【摘 要】
:
基础设施的拆除和改扩建产生了巨量的建筑垃圾,建筑垃圾主要再利用方式为制作再生骨料,但是再生骨料内部存在微裂缝和孔隙,这导致其物理力学性质较天然骨料更差,产品性能更低。本文主要研究微生物矿化改性反应的主要影响因素,探讨利用该技术改性建筑垃圾的方法和改性后再生骨料的物理力学性质变化,并探索改性再生骨料在路基填料中的应用。本文主要得到以下结论:(1)通过微生物化学实验,研究各参数对脲酶活性和矿化反应过程
论文部分内容阅读
基础设施的拆除和改扩建产生了巨量的建筑垃圾,建筑垃圾主要再利用方式为制作再生骨料,但是再生骨料内部存在微裂缝和孔隙,这导致其物理力学性质较天然骨料更差,产品性能更低。本文主要研究微生物矿化改性反应的主要影响因素,探讨利用该技术改性建筑垃圾的方法和改性后再生骨料的物理力学性质变化,并探索改性再生骨料在路基填料中的应用。本文主要得到以下结论:(1)通过微生物化学实验,研究各参数对脲酶活性和矿化反应过程的影响,确定最适反应条件。脲酶活性与细菌数量和温度成正相关,pH值为8时脲酶活性达到最大。脲酶活性可以提升微生物矿化反应的速率和效率,底物浓度的增加可以提升微生物矿化反应的速率,但过高时会降低反应效率。乙酸钙水溶液呈碱性,因此能够提高微生物矿化反应速率约10%,但是考虑乙酸钙价格高昂,最终选择氯化钙作为钙源。(2)基于最适反应条件,采用浸泡法和喷洒法分别对再生骨料进行改性处理,以吸水率为评价指标确定最佳改性方法,研究表观密度、吸水特性、粘结特性、硬度、抗剪强度和压碎值等物理力学指标变化规律。浸泡法在底物浓度为0.5 mol/L的改性效果最好,而喷洒法在底物浓度为1.0 mol/L时改性效果更好。对比二者的最佳改性效果,喷洒法在各个级配下均优于浸泡法。随着喷洒次数的增加,再生骨料的表观密度、内摩擦角逐渐增大,吸水率、脱落率和压碎值不断降低。微生物矿化改性对于里氏硬度小于300 HL部位硬度有小幅提升。(3)通过压汞测试、BET测试、扫描电镜(SEM)测试、X射线衍射(XRD)测试等技术手段,研究改性前后孔隙特征、微观结构和矿物成分变化,探讨改性机理。压汞测试和BET测试表明,粗骨料和中骨料的孔径主要集中在10-200 nm,细骨料孔径主要集中在4-100 nm,改性后小孔体积大幅减小,表明孔隙被填充和堵塞。SEM测试表明,改性后生成方解石对再生骨料表面的孔隙和裂缝进行了填充,并对表面细小颗粒进行了包裹,从而提升了其物理力学特性。XRD测试表明,再生骨料改性后碳酸钙含量明显增加,碳酸钙主要结晶形式为方解石。(4)基于上述研究,最终建立了同时考虑孔隙填充和淤堵的微生物矿化改性再生骨料动力学模型,并结合实验结果对模型进行验证。建立的微生物矿化动力学模型能够计算不同改性方法和改性次数下的再生骨料孔隙分布特性和孔隙率变化情况,计算结果与实验数据的对比表明该模型具有较好的准确性。(5)将改性后再生骨料应用于路基填料之中,研究不同配合比下再生骨料承载比性能变化规律。由于单档骨料在重型击实试验中易被击碎,最终测得承载比偏小。当粗骨料、中骨料、细骨料和土的干质量占比分别为28.00%、28.00%、14.00%和30.00%时,三档再生骨料与土形成的复合材料的承载比最大,为101.81%,改性后承载比为123.40%,提升约21.20%。
其他文献
<正>数字金融是金融行业与互联网技术融合后产生的新金融服务形式,代表着金融行业未来发展的新方向、新趋势。在新技术赋能下,数字金融的服务功能比传统金融业更智能、更便捷、更高效,对区域经济发展也产生了更为深远的影响。本文聚焦数字金融这一新生事物,深入探究其对经济社会发展的影响机制,提出促进区域经济高质量发展的对策和建议。
问题生成(Question Generation,简称QG)是智能问答领域的重要任务之一,旨在根据给定文本,自动生成语法通顺、语义相关的自然问句。该技术能够赋予机器“自主提问”的能力,在新兴的智能教育、自动问诊和社区问答等场景中应用价值广泛。现有的问题生成研究往往采用教师强制学习方式,其驱动模型生成与标准问句相仿甚至一致的自然问句。然而,QG模型在测试阶段并无可参考的标准问句,仅能依靠非置信的信息
随着城市地下空间不断发展,大断面矩形隧道因其较高的空间利用率逐渐得到广泛运用。通常情况下,暗挖矩形断面隧道多运用顶管法施工。施工中预制管节和地层相互作用主要体现为界面摩擦,且摩擦效应随着管节不断顶进而持续积累。因此,摩擦效应在顶进中不断累积会对周边地层造成持续性的扰动。由于矩形顶管的管土接触面积大,“背土效应”下摩擦作用对地层扰动影响显著高于常规圆形顶管。目前,针对矩形顶管施工地层变形分析中较少考
现阶段,14天行程轨迹的查验已成常态化疫情防控的常用手段,基于轨迹大数据的实时处理有效作用于疫情防控中的时空伴随者监测、疑似病例的密切接触者排查等场景。同时,随着智慧城市建设进入新阶段,轨迹大数据计算与城市治理融合的模式及形态正在发生重大变化,表现在离线场景的轨迹分析已不能满足现状。日新月异的应用要求充分挖掘轨迹大数据的“新鲜”价值,亟需突破大规模轨迹数据的实时管理与精准查询手段,这对提升城市治理
随着互联网信息资源的爆炸式增长,“信息过载”问题在搜索、电子商务、视频网站等众多网络应用中日益突出。作为解决“信息过载”问题的有效方法,推荐系统已经成为大数据时代的热门话题,在学术界和工业界得到了广泛的应用。目前,大多数的推荐系统都是基于用户的个人信息和历史行为数据进行推荐。然而,在许多场景下,推荐系统模型都是基于原始特征交互来获取信息,导致用户的个人信息和历史行为并没有得到充分的利用。仅仅在原始
近年来,联邦学习作为一种新的人工智能边缘计算范式引起了广泛关注。联邦学习利用多个边缘设备作为参与者来协同训练深度学习中的全局模型,并且训练的过程不会泄露任何参与方的本地数据。在典型的边缘计算场景中,联邦学习的参与者通常为异构分布,由个人电脑、智能手机、物联网设备、网络设备等各式设备组成。在设备异构的背景下,算力较弱的设备被称为掉队者,会成为联邦学习中每一个训练轮次中的瓶颈,进而限制模型总体收敛速度
基于全监督学习的目标检测在现实场景下严重依赖完整标注的数据,使得在一些现实检测场景中难以应用传统的全监督学习方法,本课题采用弱监督学习方法开展目标检测方法研究。在弱监督目标检测中由于缺乏位置标注信息,模型易使目标尤其是非刚性目标的检测结果收敛到目标最具判别性局部区域,从而导致目标的检测结果不完整。此外在进行伪标记过程中过分关注分类置信度最高的局部目标区域,使得其他正实例样本挖掘不充分。因此本文针对
软件测试是软件工程不可或缺的重要环节之一,而众包测试是软件测试的一个重要分支。在众包测试中,工人执行测试任务并提交测试报告,开发者需要对提交的测试报告进行审查和评估。由于测试报告数量众多且往往质量参差不齐,开发者在人工审查过程中将花费大量时间,直接影响了众包测试效率。近年来,出现了许多自动化技术,如聚类、分类和排序技术,以减少审查数量并提高审查效率。然而面对移动应用众测报告的文本和图像信息时,已有
目前动漫图片风格的电子游戏拥有越来越大的市场和受众。在该类游戏开发中,存在高质量的背景绘制需要耗费资源巨大的问题,该类游戏在制作过程中通常需要绘制不同时间条件下的差分图,并要求电子游戏的背景图片比一般动漫图片纹理及色彩更丰富,边缘更清晰,而现有的动漫风格图像迁移方法仅支持照片域图像向动漫图像单一时间节点域的映射,并不能很好胜任这项任务。本文在基于生成对抗网络的从照片生成动漫风格电子游戏背景图片算法
属性级情感分类任务旨在判断句子中针对某一个属性所对应的情感倾向,近年来,引起了自然语言处理领域学者的广泛关注。由于现有的相关研究大部分都是基于英文语料的,情感资源在不同语言上的分布并不均衡,跨语言的方法应运而生。跨语言属性级情感分类旨在使用源语言中的资源帮助目标语言进行属性级情感检测和分类,其核心问题在于如何实现跨语言知识的有效共享。本文针对这一问题对跨语言属性级情感分类展开研究,具体研究内容如下