Spatial correlation and pore morphology analysis of limestone calcined clay cement (LC3) via machine learning and image-based characterisation

مقدمه

این تحقیق با هدف بررسی و تحلیل ریز ساختار سیمان حاوی سنگ آهک و رس کلسینه ‌شده (LC3) انجام شده است. با استفاده از روش‌های تصویربرداری پیشرفته BSE) و (Micro-CT و یادگیری عمیق (DNN)، ریزساختار LC3 تحلیل و با سیمان پرتلند (OPC) مقایسه شد تا مکانیزم‌های بهبود دوام و عملکرد مکانیکی آن شناسایی شوند.

روش‌ها

مواد:
LC3  با 50 درصد جایگزینی کلینکر (شامل 30 درصد رس کلسینه‌شده، 15 درصد سنگ آهک، و 5 درصد گچ) و OPC تهیه شد.

تحلیل ریزساختار:
تصویربرداری BSE برای بررسی ویژگی‌های نانومقیاس و Micro-CT برای ارزیابی حجم کل منافذ به کار رفت.

یادگیری عمیق:
مدل DNN برای شناسایی همبستگی مکانی منافذ و ذرات جامد و استخراج ویژگی‌های کلیدی استفاده شد.

نتایج

ساختار منافذ و تراکم:

LC3  دارای منافذ کوچک‌تر و متصل کمتری نسبت به OPC است، که نشان‌دهنده تراکم بالاتر و کاهش تخلخل است.

کاهش 33 درصد فاصله همبستگی مکانی در LC3 به ساختار متراکم‌تر و یکنواخت‌تر منجر شد.

همبستگی مکانی:

LC3  نسبت به OPC ذرات جامد بیشتری دارد که به یکنواختی ساختار و کاهش تمرکز تنش کمک می‌کند.

این یکنواختی باعث بهبود خواص مکانیکی و دوام در برابر نفوذ عوامل مهاجم شد.

محصولات هیدراتاسیون:

واکنش‌های پوزولانی بین رس کلسینه ‌شده و سنگ آهک منجر به تشکیل فازهای هیدراتاسیونی مانند کربوآلومینات‌ها و کاهش ذرات غیر هیدراته شد.

شکل منافذ:

منافذ LC3 تغییر شکل بیشتری داشتند که نشان ‌دهنده نرخ بالاتر هیدراتاسیون و بهبود تراکم ساختاری است.

نتیجه‌گیری

LC3  با ساختاری یکنواخت‌تر، تراکم بالاتر، و منافذ کمتر متصل، دوام و خواص مکانیکی بهتری نسبت به OPC دارد.

استفاده از یادگیری عمیق برای تحلیل تصاویر، روشی کارآمد برای درک بهتر ریزساختار LC3 و بهبود طراحی بتن‌های پایدار ارائه می‌دهد.

این تحقیق بینش‌های ارزشمندی برای بهینه‌سازی عملکرد سیمان LC3 در پروژه‌های مهندسی و زیست‌محیطی فراهم می‌کند.