• 콘크리트학회논문집
• /
• 제21권1호
• /
• pp.55-64
• /
• 2009

본 연구는 시멘트 종류에 따른 병용계 자기충전 콘크리트의 최적배합비를 도출하고, 최적배합비의 품질특성을 평가하여 현장시공의 자료로 제안하기 위한 것이다. 병용계 자기충전 콘크리트는 분체와 증점제를 함께 사용하기 때문에, 품질의 안정성을 확보할 수 있을 것으로 예측된다. 분체로써 점성 증대 및 수화열 저감에 우수한 석회석 미분말을 사용하였다. 석회석 미분말의 치환율은 시멘트 종류에 따른 구속수비 실험을 통해 정하였으며, 배합변수는 잔골재용적비 ($S_r$), 굵은골재 용적비 ($G_v$) 및 물-시멘트비 (W/C)로 하여, 최적배합비를 도출하였으며, 이에 대한 응결시간, 블리딩량, 침하량 및 수화열 특성을 분석하였다. 실험결과, 고로슬래그 시멘트의 경우에는 석회석 미분말의 치환율 13.5%, 잔골재 용적비 47%, 물-시멘트비 41%이며, 저열포틀랜드시멘트의 경우에는 석회석 미분말의 치환율 42.7%, 잔골재 용적비 43%, 물-시멘트비 51%이며, 굵은골재 용적비는 시멘트의 종류에 관계없이 53%로 나타났다. 최적배합비에 대한 응결시간, 블리딩, 침하량 및 수화열에 대한 실험 결과, 저열포틀랜드시멘트를 사용한 자기충전 콘크리트가 가장 안정적인 것으로 나타났으며, 설계기준강도 40.0 MPa (배합강도 51.5 MPa)를 만족하는 저열포틀랜드시멘트를 사용한 병용계 자기충전 콘크리트를 지하식 LNG 저장탱크의 지하연속벽용 콘크리트로 제안하였다.

• 콘크리트학회논문집
• /
• 제26권3호
• /
• pp.277-285
• /
• 2014

이 연구는 현장에서 사용하는 재료의 품질 및 계량오차, 현장조건 등에 따라 병용계 자기충전 콘크리트의 유동특성에 영향을 미치는 변동요인의 범위를 실험적으로 규명하기 위한 것이다. 병용계 자기충전 콘크리트의 재료는 벨라이트 시멘트와 석회석 미분말을 사용한 벨라이트계 및 슬래그 시멘트와 석회석 미분말을 사용한 슬래그계가 선정되었으며, 선행연구에서 제시된 최적배합 조건을 대상으로 하였다. 변동요인으로 (1) 콘크리트의 온도 3종류, (2) 잔골재의 표면수율 5종류, (3) 잔골재의 조립률 5종류, (4) 고성능AE감수제의 사용량 5종류, (5) 석회석 미분말의 분말도 3종류 등을 대상으로 민감도 시험을 실시하였다. 민감도 시험의 항목은 슬럼프 플로우, 500 mm 플로우 도달시간, V-깔대기 유하시간, U-box 충전성 높이를 대상으로 하였다. 실험 결과, (1) 콘크리트 온도는 $10{\sim}20^{\circ}C$ 범위, (2) 잔골재의 표면수율은 ${\pm}0.6%$ 범위, (3) 잔골재의 조립률 $2.6{\pm}0.2$ 범위, (4) 고성능AE감수제의 사용량은 ${\pm}0.2%$ 범위, (5) 석회석 미분말의 분말도는 $6000cm^2/g$ 범위에서 현장품질을 관리해야 한다. 벨라이트계 및 슬래그계에 따른 차이는 크지 않았지만, 석회석 미분말 및 $C_2S$ 함량이 높은 벨라이트계가 안정적인 경향을 나타내었다. 따라서 이러한 결과를 현장 시공현장에서 병용계 자기충전 콘크리트의 관리방안으로 제안하고자 한다.

• 한국콘크리트학회:학술대회논문집
• /
• 한국콘크리트학회 2008년도 춘계 학술발표회 제20권1호
• /
• pp.461-464
• /
• 2008

본 연구에서는 직경 및 길이를 변화시킨 강섬유를 혼입한 고유동 자기충전 콘크리트의 유동특성을 알아보기 위하여 충전성 및 간극통과성 실험을 실시하였다. 유동성 평가를 실시한 결과 강섬유의 직경 및 길이가 증가할수록 유동성능은 감소하지만 JSCE 2등급 병용계 고유동 콘크리트의 기준에 만족하였으며, ASTM C 1621에서 제시한 통과 성능을 만족하였다. 본 연구를 통하여 강섬유를 혼입한 고유동 자기충전 콘크리트의 현장 적용이 가능할 것으로 판단된다.

• Computers and Concrete
• /
• 제19권5호
• /
• pp.555-566
• /
• 2017

Recently some efforts have been performed to combine the advantages of light-weight and self-compacting concrete in one package called Light-Weight Self-Compacting Concrete (LWSCC). Accurate prediction of hardened properties from fresh state characteristics is vital in design of concrete structures. Considering the lack of references in mixture design of LWSCC, investigating the proper mixture components and their effects on mechanical properties of LWSCC can lead to a reliable basis for its application in construction industry. This study utilizes wide range of existing data of LWSCC mixtures to study the individual and combined effects of the components on the compressive strength. From sensitivity of compressive strength to the proportions and interaction of the components, two equations are proposed to estimate the LWSCC compressive strength. Predicted values of the equations are in good agreement with the experimental data. Application of lightweight aggregate to reduce the density of LWSCC may bring some mixing problems like segregation. Reaching a higher strength by lowered density is a challenging problem that is investigated as well. The results show that, the compressive strength can be improved by increasing the of mixture density of LWSCC, especially in the range of density under $2000Kg/m^3$.

• Computers and Concrete
• /
• 제25권5호
• /
• pp.401-409
• /
• 2020

Artificial neural networks are used as a useful tool in distinct fields of civil engineering these days. In order to control long-term quality of Self-Compacting Semi-Lightweight Concrete (SCSLC), the 90 days compressive strength is considered as a key issue in this paper. In fact, combined artificial neural networks are used to predict the compressive strength of SCSLC at 28 and 90 days. These networks are able to re-establish non-linear and complex relationships straightforwardly. In this study, two types of neural networks, including Radial Basis and Multilayer Perceptron, were used. Four groups of concrete mix designs also were made with two water to cement ratios (W/C) of 0.35 and 0.4, as well as 10% of cement weight was replaced with silica fume in half of the mixes, and different amounts of superplasticizer were used. With the help of rheology test and compressive strength results at 7 and 14 days as inputs, the neural networks were used to estimate the 28 and 90 days compressive strengths of above-mentioned mixes. It was necessary to add the 14 days compressive strength in the input layer to gain acceptable results for 90 days compressive strength. Then proper neural networks were prepared for each mix, following which four existing networks were combined, and the combinatorial neural network model properly predicted the compressive strength of different mix designs.

• 한국콘크리트학회:학술대회논문집
• /
• 한국콘크리트학회 2008년도 춘계 학술발표회 제20권1호
• /
• pp.449-452
• /
• 2008

본 연구는 골재의 표면수 변동에 따른 콘크리트의 품질변동이 안정하며 현장에서 무진동 무다짐 시공이 가능한 병용계 고유동 자기충전콘크리트 (High flowing Self-Compacting Concrete ; 이하 HSCC라 약함)를 제조하였으며, 실내실험을 통하여 경화 전 후 콘크리트에서 발생하는 기포의 저감 요인을 검토하고자 한다. 병용계 HSCC는 굳지 않은 콘크리트의 점성을 증가하기 위하여 증점제의 사용은 필연적이며 이러한 결과 분체계 HSCC보다 많은 수의 기포를 발생시킨다. 또한 경화 후 콘크리트 내에 갇흰공기의 발생으로 만들어진 표면의 기포는 구조물의 미관뿐만 아니라 강도 및 내구성에도 나쁜 영향을 미치는 연구결과가 보고 되고 있다. 본 논문에서는 병용계 HSCC의 기포발생을 저감하기 위하여 골재(잔골재) 종류, 콘크리트 비빔시간, 박리제 종류 및 모형 거푸집 재질에 따른 콘크리트의 기포발생에 대한 실험을 실시하였다. 실험 결과 박리제 및 모형 거푸집 재질에 따른 경화 후 병용계 HSCC의 표면마감성능은 거푸집의 영향 보다 박리재의 영향이 크게 작용하였으며 불투명 구리스가 가장 좋은 마감상태를 유지하였다.

• 한국콘크리트학회:학술대회논문집
• /
• 한국콘크리트학회 2008년도 추계 학술발표회 제20권2호
• /
• pp.369-372
• /
• 2008

본 연구에서는 소요의 유동성능 및 공기량을 확보할 수 있는 병용계 보통강도 고유동 자기충전 콘크리트를 제조하기 위하여 증점제 및 소포제 첨가량를 변화시킨 병용계 고유동 자기충전 콘크리트의 유동 특성을 실험적으로 분석 고찰하였다. 실험결과 증점제를 첨가한 병용계 고유동 자기충전 콘크리트의 Slump flow는 증점제 첨가량이 0.2%(${\times}$W %)일 때 가장 증가하였으며 증점제 첨가량이 높아질 경우 JSCE 기준안(2등급)에서 제시한 V-funnel의 유하시간 규정값을 크게 벗어나는 결과가 나타났다. 또한 증점제, 소포제 및 AE제를 첨가한 배합을 제외한 모든 배합이 목표 공기량 $4.5{\pm}1.5%$를 만족하지 못하였으며, 소포제를 첨가한 병용계 고유동 자기충전 콘크리트 배합은 최초배합 후 시간의 경과에도 불구하고 공기량(A1=1.5%)이 다소 감소하는 결과가 나타났다. 이러한 결과를 통하여 병용계 고유동 자기충전 콘크리트 제조시 소요의 유동성능을 얻기 위한 최적의 혼화제량을 알 수 있었다.

• Computers and Concrete
• /
• 제5권5호
• /
• pp.475-490
• /
• 2008

The paper explores the potential of applicability of Genetic programming approach (GP), adopted in this investigation, to model the combined effects of five independent variables to predict the mini-slump, the plate cohesion meter, the induced bleeding test, the J-fiber penetration value, and the compressive strength at 7 and 28 days of self-compacting slurry infiltrated fiber concrete (SIFCON). The variables investigated were the proportions of limestone powder (LSP) and sand, the dosage rates of superplasticiser (SP) and viscosity modifying agent (VMA), and water-to-binder ratio (W/B). Twenty eight mixtures were made with 10-50% LSP as replacement of cement, 0.02-0.06% VMA by mass of cement, 0.6-1.2% SP and 50-150% sand (% mass of binder) and 0.42-0.48 W/B. The proposed genetic models of the self-compacting SIFCON offer useful modelling approach regarding the mix optimisation in predicting the fluidity, the cohesion, the bleeding, the penetration, and the compressive strength.

• 한국콘크리트학회:학술대회논문집
• /
• 한국콘크리트학회 2008년도 춘계 학술발표회 제20권1호
• /
• pp.977-980
• /
• 2008

최근 터널 라이닝콘크리트의 고질적인 문제점 중에서 유동성 부족 및 충전 불량을 해결하기 위해 자기충전 콘크리트를 적용하고자 하는 연구가 활발하게 진행되고 있다. 본 연구에서는 최근 다년간에 걸친 연구 결과인 개발한 자기충전 라이닝콘크리트(이하 SCLC로 약함)를 타설 전.후의 유동 특성 및 역학적 특성을 검토하여 현장적용 타당성을 검증하고자 하였다. Packing Factor 배합법에 의해 개발된 SCLC를 현장여건과 골재특성에 따라 현장배합으로 변경하여 타설하였으며 타설 전 SCLC의 Slump flow, 공기량 등을 통하여 유동성능과 내구성능을 검토하였다. 또한, 시간경과에 따른 Slump flow loss를 측정하여 현장타설 가능성을 평가하고자 하였다. 나아가 국내 터널 라이닝에 적용된 첫 번째 타설임을 감안하여 차후 자기충전 라이닝콘크리트를 현장 적용할 때 주의해야할 사항 등과 시공방법을 제시하고자 하였다.

• Structural Engineering and Mechanics
• /
• 제86권2호
• /
• pp.181-195
• /
• 2023

To predict the rheological behaviours along with the compressive strength of self-compacting concrete that incorporates environmentally friendly ingredients as cement substitutes, a comparative evaluation of machine learning methods is conducted. To model four parameters, slump flow diameter, L-box ratio, V-funnel time, as well as compressive strength at 28 days-a complete mix design dataset from available pieces of literature is gathered and used to construct the suggested machine learning standards, SVM, MARS, and Mp5-MT. Six input variables-the amount of binder, the percentage of SCMs, the proportion of water to the binder, the amount of fine and coarse aggregates, and the amount of superplasticizer are grouped in a particular pattern. For optimizing the hyper-parameters of the MARS model with the lowest possible prediction error, a gravitational search algorithm (GSA) is required. In terms of the correlation coefficient for modelling slump flow diameter, L-box ratio, V-funnel duration, and compressive strength, the prediction results showed that MARS combined with GSA could improve the accuracy of the solo MARS model with 1.35%, 11.1%, 2.3%, as well as 1.07%. By contrast, Mp5-MT often demonstrates greater identification capability and more accurate prediction in comparison to MARS-GSA, and it may be regarded as an efficient approach to forecasting the rheological behaviors and compressive strength of SCC in infrastructure practice.