Prawdopodobnościowy wzór obliczeniowy wytrzymałości na ściskanie ultra-wysoko wydajnego betonu z kruszywem grubym oparty na inżynierii cech i programowaniu genetycznym

Mocniejszy, mądrzejszy beton dla realnego świata

Współczesne miasta polegają na betonie w budowie mostów czy wieżowców. Specjalna klasa zwana ultra-wysoko wydajnym betonem charakteryzuje się niezwykłą wytrzymałością i trwałością, lecz jest też droga i trudna do zaprojektowania. W badaniu omówiono bardziej przystępną wersję zawierającą grubsze żwir i kamień oraz zaproponowano nowy sposób przewidywania jej wytrzymałości przed wylaniem. Łącząc badania laboratoryjne z rodzajem ewolucyjnego przeszukiwania komputerowego i podejściem probabilistycznym, autorzy dążą do dostarczenia inżynierom prostego, lecz wiarygodnego wzoru uwzględniającego zarówno wytrzymałość, jak i niepewność.

Dlaczego nawet twardy beton potrzebuje lepszych receptur

Renoma ultra-wysoko wydajnego betonu wynika z bardzo wysokiej wytrzymałości, wytrzymałości na pękanie i odporności na agresywne warunki, ale te zalety kosztują. Duża część ceny i osiągów zależy od włókien stalowych i drobnych składników mineralnych. Aby uczynić materiał bardziej praktycznym dla dużych projektów, badacze opracowali wersje zawierające także grubszą kruszywo, tzw. coarse aggregate. Takie mieszanki są tańsze i nadal znacznie mocniejsze niż zwykły beton, jednak inżynierowie nie mają jasnego zbioru reguł: brak powszechnie przyjętego wzoru, który określałby, jak zmiany zawartości kruszywa, jego rodzaju i udziału włókien wpływają na wytrzymałość na ściskanie. Istniejące badania zwykle analizują jedną zmienną naraz i podają jedynie estymaty punktowe, nie pokazując, jak duża jest niepewność tych przewidywań.

Budowanie opartego na danych, ale przejrzystego wzoru

Autorzy wykonali i przetestowali 35 zestawów sześciennych próbek z ultra-wysoko wydajnego betonu o różnych ilościach i typach grubego kruszywa oraz o różnej objętości włókien stalowych. Wszystkie pozostałe składniki utrzymano stałe, by wyizolować efekty tych trzech kluczowych cech. Najpierw użyto sieci neuronowej jako narzędzia preselekcji, aby zmierzyć, jak bardzo każdy składnik wpływa na wytrzymałość; stwierdzono, że najważniejsza jest zawartość włókien stalowych, następnie całkowita ilość kruszywa grubego, a wytrzymałość i rozmiar kruszywa odgrywają mniejszą rolę. Następnie zastosowano podejście zwane programowaniem genetycznym, w którym komputer „ewoluuje” proste wyrażenia matematyczne, zachowując i udoskonalając te najlepiej dopasowane do danych eksperymentalnych. Proces ten wygenerował zwarty wzór wiążący wytrzymałość na ściskanie z trzema wejściami: zawartością kruszywa, wytrzymałością kruszywa i objętością włókien.

Od jednej liczby do zakresu możliwości

Beton w praktyce nigdy nie jest idealnie jednorodny: surowce się różnią, warunki dojrzewania są odmienne, a model oparty na danych jest nieuchronnie wyuczony na ograniczonym zbiorze badań. Aby uchwycić tę rzeczywistą nieostrość, zespół przekształcił wzór w model probabilistyczny. Zamiast traktować stałe we wzorze jako ustalone, pozwolili im się zmieniać zgodnie z rozkładami prawdopodobieństwa i zastosowali aktualizację bayesowską oraz próbkowanie Monte Carlo, by wywnioskować te rozkłady z wyników testów. W efekcie, dla dowolnej wybranej kombinacji zawartości kruszywa i włókien model nie zwraca jednej wartości wytrzymałości. Dostarcza pełny rozkład i przedział ufności — wąski dla pewniejszych przewidywań i szerszy tam, gdzie dane lub zachowanie są mniej ustalone.

Co kontroluje wytrzymałość i jak współdziałają czynniki

Mając ten probabilistyczny wzór, badacze zbadali, jak składniki ze sobą współpracują. W badanym zakresie więcej grubego kruszywa generalnie zwiększa wytrzymałość, a trend ten można przybliżyć jako niemal liniowy, mimo że matematycznie ma charakter wykładniczy. Zastąpienie słabszego wapienia mocniejszym bazaltem podnosi wytrzymałość, lecz tylko o kilka megapaskali w porównaniu z dużo większymi przyrostami wynikającymi z dodania włókien stalowych. Zawartość włókien wykazuje schemat szybkiego zwrotu: wytrzymałość szybko rośnie po dodaniu pierwszych włókien, potem nadal rośnie, ale wolniej. Analiza ujawnia także, że zwiększenie jednego korzystnego czynnika (np. udziału włókien) wzmacnia pozytywny efekt pozostałych (np. zawartości lub jakości kruszywa), przy czym włókna mają najsilniejszy efekt wzmacniający.

Dlaczego niepewność rośnie wraz z wytrzymałością

Ciekawym odkryciem jest to, że wyższe przewidywane wytrzymałości często wiążą się z większą niepewnością. Wraz ze wzrostem zawartości kruszywa, wytrzymałości kruszywa czy objętości włókien nie tylko rośnie średnia przewidywana wytrzymałość na ściskanie, ale też rozszerza się rozpiętość przedziału ufności. W praktyce oznacza to, że najbardziej ambitne, o najwyższej wytrzymałości mieszanki wymagają największej ostrożności i zapasów bezpieczeństwa. Autorzy argumentują, że sparowanie przejrzystego, zwartego wzoru z wyraźnymi pasmami niepewności tworzy praktyczne ramy projektowania ultra-wysoko wydajnych betonów z kruszywem grubym. Inżynierowie mogą odczytać nie tylko docelową wytrzymałość, ale też konserwatywną „wartość projektową” pobraną z dolnej granicy przewidywanego zakresu, co pomaga zrównoważyć wydajność, koszty i niezawodność w rzeczywistych projektach.

Cytowanie: Guo, R., Niu, J., Li, D. et al. Probabilistic calculation formula for the compressive strength of ultra-high-performance concrete with coarse aggregate based on feature engineering and genetic programming. Sci Rep 16, 8458 (2026). https://doi.org/10.1038/s41598-026-38878-w

Słowa kluczowe: ultra-wysoko wydajny beton, wytrzymałość na ściskanie, kruszywo grube, włókna stalowe, modelowanie probabilistyczne