粉煤灰和硅灰取代率对碱矿渣混凝土力学性能影响分析

夏冬桃; 吴晨; 崔凯; 吴方红; 李彪; 王煜; 喻诗汀; 李耀威

doi:10.3969/j.issn.0258-2724.20230036

粉煤灰和硅灰取代率对碱矿渣混凝土力学性能影响分析

doi: 10.3969/j.issn.0258-2724.20230036

夏冬桃^{1, 2,},
吴晨¹,
崔凯³,
吴方红⁴,
李彪^{1, 2, ,},
王煜¹,
喻诗汀¹,
李耀威¹

1.
湖北工业大学土木建筑与环境学院，湖北武汉 430068
2.
湖北工业大学河湖健康智慧感知与生态修复教育部重点实验室，湖北武汉 430068
3.
武汉大学土木建筑工程学院，湖北武汉 430072
4.
佛山大学交通与土木建筑学院，广东佛山 528225

基金项目: 国家自然科学基金项目（52208152，52308248）

详细信息

作者简介:
夏冬桃（1975—），女，教授，研究方向为结构工程与材料，E-mail：2390654741@qq.com

通讯作者:
李彪（1990—），男，讲师，研究方向为结构工程与材料，E-mail：libiao@hbut.edu.cn

中图分类号: TU528
计量
- 文章访问数: 320
- HTML全文浏览量: 242
- PDF下载量: 68
- 被引次数: 7
出版历程
- 收稿日期: 2023-02-06
- 修回日期: 2023-08-22
- 网络出版日期: 2024-08-05
- 刊出日期: 2023-09-28

Effect of Fly Ash and Silica Fume Contents on Mechanical Properties of Alkali-Activated Slag-Based Concrete

XIA Dongtao^{1, 2
,},
WU Chen¹,
CUI Kai³,
WU Fanghong⁴,
LI Biao^{1, 2
, ,},
WANG Yu¹,
YU Shiting¹,
LI Yaowei¹

1.
School of Civil Engineering, Architecture, and Environment, Hubei University of Technology, Wuhan 430068, China
2.
Key Laboratory of Intelligent Health Perception and Ecological Restoration of Rivers and Lakes, Ministry of Education, Hubei University of Technology, Wuhan 430068， China
3.
School of Civil Engineering, Wuhan University, Wuhan 430072, China
4.
School of Transportation, Civil Engineering & Architecture, Foshan University, Foshan 528225, China

摘要

摘要:
为研究粉煤灰和硅灰取代率对碱矿渣混凝土（AASC）性能的影响，通过凝结时间和基本力学性能试验，探究AASC凝结时间、立方体抗压强度、立方体劈拉强度、抗折强度和弹性模量的变化规律，基于试验结果，采用回归分析的方法，建立立方体劈裂抗拉强度、抗折强度以及弹性模量与立方体抗压强度的转换关系方程，并结合AASC的微观形貌和物相组成，揭示粉煤灰和硅灰对AASC性能的影响机理. 结果表明：粉煤灰和硅灰的取代可延长AASC的凝结时间；AASC力学性能指标随粉煤灰和硅灰取代率的增大而呈现出先增强后减弱的趋势，粉煤灰和硅灰最优取代率分别为20%和10%；提出的AASC立方体劈拉强度、抗折强度以及弹性模量的经验公式拟合精度高；粉煤灰（取代率≤20%）和硅灰（取代率≤10%）的取代促进了AASC的水化反应，使微观形貌更为密实.
- 碱激发矿渣混凝土 /
- 粉煤灰 /
- 硅灰 /
- 力学性能 /
- 微观结构
Abstract:
In order to study the effect of fly ash and silica fume contents on the properties of alkali-activated slag-based concrete (AASC), the changes in setting time, cubic compressive strength, cubic splitting tensile strength, flexural strength, and elastic modulus of AASC were investigated by conducting tests on setting time and basic mechanical properties. Based on the test results, a regression analysis method was used to establish the conversion relationship equation of cubic splitting tensile strength, flexural strength, and elastic modulus with cubic compressive strength, and the effect of fly ash and silica fume on the properties of AASC was revealed according to the microstructure and phase composition. The results show that the fly ash and silica fume can prolong the setting time of AASC; the mechanical property indicators of AASC tend to strengthen and then weaken with the increase in the contents of fly ash and silica fume, and the optimal contents of fly ash and silica fume are 20% and 10%, respectively. The proposed empirical formulae for cubic splitting tensile strength, flexural strength, and elastic modulus of AASC have a high fitting precision. The appropriate contents of fly ash (silica fume≤20%) and silica fume (silica fume≤10%) can promote the hydration reaction of AASC and the denser microstructures.
- alkali-activated slag-based concrete /
- fly ash /
- silica fume /
- mechanical property /
- microstructures

HTML全文

近年来，传感器有限的能量遏制着无线传感器网络（wireless sensor networks, WSN）的永续发展. 且当传感器节点的电池寿命即将结束时，常常会发生传感错误和链路故障. 因此，延长传感器节点的生命周期并维持其感知性能是WSN中的一个主要问题^[1-2].

随着射频能量收集（radio frequency energy harvesting, RF-EH）技术^[3]的不断发展，使得受限于能量的WSN可以实现自持作业. 然而，传感器节点与目的节点之间常常由于地形地貌、建筑物、距离等原因以及受路径衰落的影响，导致无线链路被阻塞或不存在直达路径，影响系统覆盖范围^[4].于是，基于无线携能通信（simultaneous wireless information and powertransfer, SWIPT）的中继协作系统备受关注. 文献[5]随机地在蜂窝网络中部署能量站（power beacon, PB），建立随机几何模型，并研究数据链路中断约束下的混合网络部署问题. 文献[6]研究了双向能量收集（energy harvesting, EH）中继网络中联合波束赋形设计与时隙切换（time switching, TS）策略问题. 文献[7]将解码转发全双工中继网络中的中继能量建模为二级马尔可夫链，获得贪婪切换策略下的最优功率分配（power splitting, PS）因子，并以精确积分的形式推导相应的中断概率. 文献[8]研究了多径瑞利衰落信道下基于缓冲器辅助差分混沌移位键控的SWIPT中继系统，通过采用Meijer G函数和Gauss-Hermite算法，得到误码率和平均延迟的闭式表达式. 文献[9]针对基于SWIPT的全双工中继网络的最优中继选择问题，利用Karush-Kuhn-Tucker （KKT）条件和拉格朗日函数分别对最优中继选择及发射功率控制进行优化. 文献[10]考虑一种联合直连链路与中继链路的数据传输系统，推导选择式合并（selection combining, SC）策略下的系统中断概率表达式. 文献[11]针对多天线目的节点的中继通信网络提出4种协议，即静态TS因子下的SC、静态TS因子下的最大比合并（maximal ratio- combining, MRC）、最佳动态TS因子下的SC和最佳动态TS因子下的MRC，较为全面地研究系统的中断性能.

值得注意的是，以上文献研究的场景较为理想化，假设所有节点均能获得足够的初始能量，从而保持系统始终处于激活状态；在SWIPT多中继协作系统中^[12-13]，并未对目的节点采用多天线时的吞吐量（throughput, TH）性能进行优化分析. 鉴于此，本文针对EH-WSN系统提出基于PS策略的SWIPT多中继通信模型，研究联合优化TS因子与PS因子的吞吐量最大化中继选择算法，评估系统的中断性能.

1. 系统模型

本文考虑一种基于PS-SWIPT的EH-WSN系统模型，如所示. 该系统包括1个射频PB、N个传感器节点（1,2, $\cdots$ ,j, $\cdots$ ,N）、K个中继节点R_i （i = 1,2, $\cdots$ ,K）和1个目的节点D. 每个传感器节点安设单天线，中继节点安设2根天线、目的节点安设M根天线. 假设传感器节点在半双工（half-duplex, HD）模式下工作，中继节点在全双工模式下工作^[14]. 图中：h_j为PB与传感器节点j之间的链路信道系数， $h_{{{S}},{{R}}_i}$ 、 $h_{{{R}}_i,{{D}}_m}$ 分别为源节点S到中继节点R_i、R_i到目的节点D第m根天线的链路信道系数.

图 1 基于PS-SWIPT的EH-WSN系统模型

Figure 1. EH-WSN system model based on PS-SWIPT

下载: 全尺寸图片幻灯片

PB周期性地广播射频（radio frequency，RF）波，系统模型所有传感器节点和中继节点都从该RF信号中获取能量. 传感器节点j作为源节点S，经由中继节点R_i将传感信息传输到目的节点D. 假设无线信道为多径独立的Rayleigh衰落信道，且令信道系数在一个通信周期T内保持不变，而在不同时隙间独立变化^[15]. $|{h_j}{|^2}$ 、 $|{h_{{{S}},{{{R}}_i}}}{|^2}$ 、 $|{h_{{{{R}}_i},{{{D}}_m}}}{|^2}$ 服从均值分别为λ_j、 ${\lambda _{{{S}},{{{R}}_i}}}$ 、 ${\lambda _{{{{R}}_i},{{{D}}_m}}}$ 的指数分布，例如 ${\lambda _j} = {d_j}^{ - \xi }$ . 其中， ${d_j}$ 为PB与传感器节点j之间的距离， $\xi$ 为路径损耗指数.

基于PS-SWIPT的EH-WSN系统模型采用时分广播（time division broadcasting, TDBC）协议. 1个通信周期T分为2个时隙. 第1个时隙(1−θ)T内 (0<θ<1)，传感器节点和中继节点同时从PB发出的RF信号中收集能量；第2个时隙θT为传感器节点的协作传输阶段，传感器节点j作为源节点S以SWIPT方式将信息和能量同时传输至中继节点，中继节点再以解码转发方式将信息传输至目的节点D.TS因子θ控制着能量接收时隙长度和信息接收时隙长度，是重要的动态优化参数.

第1个时隙(1−θ)T：单天线传感器节点j 收集到的能量为^[16]

$E_j^{{\rm{har}}} = \eta |{h_j}{|^2}P\left( {1 - \theta } \right)T,$

(1)

式中：η为能量转化效率（0<η<1），P为PB的发射功率.

第2个时隙θT：传感器节点j作为源节点S的发射功率为

${P_{{S}}} = \frac{{E_j^{{\rm{har}}}}}{{\theta T}} = \frac{{\eta |{h_j}{|^2}P\left( {1 - \theta } \right)}}{\theta } = k|{h_j}{|^2}P \text{，}$

(2)

式中： $k = \displaystyle{{\eta (1 - \theta )}}/{\theta }$ .

中继节点R_i接收来自源节点S的信号为

${y_{{{\rm{R}}_i}}} = \sqrt {{P_{{S}}}} {h_{{{S}},{{{R}}_i}}}{x_{{S}}} + \sqrt {{P_{{{{R}}_i}}}} {h_{{{{R}}_i},{{{R}}_i}}}{x_{{{{R}}_i}}} + {n_{{{{R}}_i},{\rm{a}}}} \text{，}$

(3)

式中： ${x_{{S}}} \in C$ ，C为满足 ${{E}}\left\{ {|{x_{{S}}}{|^2}} \right\} = 1$ 的源节点S发送信号； ${P_{{{{R}}_i}}}$ 是R_i的发射功率； ${x_{{{{R}}_i}}} \in C$ ，为R_i发送的信号； ${n_{{{{R}}_i},{\rm{a}}}}$ 为R_i处的加性高斯白噪声，服从独立同分布的复高斯随机变量， ${n_{{{{R}}_i},{\rm{a}}}}$ ～ $CN(0,\sigma _{{n_{{{{R}}_i},{\rm{a}}}}}^2)$ ； $h_{{{R}}_i,{{R}}_i}$ 为中继节点R_i的环回链路信道系数； $\sqrt {{P_{{{{R}}_i}}}} {h_{{{{R}}_i},{{{R}}_i}}}{x_{{{{R}}_i}}}$ 为R_i的环回自干扰信号.

基于PS因子 ${\rho _i} \in (0,1)$ ，R_i的接收信号 ${y_{{{{R}}_i}}}$ 分为两部分： ${\rho _i}$ 部分用于信息传输，1− ${\rho _i}$ 部分用于能量收集. 信息传输信号 $y_{{{R}}_i}^{{\rm{ID}}}$ 和能量收集信号 $y_{{{R}}_i}^{{\rm{EH}}}$ 分别为

$\begin{split} & y_{{{{R}}_i}}^{{\rm{ID}}} = \sqrt {{\rho _i}} {y_{{{{R}}_i}}} + {n_{{{{R}}_i},{\rm{P}}}} = \sqrt {{\rho _i}} \left( \sqrt {{P_{{S}}}} {h_{{{S}},{{{R}}_i}}}{x_{{S}}} +\right. \\& \left. \quad \sqrt {{P_{{{{R}}_i}}}} {h_{{{{R}}_i},{{{R}}_i}}}{x_{{{{R}}_i}}} + {n_{{{{R}}_i},{\rm{a}}}} \right) + {n_{{{{R}}_i},{\rm{P}}}}, \end{split}$

(4)

$\begin{split} & y_{{{{R}}_i}}^{{\rm{EH}}} = \sqrt {1 - {\rho _i}} {y_{{{{R}}_i}}}= \sqrt {1 - {\rho _i}} \left( \sqrt {{P_{{S}}}} {h_{{{S}},{{{R}}_i}}}{x_{{S}}} + \right.\\ &\quad \left. \sqrt {{P_{{{{R}}_i}}}} {h_{{{{R}}_i},{{{R}}_i}}}{x_{{{{R}}_i}}} + {n_{{{{R}}_i},{\rm{a}}}} \right) , \end{split}$

(5)

式中： ${n_{{{{R}}_i},{\rm{P}}}}$ 为R_i发射产生的人为噪声，且 ${n_{{{{R}}_i},{\rm{P}}}}$ ～ $CN(0,\sigma _{{n_{{{{R}}_i},{\rm{P}}}}}^2)$ .

自干扰消除后^[17]，R_i的接收信号更替为

$y_{{{{R}}_i}}^{{\rm{ID}}-{\text{SIC}}} = \sqrt {{\rho _i}} \left( {\sqrt {{P_{{S}}}} {h_{{{S}},{{{R}}_i}}}{x_{{S}}} + {n_{{{{R}}_i},{\rm{a}}}}} \right) + {n_{{{{R}}_i},{\rm{P}}}}.$

(6)

由式（2）、（6），R_i的接收信噪比（signal-to-noise ratio, SNR）为

$\begin{split} & {\gamma _{{{R}_i}}} = \frac{{{\rho _i}{P_{{S}}}|{h_{{{S}},{{{R}}_i}}}{|^2}}}{{{\rho _i}\sigma _{{n_{{{{R}}_i}}},{\rm{a}}}^2 + \sigma _{{n_{{{{R}}_i},{\rm{P}}}}}^2}}= \frac{{{\rho _i}k|{h_j}{|^2}P|{h_{{{S}},{{{R}}_i}}}{|^2}}}{{{\rho _i}{N_0} + {N_0}}} = \\ &\quad \frac{{{\rho _i}k|{h_j}{|^2}|{h_{{{S}},{{{R}}_i}}}{|^2}\varPhi }}{{{\rho _i} + 1}}, \end{split}$

(7)

式中： $\sigma ^2_{{n_{{{\rm{R}}_i},{\rm{a}}}}} = \sigma ^2_{{n_{{{\rm{R}}_i},{\rm{P}}}}} = {N_0}$ （常数）， $\varPhi \triangleq \displaystyle{P}/{{{N_0}}}$ .

因能量部署站PB和中继节点的位置是固定的，单位发射功率下，假设每个中继节点在T内接收到的平均能量是Q_avg，则在PB发射功率为P且能量收集时间为(1−θ)T时，中继节点R_i收集到的能量为Q_avgP(1−θ)T. 忽略中继节点R_i收集过程中噪声产生的微弱能量^[8]，则R_i收集了PB的能量，接收了源节点S发射信号的能量，并对自干扰信号进行能量自回收，最终收集的总能量为

${E_{{{{R}}_i}}} = E_{{{{R}}_i}}^{{\text{SWIPT}}} + \eta {Q_{{\rm{avg}}}}P(1 - \theta )T \text{，}$

(8)

式中： $E_{{{{R}}_i}}^{{\text{SWIPT}}} = \eta \left( {1 - {\rho _i}} \right)\left( {k|{h_j}{|^2}P|{h_{{{S}},{{{R}}_i}}}{|^2} + {P_{{{{R}}_i}}}|{h_{{{{R}}_i},{{{R}}_i}}}{|^2}} \right)\theta T$ ，为从源节点处收集到的能量.

当中继节点R_i将最终收集的能量 $E_{R_i}$ 均用于发射，发射功率 ${P_{{{{R}}_i}}} = \dfrac{{{E_{{{{R}}_i}}}}}{{\theta T}}$ . 假设T = 1，化简得到

${P_{{{{R}}_i}}} = \frac{{\eta \left( {1 - {\rho _i}} \right) {k|{h_j}{|^2}P|{h_{{{S}},{{{R}}_i}}}{|^2}} \theta + \eta {Q_{{\rm{avg}}}}P(1 - \theta )}}{{\theta - \eta \left( {1 - {\rho _i}} \right)|{h_{{{{R}}_i},{{{R}}_i}}}{|^2}\theta }} .$

(9)

1.1 目的节点D采用SC策略

目的节点D采用SC策略时，节点D处第m根天线的接收信号为

$y_{{{{R}}_{i,}}{{{D}}_m}}^{{\text{SC}}} = \sqrt {{P_{{{{R}}_i}}}} {h_{{{{R}}_i},{{{D}}_m}}}{x_{{{\rm{R}}_i}}} + {n_{{{{D}}_m}}} \text{，}$

(10)

式中： ${n_{{{{D}}_m}}}$ 为加性高斯白噪声，且 $n _{{{{{D}}_m}}}～N(0,{\sigma _{{n_{{{{D}}_m}}}}^2})$ .

令 $\sigma _{{n_{{{{D}}_m}}}}^2 = {N_0}$ ，则节点D第m根天线处的SNR为

$\qquad\qquad\quad \gamma _{{{{D}}_m}}^{{\text{SC}}} = \frac{{{P_{{{{R}}_i}}}\max\; |{h_{{{{R}}_i},{{{D}}_m}}}{|^2}}}{{\sigma _{{n_{{{{D}}_m}}}}^2}} = \frac{{\left[ {\eta \left( {1 - {\rho _i}} \right) {k|{h_j}{|^2}P|{h_{{{S}},{{{R}}_i}}}{|^2}} \theta + \eta {Q_{{\rm{avg}}}}P(1 - \theta )} \right]\max \;|{h_{{{{R}}_i},{{{D}}_m}}}{|^2}}}{{{N_0}\theta \left[ {1- \eta \left( {1 - {\rho _i}} \right)|{h_{{{{R}}_i},{{{R}}_i}}}{|^2} } \right]}} .$

(11)

目的节点D采用SC策略时，选取最佳天线数为

${m^*} = \mathop {\arg \max }\limits_{1 \leqslant m \leqslant M} |{h_{{{{R}}_i},{{{D}}_m}}}{|^2}.$

(12)

设变量Z的累积分布函数（cumulative distribution function, CDF）函数和概率密度函数（probability density function, PDF）分别为F_Z(z)和f_Z(z) ，令 $Z = \mathop {\max }\limits_{m = 1,2, \cdots ,M} {\text{\{ }}|{h_{{{{R}}_i},{{{D}}_m}}}{|^2}{\text{\} }}$ ，则

${F}_{Z}({\textit{z}})=1+{\displaystyle \sum _{m=1}^{M}{\left(-1\right)}^{m}}{\text{C}}_{M}^{m}{\text{e}}^{-m{\textit{z}}{\lambda }_{{{R}}_{i},{{D}}_m}}\text{，}$

(13)

${f_Z}({\textit{z}}) = {\lambda _{{{{R}}_i},{{{D}}_m}}}\sum\limits_{m = 1}^{M - 1} {{{\left( { - 1} \right)}^m}} {\text{C}}_{M - 1}^m{{\text{e}}^{ - (m + 1){\textit{z}}{\lambda _{{{{R}}_i},{{D}}_m}}}},$

(14)

式中： ${\text{C}}_M^m = \displaystyle\frac{{M!}}{{m!(M - m)!}}$ .

1.2 目的节点D采用MRC策略

目的节点D采用MRC策略时，可合并来自M根天线的信号，其接收信号为

$y_{{{{R}}_{i},}{{D}}}^{{\text{MRC}}} = \sum\limits_{m = 1}^M {\sqrt {{P_{{{{R}}_i}}}} {h_{{{{R}}_i},{{{D}}_m}}}{x_{{{{R}}_i}}}} + {n_{{D}}},$

(15)

式中： ${n_{{D}}}$ 为加性高斯白噪声，且 ${n_{{D}}}～N(0,{\sigma _{{n_{{D}}}}^2})$ .

根据式（9）、（15），并令 $\sigma _{{n_{{D}}}}^2 = {N_0}$ ，得到节点D的SNR为

$\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\gamma _{{D}}^{{\text{MRC}}} = \frac{{\displaystyle\sum\limits_{m = 1}^M {{P_{{{{R}}_i}}}|{h_{{{{R}}_i},{{{D}}_m}}}{|^2}} }}{{\sigma _{{n_{{D}}}}^2}} = \frac{{\left[ {\eta \left( {1 - {\rho _i}} \right) {k|{h_j}{|^2}P|{h_{{{S}},{{{R}}_i}}}{|^2}} \theta + \eta {Q_{{\rm{avg}}}}P(1 - \theta )} \right]\displaystyle\sum\limits_{m = 1}^M {|{h_{{{{R}}_i},{{{D}}_m}}}{|^2}} }}{{{N_0}\left[ {\theta - \eta \left( {1 - {\rho _i}} \right)|{h_{{{{R}}_i},{{{R}}_i}}}{|^2}\theta } \right]}} \text{.}$

(16)

令 $W = \displaystyle\sum\limits_{m = 1}^M {|{h_{{R_i},{D_m}}}{|^2}}$ ，其PDF为

${f_W}(w) = \frac{{{{\lambda^M _{{{{R}}_i},{{D}}}}}}}{{(M - 1)!}}{w^{M - 1}}{{\rm{e}}^{ - w{\lambda _{{{{R}}_i},{{D}}}}}} .$

(17)

2. 中断概率与吞吐量分析

2.1 目的节点D采用SC策略

在基于PS-SWIPT的EH-WSN系统中，目的节点D采用SC策略的中断概率可表示为^[18]

$\; \; \; \; \;\; \; \; \;\; \; \; \; \; \;\; \; \; \; \; \; \; \; \; \; \; \;\begin{split} &{P_{{\rm{out}}}}{,_{{\text{SC}}}} \triangleq P_{\rm{r}} (\gamma _{{\rm{e2e}}}^{{\text{SC}}} < {\gamma _{{\rm{th}}}}) = {P_{\rm{r}}}\left(\mathrm{min}\left\{\frac{{\rho }_{i}{P}_{{{S}}}|{h}_{{{S}},{{{R}}}_{i}}{|}^{2}}{{\rho }_{i}{\sigma }_{{n}_{{{{R}}}_{i}}}^{2} + {\sigma }_{{n}_{{{{R}}}_{i},{\rm{P}}}}^{2}},\frac{{P}_{{{{R}}}_{i}}\mathrm{max}\;|{h}_{{{{R}}}_{i},{{{D}}}_{m}}{|}^{2}}{{\sigma }_{{n}_{{{{D}}}_{m}}}^{2}}\right\} < {\gamma }_{{\rm{th}}}\right)=\\ & \quad 1-{P_{\rm{r}}}\left(\frac{{\rho }_{i}{P}_{{{S}}}|{h}_{{{S}},{{{R}}}_{i}}{|}^{2}}{{\rho }_{i}{N}_{0} + {N}_{0}}\geqslant {\gamma }_{{\rm{th}}}\text{，}\frac{{P}_{{{{R}}}_{i}}\mathrm{max}\;|{h}_{{{{R}}}_{i},{{{D}}}_{m}}{|}^{2}}{{N}_{0}}\geqslant {\gamma }_{{\rm{th}}}\right)=1-{P_{\rm{r}}}\left(\frac{{\rho }_{i}k\left|{h}_{j}{|}^{2}\right|{h}_{{{S}},{{{R}}}_{i}}{|}^{2}\varPhi }{{\rho }_{i} + 1}\geqslant {\gamma }_{{\rm{th}}}\text{，}\right.\\ &\quad \left.\frac{\left[\eta \left(1-{\rho }_{i}\right)k\left|{h}_{j}{|}^{2}\right|{h}_{{{S}},{{{R}}}_{i}}{|}^{2}\theta + \eta {Q}_{{\rm{avg}}}(1-\theta )\right]\varPhi\; \mathrm{max}\;|{h}_{{{{R}}}_{i},{{{D}}}_{m}}{|}^{2}}{\theta -\eta \left(1-{\rho }_{i}\right)|{h}_{{{{R}}}_{i},{{{R}}}_{i}}{|}^{2} \theta } \geqslant {\gamma }_{{\rm{th}}}\right),\end{split}$

(18)

式中：P_r(·)为概率， $\gamma _{{\rm{e2e}}}^{{\text{SC}}} \triangleq \min \{{\gamma _{{{{R}}_i}}},\gamma _{{{{D}}_m}}^{{\text{SC}}}\}$ ， ${\gamma _{{\rm{th}}}}$ 为预设SNR阈值.

令 $X=\left|h_{j}\right|^{2}\left|h_{{{S}},{{R}}_{i}}\right|^{2}$ ，则其CDF为

$\begin{split} & {F_X}(x) = {P_{\rm{r}}}\left( {X < x} \right) = {P_{\rm{r}}}\left( {|{h_j}{|^2} < \frac{x}{{|{h_{{{S}},{{{R}}_i}}}{|^2}}}} \right) =\\ &\quad\displaystyle\int_0^\infty {{F_{|{h_j}{|^2}}}} \left( {\frac{x}{{|{h_{{{S}},{{{R}}_i}}}{|^2}}}} \right) {f_{|{h_{{{S}},{{{R}}_i}}}{|^2}}}(|{h_{{{S}},{{{R}}_i}}}{|^2}){\rm{d}}|{h_{{{S}},{{{R}}_i}}}{|^2} =\\ & \quad1 - 2\sqrt {{\lambda _j}{\lambda _{{{S}},{{{R}}_i}}}x} {K_1}\left( {2\sqrt {{\lambda _j}{\lambda _{{{S}},{{{R}}_i}}}x} } \right) \text{，} \end{split}$

(19)

式中： ${K_v}$ (·)为第二类v阶修正贝塞尔函数.

令 $t = {\rho _i} + 1$ ， $d = {\rho _i}k\varPhi$ ， $a = \eta (1 - {\rho _i})k\theta$ ， $b = \eta {Q_{{\rm{avg}}}}\times (1 - \theta )$ ， $c = \theta - \eta (1 - {\rho _i})|{h_{{R_i},{R_i}}}{|^2}\theta$ ，则式（18）可以等价转化为

$\begin{split} &{P}_{{\rm{out}}\text{,SC}}=1-{P_{\rm{r}}}\left(\frac{d\left|{h}_{j}{|}^{2}\right|{h}_{{{S}},{{{R}}}_{i}}{|}^{2}}{t}\geqslant {\gamma }_{{\rm{th}}}\text{，}\right.\\ &\quad\left.\frac{ \left(a\left|{h}_{j}{|}^{2}\right|{h}_{{{S}},{{{R}}}_{i}}{|}^{2} + b\right) \varPhi\;\mathrm{max}\;|{h}_{{{{R}}}_{i},{{{D}}}_{m}}{|}^{2} }{c}\geqslant {\gamma }_{{\rm{th}}}\right) =\\ &\quad 1-{P_{\rm{r}}}\left(X\geqslant \frac{{t\gamma }_{{\rm{th}}} }{d}\text{，}Z\geqslant \frac{{\gamma }_{{\rm{th}}} c}{(ax + b)\varPhi }\right)=\\ &\quad1-{\displaystyle {\int }_{\frac{{t\gamma }_{{\rm{th}}} }{d}}^{\infty }\left({\displaystyle {\int }_{\frac{{c\gamma }_{{\rm{th}}} }{(ax + b)\varPhi }}^{\infty }{f}_{Z}({\textit{z}})}{\rm{d}}{\textit{z}}\right)} {f}_{X}(x){\rm{d}}x =\\ &\quad1 - \int_{\frac{{{t\gamma _{{\rm{th}}}} }}{d}}^\infty {\left( {\sum\limits_{m = 1}^M {{{\left( { - 1} \right)}^{m + 1}}{\rm{C}}_M^m} {{\rm{e}}^{ - {\lambda _{{{{R}}_{i,}}{{D}}_m}}\frac{{{\gamma _{{\rm{th}}}} cm}}{{(ax + b) \varPhi}}}}} \right)} {f_X}(x){\rm{d}}x{\text{ }} . \end{split}$

(20)

通过使用文献[19]中的等式(8.486,18)，可以计算得

${f_X}(x) = \frac{{{\rm{d}} {{F_X}(x)} }}{{{\rm{d}}x}} = 2{\lambda _j}{\lambda _{{{S}},{{{R}}_i}}}{K_0}\left( {2\sqrt {{\lambda _j}{\lambda _{{{S}},{{{R}}_i}}}x} } \right) .$

(21)

将式（21）代入式（20），得到

$\begin{split} & {P_{{\rm{out}}{\text{,SC}}}} = 1 - \displaystyle\int_{\frac{{{t\gamma _{{\rm{th}}}} }}{d}}^\infty {\left( {\sum\limits_{m = 1}^M {{{\left( { - 1} \right)}^{m + 1}}{\rm{C}}_M^m} {{\rm{e}}^{ - {\lambda _{{{{R}}_{i,}}{{D}}_m}}\frac{{{\gamma _{{\rm{th}}}} cm }}{{(ax + b)\varPhi }}}}} \right)} \times \\ &\quad \left[ {2{\lambda _j}{\lambda _{{{S}},{{{R}}_i}}}{K_0}\left( {2\sqrt {{\lambda _j}{\lambda _{{{S}},{{{R}}_i}}}x} } \right)} \right]{\rm{d}}x . \end{split}$

(22)

根据解码转发协议，目的节点采取SC接收策略下的吞吐量为

$T_{{{\text{H,SC}}}} = \theta {\log _2}(1 + \min \{{\gamma _{{{{R}}_i}}},\gamma _{D_m}^{{\text{SC}}}\}) \text{.}$

(23)

2.2 目的节点D采用MRC策略

目的节点D采用MRC策略的中断概率为

$\begin{split} & {P_{{\rm{out}}{\text{,MRC}}}} \triangleq P_{\rm{r}} (\gamma _{{\rm{e2e}}}^{{\text{MRC}}} < {\gamma _{{\rm{th}}}}) =1 - \displaystyle\int_{\frac{{{t\gamma _{{\rm{th}}}} }}{d}}^\infty 2{\lambda _j}{\lambda _{{{S}},{{{R}}_i}}}\times \\ &{K_0}\left( {2 \sqrt {{\lambda _j}{\lambda _{{{S}},{{{R}}_i}}}x} } \right) \Biggl({30} \frac{{ \Gamma (M)}}{{(M - 1)!}} -\frac{1}{{(M - 1)!}} \times \Biggl.{30}\\ & \left.{{\rm{e}}^{ - \tfrac{{{\gamma _{{\rm{th}}}} c {\lambda _{{{{R}}_i},{{D}}}}}}{{(ax + b)\varPhi }}}}\sum\limits_{q = 0}^N {\frac{{{{\left( {\dfrac{{{\gamma _{{\rm{th}}}} c {\lambda _{{{{R}}_i},{{D}}}}}}{{(ax + b)\varPhi }}} \right)}^{M + q}}}}{{M(M + 1) \cdots (M + q)}}} \right){\rm{d}}x{\text{ }} , \end{split}$

(24)

式中： $\gamma _{{\rm{e2e}}}^{{\text{MRC}}} \triangleq \min \{{\gamma _{{{{R}}_i}}},\gamma _{{D}}^{{\text{MRC}}}\}$ ，Γ(M)为伽马函数.

目的节点D采用MRC策略时系统吞吐量为

$T_{{{\text{H,MRC}}}} = \theta {\log _2}(1 + \min \{{\gamma _{{{{R}}_i}}},\gamma _{{D}}^{{\text{MRC}}}\}) \text{.}$

(25)

3. 问题描述与优化求解

在保证通信服务质量（quality of service, QoS）和PB发射功率P、能量转化效率η等约束条件下，本文提出一种以吞吐量最大化为优化目标的最优中继选择算法. 通过联合优化TS因子θ与PS因子 ${\rho _i}$ ，使得吞吐量T_H最大，然后选择最佳中继，实现基于SWIPT的EH-WSN中继系统的吞吐量最大化.

TH性能优化问题（P1）建模为式（26）～（31）（以目的节点D采用SC策略为例）.

$\mathop {\max }\limits_{i ,{\rho _{i}},\theta } \;T_{{{\text{H,SC}}}} = \theta {\log _2}(1 + \min \{{\gamma _{{{{R}}_i}}},\gamma _{{{{D}}_m}}^{{\text{SC}}}\}),$

(26)

${{\rm{s}}} .{\rm{t}}：\mathop {\min\limits_{i,{\rho _{i}},\theta } \{{\gamma _{{{{R}}_i}}},\gamma _{{{{D}}_m}}^{{\text{SC}}}\} \geqslant {\gamma _{{\rm{th}}}}} ,$

(27)

$\quad\;\; {Q_{{\rm{avg}}}} \geqslant e ,$

(28)

$\quad\;\;\; {\text{0 < }}P \leqslant {P_{\rm{m}}} ,$

(29)

$\quad\;\;\; 0 < \theta < 1 ,$

(30)

$\quad\;\;\; 0 < {\rho _i} < 1,$

(31)

式中：e为中继节点捕获的平均能量阈值，P_m为PB发射功率限制.

P1是一个复杂的0-1 NP-hard问题，涉及中继选择以及参数θ与 ${\rho _i}$ 的优化. 因此，本文将P1优化重新定义为一对耦合优化问题，分解为关于θ与 ${\rho _i}$ 的内部优化问题（P2）以及选择最优中继节点的外部优化问题2个子问题.

内部优化问题P2的解决方案是：在假定中继节点R_i活跃状态的情况下，针对EH-WSN中的每个中继节点，搜寻最佳的θ与 ${\rho _i}$ ，使其对应的系统TH值最大. 内部优化问题P2表示为式（27）～（32）.

$\mathop {\max }\limits_{{\rho _{i}},\theta } T{_{{\text{H,SC}}}} = \theta {\text{lo}}{{\text{g}}_2}(1 + \min \{{\gamma _{{{{R}}_i}}},\gamma _{{{{D}}_m}}^{{\text{SC}}}\}) \text{.}$

(32)

通过分析函数T_H,SC与θ、 ${\rho _i}$ 的关系，可以得知这是一个拟凸函数，在区间（0,1）上具有最优值θ^*、 $\rho _{i}^{*}$ 使系统TH值最大，可采用斐波那契（黄金分割法）查找算法^[20]搜索到θ^*与 $\rho _{i}^{*}$ 。

然而，本文考虑基于θ与 ${\rho _i}$ 联合优化下的中继选择算法，通过参数的动态调整，使系统的TH值最大，提高系统的整体性能. 根据式（7），计算中继节点R_i的接收信噪比 ${\gamma _{{{{R}}_i}}}$ 对 ${\rho _i}$ 的一阶偏导数，其值大于0，说明 ${\gamma _{{{{R}}_i}}}$ 沿着 ${\rho _i}$ 方向为单调递增函数；同理，由式（11）知，目的节点D的接收信噪比 $\gamma _{{{{D}}_m}}^{{\text{SC}}}$ 对 ${\rho _i}$ 的一阶偏导数小于0，说明 $\gamma _{{{{D}}_m}}^{{\rm{SC}}}$ 沿着 ${\rho _i}$ 方向为单调递减函数. 由此得出，当 ${\gamma _{{{{R}}_i}}}(\rho_i ) = \gamma _{{{{D}}_m}}^{{\text{SC}}}(\rho_i )$ 时，存在唯一的 $\rho _{i}^{*}$ 使系统TH值最大. 进而，将 $\rho _{i}^{*}$ 代入式（23），通过设置不同的θ值提升系统性能. 当每个中继节点对应最优值θ^*与 $\rho _i^*$ 获得最大TH值后，即可进行最佳中继节点的一维搜索. 最佳中继节点索引为

${i^*} = \arg {\max } \; T_{{\text{H,SC}}}({\rho _i^*},{\theta ^*}) .$

(33)

基于以上分析，在优化问题P1时，首先通过求解内部优化问题P2，提出一种动态联合优化方案，得到内层优化式的最优目标值；然后，根据θ^*和 $\rho _i^*$ 搜寻最佳中继节点，即可获得整体问题的最优解. 联合优化最优中继选择算法如所示. 其中： $\gamma _{{{{D}}_m},i}^{{\text{SC}}}$ 为SC策略下信息经第i个中继节点传输到目的节点D处的信噪比； $\gamma _{{\rm{e2e}},i}^{{\text{SC}}}$ 为SC策略下选取第i个中继节点时，中继节点R_i处和目的节点D处的信噪比最小值； ${T_{{\text{H,SC}},i}}$ 为选取第i个中继节点后，在SC策略下的系统吞吐量； $\mathop T\nolimits_{{\text{H,SC,}}i}^ *$ 为信息经最佳中继节点i^* 传输时，SC策略下的系统吞吐量.

图 2 联合优化最优中继选择算法

Figure 2. Optimal relay selection algorithm by joint optimization

下载: 全尺寸图片幻灯片

最优中继选择算法的计算复杂度为O(K² + K)，最优中继节点的选取是在联合优化θ和ρ_i的方案下提出的，相比在固定TS因子以及静态PS因子下的最优中继节点的选取^[21-22]，此算法可使系统变量间相互调节，提高EH-WSN系统性能.

4. 仿真结果与性能分析

为验证本文提出的基于PS-SWIPT的EH-WSN系统模型及中继选择算法的有效性，评估PB功率、时隙切换因子等参数对系统中断概率、吞吐量性能的影响，通过Monte Carlo仿真分析. 假设系统模型中有K = 6个可实现全双工的中继节点，η = 0.8，Q_avg =0.5 J. 令所有R_i的自干扰信道增益均相等， $|{h_{{{{R}}_i},{{{R}}_i}}}{|^2} = 0.1$ ；所有噪声的方差相等， $\sigma _{{n_{{{{R}}_{{i}}},{\rm{a}}}}}^2 = \sigma _{{n_{{{{R}}_{{i}}},{\rm{P}}}}}^2 = \sigma _{{n_{{{{D}}_m}}}}^2 = {N_0} = 1$ ；所有中继具有相同的PS因子、TS因子. 进行约10⁶次独立实验，使用瑞利衰落模型^[23]，采用正交幅度调制（QAM）.

理论上，式（24）中的N取无穷大，但经过数次仿真实验发现，N取到一定数值后，结果会趋于稳定. 图3显示了遍历总次数对MRC接收策略下中断概率的影响，可以看出，当N>7时，P_out,MRC已趋于收敛，因此，N = 50.

图 3 MRC接收策略下循环次数对中断概率的影响

Figure 3. Effect of loop number on outage probability under MRC strategy

下载: 全尺寸图片幻灯片

为SC、MRC接收策略下PS因子ρ_i对系统中断概率和吞吐量的影响. 其中， ${\gamma _{{\rm{th}}}}$ =1 dB，M =3根，θ = 0.8. 由图4可以看出：当ρ_i = 0时，源节点RF信号的所有功率都用于能量收集，此时，不论目的节点D采取何种接收策略，系统中断概率均为1.00，吞吐量为0；随ρ_i的增大，中断概率先减小后增大，吞吐量先增大后减小. SC接收策略在ρ_i =0.58时，对应中断概率最小，吞吐量最大；MRC接收策略在ρ_i = 0.71时，对应中断概率最小，吞吐量最大. 当P = 3 dBW时，SC、MRC策略下的最小中断概率分别为0.52、0.49；当P = 5 dBW时，SC、MRC策略下的最小中断概率分别为0.42、0.39. 当P = 3 dBW时，SC、MRC策略下的最大吞吐量分别为0.12、0.15 bit/（s·Hz）；当P = 5 dBW时，SC、MRC策略下的最大吞吐量分别为0.18、0.23 bit/（s·Hz）.

图 4 不同PS因子的中断概率与吞吐量

Figure 4. Outage probability and throughput under different PS factors

下载: 全尺寸图片幻灯片

和分别为不同接收策略下PB发射功率以及天线数目对系统中断概率的影响. 其中， ${\gamma _{{\rm{th}}}}$ =1 dB，θ = 0.8. 从图5可得，当PS因子ρ_i取值相同时，相同发射功率下，基于MRC策略的中断性能优于SC策略的性能. 这是因为，MRC策略可合并所有天线的接收信号，而SC策略仅选择了最佳通道接收信号. 从图6看出，当给定P值时，SC策略下的系统中断概率在M≥9根时基本保持不变，而MRC策略下的中断概率在M≥5根时趋于稳定. 在相同天线数目下，发射功率P对系统中断性能的影响远远大于接收策略对中断性能的影响.

图 5 不同PB发射功率的中断概率

Figure 5. Outage probability for different PB transmit powers

下载: 全尺寸图片幻灯片

为不同接收策略下TS因子θ对系统中断概率和吞吐量的影响. 其中， ${\gamma _{{\rm{th}}}}$ = 1 dB，M = 3根，ρ_i=0.8. 图7（a）表明：当给定P、θ值时，MRC策略的中断性能始终优于SC策略的中断性能；若给定θ值，增大P，系统中断概率减小；此外，当θ逐渐增大，MRC策略在P = 3 dBW时的中断概率大于SC策略在P = 5 dBW时的中断概率. 这是由于当节点收集能量时间相同时，相比于发射功率，接收策略对中断概率的影响更小. 图7（b）表明：当θ取值逼近0时，因系统无法进行有效的信息传输，吞吐量较低；当θ持续增大，接近1.0时，传感器节点和中继节点因无法收集到足够能量，从而导致吞吐量趋于0.

图 6 不同天线数目的中断概率

Figure 6. Outage probability for different antenna numbers

下载: 全尺寸图片幻灯片

图 7 不同TS因子下的中断概率与吞吐量

Figure 7. Outage probability and throughput for different TS factors

下载: 全尺寸图片幻灯片

图8对比了采用随机中继选择算法（Random）、最大最小中继选择算法（Max-Min）和本文提出的联合优化最优中继选择算法在不同TS因子时的系统最优吞吐量. 假设P = 5 dBW，M = 3根，Random和Max-Min在采取SC接收策略时，ρ_i= 0.58，MRC接收策略时ρ_i= 0.71，而本文算法ρ_i在（0,1.00）内动态变化. 由图8 可以看出：随着θ的变化，3种中继选择算法均可达到最大吞吐量；在相同接收策略下，Random的吞吐量最小，Max-Min次之，本文算法的吞吐量最大. 以MRC策略为例：当θ^*= 0.21时，Random的最大吞吐量为0.54 bit/（s·Hz）；当θ^*= 0.23时，Max-Min的最大吞吐量为0.68 bit/（s·Hz）；当θ^*= 0.28时，本文算法的最大吞吐量为0.82 bit/（s·Hz）. 由此可知，本文提出的算法通过联合优化θ和ρ_i，较好地实现了系统吞吐量性能的整体提升.

图 8 不同TS因子时各算法的吞吐量对比

Figure 8. Throughput comparison of different algorithms with different TS factors

下载: 全尺寸图片幻灯片

M=3根，3种算法下系统最大吞吐量与PB发射功率P之间的关系如图9所示. 可以看出，当P = 6 dBW，采取SC策略时，相比Random、Max-Min，本文算法的系统吞吐量增益分别为0.29、0.15 bit/（s·Hz）；采取MRC策略时，相比Random、Max-Min，本文算法的系统吞吐量增益分别为0.32、0.16 bit/（s·Hz）. 由此可知，本文所提方案能达到更大的系统吞吐量.

图 9 不同PB发射功率时各算法的吞吐量对比

Figure 9. Throughput comparison of different algorithms with different PB transmit powers

下载: 全尺寸图片幻灯片

5. 结　论

本文基于PS-SWIPT技术，在PB辅助下构建了EH-WSN系统模型. 与其他WSN系统不同的是，所有节点先进行一段时间的能量收集，然后再用收集到的能量发射信息，且中继节点应用SWIPT技术还可得到源节点能量和自干扰信号自回收的能量补充. 在考虑目的节点D采用多天线的情况下，分别推导了SC和MRC接收策略下的中断概率、吞吐量的表达式. 在保证通信QoS等多约束条件下构建数学模型，将复杂的0-1 NP-hard问题拆分成2个子问题，并提出TS和PS因子联合优化下的最优中继选择算法. 仿真结果表明，各参数对EH-WSN中断性能影响明显，联合优化最优中继选择算法可使系统吞吐量性能得到优化. 未来可通过考虑非线性EH，将这项研究扩展到更广义的模型.

图 1 试验材料粒径级配曲线

Figure 1. Particle size distribution of test materials

下载: 全尺寸图片幻灯片

图 2 粉煤灰和硅灰取代率对AASC凝结时间的影响

Figure 2. Effect of fly ash and silica fume contents on setting time of AASC

下载: 全尺寸图片幻灯片

图 3 粉煤灰和硅灰取代率对AASC立方体抗压强度的影响

Figure 3. Effect of fly ash and silica fume contents on cubic compressive strength of AASC

下载: 全尺寸图片幻灯片

图 4 粉煤灰和硅灰取代率对AASC劈裂抗拉强度的影响

Figure 4. Effect of fly ash and silica fume contents on splitting tensile strength of AASC

下载: 全尺寸图片幻灯片

图 5 AASC立方体抗压与劈裂抗拉强度的关系

Figure 5. Relationships between cubic compressive strength and splitting tensile strength of AASC

下载: 全尺寸图片幻灯片

图 6 粉煤灰和硅灰取代率对AASC抗折强度的影响

Figure 6. Effect of fly ash and silica fume contents on flexural strength of AASC

下载: 全尺寸图片幻灯片

图 7 AASC立方体抗压与抗折强度的关系

Figure 7. Relationships between cubic compressive strength and flexural strength of AASC

下载: 全尺寸图片幻灯片

图 8 粉煤灰、硅灰取代率对AASC弹性模量的影响

Figure 8. Effect of fly ash or silica fume contents on elastic modulus of AASC

下载: 全尺寸图片幻灯片

图 9 AASC立方体抗压强度与弹性模量的关系

Figure 9. Relationships between cubic compressive strength and elastic modulus of AASC

下载: 全尺寸图片幻灯片

图 10 AASC-P在养护3、28 d时XRD图谱

Figure 10. XRD pattern of AASC-P at 3 d and 28 d

下载: 全尺寸图片幻灯片

图 11 粉煤灰和硅灰不同取代率的AASC的XRD图谱

Figure 11. XRD patterns of AASC with different contents of fly ash and silica fume

下载: 全尺寸图片幻灯片

图 12 不同养护龄期下AASC-P的ITZ微观形貌

Figure 12. Microstructures of ITZ of AASC-P at different curing ages

下载: 全尺寸图片幻灯片

图 13 不同粉煤灰和硅灰取代率的AASC在养护28 d时的微观形貌

Figure 13. Microstructures of AASC with different contents of fly ash and silica fume at 28 d

下载: 全尺寸图片幻灯片

表 1 胶凝材料的主要化学成分

Table 1. Main chemical compositions of cementitious materials %

胶凝材料	CaO	SiO₂	Al₂O₃	MgO	SO₃	K₂O	Na₂O	MnO	Fe₂O₃	TiO₂
矿渣	36.82	26.75	19.66	11.10	2.65	0.29	0.84	0.37	0.32	0.94
粉煤灰	5.60	45.10	24.20		2.10		0.85		0.85
硅灰	0.12	96.65	0.31	0.11			0.97		0.07

下载: 导出CSV

表 2 胶凝材料的主要物理性能

Table 2. Main physical properties of cementitious materials

胶凝材料	密度/ （g·cm⁻³）	比表面积/ （m²·kg⁻⁴）	需水量比/%	流动度比/%
矿渣	2.80	455	105	95
粉煤灰	2.20	330	95	120
硅灰	2.17	19000	120

下载: 导出CSV

表 3 AASC配合比设计

Table 3. Mix proportion design of AASC kg/m³

试件编号	矿渣	粉煤灰	硅灰	细骨料	粗骨料	水玻璃	NaOH	水	减水剂
AASC-P	417.00	0	0	724.00	1085.00	161.80	3.60	84.00	3.30
AASC-FA10	375.30	41.70	0
AASC-FA20	333.60	83.40	0
AASC-FA30	291.90	125.10	0
AASC-FA40	250.20	166.80	0
AASC-FA60	166.80	250.20	0
AASC-SF5	396.20	0	20.85
AASC-SF10	375.30	0	41.70
AASC-SF15	354.50	0	62.55

下载: 导出CSV

参考文献(40)

[1]	DING Y, DAI J G, SHI C J. Mechanical properties of alkali-activated concrete: a state-of-the-art review[J]. Construction and Building Materials, 2016, 127: 68-79. doi: 10.1016/j.conbuildmat.2016.09.121
[2]	MOHAMED O A. A review of durability and strength characteristics of alkali-activated slag concrete[J]. Materials, 2019, 12(8): 1198.1-1198.19.
[3]	顾亚敏,方永浩. 碱矿渣水泥的收缩与开裂特性及其减缩与增韧[J]. 硅酸盐学报,2012,40(1): 76-84. GU Yamin, FANG Yonghao. Shrinkage, cracking, shrinkage-reducing and toughening of alkali-activated slag cement—a short review[J]. Journal of the Chinese Ceramic Society, 2012, 40(1): 76-84.
[4]	GAO X, YU Q L, BROUWERS H J H. Assessing the porosity and shrinkage of alkali activated slag-fly ash composites designed applying a packing model[J]. Construction and Building Materials, 2016, 119: 175-184. doi: 10.1016/j.conbuildmat.2016.05.026
[5]	RAMEZANIANPOUR A A, MOEINI M A. Mechanical and durability properties of alkali activated slag coating mortars containing nanosilica and silica fume[J]. Construction and Building Materials, 2018, 163: 611-621. doi: 10.1016/j.conbuildmat.2017.12.062
[6]	SUN B B, SUN Y B, YE G, et al. A mix design methodology of slag and fly ash-based alkali-activated paste[J]. Cement and Concrete Composites, 2022, 126: 104368.1-104368.15.
[7]	SUN Y B, LIU Z Y, GHORBANI S, et al. Fresh and hardened properties of alkali-activated slag concrete: the effect of fly ash as a supplementary precursor[J]. Journal of Cleaner Production, 2022, 370: 133362.1-133362.12.
[8]	ROSTAMI M, BEHFARNIA K. The effect of silica fume on durability of alkali activated slag concrete[J]. Construction and Building Materials, 2017, 134: 262-268. doi: 10.1016/j.conbuildmat.2016.12.072
[9]	中华人民共和国住房和城乡建设部. 普通混凝土配合比设计规程:JGJ 55—2011[S]. 北京:中国建筑工业出版社,2011.
[10]	LI N, SHI C J, ZHANG Z H, et al. A mixture proportioning method for the development of performance-based alkali-activated slag-based concrete[J]. Cement and Concrete Composites, 2018, 93: 163-174. doi: 10.1016/j.cemconcomp.2018.07.009
[11]	BONDAR D, NANUKUTTAN S, PROVIS J L, et al. Efficient mix design of alkali activated slag concretes based on packing fraction of ingredients and paste thickness[J]. Journal of Cleaner Production, 2019, 218: 438-449. BONDAR D,NANUKUTTAN S,PROVIS J L,et al. Efficient mix design of alkali activated slag concretes based on packing fraction of ingredients and paste thickness[J]. Journal of Cleaner Production,2019,218:438-449.
[12]	中华人民共和国住房和城乡建设部,国家市场监督管理总局. 混凝土物理力学性能试验方法标准:GB/T 50081—2019[S]. 北京:中国建筑工业出版社,2019.
[13]	中华人民共和国住房和城乡建设部. 普通混凝土拌合物性能试验方法标准:GB/T 50080—2016[S]. 北京:中国建筑工业出版社,2017.
[14]	刘翼玮,张祖华,史才军,等. 硅灰对高强地聚物胶凝材料性能的影响[J]. 硅酸盐学报,2020,48(11): 1689-1699. LIU Yiwei, ZHANG Zuhua, SHI Caijun, et al. Influence of silica fume on performance of high-strength geopolymer[J]. Journal of the Chinese Ceramic Society, 2020, 48(11): 1689-1699.
[15]	DONG M H, ELCHALAKANI M, KARRECH A. Development of high strength one-part geopolymer mortar using sodium metasilicate[J]. Construction and Building Materials, 2020, 236: 117611.1-117611.13.
[16]	LIU G, FLOREA M V A, BROUWERS H J H. Characterization and performance of high volume recycled waste glass and ground granulated blast furnace slag or fly ash blended mortars[J]. Journal of Cleaner Production, 2019, 235: 461-472. doi: 10.1016/j.jclepro.2019.06.334
[17]	KUMAR S, KUMAR R, MEHROTRA S P. Influence of granulated blast furnace slag on the reaction, structure and properties of fly ash based geopolymer[J]. Journal of Materials Science, 2010, 45(3): 607-615. doi: 10.1007/s10853-009-3934-5
[18]	张雄,张恒,张晓乐,等. 硅灰调控混凝土力学性能的关键界面参数研究[J]. 建筑材料学报,2019,22(4): 626-631. doi: 10.3969/j.issn.1007-9629.2019.04.018 ZHANG Xiong, ZHANG Heng, ZHANG Xiaole, et al. Key interface parameters for the control of silica fume on mechanical properties of concrete[J]. Journal of Building Materials, 2019, 22(4): 626-631. doi: 10.3969/j.issn.1007-9629.2019.04.018
[19]	万小梅,张宇,赵铁军,等. 碱激发矿渣混凝土的力学性能[J]. 材料导报,2018,32(12): 2091-2095. doi: 10.11896/j.issn.1005-023X.2018.12.028 WAN Xiaomei, ZHANG Yu, ZHAO Tiejun, et al. Mechanical properties of alkali-activated slag concrete[J]. Materials Reports, 2018, 32(12): 2091-2095. doi: 10.11896/j.issn.1005-023X.2018.12.028
[20]	LEE N K, LEE H K. Setting and mechanical properties of alkali-activated fly ash/slag concrete manufactured at room temperature[J]. Construction and Building Materials, 2013, 47: 1201-1209. doi: 10.1016/j.conbuildmat.2013.05.107
[21]	CONG X Y, ZHOU W, ELCHALAKANI M. Experimental study on the engineering properties of alkali-activated GGBFS/FA concrete and constitutive models for performance prediction[J]. Construction and Building Materials, 2020, 240: 117977.1-117977.22.
[22]	李升涛,陈徐东,张伟,等. 基于长江下游超细疏浚砂的碱激发矿渣混凝土力学性能[J]. 复合材料学报,2022,39(1): 335-343. LI Shengtao, CHEN Xudong, ZHANG Wei, et al. Mechanical properties of alkali activated slag concrete with ultra fine dredged sand from Yangtze River[J]. Acta Materiae Compositae Sinica, 2022, 39(1): 335-343.
[23]	ALIABDO A A, ABD ELMOATY A E M, EMAM M A. Factors affecting the mechanical properties of alkali activated ground granulated blast furnace slag concrete[J]. Construction and Building Materials, 2019, 197: 339-355. doi: 10.1016/j.conbuildmat.2018.11.086
[24]	FANG G H, HO W K, TU W L, et al. Workability and mechanical properties of alkali-activated fly ash-slag concrete cured at ambient temperature[J]. Construction and Building Materials, 2018, 172: 476-487. doi: 10.1016/j.conbuildmat.2018.04.008
[25]	SAJJAD U, SHEIKH M N, HADI M N S. Incorporation of graphene in slag-fly ash-based alkali-activated concrete[J]. Construction and Building Materials, 2022, 322: 126417.1-126417.12.
[26]	张兰芳. 碱激发复合渣体(AAW)混凝土的性能研究[D]. 重庆:重庆大学,2006.
[27]	BERNAL S A, DE GUTIÉRREZ R M, PROVIS J L. Engineering and durability properties of concretes based on alkali-activated granulated blast furnace slag/metakaolin blends[J]. Construction and Building Materials, 2012, 33: 99-108. doi: 10.1016/j.conbuildmat.2012.01.017
[28]	黄华,郭梦雪,张伟,等. 粉煤灰-矿渣基地聚物混凝土力学性能与微观结构[J]. 哈尔滨工业大学学报,2022,54(3): 74-84. doi: 10.11918/202104058 HUANG Hua, GUO Mengxue, ZHANG Wei, et al. Mechanical property and microstructure of geopolymer concrete based on fly ash and slag[J]. Journal of Harbin Institute of Technology, 2022, 54(3): 74-84. doi: 10.11918/202104058
[29]	RAKHIMOVA N R, RAKHIMOV R Z. Hydrated Portland cement as an admixture to alkali-activated slag cement[J]. Advances in Cement Research, 2015, 27(2): 107-117.
[30]	费建刚,袁晓辉,申晓伟,等. 碱矿渣混凝土基本力学性能试验研究[J]. 信阳师范学院学报(自然科学版),2017,30(3): 484-488. doi: 10.3969/j.issn.1003-0972.2017.03.029 FEI Jiangang, YUAN Xiaohui, SHEN Xiaowei, et al. Experimental study on basic mechanical properties of alkali-activated slag concrete[J]. Journal of Xinyang Normal University (Natural Science Edition), 2017, 30(3): 484-488. doi: 10.3969/j.issn.1003-0972.2017.03.029
[31]	郝烜宁. 碱-矿渣混凝土缓凝技术研究[D]. 哈尔滨:哈尔滨工业大学,2021.
[32]	武永焱,明鑫,范小春. 无机聚合物海砂混凝土基本力学性能试验研究[J]. 武汉理工大学学报,2019,41(5): 71-78. WU Yongyan, MING Xin, FAN Xiaochun. Experimental study on basic mechanical properties of inorganic polymer sea sand concrete[J]. Journal of Wuhan University of Technology, 2019, 41(5): 71-78.
[33]	AIKEN T A, KWASNY J, SHA W, et al. Mechanical and durability properties of alkali-activated fly ash concrete with increasing slag content[J]. Construction and Building Materials, 2021, 301: 124330.1-124330.17.
[34]	NATH P, SARKER P K. Flexural strength and elastic modulus of ambient-cured blended low-calcium fly ash geopolymer concrete[J]. Construction and Building Materials, 2017, 130: 22-31. doi: 10.1016/j.conbuildmat.2016.11.034
[35]	GAO X, YU Q L, BROUWERS H J H. Reaction kinetics, gel character and strength of ambient temperature cured alkali activated slag-fly ash blends[J]. Construction and Building Materials, 2015, 80: 105-115. doi: 10.1016/j.conbuildmat.2015.01.065
[36]	李亚杰,方坤河. 建筑材料[M]. 6版. 北京: 中国水利水电出版社,2009:97.
[37]	DUAN P, YAN C J, ZHOU W. Compressive strength and microstructure of fly ash based geopolymer blended with silica fume under thermal cycle[J]. Cement and Concrete Composites, 2017, 78: 108-119. doi: 10.1016/j.cemconcomp.2017.01.009
[38]	黄燕,胡翔,史才军,等. 混凝土中水泥浆体与骨料界面过渡区的形成和改进综述[J]. 材料导报,2023,37(1): 102-113. HUANG Yan, HU Xiang, SHI Caijun, et al. Review on the formation and improvement of interfacial transition zone between cement paste and aggregate in concrete[J]. Materials Reports, 2023, 37(1): 102-113.
[39]	NEDELJKOVIĆ M, LI Z M, YE G. Setting, strength, and autogenous shrinkage of alkali-activated fly ash and slag pastes: effect of slag content[J]. Materials, 2018, 11(11): 2121.1-2121.20. doi: 10.3390/ma11112121
[40]	姚力豪,王彦平,陈昶旭,等. 硅灰对粉煤灰-矿渣基地聚物性能的影响[J]. 新型建筑材料,2022,49(5): 48-52. doi: 10.3969/j.issn.1001-702X.2022.05.012 YAO Lihao, WANG Yanping, CHEN Changxu, et al. Effect of silica fume on properties of fly ash-slag based geopolymer[J]. New Building Materials, 2022, 49(5): 48-52. doi: 10.3969/j.issn.1001-702X.2022.05.012

施引文献

期刊类型引用(5)

1.	王云天，杨敏，胡丹萍，韦秋杰，张颖. 硅灰与再生钢纤维对轻质混凝土力学性能的影响研究. 中国新技术新产品. 2025(02): 119-121 . 百度学术
2.	杨刚，葛浪潮，谢森辉，冯小俊，宋子龙，何炯辉，李庚英. 硅粉/橡胶混凝土的力学性能及细观模拟. 硅酸盐通报. 2025(03): 1032-1040 . 百度学术
3.	马利，陈灿，李秀芳，王志. 高墩大跨径桥梁高强混凝土配合比优化研究. 公路. 2024(11): 339-344 . 百度学术
4.	常秀龙，何廷树，牛梦蝶，赵乐乐，王磊，王艳. 石灰石粉对不同强度等级混凝土性能的影响. 新型建筑材料. 2024(11): 23-29 . 百度学术
5.	张云齐，陈清华，李坤，赵建华，杨晟，卢爽，徐新荣，徐意. 混凝土组分和界面过渡区力学性能对阻尼性能的影响. 混凝土. 2024(11): 55-60 . 百度学术

其他类型引用(2)

附加材料(0)

访问统计

点击查看大图

图(13) / 表(3)

计量

文章访问数: 320
HTML全文浏览量: 242
PDF下载量: 68
被引次数: 7

1. 系统模型
1.1 目的节点D采用SC策略
1.2 目的节点D采用MRC策略
2. 中断概率与吞吐量分析
2.1 目的节点D采用SC策略
2.2 目的节点D采用MRC策略
3. 问题描述与优化求解
4. 仿真结果与性能分析
5. 结　论

粉煤灰和硅灰取代率对碱矿渣混凝土力学性能影响分析

doi: 10.3969/j.issn.0258-2724.20230036

作者简介: 夏冬桃（1975—），女，教授，研究方向为结构工程与材料，E-mail：2390654741@qq.com

通讯作者: 李彪（1990—），男，讲师，研究方向为结构工程与材料，E-mail：libiao@hbut.edu.cn

计量

出版历程

Effect of Fly Ash and Silica Fume Contents on Mechanical Properties of Alkali-Activated Slag-Based Concrete

1. 系统模型

1.1 目的节点D采用SC策略

1.2 目的节点D采用MRC策略

2. 中断概率与吞吐量分析

2.1 目的节点D采用SC策略

2.2 目的节点D采用MRC策略

3. 问题描述与优化求解

4. 仿真结果与性能分析

5. 结 论

期刊类型引用(5)

其他类型引用(2)

计量

出版历程

目录

1. 系统模型

1.1 目的节点D采用SC策略

1.2 目的节点D采用MRC策略

2. 中断概率与吞吐量分析

2.1 目的节点D采用SC策略

2.2 目的节点D采用MRC策略

3. 问题描述与优化求解

4. 仿真结果与性能分析

5. 结 论

作者简介:
夏冬桃（1975—），女，教授，研究方向为结构工程与材料，E-mail：2390654741@qq.com

通讯作者:
李彪（1990—），男，讲师，研究方向为结构工程与材料，E-mail：libiao@hbut.edu.cn

5. 结　论

5. 结　论