钢纤维、玄武岩纤维和聚酰胺纤维增强超高性能混凝土的力学性能:基于试验与SHAP机器学习评估

发布时间:2026-10-07 | 来源:Nature Scientific Reports | 作者:Senem Yılmaz Çetin

本研究系统考察了体积掺量为0.5–2.0%的钢纤维、玄武岩纤维和聚酰胺微纤维增强超高性能混凝土(UHPC)的力学性能、裂缝桥联协同效应及微观结构损伤机制。对150 mm立方体试件在7、28和56天龄期进行了抗压和劈裂抗拉强度试验,最终形成了包含234个物理试件的稳健试验矩阵。通过扫描电子显微镜(SEM)对微观结构演变和

本研究系统考察了体积掺量为0.5–2.0%的钢纤维、玄武岩纤维和聚酰胺微纤维增强超高性能混凝土(UHPC)的力学性能、裂缝桥联协同效应及微观结构损伤机制。对150 mm立方体试件在7、28和56天龄期进行了抗压和劈裂抗拉强度试验,最终形成了包含234个物理试件的稳健试验矩阵。通过扫描电子显微镜(SEM)对微观结构演变和断裂区域进行了全面审视。为捕捉高度非线性的材料行为而不受传统经验公式的约束,实施了一项涵盖七个方法学家族中十六种回归算法的综合机器学习基准测试,并结合事后SHAP分析使模型具有可解释性。在力学性能方面,掺入2.0%微钢纤维实现了峰值结构增强效果,抗压强度达到182 MPa(较未增强基体提高13.8%),56天劈裂抗拉强度提高约42%,这归因于高界面粘结效率。UHPC中掺入宏观玄武岩纤维在掺量达1.5%时获得了最佳开裂阈值(56天时为173 MPa);然而,更高掺量(2.0%)引发了局部纤维结团、内部孔隙及随后的强度增强递减,这一行为在可解释性分析中体现为负的SHAP归因值。聚酰胺微纤维因其柔性聚合物特性,有效控制了开裂后延性和微裂缝扩展。在基准测试模型中,XGBoost和核岭回归(RBF)分别成为抗压强度(R² ≈ 0.90)和劈裂抗拉强度(R² ≈ 0.85)的最准确预测器,而全局SHAP量化识别出养护龄期、钢纤维增强和纤维体积掺量为力学性能的主导控制因素。最终,将物理材料表征、SEM拓扑分析与数据驱动可解释性相关联,为先进高性能水泥基复合材料的跨尺度优化建立了严格的土木工程范式。该框架进一步配备了无分布假设的共形预测区间(\(f\prime_{c}\)为± 4.9 MPa,f st为± 0.5 MPa,经验覆盖率为90%)、再现实验观测掺量阈值的纤维条件部分依赖分析、界定适用域的留一组验证,以及显著优于经典经验\(f_{st} {-}f\prime_{c}\)公式的闭式设计方程(交叉验证R² = 0.87–0.88)。本研究的新颖性在于将单一严格控制的多元纤维试验方案与具有不确定性感知、完全可解释的机器学习流程相结合,包括堆叠、投票和多目标扩展,其在小数据情形下的附加价值是被量化而非假设的。

返回资讯频道