各物相面积分数和周长分数等许多定量测量。本课题是在直接得到的二维扫描电镜图像的基础上，提取水泥物相在水化反应初始时刻的微观结构。针对水泥2 8 天强度预测的多变量、非线性、大时滞特点，考虑以水泥各物相的微观结构为主的力学性能影响因素，应用结合遗传算法的人工神经网络预测水泥的强度性能。此方法量化了复杂的水泥的微观结构，将图像处理和人工智能结合起来。因此，揭示微观结构与性能之间的关系，便于寻求水泥中的各种组分的最佳配比，从而提供一种能够对水泥材料进行分析与设计的方法和工具。1 。5 本课题研究的主要内容本课题将图像处理和人工智能的方法结合起来，通过提取复杂的水泥微观结构特征，应用改进的神经网络建模，实现对水泥力学性能的测试。扫描电镜和数字图像处理( d i p ) 是本研究方向的基础和关键。二维背散射图像和x 射线图像可以作为模拟水泥水化微观结构发展的出发点，所以首要的工作是二维图像的数字化。正确的数字化保证了对水泥性能做更好的预测，对水泥微观结构的参数做更加准确地提取。图像的数字化过程中首先分析x 射线和背散射电子图像，利用决策树决定图像中各物相的分布。为了提高图像质量，去除噪声，可选取不同的滤波器对数字图像迸行滤波。进而可以得出水泥二维数字图像。然后，分析提取与水泥强度值相关的参量，应用优化算法分析二维数字图像中各物相特征，提取水泥二维参数，如各物相的周长比例、面积比例以及水泥颗粒的尺度分布和球形率。最后建立水泥力学性能预测模型。提取c 3 s 、c 2 s 、c 3 a 、c 4 a f 、石膏的体积分数，四种物相的表面分数，水灰比，细度，球形率作为函数输入值；水泥2 8 天强度值作为函数输_ 出值：建立人工神经网络模型。考虑到人工神经网络的收敛速度慢，容易陷入局部极小的缺点我们采用遗传算法修正网络权值和闽值。进行g a 计算时，先产生具有一定规模的种群，将求解问题进行基因编码。经过若干代遗传、交叉t 变异，直到产生个体的适应度函数满足性能评价，得到最初的权值和阈值。再次使用梯度下降法继续优化网络，直到得到满足要求的最优模型，即基于水泥微观结构参数的强度预测模型。把预测样本输入该函数，可得出水泥力学强度预测值，对模型精度进行测试。i扫描电镜图像lx 射线图像ji二维水泥数字图像土、i水泥初始时刻微观维构l特征参数提取jl遗传一神经网络训练土i水泥强度预测模型i圈1 ，i 预测模型的总程序流程第二章水泥强度的影响因素分析水泥强度一般是指水泥试件单位面积上所能承受的外力，它是水泥的主要性能。水泥是当代混凝土的主要胶结材料，水泥强度是水泥胶结能力的体现，是混凝土强度的根本来源。因此水泥强度的测定和应用具有极为重要的实际意义。本章在不考虑水泥浆体养护条件的影响下，分析硅酸盐水泥强度的影响因素。2 1 硅酸盐水泥的主要成分硅酸盐水泥熟料的化学成分主要有氧化钙( c a o ) 、氧化硅( s i 0 2 ) 、氧化铝( a 1 2 0 3 )及氧化铁( f e 2 0 3 ) 四种氧化物【2 4 1 。四种氧化物含量通常在9 5 p a 上。在硅酸盐水泥熟料中c a o 、s i 0 2 、a 1 2 0 3 、f e 2 0 3 不是以单独的氧化物存在，而是以两种或两种以上的氧化物反应生成的多种矿物的集合体，其结晶比较细小，一般小于1 0 0 微米。因此，水泥熟料是一种多矿物组成的、结晶细小的人造岩石。水泥熟料中主要有以下四种矿物：硅酸三钙3 c a o s i 0 2简写成c 3 s ；硅酸二钙2 c a o s i 0 2简写成c 2 s ：铝酸三钙3 c a o a t 2 0 3简写成c 3 a ；铁铝酸四钙4 c a o h 1 2 0 3 f e 2 0 3简写成c 4 a f 。另外，还有少量的游离氧化钙、方镁石、含碱矿物以及玻璃体等。2 2 水泥基材料的水化机理2 2 1 水泥的水化过程水泥用适量的水伴和后，便形成能粘结砂石集料的可塑性浆体，随后通过凝结硬化逐渐变成具有强度的石状体。同时还伴随着水化放热和体积变化等现象。这说明产生了复杂的物理、化学与力学的变化并且可以持续较长时问，从而使硬化水泥浆体在一般条件下，强度有所增长，其它性能也有一定的变化。水泥是多矿物的聚合体，与水的相互作用也比较复杂。我们在前入研究的基础上，可将硅酸盐水泥的水化过程概括如下：水泥加水后，c 3 a 立即发生反应，c 3 s 和c 4 a f也很快水化，而c 2 s 则较慢。在电镜下观察，几分钟后可见在水泥颓粒表面生成钙矾石( 三硫型水化硫铝酸钙) 针状晶体、无定形的水化硅酸钙以及c a ( o h ) z 或水化铝酸基于数字图像处理的水泥强度预测模型研究1钙等六方板状晶体。由于钙矾石的不断生成，使液相中的s 0 4 2 离子逐渐减少并在耗尽之后，就会有单硫型水化硫铝酸钙出现。如果石膏不足，还有c 3 a 或c 。a f 剩余，则会生成单硫型水化物和c 4 ( a 、f ) h 1 3 的固液体，甚至单独的c 4 ( a 、f ) h 1 3 而后者再逐渐转变成稳定的等轴晶体c 4 ( a 、f ) h 6 。综上所述水泥的水化过程可简单的划分为如下的三个阶段，即：( 1 ) 钙矾石形成期：c 3 a 率先水化，在石膏存在条件下，迅速形成钙矾石。( 2 ) c 3 s 开始迅速水化，大量放热。当然c 2 s 与c 4 a f 也以不同的程度参与了这两个阶段的反应，生成相应的水化产物。( 3 ) 结构形成和发展期：放热速率很低，趋于稳定。随着各种水化产物的增多，填入原先由水所占据的空间，再逐渐连接，相互交织，发展成硬化的浆体结构。2 2 2 水泥凝结、硬化过程水泥加水拌成的浆体，起初具有可塑性和流动性。随着水化反应的不断进行，浆体逐渐失去流动能力，转变为具有一定强度的圆体，称为水泥的凝结和硬化。水化是水泥产生凝结硬化的前提，而凝结硬化则是水泥水化的结果。从整体上看，凝结与硬化是同一过程中的不同阶段，凝结标志着水泥浆失去流动性而具有定的塑性强度。硬化则表示水泥浆固化后所建立的结构具有一定的机械强度【2 6 】。硬化水泥浆体是一非均质的多相体系，由各种水化产物和残存熟料所构成的固相以及存于孔隙中的水和空气所组成，所以是固液气三相多孔结构。水化产物本身的化学组成和结构及其相对含量深刻影响硬化浆体的性能，与浆体结构的强弱密切相关。硬化水泥浆体中既有固相的水泥水化产物和未水化的残存熟料，又有水或空气充填在各类孔隙中，所以是非均质的三相体系。其中作为最主要的水化产物，不但化学组成各异，而且有不同的形貌：纤维状、棱柱状或棒状、管状、粒状、板、片或鳞片状，以及无定型等多种基本形式。因此硬化水泥浆体的绪构远非均匀，相当复杂。如果从水化产物的组成、形貌、构造等各个方面进行理解，难以进行统计分析以及参数的提取。所以要研究和预测硬化水泥浆体的性能，我们从水泥水化的初始时刻物相未发生水化反应时，对各物相分布进行全面的考察，提取水泥微观结构的特征参数来研究水泥的性能【2 “。2 3 影响水泥强度性能的因素为了反映水泥受外力作用方式不同情况下的材料性能，常把水泥强度分为抗压强济南大学硕士学位论文度、抗折强度、抗拉强度等，这些强度之间既有内在的联系又有很大的区别。水泥的抗压强度一般是抗拉强度的1 0 - - - 2 0 倍，所以实际结构中就是使用这种抗压强度性能【2 7 1 。在不考虑养护过程中温度、环境等外界条件的作用，硅酸盐水泥强度的影响因素，归纳起来有以下方面：1 水泥组成水泥熟料的物相特征与水泥强度及水泥水化物的微观结构具有很好的相关性，通过物相分析能预测水泥强度及其水泥强度的增进变化。水化样的微观分析也证实了这一点。水泥熟料的四种主要矿物中，c 3 a 和c 3 s 是硅酸盐水泥的主要组分，对水化速度和强度发挥起决定作用。c 3 s 与水反应快，凝结硬化也快，早、后期强度都高。c 2 s与水反应慢，硬化也慢早强低，但后期强度高。c 3 a 的含量对水泥早期强度( 如3天强度) 影响较大。c 4 a f 水化速度仅次于c 3 a ，它有助于水泥的其它物理性能，强度的作用比较小。2 石膏的掺量作为水泥凝结缓凝剂的石膏，其掺量与水泥的强度是非线性的，并存在突交点。如果是经过高温处理的硬石膏，由于其溶解度低，与c 3 a 的水化速度不匹配，水泥往往会出现快凝现象。水泥中如果含有较多的半水石膏，还会导致水泥发生假凝。3 水灰比硬化水泥浆体的孔结构对其物理性能有重要影响。孔结构包括孔隙率、孔径允布和孔分布的均匀性在一定条件下，原始水灰比是影响孔隙率的最主要因素，水灰比越大，孔隙率就越大，从而使浆体强度降低，耐久性变差。因此控制原始水灰比、则能降低浆体孔隙率，使其物理结构和性能得到改善。4 水泥细度水泥的细度亦称分散度，用于表示粉状物料的粗细程度。水泥一般是由几微米到几十微米的大小不同颗粒组成，它的粗细程度( 颗粒大小) 即称为水泥细度。细度特征主要包括粒径、粒度分布、比表面积及颗粒形状。水泥细度的表示方法，目前我国普遍采用的是筛余百分数和比表面积两种方法【2 引，水泥细度水泥颗粒尺寸分布对水泥性能的影响，是近年来水泥研究的重点之一。水泥颗粒的尺寸越小，比表面积越大，水泥与水的接触面积也越大，水泥的水化速度越快，在指定龄期中的水化产物数量增多，实际上也会导致水泥浆体的三维凝结网络形成得早，凝结时间会缩短。【2 9 1( 1 ) 水泥熟料的细度水泥颗粒大小与水化过程有着直接的关系，不同粒径的水泥的水化速度即水化程度差异很大。大于6 5 p m 的颗粒对水泥水化及强度的作用甚微，仅起到填料的作用：7基于数字图像处理的水泥强度预测模型研究过细的水泥可能结团或增大水泥的需水量，在浆体硬化之前已完成水化过程，对水泥龄期强度的增长无作用。【3 0 l 一般试验条件下，水泥颗粒大小与水化的关系是：o 一1 0 p m ，水化最快；3 3 0 “m ，是水泥主要的活性部分；大于6 0 1 t m ，水化缓慢；大于9 0j _ t m ，只有表面水化。( 2 ) 水泥的颗粒形状水泥的颗粒形状影响水泥的比表面积，因而会影响水泥强度检验时的成型需水量，需水量过大则使水泥强度下降。在粉体王程学中，将面积等于颗粒投影面积的圆的直径与颗粒投影图最小外界圆的直径的比值称为球形度。球形度不同的水泥颗粒在水化过程中的变化是不同的。若水泥中长条形、圆柱形颗粒多，则水泥颗粒之间的相互连接、交织有助于早期强度的提高；但这也使颗粒之间的摩擦系数大，要达到一定的流动度的需水量就大。使后期强度及后期强度增进率较球形度高的水泥颗粒低。济南大学硕士学位论文第三章二维图像的数字化要准确她描绘出水泥粉体特征，必须从微观图像出发，背散射和x 射线图像结合可用于获得水泥颗粒的二维图像。在水泥颗粒图像中，每一个像素作为一个孤立的水泥的烧结相( 硅酸三钙，硅酸二钙、铝酸三钙、铁铝酸四钙和石膏) 。本章说明了水泥二维图像的获取过程，并在此基础上统计出影响水泥强度的微观参数。3 1 水泥基材料的扫描电镜( s e m ) 和x - r a y 成像最近几年，s e m 和x r a y 图像应用于水泥材料的特性描述上己取得了长足的发展，它已成功地应用于水泥渣、水泥粉末和水泥浆体的水化过程中。s e m 和x r a y微观分析技术已用于识别硅酸盐水泥熟料的四种主要物相。因为在扫描电镜中由附带的电子射线产生的背散射电子( b s e ) 是与物相的分子中原子数成正比的，所以在未水化的水泥颗粒中c 4 a f 物相具有最大的平均原子数，在图像中是最亮的物相很容易与其它物相区别。然而其它的主要物相，尽管亮度也有区别( c 3 s 比其它物相亮) ，但是不能仅仅依靠b s e 图像识别物相。当电子束与样本表面交叉时，发射的x r a y提供了物相不同的化学信息。典型的x r a y 图像为二值位图( 所有像素的x r a y 强度在一个特定的能量窗内大于某一设定值时，其值就为2 5 5 ，否则为o ) 或者为连续值的x r a y 图像，每一个像素根据在设定好的能量窗内x r a y 点数的大小赋予0 2 5 5 之间的值，使用x r a y 技术分辨率小于1l a m 。s c r i v e n e r 采用s e m 和x r a y 显微分析来确定水泥颗粒中硅酸盐的分布及其水泥颗粒的空隙状态的分布，并将结果与水化过程中的散热率进行比较。s c r i v e n e r 收集了几种水泥的硅和铝的x r a y 二值位图，并处理这些图像，确定了水泥颗粒表面存在的物相比例，这些结果可用于解释水泥的水化特性。s t u t z m a n 也收集了水泥渣( 未研磨)中钙、硅、铝和铁的x r a y 位图并计算了四个主要物相的面积比例。例如图像的像素中包含钙和铝而没有铁，就为c 3 a 物相。b o n e n 和d i a m o n d 在水泥颗粒的大小、形状和物相分布上置化了研磨对水泥水化的影响，运用s e m 和x r a y 分析手段对每一水泥颗粒中发现的主要物相进行了分类p l ，3 2 l 。通过这些技术的综合应用，b e n t z 和s t u t z m a n 可以将每一像素映射为它的组成物相【3 1 3 3 , 3 4 l 。9基于数字图像处理的水泥强度预测模型研究3 2 水泥二维数字化图像的获取3 2 1 试验样本的准备准确的样品制备是精细的水泥颗粒成功成像的关键。为了推备作为扫描电镜观察的样本，需要2 5 克水泥粉末与环氧树脂混合，制成粘稠的浆体。环氧树脂与水的粘度相似，所以样品相似于水泥和水混合的悬浮液。将样本压入一个试验用模具中，在6 0 摄氏度的环境中养护2 4 小时。养护好的样品用低速片状钻石锯切割，从样品的外表面切去第一层，然后再在1 0 r a m 处平行的切去第二层，两次切割过程形成了两个平行表面，免除了反转样品重新定位的麻烦样品被抛光、镀碳，为用扫描电镜观察提供一个传导表面。对背散射电子图像和x r a y 图像的分析。可以完成二维水泥颗粒图像的数字化。然后基于这种数字化图像的分析和可测量的颗粒大小分布，可以实现水泥微观结构参数的提取。所以，= 维结构的数字化是非常关键的一步。正确的数字化可以对水泥的性能作更好的预测，并建立更加真实的预测模型。3 2 2 扫描电镜和x - r a y 成像当用扫描电镜观察时，由于样品与入射电子束的相互作用，由样品激发出的信号包括背散射电子( b e ) 和x 射线信号。此次研究，采用的加速电压是1 2 k v 和探测电流2 h a 用来采集b e 图像，观察x r a y 图像时探测电流大约是1 0 n a 。放入电镜中，进行观察，同时收集x - r a y 和背散射电子的信号，如钙、硅、铁、硫、钾、镁等物质的信号。因为x r a y 和背散射( b e ) 可以进行同一点的观察，所以可以决定二维图像中的每一像素点的矿物组成。在背散射图像中，亮度与物相所含的原子数成正比，图像中物相从亮到暗依次为c 4 a f 、c 3 s 、c 3 a 、c 2 s 、石膏、环氧树脂【35 1 。由于背散射图像微弱，所以图像中含有很多噪声，我们将同一区域的多幅背散射图像求平均，以减少噪声。物相的识别可以通过分析灰度直方图( 每一灰度级别内像素的数目) ，对背散射图像进行分类而得到，但是正确的物相分析不能只依赖与对背散射图像的分析，许多物相如c 3 a 和c 2 s 具有几乎相似的原子数，而它们的化学组成却相差很大。所以我们要将背散射和x r a y 图像结合起来【3 3 ，3 6 1 。图3 i 为水泥样本的背散射图像。o图3 1 水泥样本的背散射图像作为b e 图像信息的补充，可以得到钙、铁、铝和硫元素的x r a y 图像。图3 2给出了信号强度和能量标准的x r a y 探测仪典型x r a y 频谱。通常，获得一组5 1 2 + 4 0 0x r a y 图像所需的时间大约为3 小时，这些x r a y 信号强度处理和分析的方式同b e图像一样，同时同b e 图像结合起来。图3 2 铁铝酸四钙的x 射线频谱( 表示为钙、铁、铝、氧的合成物)图3 3 图像中，每个像素边大约0 5 u m ，接近x - r a y 要求的限定值。对于铁、铝和硫的x r a y 图像，用来产生二值图像的阈值是由每幅图像灰度直方图的局域极小值决定的。对于钙元素，x r a y 图像根据局部像素x - r a y 信号强度，被分割成四个级别，用高、中、低和不含钙来表示。图3 3 硅酸盐水泥的钙、硫、铝、铁的x r a y 图像3 3 二维数字图像处理为决定图像中各物相的分布，实现二维图像数字化，就要知道各像素所含的元素所以要对图像中每个像素进行我们称之为的决策树操作，如下图3 4 。图3 4 每一像素所代表物相的决策树在图中，x t 代表灰度值的阈值。将每一像素的灰度值与阈值比较，如果大于x + ，则认为这个像素中包含该种元素，那些灰度值小于闽值的像素则不包含该元素。要决定每一元素的阈值x + ，就要分析每一元素x r a y 图像相应的灰度直方图。灰度直方图为属于每一灰度值( 例如0 2 5 5 ) 的像素比例。例如，图3 5 是水泥钙信号图像的2灰度直方图，两个峰值间的局部极小值就可以作为钙元素的灰度阈值x + 【3 2 】。g r e y i e v e l图3 5 钙信号图像的灰度直方图对于许多其它的元素，灰度直方图只含有一个峰值，这时要从峰值右边的肩状部确定最佳的阈值。如果这个值设得太小，就会出现元素x 许多孤立的小区域( 基本上为随机噪声) ；如果这个值设得太大，元素x 的数量就很少。对于铁、铝和硫的x - r a y 图像，是通过在每一元素的灰度直方图中找到局部极小值，这个值作为阈值产生二值图像。对于钙元素x - m y 图像根据x - r a y 信号中局部像素的密度被分成四个级别，用高、中等、低和不含钙来表示。将这四个x - r a y 图像与背散射图像结合，就可以识别出水泥颗粒中的四个主要物相，还有石膏，例如x r a y 图像中铁的存在表示铁相固溶体，但是有铝元素而没有铁的表示铝酸三钙物相，硫的存在可以用于识别石膏。晟后，硅酸三钙和硅酸二钙的识别是基于对背散射电子的密度和钙的x r a y 图像的分析而得到的。图像中较亮的区域与硅酸三钙物相对应，如果背散射电子图像不足于识别这两种物相，可以将硅的x r a y 图像与背散射电子图像结合，硅酸三钙和硅酸二钙的识别就可以基于钙硅比，硅酸三钙的钙，硅比比硅酸二钙的钙硅比大。分类后的图像仍含有许多噪声，为了提高图像的质量，我们使用三个滤波器对处理后的图像进行滤波，首先将所有孤立的单个固体像素转化成孔隙；然后将所有孤立的单个的孑l 隙像素( 周围全部为固体像素) 转化为周围固体像素含量最多的物相；、最后进行滤波，将每一个固体像素用它邻域内像素所占比重最大( 如果这个比重大于某一固定的极限) 的固体物相来代替，一般这个邻域为5 * 5 ( 以该固体像素为中心) ，例如对于一个硅酸三钙物相，如果在以它为中一i i , 的5 * 5 的邻域内像素数目最多的是铁相固溶体，那么该像素的状态就要发生变化，其状态值将变为铁相固溶体。这样经过三个滤波器的滤波，去除了分类图像中所含的噪声，提高了图像的质量为下一步正确的图像数字化打下了基础【3 7 3 8 1 。基于数字图像处理的水泥强度预测模型研究通过上述方法可以将背散射图像和x 射线图像相结合，确定每一像素所对应的物相并加以颜色来区分。得到如下的二维数字图像【3 1 】。图3 6 经过分类后的水泥物相样本幽像3 4 二维水泥颗粒图像分析与特征提取二维s e m x r a y 图像可以作为提取水泥微观结构特征的基础，在2 4 节罩，我们讨论了从水泥矿物组成及其颗粒特征角度出发影响水泥强度的因素，主要有：四种主要物相的含量、石膏的含量、水泥颗粒的尺度分布、颗粒球形度、水灰比、其它微量矿物的含量。在二维分类数字图像中可提取的参数有：各种物相的含量比、各种物相的边界像素比、颗粒数目、颗粒的周长和面积等。这些参数是建立预测模型的依据。首先，数字化的参数主要为面积分数、表面分数。面积分数，通过简单地计算每一物相的像素比例就可得到。既然水泥的水化主要是依赖于水和水泥颗粒之问包含的空间，那么我们所感兴趣的是任一物相的表面分数，这个量可以通过计算每一物相所有像素周围的空隙像素的t b 例来决定。同时，。水泥水化产物中孔隙结构与分布是决定水泥力学性能的决定因素。依据试验过程中给出的水灰比，可以作为影响水泥强度性能的特征参数之一。济南大学硕士学