В основе системы лежат нейросетевые алгоритмы, которые позволят определить распределение пор в бетоне, их форму и размеры, а также выявить закономерности между пористой структурой и теми физическими характеристиками, которые от нее зависят. Нейросеть сможет выдавать рекомендации по оптимальному составу бетона с заданным набором свойств при наименьшей стоимости.

Бетон на 70 % от своего объема состоит из так называемых инертных материалов или заполнителей (щебень и песок) и на 30 % — из цементного камня – продукта реакции цемента, воды и различных добавок (химических или минеральных). При этом пористая структура цементного камня играет значительную роль в свойствах бетона. И ее роль, как и количественное описание, до конца не изучены и представляют большой интерес.

Ученые Томского политеха проводят рентгено-томографические исследования пористой структуры цементного камня и воссоздают трехмерное изображение распределения пористой структуры отсканированного образца. Это позволяет определить, как по цементному камню распределены поры различного размера, какой они формы (сферической, цилиндрической и так далее), как они между собой связаны. Задача ученых на этом этапе исследований — найти функцию распределения пор в зависимости от указанных параметров.

«Задача определения пористой структуры горных пород и цементного камня была актуальна и раньше, и будет актуальна и далее, поскольку пористая структура материала в значительной степени определяет его физико-механические свойства. Например, так называемая долговечность бетона, которая по ГОСТ формулируется в терминах морозостойкости, то есть в количестве выдерживаемых циклов замораживания/оттаивания без значимой потери прочности, во многом определяется именно пористой структурой цементного камня. Другой пример свойства, определяемого пористой структурой — водонепроницаемость бетона, важный параметр при строительстве мостовых сооружений», — отмечает один из авторов исследования, доцент Исследовательской школы физики высокоэнергетических процессов ТПУ Роман Резаев.

Ученые провели исследование пяти различных составов бетона с разной пористой структурой. Их сканирование проводится на томографе Томского политеха с высокой разрешающей способностью. Уникальность метода анализа данных томографического сканирования политехников заключается в гибридном подходе — комбинации методов, основанных на нейронных сетях, и методах, основанных на физических представлениях. Это позволяет кардинально сократить объем обучающей выборки и значительно повысить надежность.

«Идея метода улучшения анализа данных состоит в том, чтобы «помочь» нейронной сети классифицировать каждый пиксель изображения, как принадлежащий или не принадлежащий поре с помощью дополнительного анализа пространственной трехмерной окрестности этого пикселя. Другими словами, вероятность того, что данный пиксель будет отнесен к классу «поры», зависит не только от базы обучающей выборки, состоящей из двумерных снимков, но и от того, как эти изображения связаны между собой условием непрерывности свойств материала. Например, если частицы песка имеют гладкую поверхность, то вероятность появления поры вблизи них значительно ниже, чем если они имеют изломанную границу», — добавляет Роман Резаев.

Методика политехников была апробирована совместно с Научно-исследовательским институтом современных материалов и технологий. Сейчас политехники тестируют методику и работают над улучшением алгоритмов обработки данных томографического сканирования. В будущем, по мнению ученых, нейросеть можно будет использовать для подбора оптимального состава бетона с заданными свойствами при наименьшей стоимости.

В статье используются материалы из источника:

https://news.tpu.ru/news/uchenye-tpu-razrabatyvayut-neyroset-dlya-optimizatsii-poristoy-struktury-betona/