基于物理信息的深度神经网络模拟混凝土中氯离子的扩散
氯离子在混凝土中的扩散是一个复杂的化学物理过程，对混凝土腐蚀起始时间的预测具有重要意义。但考虑到混凝土的非线性氯离子结合能力，模拟氯离子扩散的方程是有限的。本研究提出了一种基于物理信息的深度神经网络来模拟氯离子在混凝土中的扩散机制并预测氯离子浓度的分布。物理定律被制定为一个损失项，以指导训练过程，并减少模型训练所需的数据。然后将物理约束损失(基于控制方程和边界条件)和训练损失(基于神经网络)融合产生损失函数。首先用不同的实验案例验证了所提出的模型，然后将模型与数值应用和纯数据驱动的方法进行了比较。结果表明，该模型能够有效地模拟氯离子的输运行为，预测混凝土的扩散系数，具有较高的精度。将该方法应用于混凝土样品中氯化物浓度的时间和空间域，显示了其作为研究混凝土性能的有力工具的潜力。
（图片来源网络，侵删）
氯离子侵入混凝土是一个复杂的过程，涉及多个机制，如扩散、渗透、氯化物结合、对流和电迁移（Chidiac和Shafikhani, 2019, 2020；Yuan等, 2022a）。在这些机制中，氯离子扩散是将氯离子移动到混凝土中的主要驱动力（Zheng等, 2015；Liu等, 2022）。人们普遍认为，理解混凝土中的氯离子传输行为对于预测腐蚀的初始时间至关重要（Choi等, 2017；Golafshani等, 2022）。在实际中，氯离子通过扩散或毛细管吸收进入混凝土，从而破坏混凝土的微观结构。因此，提高混凝土的抗氯渗透性是增强其耐久性和使用寿命的关键因素。
近年来，已有研究模拟了混凝土中的氯离子扩散（Jin等, 2022；Yu和Lin, 2020；Wang等, 2021a；Zhang等, 2021）。例如，Isteita和Xi（2017）提出了一种模型来捕捉在不同复杂暴露条件下的氯离子传
免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理! 部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理! 图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库和百度，360，搜狗等多加搜索引擎自动关键词搜索配图，如有侵权的图片，请第一时间联系我们，邮箱：ciyunidc@ciyunshuju.com。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!
