肖建庄教授团队在中科院一区Top期刊Construction and Building Materials发表了题为Two-dimensional digital reconstruction and mesoscale simulation of concrete with real recycled aggregates最新研究论文。

摘要

为评估和预测真实再生骨料形态及混凝土性能，本研究开发了一个集成再生骨料识别与再生骨料混凝土强度模拟的二维数字化框架。该框架利用深度学习模型，在包含3523个再生骨料的1455张图像中，将旧砂浆和天然骨料分为两个独立区域，实现了高精度的检测识别与分割。基于七个形态参数建立数据库，应用傅里叶变换实现真实骨料轮廓数字化，并基于机器学习生成参数可控的虚拟再生骨料。利用数据库实现细观模型有限元模拟，结果表明：（1）旧界面过渡区是裂缝萌生的主要区域；（2）新砂浆和旧砂浆的强度增强效应至关重要，但受限于旧砂浆固有的强度阈值；（3）在低新砂浆强度条件下，良好的再生骨料形态可使再生骨料混凝土强度提高2%–9%，但随着新砂浆强度的增加，该效应减弱。浸渍树脂试验证实了旧砂浆和旧界面过渡区存在初始微裂缝（<0.02mm），单轴受压试验验证了这些模拟趋势。此项工作建立了一条连接再生骨料生产检测与再生骨料混凝土性能预测的数字化路径。

现有研究方法不足

现有再生骨料（RA）颗粒研究存在以下问题：（1）RA评估仍以物理指标为主，现有形态检测方法主要依赖经验判断，而老砂浆（OM）含量检测（酸化、高温）操作复杂且准确度不高；（2）既有细观模型多采用简化几何形状骨料，忽略其真实不规则形态与OM随机分布情况；（3）传统试配方法耗时且缺乏理论指导，急需建立RA特征与再生混凝土（RAC）性能之间的量化关系。

研究内容与方法

研究构建一个从再生骨料识别到混凝土强度模拟的二维数字化框架，包括：

• RA智能识别：使用深度学习模型（YOLOv8-segment）识别旧砂浆与天然骨料。

• 数字重建：通过傅里叶变换建立空间-频域双向映射，实现RA轮廓数字化。

• 虚拟RA生成：利用机器学习生成可控参数的虚拟RA。

• 细观尺度模拟：利用形态学处理方法自动生成界面过渡区（ITZ），建立五相二维模型，基于ABAQUS开展多参数RAC抗压强度的中尺度细观模拟。

• 试验验证：通过浸渍树脂观察OM微观缺陷，并进行立方体抗压试验。

创新与发现

• 搭建了集成智能识别、数字重建与模拟预测的框架，实现从RA生产检测到RAC性能预测的全数字化通路。

• 建立大规模RA二维数据库，支持参数化虚拟RA生成与可控参数化模拟。

• 揭示OM与旧ITZ的主导作用：旧ITZ是裂缝起始主要区域，OM存在强度增强阈值。

• 发现发现“形态补偿效应”：高OM含量的RA通过优化形态和级配能弥补其强度不足。

作者简介

梅俊杰，广西大学博士生，第一作者

肖建庄，广西大学/同济大学教授，通讯作者

杨海峰，广西大学教授

李文明，同济大学博士后

周有威，广西大学博士生

王建军，广西路桥集团

叶涛华，同济大学博士生

论文DOI:  https://doi.org/10.1016/j.conbuildmat.2025.144691