织物增强混凝土（TRC）永久模板叠合混凝土结构U形梁模的研制.pdf

2 0 1 3 年 第 1 2期 总 第 2 9 0 期 Nu mb e r 1 2 i n 2 0 1 3 T o t a l No ． 2 9 0 混 凝 土 Co nc r e t e 混凝土制品 C0NCRETE PR0DUCTS d o i 1 0 ．3 9 6 9 ．i s s n ． 1 0 0 2 3 5 5 0 ． 2 0 1 3 ． 1 2 ． 0 3 8 织物增强混凝土 T R C 永久模板叠合混凝土结构 U形梁模的研制 尹红字 ，谷帅 ，张建成 ，吴茜，冯琴 ，吴嘉君 盐城工学院 土木工程学院 ，江苏 盐城 2 2 4 0 5 1 摘要 提出一种采用 T R C薄板 织物增强混凝土 t e x t i l e r e i n f o r c e d c o n c r e t e 作为永久模板叠合 R C结构体系 ， 在预制 T R C永 久模板 中浇筑混凝土， 两者共 同组成结构构件。 T R C永久模板具有抗裂性 、 高延性和良好 的耐久性 ， 既起到模板的作用 ， 又作为结 构 的一部分参加共同工作 ， 有利于保护钢筋 ， 提高结构构件的耐久性和有效的承载力 、 延性 ， 节约大量的施工模板。进行了 u形 T R C永久梁模的研制 ， 设计了 u形梁模的制作模板和部分主筋的定位方法 ， 并进行了 u形梁模 的制作 。 初步试验结果表 明该技 术 的可行性 。 关键词 T R C永久模板；叠合混凝土结构；U形梁模 ；施工工艺 中图分类号 T U 5 2 8 ． 7 文献标志码 A 文章编号 1 0 0 2 3 5 5 0 2 0 1 3 1 2 0 1 3 5 0 3 M a n u f a c t u r i n g t e c h n i q u e o f U- s h a p e d b e a m f or mw o r k i n c o mpo s i t e R C s t r u c t u r e w i t h T RC p e r ma n e n t f o r mw o r k Y I NHo n g ， GUS h u a i ， Z H ANGJ i a n c h e n g ， WUX i ， F E N G Q i n ， WUJ i a j t m C o l l e g e o f C i v i l E n g i n e e r i n g ， Y a n c h e n g I n s t i t u t e o f T e c h n o l o g y ， Y a n c h e n g 2 2 4 0 5 1 ， C h i n a Ab s t r a c t T e x t i l e r e i n f o r c e d c o n c r e t e s h e e t u s e d a s p e r ma n e n t f o rm wo r k i s p r o p o s e d i n Ca s t -- i n - -p l a c e p r e f a b r i c a t e d r e i n f o r c e d c o n c r e t e s t r u c t u r e ． Po u r i n g c o nc r e t e i n TRC pe rm a n e n t f o r mwo r k c a n c o mp o s i t e s t r u c t u r a l s y s t e ms ． TRC pe r ma n e n t f o r mwo r k ha s g r e a t c r a c k r e s i s t an c e ， hi g h d u c t i l i t y a ndg o o dwo r ki n gd u r a b i l i t y ． I tn o t o n l ywo r ks a st hef o r mwo r kb u t a l s o a spa r t of t h e s t r u c t u r e ． I nt hi swa y， i ti s be n e fi c i a l t o p r o t e c t s t e e l ， i mp r o v e b e a r i n g c a p a c i t y a n d d u c t i l i ty o f s t r u c t u r e ， a n d s a v e l o t s o f c o n s t r u c t i o n f o r mwo r k ．We d e s i g n TR C p e rm ane n t f o r mwo r k i n U s h a pe d f o r RC b e a ms ， i nc lud i ng p r o d uc t i o n pr o c e s s a n d l o c a t i n g me tho d f o r pa r t o f t he ma i n s t e e l ba r ．Pr e l i mi n a r y t e s t r e s u l t s s h o w f e a s i b i l i ty o f t h i s c o n s t r u c t i o n me tho d ． Keyw or ds TRCpe rm a ne n tf orm wo r k； c o mpo s i t e r e i nf o r c e d c o n c r e t e s t r uc t ur e U s h a pe dbe a m f orm wo r k； c o n s t r uc t i o nt e c h n ol o g y 0 引 言 装配式 R C结构是建筑工业化的重要 手段 ， 是我 国建 筑结构发展的重要方向之一 。 建筑工业化可 以实现节能环 保 、 施工质量稳定和生产效率提升 ， 有利于发展绿色环保 建筑。 国内外学者对其做 了大量 的研究工作并开发了多种 装配式结构形式。 南京大地建设股份有限公 司从德国引进 的预制预应力混凝 土装配整体式房屋结构 ， 简称世构体系 S C O P E Ⅲ ； 无黏结 预应力装配式框架『2 ] 、 混合连接装配式 混凝 土框架[3 ] 、 全装配预制混凝土结构 等结构形式在我 国 也得到了初步研究与应用 。 然而 ， 相对现浇 R C结构而言 ， 装配式 R C结构的梁柱节点整体性较弱 ， 影响到结构 的抗 震性能和可靠性能 。 日本对预制侧板 的装配整体式结构 、 外壳预制核心现浇装配整体式 R C结构进行 了试验研究[5 - 6 ] 。 该结构体 系能够达到与现浇 R C结构相 同的整体性 ， 可 以 节约大量模板及工作量 、 实现建筑工业化 、 缩短工期提高 建造效率 ； 同时减少现场浇筑量 ， 降低噪音和有利于环境 收稿 日期 2 0 1 3 0 6 1 6 基金项目住房和城乡建设部研究开发项 目 2 0 1 1 - K1 6 4 保护 。 T R C是一种纤维复合增强材料 ， 由多轴纤维织物和高 性能细集料混凝土组成 。 其 中高性能细集料混凝土不仅强 度高 ， 而且具有高流动性 ， 自密实性 ， 抗离析性等优 良的工 作特性 和抗渗 、 抗碳 化和抗冻融等较 好的耐久性 ； 纤维材 料 如耐碱玻璃 纤维 、 碳纤维 、 芳族聚酰胺纤 维 、 玄 武岩纤 维等 具有轻质 、 高强 、 耐腐蚀 、 耐疲劳等优异特点 ， 而且编 织物纤维较细 ， 纤维的保护层厚度仅需满足其黏结锚固要 求。 所 以 T R C结构具有高强、 抗裂性[7 - 8 ] 、 高延性 、 抗腐蚀 、 耐久性好 、 防火 、 可设计性强 的优点 ， 适用于薄壁结构或覆 层材料 、 耐腐蚀 构件 以及恶劣 环境 中结构 的加 固补强 ， 在 桥梁、 建筑物、 构筑物等重要工程项目中已有应用。 T R C薄 板作为永久模板叠合混凝 土结构既起到模板的作用 ， 又作 为结构的一部 分参加 共同工 作 ， 有利 于保护钢筋 ， 提高结 构构件 的耐久性和有效的承载力 [1 0 - 1 1 ] 、 延性l l 2 l ， 节约大量 的 施工模板。 1 3 5 表 3 R B F神经 网络训练与预测结果 从表 2 、 3 可 以看 出， B P神经 网络和 R B F神经 网络预 测结果与试验结果较吻合 ． 相对误差均在 1 0 ％以内 ， 即表 明可以通过神经 网络实现预测试验结果的效果 ， 可 以进一 步实现橡胶混凝土的其他力学性能的预测 。 同时 ， 进～步分 析发现， 橡胶粒径越小， 当橡胶掺量越多时， 两种神经网络 的预测误差较大 ， 其主要原 因是 由于试验样本太少 ， 高掺 量 的橡胶对试验结果影 响较 大 。 整体上 ， R B F较 B P神 经 网络的预测结果更接近试验结果 ， 即表明 R B F 神经网络在 小样本预测巾效果较好 。 4结 论 1 构建 _ r 7 8 2的 3层 B P 、 R B F神经 网络 ， 实 现 了 B P 、 R B F神经网络在橡胶混凝土力学性能中的应用 ， 预测 结果与试验结果相吻合 。 2 R BF 较 B P神经 网络对小样本试验结果 的预测效 果要好 。 3 应用神经 网络 ， 可 以检验试验结果并可 以进一步 扩展试 验结果 ， 该操作方法较简便 、 快捷 ， 可以进一步推广 到废 旧橡胶混凝土其他力学性能研究工作 中。 上接第 1 3 7页 I 2 l董挺峰 ， 李振宝． 无黏结预应力装配式框 架内节点抗震性能研 究『 J 1 _北京工业大学学报 ， 2 0 0 6 ， 3 2 2 1 4 4 1 4 8 ． 【 3 J 李振宝 ， 董挺峰 ， 闰维明， 等． I 混合连接装配式框架内节点抗震 性能研究l J l _ 北京工业大学学报， 2 0 0 6 ， 3 2 1 0 8 9 5 8 9 9 ． I 4 I 赵斌 ， 吕西林 ， 刘丽珍． 全装配式预制混凝土结构梁柱组合件抗 震性能试验研究l J 1 ．地震工程与工程振动， 2 0 0 5 ， 2 5 1 8 1 8 6 ． [ 5 j T OMAT S U RI H， YA MA UR A 1 , F U CHI GA MI I Co n s t r u c t i o n o f h i g h - r i s e R C b u i l d i n g u s i n g p r e c a s t s h e l l i n h i r o s h i ma [ J ] ． C o n c r e t e J o u r h a ， 2 0 0 3 ， 4 1 1 1 5 7 6 2 ． 【 6 1服部党志、 竹内博幸 、 山浦一郎、 等- 2 面外觳 寺中天 工法 c 二土否7一 L ， 年t灭 梁部材裂作 施工实顾． 了、／夕I J 工学 年次 文集 ， 2 0 0 1 ， 2 3 2 1 2 5 5 1 2 6 0 ． 1 7 l 潘永灿 ， 荀勇． 纤维织物增强混凝土薄板抗折强良试验研究[ J 1 - 混凝土与水泥制品， 2 0 0 6 4 4 9 5 1 ． 1 8 J8 荀勇 ， 孙伟 ， R E I N H A R D T H ，W， 等． 短纤维和织物增强混凝土 薄板试验研究【 J I． 土木工程学报 ， 2 0 0 5 ， 3 8 1 1 5 8 ～ 6 3 】 4 4 参考文献 【 1 ]韩力群 ． 人工神经网络教程[ M _ ． 北京 北京邮电大学 出版 社 ， 2 0 0 6． 张德丰． MA T L A B神经网络编程【 M ] ． 北京 化学工业出版社， 2 0 1 1 ． f 3 】张扬， 李四平 ， 赵社戌． 基于 B P神经 网络的方钢管粉煤灰混凝 土极限承载力预测l J 】 ．混凝土 ， 2 0 1 2 1 1 2 8 2 9 ． 【 4 】刘婷婷， 章克凌． 人工神经网络在混凝土强度预测中的应t N[ J 1 ． 粉煤灰综合利用， 2 0 o 5 4 9 - 1 1 ． 【 5 ]赵胜利 ， 刘燕_ 皋于 R B F网络的商品混凝土强度预测分析l J l _ 计 算机工程 ， 2 0 0 5 ， 3 1 1 8 3 6 3 7 ． 【 6 ]余雪娟．基于神经网络的混凝土强度预测l J 1． 工程质量 ， 2 0O8 7 4O 一 4 2． [ 7 】李红 ， 彭涛 ． 基于 B P 、 R B F神经网络混凝土抗压强度预测l J l _ 武 汉理工大学学报， 2 0 0 9 ， 3 1 8 3 3 3 6 ． 作者简介 杨春峰 1 9 7 3 一 ， 男 ， 教授， 研究方向 新型混凝土材料 性能及应用技术研究。 联 系地址 沈阳市大东 区望花南街 2 1 号 沈阳大学建 工学院 1 1 0o4 4 联系电话 1 5 9 4 0 0 4 9 3 8 5 【 9 J HE GGE R J ， VOS S S ．I n v e s t i g a t i o n o n t h e b e a r i n g b e h a v i o r a n d ld I l p l i e a t i o n o f t e x t i l e r e i n f o r e e d c o n c r e t e l J 1 ． E n g i n e e r i n g S t r u c t u r e s ， 2 0 0 8 ， 3 0 5 2 0 5 0 2 0 5 6 ． 【 l 0 1 荀勇 ， 支正东 ， 张勤． 织物增强混凝土薄板加固钢筋混凝土梁受 弯性能试验研究『 J 1 ． 建筑结构学报 ， 2 0 1 0 ， 3 1 3 7 0 7 6 ⋯ 1] 徐世娘， 尹世平 ， 蔡新华． 纤维编织网增强混凝土加固钢筋混凝 土梁受弯性能研究『 J 1 ．土木工程学报 ， 2 0 1 1 ， 4 4 4 2 3 3 4 【 1 2 J 尹世平． T R C基本力学J性能及其增强钢筋混凝土梁受弯性能性 能研究『 D 1 ． 大连理工大学， 2 0 1 0 ． 作者简介 联 系地址 联 系电话 尹红宇 1 9 6 9 一 ， 女 ， 高级工程师， 博士 ， 从事结构工程 方面的教学与科研。 江而省盐城币亭湖区希望大道 9号 盐城工学院士木 工程学院 2 2 4 0 5 1 1 8 9 2l 8 81 3 46