基于数字图像处理的水泥强度预测模型研究

摘要

水泥材料的物相组成及其尺寸分布是制约水泥水化产物的重要因素之一，所以微观结构特征描述的实现有助于水泥性能的准确预测。本文在对扫描电镜和X射线图像处理基础上，得到硅酸盐水泥的二维数字图像，以此来分析确定水泥颗粒的主要物相尺寸分布，以及各物相面积分数和周长分数等许多定量测量。在模型的建立过程中，选择BP神经网络对水泥强度模型进行优化，利用GA优化BP网络权值。这种算法训练神经网络可以克服单纯使用BP算法训练神经网络容易陷入局部极小的缺陷，能更有效地逼近水泥强度性能指标与影响因素之间的非线性关系。本文提出的预测模型是一种将图像处理方法和人工智能方法结合起来的新方法。首先，利用扫描电镜获取水泥的背散射图像和X射线图像，基于数字图像处理技术得到硅酸盐水泥颗粒分布的二维数字图像；然后分析提取与水泥强度性能相关的微观结构特征参数；最后，针对水泥强度预测的实际情况，利用神经网络和遗传算法的优点，建立了一种基于遗传算法的人工神经网络模型来进行水泥强度的预测。该方法考虑了水泥微观结构参数对水泥强度的影响，绕过了建立数学公式的壁垒，有其实现的合理性。它丰富了水泥强度预测的内容，也开辟了新的研究途径。

目录

文摘

英文文摘

原创性声明及关于学位论文使用授权的声明

符号说明

第一章引言

1.1课题研究背景

1.2数学科学在水泥强度预测中的应用

1.3水泥水化微观结构模型的研究现状

1.4本课题研究目的及意义

1.5本课题研究的主要内容

第二章水泥强度的影响因素分析

2.1硅酸盐水泥的主要成分

2.2水泥基材料的水化机理

2.2.1水泥的水化过程

2.2.2水泥凝结、硬化过程

2.3影响水泥强度性能的因素

第三章二维图像的数字化

3.1水泥基材料的扫描电镜(SEM)和X-ray成像

3.2水泥二维数字化图像的获取

3.2.1试验样本的准备

3.2.2扫描电镜和X-ray成像

3.3二维数字图像处理

3.4二维水泥颗粒图像分析与特征提取

第四章人工神经网络与遗传算法

4.1人工神经网络

4.1.1人工神经元及学习规则

4.1.2几种典型人工神经网络

4.1.3 BP神经网络

4.2遗传算法

4.2.1遗传算法的运行过程

4.2.2遗传算法的基本要素

第五章预测水泥力学性能的神经网络模型的设计

5.1基于GA与BP相结合算法的可行性分析

5.2神经网络模型结构

5.2.1隐含层数和层内神经元数目的选择

5.2.2网络模型的建立

5.3学习样本的选择

5.4输入参数的处理

5.5网络的进化

5.5.1用遗传算法进化网络权值

5.5.2遗传操作控制参数的确定

5.6误差逆传播算法的设计

5.7优化结果与分析

总 结

参考文献

致谢

攻读学位期间发表的学术论文

攻读学位期间参加的科研项目