| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-24页 |
| 1.1 选题的背景和研究意义 | 第11-13页 |
| 1.1.1 选题背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-21页 |
| 1.2.1 基于物理学原理的自修复混凝土 | 第14-15页 |
| 1.2.2 基于化学反应原理的自修复混凝土 | 第15-19页 |
| 1.2.3 基于生物反应原理的自修复技术 | 第19-20页 |
| 1.2.4 研究现状评价 | 第20-21页 |
| 1.3 本文主要工作与创新点 | 第21-24页 |
| 1.3.1 研究技术路线 | 第21页 |
| 1.3.2 主要研究内容 | 第21-22页 |
| 1.3.3 主要创新点 | 第22-24页 |
| 第二章 掺有硅酸钠修复剂的自修复混凝土修复后氯离子渗透性能试验研究 | 第24-46页 |
| 2.1 引言 | 第24页 |
| 2.2 试验设计与准备 | 第24-39页 |
| 2.2.1 渗透试验方案选取 | 第24-29页 |
| 2.2.2 裂缝生成试验设计 | 第29-36页 |
| 2.2.3 硅酸钠修复剂自修复原理 | 第36-37页 |
| 2.2.4 硅酸钠修复剂的制作流程 | 第37-39页 |
| 2.2.5 自修复混凝土配合比设计 | 第39页 |
| 2.3 试验现象与结果 | 第39-45页 |
| 2.3.1 试验现象 | 第39-43页 |
| 2.3.2 氯离子渗透系数的计算 | 第43-45页 |
| 2.4 本章小结 | 第45-46页 |
| 第三章 基于确定性方法的自修复混凝土寿命预测与修复剂最优配合比选取 | 第46-73页 |
| 3.1 引言 | 第46页 |
| 3.2 自修复混凝土寿命预测的主要参数 | 第46-51页 |
| 3.2.1 混凝土表面氯离子浓度 | 第47-49页 |
| 3.2.2 混凝土内部引入的氯离子初始浓度 | 第49页 |
| 3.2.3 钢筋锈蚀的临界氯离子浓度 | 第49-50页 |
| 3.2.4 渗透系数的衰减指数 | 第50-51页 |
| 3.3 自修复混凝土确定性寿命预测 | 第51-63页 |
| 3.3.1 混凝土寿命预测原理 | 第51-55页 |
| 3.3.2 三种修复剂掺量的自修复混凝土寿命预测结果 | 第55-63页 |
| 3.4 自修复混凝土确定性寿命的单因素方差分析 | 第63-72页 |
| 3.4.1 方差分析原理 | 第64页 |
| 3.4.2 正态假设检验 | 第64-67页 |
| 3.4.3 方差齐性检验 | 第67-68页 |
| 3.4.4 独立性检验 | 第68页 |
| 3.4.5 单因素方差分析结果 | 第68-70页 |
| 3.4.6 单因素方差分析的多重比较 | 第70-72页 |
| 3.5 本章小结 | 第72-73页 |
| 第四章 基于非确定性方法的自修复混凝土寿命预测 | 第73-94页 |
| 4.1 引言 | 第73页 |
| 4.2 混凝土寿命预测的非确定性方法 | 第73-83页 |
| 4.2.1 可靠度理论的概念 | 第73页 |
| 4.2.2 寿命预测极限状态表达式的推导 | 第73-75页 |
| 4.2.3 随机模拟法寿命预测与分布特征检验 | 第75-76页 |
| 4.2.4 自修复混凝土非确定性寿命预测结果 | 第76-80页 |
| 4.2.5 自修复混凝土的安全系数 | 第80-83页 |
| 4.3 混凝土寿命预测参数的敏度分析 | 第83-92页 |
| 4.3.1 参数变化时寿命预测响应的变化程度 | 第83-89页 |
| 4.3.2 混凝土寿命预测参数的敏度公式推导与敏度计算 | 第89-91页 |
| 4.3.3 自修复混凝土寿命分项系数设计表达式 | 第91-92页 |
| 4.4 本章小结 | 第92-94页 |
| 第五章 基于神经网络的自修复混凝土寿命预测体系 | 第94-119页 |
| 5.1 引言 | 第94页 |
| 5.2 BP神经网络预测体系的建立 | 第94-104页 |
| 5.2.1 BP神经网络的实现 | 第94-98页 |
| 5.2.2 归一化方法与隐含层节点数的选取 | 第98页 |
| 5.2.3 BP神经网络自修复混凝土寿命预测结果 | 第98-104页 |
| 5.3 遗传算法优化的BP神经网络预测体系的建立 | 第104-111页 |
| 5.3.1 遗传算法的实现 | 第104-105页 |
| 5.3.2 遗传算法优化的BP神经网络的自修复混凝土寿命预测预测结果 | 第105-110页 |
| 5.3.3 优化前与优化后的BP神经网络预测误差对比 | 第110-111页 |
| 5.4 粒子群算法优化的BP神经网络预测体系的建立 | 第111-118页 |
| 5.4.1 粒子群算法的实现 | 第111-112页 |
| 5.4.2 粒子群算法优化的BP神经网络自修复混凝土寿命的预测结果 | 第112-117页 |
| 5.4.3 粒子算法优化与遗传算法优化的BP神经网络预测误差对比 | 第117-118页 |
| 5.5 本章小结 | 第118-119页 |
| 第六章 结论、建议、成果及展望 | 第119-122页 |
| 6.1 引言 | 第119页 |
| 6.2 结论 | 第119-120页 |
| 6.3 建议 | 第120-121页 |
| 6.4 成果 | 第121页 |
| 6.5 展望 | 第121-122页 |
| 参考文献 | 第122-129页 |
| 攻读硕士学位期间取得的研究成果 | 第129-130页 |
| 致谢 | 第130-132页 |
| 附件 | 第132页 |
