[发明专利]材性试验与强度预测方法、系统、存储介质、计算机设备

权利要求书

1.一种材性试验与强度预测方法，其特征在于，所述材性试验与强度预测方法包括：

获取纤维参数与集体配合比，纤维参数指使用纤维的各项基本参数包括纤维长度、抗拉强度、弹性模量、断裂伸长量及纤维掺量；集体配合比由基体材料包括水、砂、石、水泥、粉煤灰的使用量与水质量比值组成；

获取试验的龄期，龄期选取3天、7天、14天、21天、28天六个进行训练；

获取试验强度数据，试验强度数据包括抗压强度、劈裂抗拉强度、抗折强度三大部分组成，通过收集现有研究成果实现操作；

建立基于神经网络ANN的纤维混凝土强度训练预测模型，分别建立三个独立的训练模型包括抗压训练模型、劈裂抗拉训练模型、抗折训练模型，三个模型建立过程相同；

基于BP算法，将设置好的训练样本提供进网络进行训练，激活各层的神经元的数值经过输入层，传向隐藏层后传向输出层，再由输出层向隐藏层修正并连接权值，返回输入层，误差不断减小直到达到训练目标值停止。

2.如权利要求1所述的材性试验与强度预测方法，其特征在于，材性试验与强度预测方法包括：

进行立方体抗压强度试验、轴心抗压强度试验、静力受压弹性模量试验、劈裂抗拉强度试验、抗折强度试验；

查看测试强度时的加载机制要求；查看对试验数据的处理办法。

3.如权利要求2所述的材性试验与强度预测方法，其特征在于，材性试验与强度预测方法的强度预测在纤维参数、基体配合比中输入使用的纤维和基体材料的有关参数，根据提示的信息先选择所需预测的龄期，输出结果为标注尺寸所对应的强度值。

4.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：

获取纤维参数与集体配合比，纤维参数指使用纤维的各项基本参数包括纤维长度、抗拉强度、弹性模量、断裂伸长量及纤维掺量；集体配合比由基体材料包括水、砂、石、水泥、粉煤灰的使用量与水质量比值组成；

获取试验的龄期，龄期选取3天、7天、14天、21天、28天六个进行训练；

获取试验强度数据，试验强度数据包括抗压强度、劈裂抗拉强度、抗折强度三大部分组成，通过收集现有研究成果实现操作；

建立基于神经网络ANN的纤维混凝土强度训练预测模型，分别建立三个独立的训练模型包括抗压训练模型、劈裂抗拉训练模型、抗折训练模型，三个模型建立过程相同；

基于BP算法，将设置好的训练样本提供进网络进行训练，激活各层的神经元的数值经过输入层，传向隐藏层后传向输出层，再由输出层向隐藏层修正并连接权值，返回输入层，误差不断减小直到达到训练目标值停止。

5.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：

获取纤维参数与集体配合比，纤维参数指使用纤维的各项基本参数包括纤维长度、抗拉强度、弹性模量、断裂伸长量及纤维掺量；集体配合比由基体材料包括水、砂、石、水泥、粉煤灰的使用量与水质量比值组成；

获取试验的龄期，龄期选取3天、7天、14天、21天、28天六个进行训练；

获取试验强度数据，试验强度数据包括抗压强度、劈裂抗拉强度、抗折强度三大部分组成，通过收集现有研究成果实现操作；

建立基于神经网络ANN的纤维混凝土强度训练预测模型，分别建立三个独立的训练模型包括抗压训练模型、劈裂抗拉训练模型、抗折训练模型，三个模型建立过程相同；

基于BP算法，将设置好的训练样本提供进网络进行训练，激活各层的神经元的数值经过输入层，传向隐藏层后传向输出层，再由输出层向隐藏层修正并连接权值，返回输入层，误差不断减小直到达到训练目标值停止。

6.一种实施权利要求1～3任意一项所述材性试验与强度预测方法的材性试验与强度预测系统，其特征在于，所述材性试验与强度预测系统包括：立方体抗压强度试验模块、轴心抗压强度试验模块、静力受压弹性模量试验模块、劈裂抗拉强度试验模块、抗折强度试验模块。

7.一种终端，其特征在于，所述终端搭载权利要求6所述的材性试验与强度预测系统。