SỬ DỤNG PHƯƠNG PHÁP KHÔNG PHÁ HOẠI MẪU KẾT HỢP MÔ HÌNH TIÊN LƯỢNG ANN ĐỂ XÁC ĐỊNH CƯỜNG ĐỘ CHỊU NÉN BÊ TÔNG GEOPOLYMER

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGUYỄN HỒNG ĐỨC SỬ DỤNG PHƯƠNG PHÁP KHÔNG PHÁ HOẠI MẪU KẾT HỢP MÔ HÌNH TIÊN LƯỢNG ANN ĐỂ

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT

THÀNH PHỐ HỒ CHÍ MINH

LUẬN VĂN THẠC SĨ NGUYỄN HỒNG ĐỨC

SỬ DỤNG PHƯƠNG PHÁP KHÔNG PHÁ HOẠI MẪU

KẾT HỢP MÔ HÌNH TIÊN LƯỢNG ANN

ĐỂ XÁC ĐỊNH CƯỜNG ĐỘ CHỊU NÉN

BÊ TÔNG GEOPOLYMER

NGÀNH: KỸ THUẬT XÂY DỰNG CÔNG TRÌNH

DÂN DỤNG VÀ CÔNG NGHIỆP - 60580208 Hướng dẫn khoa học:

PSG.TS PHAN ĐỨC HÙNG

Tp Hồ Chí Minh, tháng 4/2017

CAM ĐOAN

Tôi cam đoan đây là công trình nghiên cứu của tôi

Các số liệu, kết quả nêu trong luận văn là trung thực và chưa từng được ai công bố trong bất kỳ công trình nào khác

Nguyễn Hồng Đức

Tôi chân thành biết ơn gia đình cùng bạn bè động viên và giúp đỡ tôi trong suốt thời gian tôi thực hiện luận văn

Xin chân thành cảm ơn

Nguyễn Hồng Đức

TÓM TẮT

Báo cáo sử dụng phương pháp không phá hoại mẫu kết hợp phương pháp siêu âm và búa bật nảy để nghiên cứu sự phát triển cường độ của bê tông geopolymer theo thời gian dưỡng hộ Kết quả thí nghiệm cho thấy khi bê tông geopolymer được dưỡng hộ trong môi trường nhiệt độ cao với thời gian dưỡng hộ dài thì vận tốc truyền sóng tăng lên do cường độ tăng lên Bên cạnh

đó, khi nồng độ dung dịch NaOH tăng từ 10-16M thì vận tốc truyền sóng cũng tăng khoảng 15% trong cùng một thời gian dưỡng hộ Kết quả thí nghiệm được phân tích và tạo các mảng giá trị dùng để xây dựng mô hình hồi quy tuyến tính (Linear Regression - LR) và mạng thần kinh nhân tạo (Artificial Neural Network – ANN) Từ đó thiết lập mối tương quan giữa điều kiện dưỡng hộ, nồng độ NaOH đến cường độ chịu nén, vận tốc truyền sóng, giá trị búa bật nảy để đưa ra giá trị dự đoán về cường độ Giá trị tiên lượng từ hai mô hình được so sánh, đánh giá mức độ hiệu quả thông qua trị số R2, SSE Kết quả cho thấy mô hình ANN dự đoán cường độ tốt hơn LR Tuy nhiên, mô hình LR hiệu quả hơn bởi khả năng dự đoán giá trị cường độ nhanh và đơn giản thông qua bảng tra được thiết kế sẵn Ngoài ra, trong quá trình phân tích ANN, mô hình còn cho phép xác định mức độ ảnh hưởng của các yếu tố đến cường độ, trong đó nhiệt độ là yếu tố có quan trọng nhất chiếm hơn 50%

ABSTRACT

The thesis used non-destructione test which combined usage of unltrasonic pulse velocity and rebound hammer to study the compressive strength development of geopolymer concrete with different curing time The experimental results showed that ultrasonic pulse velocity increase due to the increase of the compressive strength when geopolymer concrete were cured in high temperatures and longer curing times Besides, the increase of the concentration of NaOH liquid (from 10 to 16M) leads to the increase about 15% of the ultrasonic pulse velocity in the same curing condition The experimental results were analysed and created the array of values used to build the model of Linear Regression (LR) and Artificial Neural Network (ANN) Then, the correlations between curing conditions, concentration of NaOH and compressive strength, speed of transmission, characterization of the rebound hammer were established to predict the value of compressive strength The prediction values from two models were compared and evaluated the efficacy by R2 and SSE (Sum of Square Error) The results showed ANN model predicted the compressive strength better than LR However, the LR model proved effeciency through quick and simple predictability by using a pre-designed checklist In addition, during the analyse process by ANN, the model also allows to determine the degree

of significance of these factors to the compressive strength, whereas temperature curing is the most important factor with more than 50%

MỤC LỤC

QUYẾT ĐỊNH GIAO ĐỀ TÀI i

QUYẾT ĐỊNH THAY ĐỔI TÊN ĐỀ TÀI ii

XÁC NHẬN GIÁO VIÊN HƯỚNG DẪN iii

LÝ LỊCH KHOA HỌC iv

CAM ĐOAN v

LỜI CẢM ƠN vi

TÓM TẮT . vii

MỤC LỤC ix

DANH MỤC HÌNH xii

DANH MỤC BẢNG xv

Chương 1: TỔNG QUAN 1

1.1 Sự cần thiết của đề tài nghiên cứu 1

1.2 Tình hình nghiên cứu 5

1.2.1 Khái niệm về Geopolymer 5

1.2.2 Tình hình nghiên cứu ngoài nước 7

1.2.3 Tình hình nghiên cứu trong nước 11

1.2.4 Vị trí của đề tài nghiên cứu 12

1.3 Mục tiêu đề tài 12

1.4 Đối tượng và phạm vi nghiên cứu 12

1.5 Phương pháp nghiên cứu 13

1.6 Nội dung nghiên cứu 13

1.7 Ý nghĩa khoa học và thực tiễn của đề tài 13

Chương 2: CƠ SỞ LÝ THUYẾT 14

2.1 Bê tông Geopolymer 14

2.1.1 Thành phần chính tạo chất kết dính GPC 14

2.1.1.1 Tro bay 14

2.1.1.2 Dung dịch kiềm Alkaline Silicate 16

2.1.2 Chất kết dính Geopolymer 16

2.1.3 Phương pháp thiết kế cấp phối GPC 20

2.2 Phương pháp xác định cường độ bê tông 23

2.2.1 Phương pháp phá hoại mẫu 23

2.2.2 Phương pháp không phá hoại mẫu 24

2.2.2.1 Sử dụng súng bật nẩy 24

2.2.2.2 Sử dụng súng bật nẩy kết hợp sóng siêu âm 26

2.3 Phương pháp xử lý số liệu 32

2.3.1 Mô hình hồi quy tuyến tính (LR) 32

2.3.2 Mô hình mạng thần kinh nhân tạo (ANN) 36

2.3.2.1 Định nghĩa 36

2.3.2.2 Cấu trúc ANN 37

2.3.2.3 Thuật toán lan truyền ngược 44

2.3.2.4 Xác định số lớp ẩn, số lượng neural trong mỗi lớp và dữ liệu huấn luyện 49

Chương 3: NGUYÊN VẬT LIỆU VÀ PHƯƠNG PHÁP THÍ NGHIỆM 51

3.1 Nguyên liệu sử dụng 51

3.1.1 Tro bay 51

3.1.2 Sodium silicate (Na2SiO3) 52

3.1.3 Sodium hydroxide (NaOH) 52

3.1.4 Cốt liệu lớn 53

3.1.5 Cốt liệu nhỏ 54

3.2 Cấp phối bê tông 55

3.2.1 Thí nghiệm cấp phối mẫu bê tông 55

3.2.2 Xác định cấp phối 55

3.3 Quy trình thí nghiệm mẫu 55

3.4 Xây dựng mô hình ANN cho bài toán tiên lượng cường độ GPC 61

Chương 4: KẾT QUẢ VÀ THẢO LUẬN 64

4.1 Kết quả thí nghiệm 64

4.2 Phân tích đánh giá 65

4.2.1 Ảnh hưởng của nồng độ dung dịch NaOH đến cường độ chịu nén và vận tốc 65

4.2.2 Ảnh hưởng của điều kiện dưỡng hộ đến cường độ chịu nén và vận tốc 68

4.3 Xác định cường độ chịu nén GPC bằng phương pháp không phá hoại 70

4.4 Đánh giá hiệu quả ước tính cường độ chịu nén GPC bằng mô hình ANN 74

Chương 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI 79

5.1 Kết luận 79

5.2 Hướng phát triển đề tài 80

TÀI LIỆU THAM KHẢO 81

DANH MỤC HÌNH

Hình 1.1 Đặc tính ít tỏa nhiệt GPC (J Davidovits, 2002) 2

Hình 1.2 Chi phí cho việc xử lý khí thải của các ngành công nghiệp xây dựng 2

Hình 1.3 Lượng khí thải khi sử dụng GPC và OPC (Louise K Turner, 2013) 3

Hình 1.4 Phế phẩm mẫu nén (Đại học sư phạm kỹ thuật TP.HCM) 3

Hình 1.5 Công trình đặt biệt và công trình hiện hữu (nguồn Internet) 4

Hình 1.6 Công trình sử dụng GPC lần đầu tiên năm 2013 8

Hình 1.7 Sự phát triển công nghệ Geopolymer trên thế giới (Davidovits, 2016) 8

Hình 1.8 Công trình sử dụng GPC gần đây nhất năm 2015 cùng giáo sư Joseph Davidovits 9

Hình 2.1 Thành phần trong GPC (Vijaya Rangan, 2014) 14

Hình 2.2 Tro bay loại C và loại F (nguồn internet) 15

Hình 2.3 Cấu trúc vi mô của Geopolymer (J Davidovits, 2002) 17

Hình 2.4 Cấu trúc vi mô của Geopolymer dưới kính hiển vi 17

Hình 2.5 Quá trình Geopolymer hóa (J Davidovits, 2015) 19

Hình 2.6 So sánh quá trình tạo chất kết dính giữa Portland cement và Gel polymer Hình 2.7 Ứng dụng của geopolymer dựa vào cấu trúc hóa học 20

Hình 2.8 Ảnh hưởng tỷ lệ dung dịch ankali/tro bay và nhiệt độ dưỡng hộ đến cường độ chịu nén của GPC (Cherdsak Suksiripattanapong, 2015) 22

Hình 2.9 Ảnh hưởng tỷ lệ Na2SiO3/NaOH và nhiệt độ dưỡng hộ đến cường độ chịu nén của GPC (Hardjito và Rangan, 2005) 22

Hình 2.10 Mẫu thí nghiệm kích thước 150 x 150 x150 mm 23

Hình 2.11 Mẫu nén bị phá hoại thực tế 24

Hình 2.12 Súng bật nẩy 24

Hình 2.13 Bảng tra súng bật nẩy (TCVN 9334:2012) 25

Hình 2.14 Hình thức lan truyền sóng trong chất rắn (Tekin Yılmaz, 2014) 26

Hình 2.15 Biểu đồ xác định cường độ bê tông tiêu chuẩn (TCVN 9335:2012) 28

Hình 2.16 Thiết bị siêu âm đo vận tốc truyền sống 30

Hình 2.17 Nguyên lý làm việc máy siêu âm (Tekin Yılmaz, 2014) 30

Hình 2.18 Màn hình hiển thị thời gian truyền sóng 31

Hình 2.19 Thước đo chiều dài mẫu 31

Hình 2.20 Phổ sóng siêu âm mẫu bê tông có chiều dài 200mm 32

Hình 2.21 Bảng tổng hợp các mô hình hồi quy trên cơ sở phương pháp OLS 34

Hình 2.22 Ý nghĩa mô hình LR đa biến (nguồn internet) 35

Hình 2.23 Mô hình LR đa biến 36

Hình 2.24 Tương quan giữa một neural sinh học và neural nhân tạo 36

Hình 2.25 Hoạt động đơn giản một neural (David Kriesel, 2007) 37

Hình 2.26 Cấu trúc mạng ANN được sử dụng phổ biến 38

Hình 2.27 So sánh mô hình LR (Sarle, 1994) 39

Hình 2.28 Cấu trúc (Y hwang, 2002) 40

Hình 2.29 Nhóm hàm và hàm được sử dụng phổ biến (nguồn internet) 42

Hình 3.1 Nguyên vật liệu sử dụng đúc mẫu 51

Hình 3.2 Biểu đồ thành phần hạt của đá dăm 53

Hình 3.3 Biểu đồ thành phần hạt cát sử dụng 54

Hình 3.4 Bê tông sau khi trộn và thiết bị trộn 56

Hình 3.5 Khuôn tạo mẫu và mẫu sau khi tháu khuôn 56

Hình 3.6 Lò sấy mẫu 58

Hình 3.7 Chia lưới tọa độ trên mẫu 58

Hình 3.8 Thí nghiệm siêu âm mẫu 59

Hình 3.9 Thí nghiệm súng bật nẩy 59

Hình 3.10 Thí nghiệm nén mẫu 59

Hình 3.11 Quy trình thí nghiệm 60

Hình 4.1 Mối tương quan giữa cường độ chịu nén và nồng độ dung dịch NaOH khi dưỡng hộ ở 1000C 66

Hình 4.2 Mối tương quan giữa UPV và nồng độ dung dịch NaOH khi dưỡng hộ ở 1000C 67

Hình 4.3 Cấu trúc hạt tro bay dưới các nồng độ NaOH khác nhau 68

Hình 4.4 Mối quan hệ giữa cường độ chịu nén và điều kiện dưỡng hộ với nồng đô

dung dịch NaOH 14M 69

Hình 4.5 Mối tương quan giữa UPV và điều kiện dưỡng hộ với nồng độ dung dịch NaOH 14M 70

Hình 4.6 Mối quan hệ giữa vận tốc và cường độ chịu nén GPC 71

Hình 4.7 Biểu đồ xác định cường độ chịu nén GPC 72

Hình 4.8 Đồ thị các hàm số đề xuất 73

Hình 4.9 So sánh kết quả thực nghiệm với tính toán theo hàm bậc nhất 74

Hình 4.10 Giá trị tiên lượng của mô hình ANN-12-4-3-1 và LR 78

Hình 4.11 Kết quả phân tích thứ hạng thể hiện mức độ ảnh hưởng của 3 yếu tố trong mô hinh ANN 12-4-3-1 lớp ẩn 78

DANH MỤC BẢNG

Bảng 2.1 Thành phần vật lý của tro bay 16

Bảng 2.2 Ảnh hưởng của nồng độ Mol và tỷ lệ TTL với NaOH 21

Bảng 2.3 Bảng xác định cường độ nén tiêu chuẩn 29

Bảng 2.4 Bảng thuật ngử mô hình LR thường được sử dụng 33

Bảng 3.1 Thành phần hóa của tro bay 52

Bảng 3.2 Các chỉ tiêu cơ lý của đá sử dụng 53

Bảng 3.3 Thành phần hạt của đá 53

Bảng 3.4 Các chi tiêu cơ lý của cát sử dụng 54

Bảng 3.5 Thành phần hạt của cát 55

Bảng 3.6 Cấp phối bê tông Geopolymer Đơn vị tính kg/m3 55

Bảng 3.7 Thời gian và nhiệt độ dưỡng hộ 57

Bảng 3.8 Ký hiệu các mô hình ANN 63

Bảng 4.1 Kết quả thí nghiệm 64

Bảng 4.2 Giá trị được chọn theo TCVN 4548 : 2009 71

Bảng 4.3 Một số hàm hồi quy đề xuất 72

Bảng 4.4 Bộ trọng số mô hình ANN 12-4-3-1 74

Bảng 4.5 Kết quả tiên lượng của mô hình ANN 75

Bảng 4.6 Giá trị R2, SSE của ANN & LR 76

Bảng 4.7 Kết quả tiên lượng của mô hình ANN và LR 77

Chương 1 TỔNG QUAN

1.1 Sự cần thiết của đề tài nghiên cứu

Sự nóng lên toàn cầu do hiệu ứng nhà kính, mà phần lớn khoảng 65% do hoạt động của con người thải vào bầu khí quyển lượng carbon dioxit CO2 Theo (SalawuOS, 1997) Trong đó các ngành công nghiệp xi măng toàn cầu chiếm 7% - 1,35 tỷ tấn khí thải mỗi năm (SalawuOS, 1997) vì sản xuất một tấn OPC thì thải ra môi trường khoảng một tấn CO2 L.Krishnan (2014) đã khẳng định có thể lượng khí thải sẽ tăng hơn 50% lượng khí thải cho phép hiện tại Theo thống kê của Bộ Xây dựng, tổng công suất các nhà máy xi-măng của nước ta đạt khoảng 81,5 triệu tấn, trong khi năm 2016 dự kiến tiêu thụ tăng 5 - 7% so với năm 2015 đạt khoảng 75 -

76 triệu tấn Như vậy lượng xi măng sử dụng ngày một tăng, đồng nghĩa với việc lượng khí thải cũng tăng theo mức tiêu thụ Điều này đặc ra một thách thức cho ngành công nghiệp xi măng để sản xuất ra đủ lượng xi măng cần thiết, đáp ứng nhu cầu xây dựng, nguồn nguyên liệu chính tạo nên bê tông Để giải quyết vấn đề này,

bê tông sử dụng công nghệ geopolymer là một bước tiến đột phá, không những đáp ứng được nhu cầu vật liệu mà còn giải quyết được vấn đề môi trường sống con người đang bị ô nhiễm bởi khí thải và các phế phấm chưa xử lý triệt để

Bên cạnh đó, lượng phế phẩm công nghiệp chưa qua xử lý hay còn tồn động còn rất lớn Theo khảo sát, lượng tro bay phế phẩm trên thế giới là khoảng 780 triệu tấn mỗi năm nhưng sử dụng chỉ khoảng 17-20% (J Davidovits, 2002) Riêng ở Việt Nam, theo thống kê cho thấy, tổng công suất các nhà máy nhiệt điện đốt than trong nước hiện nay khoảng 4800MW, sản lượng tro xỉ thải là 4,8 triệu tấn/năm Lượng tro bay này khi thảy vào môi trường nó ảnh hưởng trực tiếp đến sức khỏe và môi trường sống của con người

Thông qua việc sử dụng tro bay để chế tạo bê tông geopolymer (GPC) góp phần làm giảm chi phí xử lý

Sử dụng vật liệu mới với chi phí thấp, thân thiện môi trường, giảm khả năng gây hiệu ứng nhà kính từ 26-45% so với bê tông xi măng thông thường, mà vẫn có được những ưu điểm của xi măng truyền thống, thậm chì còn tối ưu hơn như: dễ đạt cường độ trong thời gian ngắn, tính thấm của bê tông sử dụng geopolymer cũng thấp, tính chịu nhiệt cao rất phù hợp nhu cầu chống cháy của công trình và hơn hết

là khả năng chống lại khả năng ăn mòn bởi axit (Tống Tôn Kiên, 2009)

Hình 1.1 Đặc tính ít tỏa nhiệt GPC (J Davidovits, 2002)

Mặt khác, việc sử dụng chất kết dính geopolymer thay thế xi măng truyền thống nhằm hạn chế việc khai thác tài nguyên thiên nhiên điều này rất phù hợp với xu hướng vật liệu xanh của thế giới

Hình 1.2 Chi phí cho việc xử lý khí thải của các ngành công nghiệp xây dựng

(J Davidovits, 1994)

Hình 1.3 Lượng khí thải khi sử dụng GPC và OPC (Louise K Turner, 2013)

Khi sử dụng phương pháp phá hoại mẫu, gây ô nhiễm do thải ra môi trường số lượng lớn mẫu thử đó là các phế phẩm, tốn kém chi phí xử lý mà còn không kinh tế trong việc sử dụng và bảo trì thiết bị do làm việc trong môi trường chịu ứng suất lớn

từ việc nén mẫu, trong suốt thời gian tồn tại

Hình 1.4 Phế phẩm mẫu nén (Đại học sư phạm kỹ thuật TP.HCM)

Việc sử dụng phương pháp không phá hoại mẫu (Non-destructive test, NDT) giảm được chi phí sản xuất mẫu và hạn chế được lượng bê tông phế phấm do nén phá hoại mẫu, mà còn phù hợp với nhu cầu xác định cường độ với cấu kiện lớn

được đúc tại chỗ với khối lượng kiểm tra và số lượng khoang lấy mẫu nhiều Bên cạnh đó phạm vi ứng dụng nó còn được mở rộng trong việc kiểm định các công trình hiện hữu, cần đánh giá chất lượng hay các công trình đòi hỏi mức độ an toàn cao nhất như nhà máy điện hạt nhân hay trong lĩnh vực hàng không, xưởng hóa chất nguy hiểm Với nhiều bước tiến vượt bật trong công nghệ và được sự hỗ trợ của các thiết bị hiện đại, việc kiểm tra cường độ với mức độ chính xác ngày càng cao, nên việc ứng dụng phương pháp không phá hoại mẫu như điều tất yếu trong việc nghiệm thu và đánh giá mức độ hoàn thiện sản phẩm

Hình 1.5 Công trình đặt biệt và công trình hiện hữu (Đập thủy điện Yaly)

Cùng với sự phát triển của phương pháp NDT, kết hợp với các mô phỏng hiện đại, giúp việc xác định cường độ bê tông trở nên chính xác, giảm thời gian và nhân lực thực hiện mà còn loại bỏ được những sai sót trong công tác thi công Trong đó mô hình Artificial Neural Networks (ANN) là một công cụ mạnh trong lớp bài toán tiên lượng ANN trong thời gian gần đây đã được nhiều người quan tâm

và áp dụng thành công trong nhiều lĩnh vực khác nhau, như tài chính, y tế, địa chất

và vật lý Bất cứ ở đâu có vấn đề về dự báo, phân loại và điều khiển, ANN đều có thể ứng dụng được Sự thành công nhanh của ANN là do một số nhân tố chính sau:

 Tính ưu việc so với thống kê truyền thống: mô hình ANN sử dụng các thuật toán mô phỏng tinh vi, có khả năng thiết lập các hàm phức tạp Đặc biệt, ANN giải quyết được các mối quan hệ phi tuyến, với lớp bài toán số biến gấp nhiều lần số đối tượng quan sát, thí nghiệm Trong khi đó, hầu hết các phân tích thống kê truyền thống chỉ được thiết kế để giải quyết được các trường hợp số biến ít hơn số đối tượng quan sát

 Thân thiện với người sử dụng: ANN có khả năng thu thập các thông tin từ dứ liệu quá khứ, sau đó gọi các thuật toán huấn luyện (Training) để có thể tự phân loại, xác định cấu trúc của dữ liệu Từ đó đưa ra mô hình phù hợp để tiên lượng các giá trị mong muốn

1.2 Tình hình nghiên cứu

1.2.1 Khái niệm về Geopolymer

Vật liệu geopolymer được chế tạo nhờ vào quá trình polymer hóa nguyên liệu alumino – silicat trong môi trường kiềm do giáo thư Joseph Davidovits đưa ra năm 1979 Theo Joseph Davidovits "Bất kỳ một nguyên vật liệu nào có chứa oxide silic và oxide nhôm đều có thể sử dụng để tạo ra vật liệu geopolymer"

Sự tạo thành cấu trúc cường độ sau quá trình gia nhiệt thích hợp sẽ giúp cho vật liệu có tính chất cơ học như bê tông xi măng Khi vật liệu geopolymer chịu tác dụng của nhiệt độ, bên trong vật liệu diễn ra sự thay đổi pha bao gồm sự phát triển tinh thể, sự khử nước và phân hủy vữa geopolymer Quá trình thay đổi có ảnh hưởng đến tính chất cường độ của vật liệu geopolymer

1.2.2 Hoạt động của ANN

Mô hình ANN mô phỏng cách các khớp thần kinh làm việc trong não người Chức năng cảm ứng của neural sinh học, nhận xung thần kinh dưới dạng các tín hiệu hóa học, sau đó sử dụng một loạt xác nhận logic để thực hiện một nhiệm vụ Mạng neural (Neural networks, NN) lại sử dụng một mạng lưới các nút (hoạt động như tế bào thần kinh) và các cạnh (hoạt động như các khớp thần kinh) để xử lý dữ liệu Dữ liệu đầu vào sẽ chạy qua toàn bộ hệ thống và một loạt kết quả dự báo được tạo ra

1.2.3 Lịch sử phát triển của ANN

Cuối thế kỷ 19, đầu thế kỷ 20, một số nghiên cứu về vật lý, tâm lý và hệ thần kinh của các nhà khoa học Herman, Ernst Mach và Ivan Ivalov đã đưa ra các lý thuyết về quá trình học, sự tưởng tượng, sự quyết định của hệ thần kinh nhưng chưa có sự mô tả toán học cho hoạt động của NN

Năm 1943, mô hình đơn giản NN bằng mạch điện tử lần đầu tiên được đưa

ra bởi Warren McCulloch và Walter Pits cùng với sự khẳng định NN nhân tạo về nguyên lý có thể thực hiện được trong phạm vi tính toán các hàm số học và logic Đây là điểm khởi đầu của lĩnh vực NN

Sau đó Donal Hebb đưa ra một cơ chế giải thích cho quá trình học (Learning) diễn ra trong các neural sinh học (trong cuốn Organnization of Behaviaor, 1949)

Cuối thập niên 50, ứng dụng thực tế đầu tiên của ANN do Frank Rosenblatt đưa ra Mạng của ông đưa ra là mạng Perceptron có kết hợp luật học (Learning rule) dùng để nhận dạng mẫu (Pattern recognition) Cùng thời gian đó, Bernard Widrow

và Ted Hoff giới thiệu một thuật toán học (Learning algorithm) và sử dụng nó để huấn luyện (training) các NN tiếp hợp tuyến tính (tương tự mạng của Rosenblatt)

Năm 1969, Minskey và Papert là hai nhà toán học nổi tiếng thời đó đã chỉ ra những hạn chế của mạng Perceptron của Rosenblatt và mạng Widrow- Hoff làm nhiều người nghĩ rằng nghiên cứu về NN sẽ vào ngõ cụt Hơn nữa vào thời gian này chưa có những máy tính số mạnh để thực nghiệm NN nên các nghiên cứu về mạng nơ-ron bị trì hoãn gần một thập kỷ

Năm 1972, Teuvo Kohonen và James Anderson độc lập phát triển các NN mới với năng lực nhớ (Memory) và khả năng tự tổ chức (Self- organizing) Cũng trong giai đoạn này,Stephen Grossberg cũng nghiên cứu tích cực về các mạng tự tổ chức

Sang thập kỷ 80, khi ngành công nghiệp máy tính phát triển mạnh mẽ thì những nghiên cứu về NN tăng lên một cách đột ngột Có hai phát kiến quan trọng nhất là:

 Sử dụng cơ học thống kê để giải thích hoạt động của mạng hồi qui một lớp (Recurrent network), loại mạng được sử dụng như một bộ nhớ kết hợp, được nhà vật lý John Hopfield mô tả

 Sử dụng thuật toán lan truyền ngược (Backpropagation Algorithm) để huấn luyện mạng với cấu trúc nhận thức đa lớp (Multilayer perceptron) David

Rumelhalt và James McClrlland là những người trình bày thuật toán lan truyền ngược có ảnh hưởng nhất (1968)

1.2.2 Tình hình nghiên cứu ngoài nước

Ngành Công nghệ vật liệu Geopolymer ra đời từ những năm 1960, nhưng được quan tâm và nghiên cứu nhiều hơn từ những năm 1972 đến nay Hiện tại, đã

có rất nhiều bằng sáng chế, nghiên cứu và ứng dụng Geopolymer vào các ngành công nghệ vật liệu hiện đại (vật liệu cách nhiệt, vật liệu chống cháy, chất kết dính

vô cơ, công nghệ xử lý chất thải…) được giới thiệu và ứng dụng trên toàn thế giới

Trước đó, vào năm 1940 tác giả Purdon đã nghiên cứu bằng cách sử dụng xỉ

lò cao được kích hoạt dung dịch hyroxit natri Theo ông quá trình phát triển cấu trúc gồm 2 bước: trước tiên xảy ra quá trình giải phóng các hợp nhất nhôm – silic và hydroxit canxi Sau đó xảy ra sự hydrat hóa nhôm và silic đồng thời tái tạo dung dịch kiềm

Cấu trúc hóa học của geopolymer tương tự như vật liệu ziotit trong tự nhiên nhưng cấu trúc ở dạng vô định hình thay vì dạng tinh thể (Polano, 1999)

Palomo, Grutzeck và Blanco (1999), khi nghiên cứu về ảnh hưởng của điều kiện dưỡng hộ và tỷ lệ dung dịch alkali/tro bay đến cường độ cho thấy cả thời gian

và nhiệt độ dưỡng hộ đều ảnh hưởng đến cường độ bê tông Sữ kết hợp giữa thủy tinh lỏng và dung dịch NaOH tạo nên cường độ đến 60MPa khi dưỡng hộ ở nhiệt độ

850C với thời gian 5 giờ

Van Jaarsveld (2002), khi nghiên cứu về các đặc tính của geopolymer do ảnh hưởng của sự hòa tan không hoàn toàn giữa các vật liệu trong quá trình geopolymer hóa cho rằng hàm lượng nước, thời gian và nhiệt độ dưỡng hộ ảnh hưởng đến đặc tính của geopolymer

Một nghiên cứu khác về vật liệu geopolymer (High – Akali – Poly) đã cho thấy ứng dựng trong nhiều ngành kỹ thuật như : Hàng không, xây dựng, công nghiệp chất dẻo Kết quả nghiên cứu chỉ ra rằng chất kết dính mới này đóng rắn nhanh với nhiệt độ phòng, cường độ chịu nén có thể đạt tới 20 MPa sau 4 giờ ở

nhiệt độ 2000C và có thể đạt từ 70 đến 100 MPa sau khi bảo dưỡng 28 ngày (Davidovits, 1999)

Hình 1.6 Công trình sử dụng GPC lần đầu tiên năm 2013

John L.Provis và Jannie S J van Deventer (2014), xuất bản ấn phẩm cấu trúc, công nghệ, đặc tính và ứng dụng của Geopolymer với nội dung xoay quanh cấu trúc tinh thể vữa geopolymer, từ đó đánh giá được đặc tính cũng như ứng dụng loạt vật liệu này trong đời sống, sản xuất công nghiệp

N.A.Lloyd và B.V.Rangan (2010), đã trình bày đặc tính hỗn hợp GPC, cách thiết kế một mẻ bê tông Gepolymer, về các sản phẩm bê tông đúc sẳn, sự đóng góp của GPC đối với phát triển

Benny Joseph, George Mathew (2012), dựa trên các nghiên cứu thực hiện, khẳng định rằng GPC khi được tổng hợp từ cốt liệu, điều kiện dưỡng hộ và hàm lượng dung dịch thích hợp, sẽ chế tạo được bê tông có chất lượng tốt hơn OPC

Hình 1.7 Sự phát triển công nghệ Geopolymer trên thế giới (Davidovits, 2016)

Jee Sang Kim, Tae Hong Kim (2015), với các nghiên cứu xoay quanh đến sự thay đổi vận tốc xung siêu âm và tần số cao đối với cấu kiện GPC chịu tải trọng tĩnh với các cấp tải khác nhau để thấy rõ mối quan hệ giữa các cấp tải với tần số, qua các

dữ liệu thực nghiệm tiên đoán phương trình cường độ nén của GPC

Tomasz Gorzelańczyk, Jerzy Hoła, Łukasz Sadowski, Krzysztof Schabowicz (2016), trình bày vị trí xác định các vết nức của tường bê tông khối lớn thông qua siêu âm cắt lớp, kết hợp phương pháp NDT đối với công trình đập thủy điện

Hình 1.8 Công trình sử dụng GPC gần đây nhất năm 2015 cùng

giáo sư Joseph Davidovits Jerzy Hola (2005), báo cáo đi sâu phân tích, các thông số liên quan đến lý thuyết thống kê khi mô hình ANN thực hiện từ giai đoạn huấn luyện đến kiểm tra kết quả Phần lớn các dữ liệu đầu vào được sử dụng dựa trên thực nghiệm xác định cường độ chịu nén bằng phương pháp NDT Cường độ dự báo từ mô hình đạt từ 24 đến 105 MPa, giá trị có được từ mô hình so với tiêu chuẩn phân tích thống kê rất phù hợp, điều này cho thấy kết quả dự báo sát với thực tế

Gregor Trtnik (2008), dựa trên các nghiên cứu thực nghiệm xác định cường

độ chịu nén bê tông bằng NDT, tác giả thiết lập mô hình ANN trong môi trường Matlab để đưa ra các mối quan hệ giữa vận tốc siêu âm với cường độ chịu nén, modulus động Young và modulus lực cắt Mô hình ANN này có xét đến yếu tố ảnh hưởng bao gồm vật liệu đầu vào, tỷ lệ nước/xi măng và điều kiện dưỡng hộ Nhờ kết quả đạt được từ mô hình, dễ dàng xác định cường độ bê tông khi kết hợp vận tốc siêu âm với thông số đầu vào, mà vẫn đạt độ tin cậy cao

Salim T Yousif (2009), với sự thành công trong nghiên cứu, khi áp dụng mô hình ANN để dự đoán cường độ chịu nén bê tông dựa trên cấp phối, kích thước hạt cốt liệu và độ sụt Các dữ liệu nạp vào mô hình, được tác giả sử dụng từ các nghiên cứu trước đây và kết quả tiên lượng từ mô hình có mức độ sai lệch ít hơn 10% so với giá trị thực nghiệm Bên cạnh đó, nghiên cứu cho thấy, mức độ sai khác kết quả tiên lượng giữa các lần học của mô hình từ 20 đến 80% mà trong đó tỷ lệ nước/xi măng là yếu tố ảnh hưởng lớn nhất đến kết quả đầu ra của mô hình Từ các kết quả đạt được nói trên, tác giả khẳng định rằng, mô hình ANN rất có tiềm năng trong việc dự đoán cường độ của bê tông

Warren S Sarle (1994), tác giả so sánh một cách tổng quát, giữa mô hình hồi quy tuyến tính truyền thống với mô hình ANN hiện đại, được xây dựng theo cấu trúc Multilayer perceptrons Sự so sánh này dựa trên các tiêu chuẩn của phân tích thống kê Kết quả cho thấy, hai mô hình có mối quan hệ mật thiết từ các thật ngữ, tiến trình thực hiện cho đến nguyên tắc hoạt động của mô hình

Inna Boldina (2015), nghiên cứu nhấn mạnh vào các kỹ thuật phân tích và yếu tố ảnh hưởng, kèm theo những điều kiện ràng buộc xoay quanh mô hình hồi quy tuyến tính Đưa ra những giả định, để áp dụng mô hình vào trong thực tế, đối với công tác dự báo trong lĩnh vực hệ sinh thái biển Đánh giá trong nghiên cứu dựa trên dựa trên R2 và giá trị p

Ngoài những công trình khẳng định tính ưu việt, cũng có những công trình nêu ra những hạn chế của mô hình ANN Zhang và cộng sự (1998) khẳng định mô hình ANN chỉ dự báo tốt cho trường hợp phi tuyến còn đối với những mối quan hệ

tuyến tính, mô hình ANN dự báo không tốt bằng mô hình hồi quy tuyến tính Trong một nghiên cứu khác của Binner và cộng sự (2010) nhóm tác giả kết luận mô hình KRLS dự báo tốt hơn mô hình ANN trong lĩnh vực kinh tế, tài chính Ngoài ra, nghiên cứu của Zhang (2003); Khashei & Bijari (2011) còn kết luận thêm mô hình lai tạo (hybrid model) giữa ANN và ARIMA cho ra kết quả dự báo tốt hơn khi sử dụng những mô hình này đơn lẻ

Nhìn chung, có nhiều kết luận khác nhau liên quan đến hiệu quả dự báo của

mô hình ANN tùy thuộc vào từng quốc gia và tùy thuộc vào bộ dữ liệu mà nhà nghiên cứu sử dụng

1.2.3 Tình hình nghiên cứu trong nước

Ở Việt nam, từ những năm 2008 đã có khá nhiều đề tài khoa học nghiên cứu

và ứng dụng công nghệ này Lần đầu tiên công nghệ geopolymer được ứng dụng chủ yếu là để tận dụng nguồn phế phẩm công nghiệp là tro bay của các nhà máy nhiệt điện, tro bay được thiết kế trong thành phần của bê tông, được ứng dụng vào công nghệ chế tạo các loại mặt đường cứng (đường ô tô, đường sân bay…) Ngoài

ra, công nghệ Geopolymer còn được sử dụng để ổn định, xử lý và tận dụng chất thải boxite từ các quặng khai thác nhôm để chế tạo gạch không nung và đóng rắn nền đường (Phạm Huy Khang, 2002)

Hiện nay, vật liệu đất sét được tổng hợp theo công nghệ Geopolymer đang là

đề tài được rất nhiều giáo viên và sinh viên ở các trường đại học nước ta quan tâm

và nghiên cứu, tạo nên nhiều sản phẩm hữu ích vừa có giá trị kinh tế vừa góp phần bảo vệ môi trường bền vững hơn, phải kể đến:

Tống Tôn Kiên (2009), đã trình bày những thành tựu nổi bật, các mốc thời gian phát triển của chất kết dính hoạt hóa kiềm, quá trình hình thành cấu trúc GPC,

các đặc tính và ứng dụng của GPC

Vũ Huyền Trân và Nguyễn Thị Thanh Thảo (2009), đã giới thiệu về quy trình chế tạo của loại vật liệu tổng hợp từ bùn đỏ và tro bay và đồng thời ngiên cứu các yếu tố ảnh hưởng đến tính chất của loại vật liệu này trên cơ sỡ Geopolymer hóa tro bay và bùn đỏ

Phạm Hữu Lê Quốc Phục (2010), nghiên cứu lý thuyết ứng dụng ANN trong môi trường ngôn ngữ lập trình C++ cho bài toán dự đoán và phân loại, bao gồm hai bài toán đặt ra là dự đoán tiêu thụ theo chuỗi thời gian kèm tham số ngữ cảnh và bài toán đánh giá tài chính cá nhân

Nguyễn Sĩ Dũng (2008), báo cáo trình bày một thuật toán về huấn luyện mạng neuron được phát triển từ phương pháp Newton và thuật toán Levenberg-Marquardt mang tên thuật toán T3 Kết quả mô phỏng cho thấy thuật toán T3 có tốc

độ hội tụ trung bình cao hơn tốc độ hội tụ của thuật toán Gauss-Newton và LevenbergMarquardt: thời gian hội tụ và số vòng lặp trung bình nhỏ hơn

Nguyễn Sĩ Dũng và Lê Hoài Quốc (2006), bài báo giới thiệu hai thuật toán mới mang tên thuật toán TT* và thuật toán TT** về huấn luyện mạng neuron dựa trên phương pháp Conjugate Gradient (CG) với mục tiêu đặt ra là tăng tốc độ hội tụ tìm kiếm điểm cực tiểu hàm sai số, khi thuật toán TT* vượt khỏi các điểm cự trị địa phương nhằm tiệm cận tới điểm cực trị toàn cục của quá trình huấn luyện mạng

Nguyễn Văn Chức (2008), trình bày lý thuyết tổng quát và toàn diện cấu trúc một mạng ANN hoàn chỉnh, tuy nhiên chưa đi sâu hay khai thác các lý thuyết ứng dụng cho một bài toán cụ thể, mà chỉ dừng lại ở các khái niệm và đưa các thuật toán huấn luyện phù hợp với từng lớp bài toán

1.2.4 Vị trí của đề tài nghiên cứu

Các bài báo, đề tài ngiên cứu trên trình bày rất chi tiết về vật liệu Geopolymer, về lịch sử ra đời, công thức tạo mẫu, lý thuyết thí nghiệm, nhưng chưa

có đề tài nào đề cập việc xác định cường độ chịu nén GPC sử dụng kỹ thuật siêu

âm, súng bật nẩy kết hợp mô hình tiên lượng ANN

1.3 Mục tiêu đề tài

Sử dụng NDT kết hợp mô hình tiên lượng ANN để xác định cường độ chịu nén GPC

1.4 Đối tượng và phạm vi nghiên cứu

Đối tượng nghiên cứu là các yếu tố ảnh hưởng đến vận tốc truyền sóng, cường độ chịu nén GPC và cách thức hoạt động mô hình ANN Nghiên cứu giới

hạn cường độ chịu nén GPC trong khoảng 10-35MPa Sử dụng giá trị vận tốc siêu

âm và súng bật nẩy trong phương pháp NDT Ứng dụng mô hình ANN và LR trong bài toán tiên lượng Phân tích và xử lý số liệu theo phương pháp phân tích thống kê

1.5 Phương pháp nghiên cứu

Nghiên cứu lý thuyết kết hợp mô phỏng sau đó tiến hành thực nghiệm kiểm chứng Xác định cường độ chịu nén bằng cả hai phương pháp, NDT sử dụng kết hợp máy đo siêu âm, súng bật nẩy và nén trực tiếp phá hoại mẫu để đối chứng ANN

1.6 Nội dung nghiên cứu

Nghiên cứu này sử dụng cùng một hàm lượng tro bay với tỷ lệ dung dịch hoạt hóa không đổi, điều kiện dưỡng hộ nhiệt và nồng độ Alkaline khác nhau để khảo sát sự phát triển cường độ của bê tông, bằng phương pháp NDT, theo các tiêu chuẩn hiện hành trong nước Do các tiêu chuẩn này chỉ hạn chế ở các bảng tra và biểu đồ nên đề tài chỉ khảo sát cường độ chịu nén GPC trong giới hạn từ 10 đến 35MPa

Ngoài ra, mô hình ANN được sử dụng để đánh giá mức độ ảnh hưởng các yếu tố thành phần và điều kiện dưỡng hộ đến tính chất của vật liệu từ đó tiên lượng được cường độ thông qua các thuật toán trong mô hình Sau đó, đối chứng với những kết quả đã thí nghiệm, lựa chọn được cấu trúc tối ưu cho mô hình dự báo, dựa trên những phân tích và đánh giá trong phương pháp phân tích thống kê

1.7 Ý nghĩa khoa học và thực tiễn của đề tài

Làm phong phú thêm các kết quả về đặc điểm, tính chất của hỗn hợp GPC Bên cạnh đó làm tiền đề cho việc đưa GPC vào trong thực tiễn, đánh giá chất lượng

bê tông tại hiện trường Đề xuất được cấu trúc mạng ANN phù hợp với mục đích tiên lượng cho loại bê tông này

Kết quả nghiên cứu có thể sử dụng trong công tác thiết kế và sản xuất các thành phần cốt liệu phục vụ trong các lĩnh vực khác nhau Các kết quả nghiên cứu cũng có thể làm tài liệu tham khảo cho các đơn vị xây dựng công trình, cho các nhà quản lý, làm tài liệu giảng dạy đại học và sau đại học

Hình 2.1 Thành phần trong GPC (Vijaya Rangan, 2014) 2.1.1.1 Tro bay

Tro bay là một Puzzolan nhân tạo, được thu được từ việc đốt than đá của nhà máy nhiệt điện Những hạt bụi được đưa ra qua các đường ống khói sau đó được thu hồi bằng phương pháp kết sương tĩnh điện hoặc máy thu chuyên dụng bằng phương pháp lốc xoáy theo J Davidovits (2002) Thành phần của tro bay là các oxit silic (SiO2), oxit nhôm (Al2O3), oxit sắt (Fe2O3), canxi oxit (CaO), magie oxit (MgO) Hàm lượng các thành phần này phụ thuộc vào loại than sử dụng ban đầu và màu sắc

của tro bay cũng phụ thuộc vào hàm lượng các hợp chất có trong tro bay Đường kính của phần lớn các hạt nằm trong khoảng 1μm đến 20μm và hàm lượng than chưa cháy (MKN) thường yêu cầu không được vượt quá 5% khối lượng tro bay

Thành phần hóa và tỉ lệ thành phần hóa học của tro bay được quy định tại tiêu chuẩn ASTM 618 Theo tiêu chuẩn, tro bay thông dụng có hai loại chủ yếu là loại F và loại C:

Tro bay loại F: là tro bay được sinh ra từ than anthracite hay bitum, hàm

lượng canxi oxit (CaO ) trong thành phần hóa ít hơn 6%, là loại tro ít canxi, có tính chất của puzzolan và không có khả năng tự đóng rắn Mặt khác tro bay loại F có lượng carbon chưa cháy hơn 2% tính theo lượng mất khi nung Thành phần khoáng chủ yếu có quartz, mullite và hematite

Tro bay loại C: thường chứa hơn 15% canxi oxit (CaO) hay còn gọi là tro

bay giàu canxi Nó được sử dụng trong công nghiệp bê tông khoảng 20 năm trở lại đây Tro bay loại này không chỉ có tính puzzolan mà còn có khả năng tự đóng rắn Khi trộn nước tro bay sẽ phản ứng tương tự như trong xi măng Portland Mức độ tự đóng rắn phụ thuộc vào canxi oxit (CaO) trong tro bay Hàm lượng CaO cao nói chung mức độ đóng rắn của tro bay càng cao Hàm lượng carbon chưa cháy trong tro tính theo lượng mất khi nung là ít hơn 1% Thành phần khoáng chủ yếu là anhydride, tricanxi aluminat, đá vôi, quartz, periclase, mullite, merwinite và ferrite

Hình 2.2 Tro bay loại C và loại F (nguồn wikipedia)

Bảng 2.1 Thành phần vật lý của tro bay

Thành phần vật lý

thí nghiệm

Khối lượng riêng (g/cm3)

Hàm lượng lọt sàng 0.05 mm (%)

Chỉ số hoạt tính cường độ sau 28 ngày (%)

Chỉ số hoạt tính cường độ sau 7 ngày (%)

Lượng mất sau khi nung (g)

Tiêu chuẩn áp dụng

TCVN 4030-

86

ASTM C311, TCVN 6016-95

ASTM C311, TCVN 6016-95

ASTM C311, TCVN 6016-95

ASTM C311, TCVN 141-98 Tro bay nhà máy

Tro bay nhà máy

2.1.1.2 Dung dịch kiềm Alkaline Silicate

Dung dịch hoạt hóa Alkaline là sự kết hợp giữa sodium hydroxide và sodium silicate

Sodium silicate (thủy tinh lỏng) là dung dịch trong suốt, được ứng dụng rộng rãi trong lĩnh vực chất kết dính, sơn,…Thành phần hóa học của thủy tinh lỏng chủ yếu là hỗn hợp của M2O (oxit của kim loại alkali, có thể là Na2O, K2O hay Li2O), SiO2 và nước Công thức chung có thể viết là M2O.nSiO2.mH2O

Sodium hydroxide được pha chế từ Natri nguyên chất ở dạng vảy rắn, màu trắng đục (độ tinh khiết trên 90%) với các nồng độ NaOH khác nhau ứng với từng

tỷ lệ giữa nước và Natri nguyên chất khác nhau

2.1.2 Chất kết dính Geopolymer (J Davidovits, 2002)

Trong hỗn hợp Geopolymer, tồn tại hàng loạt những hạt tro bay dạng hình cầu, với nhiều kích thước khác nhau Những khối cầu này thường rỗng, đôi khi bên trong chúng lại chứa những khối cầu khác có kích thước nhỏ hơn Tác động của dung dịch kiềm alkaline và quá trình dưỡng hộ nhiệt lên những thành phần này tạo thành sản phẩm ở trạng thái gel Sản phẩm dạng gel này lại liên kết với sản phẩm dạng gel ở những phần tử khác Kết quả là tạo thành sản phẩm có tính dính kết Mặt

khác có những phần tử tro bay chưa phản ứng và được bao bọc bởi sản phẩm của quá trình phản ứng, làm những phần tử tro bay này phản ứng rất chậm

Mô hình quá trình hoạt hóa của dung dịch kiềm alkali đối với tro bay được minh họa như sau:

Hình 2.3 Cấu trúc vi mô của Geopolymer (J Davidovits, 2002)

Phản ứng hóa học này xảy ra đầu tiên tại một điểm trên bề mặt của hạt tro bay, sau đó mở rộng ra tạo thành những lỗ lớn hơn trên bề mặt làm lộ cấu trúc bên trong hạt tro bay, rỗng hoặc một phần chứa những phần tử nhỏ hơn Từ đó, sự tác động của dung dịch kiềm alkali theo hai chiều: từ ngoài vào trong và từ trong ra ngoài Do đó, sản phẩm của phản ứng này được sinh ra cả bên trong lẫn bên ngoài lớp vỏ của hạt tro bay Cùng lúc đó, dung dịch kiềm alkali cũng đi vào cấu trúc rỗng của hạt tro và phản ứng với những phần tử nhỏ hơn bên trong hạt tro lớn Kết quả là không gian rỗng bên trong được lắp đầy bằng sản phẩm của phản ứng

Hình 2.4 Cấu trúc vi mô của Geopolymer dưới kính hiển vi

(Ubolluk Rattanasak, 2009)

Kết quả của quá trình tích tụ sản phẩm phản ứng là tạo thành lớp sản phẩm bao bọc một phần những hạt cầu tro bay Lớp sản phẩm này ngăn cản phần tro bay bên trong tiếp xúc với dung dịch alkaline Các phản ứng kế tiếp tạo thành sản phẩm kết nối lớp sản phẩm trên, xảy ra đồng thời với tác động của môi trường pH qua lớp sản phẩm của tro bay đã phản ứng Phần tro bay nằm bên dưới lớp sản phẩm trên có thể không bị tác động bởi môi trường pH cao, điều này liên quan phụ thuộc vào chất hoạt hóa được sử dụng Trong trường hợp này, chất hoạt hóa giữ vai trò chủ đạo trong quá trình khuếch tán hóa lý Các mức độ phản ứng ở nhiều thời điểm khác nhau tạo ra sản phẩm có độ thấm khác nhau

Sự có mặt của thủy tinh lỏng trong dung dịch hoạt hóa giữ vai trò quan trọng trong sự phát triển của cấu trúc vi mô giống như cấu trúc của xi măng Cấu trúc này không thay đổi, không hình dạng và ít cấu trúc rổng Cấu trúc này chị bị gián đoạn khi có mặt của những phần tử tro bay không phản ứng và hạt tro Thành phần Na và

Si trong cấu trúc này thường nhiều hơn khi chỉ được hoạt hóa bởi NaOH Tuy nhiên, cấu trúc vi mô tạo ra khi có mặt của thủy tinh lỏng thường tương tự cấu trúc được hoạt hóa bởi dung dịch kiềm và dưỡng hộ nhiệt trong thời gian lâu hơn

Theo Van Jaarsveld (1997) và Davidovits (1999), sự tạo thành Geopolymer

có thể được diễn tả bằng hai phản ứng hóa học sau:

Phương trình phản ứng trên chứng tỏ nước được sinh ra trong suốt quá trình hình thành Geopolymer Lượng nước này bị đẩy ra khỏi cấu trúc Geopolymer trong

cả quá trình đổ khuôn cũng như dưỡng hộ nhiệt sau đó Khi đó, chúng để lại những

lổ rỗng không liên tục trong cấu trúc, tạo điều kiện cho Geopolymer được hình thành Lượng nước trong hỗn hợp Geopolymer không có vai trò gì trong phản ứng hóa học nhưng nó tạo nên tính công tác cho hỗn hợp khi nhào trộn Điều đó ngược với nước trong hỗn hợp xi măng Portland cần thiết cho quá trình hydrat hóa.

Quá trình tạo thành cấu trúc Geopolymer có thể được biểu diễn tóm tắt theo

sơ đồ sau:

Hình 2.5 Quá trình Geopolymer hóa (J Davidovits, 2015)

Hình 2.6 So sánh quá trình tạo chất kết dính giữa Portland cement và Gel polymer

(J Davidovits, 2002)

Theo Davidovits vật liệu Geopolymer có khả năng ứng dụng rộng rãi trong nhiều lĩnh vực Hầu hết các ứng dụng của vật liệu Geopolymer được xác định bởi cấu trúc hóa học qua tỷ lệ Si:Al trong poly (Sialate)

Hình 2.7 Ứng dụng của geopolymer dựa vào cấu trúc hóa học

(Vijaya Rangan, 2014)

2.1.3 Phương pháp thiết kế cấp phối GPC

Cốt liệu cho bê tông thông thường hoàn toàn dùng được trong GPC Hơn nữa, do sản phẩm sau phản ứng geopolymer hóa của GPC khác hoàn toàn so với sản phẩm thủy hóa của bê tông xi măng, cho nên những loại cốt liệu không dùng được trong bê tông xi măng (do xảy ra phản ứng với sản phẩm thủy hóa làm bê tông bị suy thoái ) có khả năng dùng tốt cho GPC

Việc thiết kế hỗn hợp GPC nói chung dựa vào các chỉ tiêu đặc trưng Vai trò

và ảnh hưởng của cố liệu được coi giống như trường hợp bê tông xi măng Portland Tương tự như bê tông xi măng Portland, khối lượng cốt liệu nhỏ và lớn chiếm từ 75 đến 80% khối lượng GPC Cấp phối GPC có thể được thiết kế sơ bộ giống bê tông

xi măng Portland

Các chỉ tiêu đặc trưng của GPC phụ thuộc vào ứng dụng của nó Trong đó, cường độ chịu nén của bê tông đặc chắc và tính công tác của hỗn hợp bê tông là hai chỉ tiêu quan trọng Các yếu tố ảnh hưởng đến các đặc trưng đó có thể kể là nồng độ dung dịch NaOH, tỷ lệ thủy tinh lỏng (TTL) và dung dịch NaOH, tỷ lệ khối lượng dung dịch alkaline và khối lượng tro bay, thời gian nhào trộn hỗn hợp ướt, nhiệt độ

và thời gian dưỡng hộ nhiệt

Bảng 2.2 Ảnh hưởng của nồng độ Mol và tỷ lệ TTL với NaOH

(Ubolluk Rattanasak, 2009)

Tỷ lệ khối lượng dung dịch alkaline trên khối lượng tro bay thường khuyến cáo từ 0.3 đến 0.45 Tuy nhiên, theo Cherdsak Suksiripattanapong (2015), cường độ của GPC vẫn tăng khi tỷ lệ dung dịch ankali/tro bay trên 0.5 và dưới 0.65

Hình 2.8 Ảnh hưởng tỷ lệ dung dịch ankali/tro bay và nhiệt độ dưỡng hộ đến cường

độ chịu nén của GPC (Cherdsak Suksiripattanapong, 2015)

Thủy tinh lỏng thường rẻ hơn Natri hydroxide rắn Kinh nghiệm từ phòng thí nghiệm các nhà khoa học khuyên sử dụng tỷ lệ thủy tinh lỏng trên dung dịch kiềm khoảng 2.5 (Hardjito và Rangan, 2005)

Hình 2.9 Ảnh hưởng tỷ lệ Na2SiO3/NaOH và nhiệt độ dưỡng hộ đến cường độ chịu

nén của GPC (Hardjito và Rangan, 2005)

Việc chế tạo GPC từ tro bay theo phương pháp như bê tông xi măng Portland Trong phòng thí nghiệm, tro bay và cốt liệu được nhào trộn khô trước (trường hợp trộn bằng máy trộn thì thời gian trộn khoảng 3 phút) Dung dịch

alkaline được thêm vào hỗn hợp khô trên và được trộn đều trong khoảng bốn phút Hỗn hợp GPC có thể được sử dụng trong thời gian lên tới 120 phút mà không bị đông kết và giảm cường độ Hỗn hợp bê tông này có thể được đổ khuôn và đầm chặt theo cách thức của bê tông xi măng Portland

2.2 Phương pháp xác định cường độ bê tông

2.2.1 Phương pháp phá hoại mẫu

Chuẩn bị mẫu thử nén theo nhóm mẫu Mỗi nhóm gồm 3 mẫu thử theo yêu cầu kỹ thuật xây dựng của TCVN 3118:1993

Viên chuẩn để xác định cường độ nén cửa bê tông là viên mẫu lập phương kích thước 150 x 150 x 150mm Các viên mẫu lập phương kích thước khác viên chuẩn

và các viên mẫu trụ sau khi thử nén phải được tính đổi kết quả thử về cường độ viên chuẩn

Hình 2.10 Mẫu thí nghiệm kích thước 150 x 150 x150 mm

Lực tối đa đạt được là giá trị tải trọng phá hoại mẫu Cường độ nén từng viên mẫu bê tông (R) được tính bằng daN/cm2 (KG/cm2) theo công thức:

P R

F

D

u Trong đó:

P - Tải trọng phá hoại, tính bằng daN;

F - Diện tích chịu lực nén của viên mẫu, tính bằng cm2;

(2.1)

α - Hệ số tính đổi kết quả thử nén các viên mẫu bê tông kích thước khác viên chuẩn về cường độ của viên mẫu chuẩn kích thước 150 x

Hình 2.12 Súng bật nẩy

Cường độ nén của bê tông được xác định trên cơ sở xây dựng trước mối quan

hệ thực nghiệm giữa cường độ nén của các mẫu bê tông trên máy nén (R) và trị số bật nẩy trung bình (n) trên súng bật nẩy nhận được từ kết quả thí nghiệm trên cùng một mẫu thử Để xây dựng quan hệ R – n , sử dụng các mẫu lập phương 150 mm x

150 mm x 150 mm theo yêu cầu kỹ thuật xây dựng của TCVN 3105:1993

Khi tiến hành thí nghiệm, các điểm thí nghiệm cách mép kết cấu ít nhất 50

mm Đối với mẫu thí nghiệm, các điểm thí nghiệm cách mép ít nhất 30 mm Khoảng cách giữa các điểm thí nghiệm trên kết cấu hoặc trên mẫu không nhỏ hơn

30 mm Tuổi bê tông của kết cấu được kiểm tra từ 14 ngày đến 56 ngày Nếu vượt quá giới hạn này, có thể sử dụng hệ số ảnh hưởng của tuổi khi đánh giá cường độ bê tông Bề mặt bê tông của vùng thí nghiệm phải được đánh nhẵn và sạch bụi, diện tích mỗi vùng thí nghiệm trên kết cấu không nhỏ hơn 400 cm2 Khi thí nghiệm, trục của súng phải luôn đảm bảo vuông góc với bề mặt của bê tông

Phương thí nghiệm trên kết cấu và trên mẫu để xây dựng quan hệ R – n phải như nhau Đối với mỗi vùng thí nghiệm trên kết cấu (hoặc trên mẫu) phải tiến hành thí nghiệm không ít hơn 16 điểm, có thể loại bỏ 3 giá trị dị thường lớn nhất và 3 giá

trị dị thường nhỏ nhất còn lại 10 giá trị lấy trung bình Giá trị bật nẩy xác định chính xác đến 1 vạch chia trên thang chỉ thị của súng bật nẩy

2.2.2.2 Sử dụng súng bật nẩy kết hợp sóng siêu âm

Các nguyên tắc sống âm dựa trên thực tế, vật liệu rắn là chất dẫn sóng âm tốt, nó không chỉ phản hồi sóng trên bề mặt mà còn phản hồi các khuyết tật nội bộ bên trong cấu kiện, tương tác giữa sóng âm và chất liệu làm cho tần số phát sẻ thấp hơn tần số thu tại đầu thu Thông qua 3 hình thức lan truyền sóng: tán xạ, nhiễu xạ, phản xạ để xác định mức độ đặc chắc của mẫu

Hình 2.14 Hình thức lan truyền sóng trong chất rắn (Tekin Yılmaz, 2014)

Phương pháp không phá hoại mẫu thực hiện theo tiêu chuẩn TCVN 9335:2012 Bê tông nặng – Xác định cường độ nén sử dụng kết hợp máy đo siêu âm

và súng bật nẩy Phương pháp xác định cường độ nén dựa trên mối tương quan giữa cường độ chịu nén của bê tông R với hai số đo đặc trung của phương pháp không phá hoại là vận tốc v của siêu âm và độ cứng bề mặt của bê thông qua trị số n đó được trên súng thử bê tông bật nẩy (quan hệ R-v,n) Ngoài ra, còn sử dụng những số liệu kĩ thuật có liên quan đến thành phần bê tông

Cường độ chịu nén của bê tông được xác định bằng biểu đồ hoặc bảng tra thông qua vận tốc siêu âm và trị số bật nẩy đo được trên bê tông cần thử Giá trị này bằng cường độ nén của một loại bê tông quy ước gọi là bê tông tiêu chuẩn dùng để

xây dựng hình 2.16, bảng 2.3 Một số thành phần đặc trưng của bê tông tiêu chuẩn được quy định như sau: xi măng poóc lăng PC30, hàm lượng xi măng 350 kg/m3, cốt liệu lớn đá dăm với đường kính lớn nhất Dmax=40 mm, cốt liệu nhỏ cát vàng có

Mn từ 2.0 đến 3.0 Nếu bê tông cần thử có thành phần khác với bê tông tiêu chuẩn thì cường độ nén của bê tông được điều chỉnh bằng các hệ số ảnh hưởng

Để xác định được cường độ nén của bê tông cần thử, phải có những số liệu

kỹ thuật liên quan đến thành phần bê tông thử: loại xi măng, hàm lượng xi măng sử dụng cho 1 m3 bê tông, lại cốt liệu lớn và đường kính lớn nhất của nó (Dmax)

Hình 2.15 Biểu đồ xác định cường độ bê tông tiêu chuẩn (TCVN 9335:2012)