Helcykelsförutsägelse av sprickläkning i självhelande betong med generaliserad polynomkaosutvidgning

Betong som kan laga sina egna sprickor

Broar, tunnlar och kustmurar är byggda av betong som sakta spricker när den utsätts för stormar, trafik och saltvatten. Dessa små sprickor kan växa till stora problem genom att släppa in vatten och frätande kemikalier som förkortar en konstrukts livslängd. Denna forskning undersöker en ny typ av "självhelande" betong som använder levande mikrober tillsammans med avancerad matematik för att, från början till slut, förutsäga hur fullständigt sprickor kommer att förseglas över tid.

Hur levande betong reparerar sig själv

Den självhelande betongen som studerats här är fylld med små pellets som innehåller speciella bakterier och reaktiva mineraler. När en spricka öppnas och havsvatten tränger in, spricker pelletsen. Bakterierna vaknar till liv, använder ingredienser i sin omgivning och initierar tillväxten av fasta mineraler såsom kalciumkarbonat. Samtidigt bildar de oorganiska tillsatserna lager av kristaller som hjälper till att täppa till och förtäta det skadade området. Tillsammans fyller och överbryggar dessa produkter gradvis sprickan, återställer mycket av betongens styrka och blockerar de vägar som vatten och salt annars skulle utnyttja.

Mäta läkning från ytan till insidan

För att förstå hur väl denna process fungerar gjorde teamet mer än att bara kontrollera om en spricka såg stängd ut på ytan. De följde fem olika tecken på läkning i laboratorietillverkade betongcylindrar som exponerades för upprepade våta och torra cykler i konstgjort havsvatten. Dessa indikatorer inkluderade hur stor del av sprickyta som var synligt förseglad, hur mycket vatten som fortfarande sippade igenom, hur elektrisk resistivitet förändrades när interna vägar återuppbyggdes, hur snabbt ultraljudsvågor kunde korsa sprickan, och hur väl materialet motstod kloridjoner som kan utlösa korrosion i stål. Genom att offra några provstycken och skära tvärs igenom sprickorna mätte de också direkt hur stor del av det inre tvärsnittet som faktiskt hade fyllts igen av reparationsprodukter.

Från röriga data till en prediktiv digital tvilling

Läkning inne i en spricka är inte en enkel, jämn process. I början varierar resultaten kraftigt mellan prover när bakterierna vaknar, mineralerna börjar bildas och vattnet fortfarande flödar fritt. Senare stabiliserar sig systemet när sprickan fylls och reparationen närmar sig mättnad. För att förstå detta tidsvarierande beteende byggde forskarna en matematisk "surrogat"modell som kopplar de fem lättmätta indikatorerna till den svårare åtkomliga interna läkningsdjupet. Deras tillvägagångssätt, kallat polynomkaosutvidgning, representerar den komplexa, osäkra processen som en viktad kombination av släta kurvor, där varje del fångar en del av den variabilitet som observerats i experimenten. Detta gjorde det möjligt att uppskatta, för ett givet prov och en given ålder, hur fullständigt spricktvärsnittet hade läkt utan att behöva förstöra provet.

Lära modellen från verkliga data

Standardversioner av denna modelleringsmetod antar att experimentdata följer prydliga, klockformade (gaussiska) mönster. Teamet upptäckte att denna antagelse fallerar när alla åldrar kombineras: vissa indikatorer blir snedfördelade eller starkt klustrade när läkning fortskrider. För att hantera dessa mer realistiska fördelningar utvidgade de metoden till en generaliserad ram. Genom att använda ett datadrivet statistiskt verktyg kallat kernel density estimation identifierade de först de faktiska formerna på indatafördelningarna. De konstruerade sedan skräddarsydda ortogonala polynom anpassade till dessa former, vilket gjorde det möjligt för modellen att följa hela läkningscykeln — från de brusiga första dagarna till den nästan fullständiga reparationsfasen — utan att överanpassa. Sensitivitetsanalys baserad på denna ram avslöjade vilka mätningar som är mest betydelsefulla: yttätning och vattentålighet dominerar i tidiga skeden, medan motstånd mot klorid och interna elektriska banor blir viktiga när sprickan fylls i djupet.

Sätta förutsägelserna på prov

För att se om modellen verkligen kunde generalisera utmanade författarna den med nya prover som läkt i tidsåldrar den aldrig sett under träning — 10, 20 och 30 dagar — samt data från en annan typ av självhelande medel rapporterad i litteraturen. I varje fall stämde den förutsagda interna läkningen väl överens med de uppmätta värdena, med typiska fel långt under en procentenhet av tvärsnittsreparationen. Modellen fångade också den övergripande trenden med snabba tidiga vinster följt av långsammare, förtätande förbättringar, även om kemin och mikrostrukturen skiljde sig mellan systemen.

Varför detta är viktigt för verkliga konstruktioner

För ingenjörer är huvudfrågan inte bara om sprickor kan lagas, utan hur länge en konstruktion säkert kan fungera under verklig miljöexponering. Detta arbete erbjuder en praktisk väg mot det målet. Genom att kombinera rika, mångsidiga mätningar av läkning med en flexibel, fördelningsmedveten modelleringsram levererar studien ett verktyg som kan förutsäga fulldjupig sprickreparation över hela läkningscykeln. I klartext visar den hur man kan omvandla spridda laboratoriedata till en pålitlig "prognos" för hur en levande betong kommer att läka sig själv över tid, och hjälper designer att välja material och underhållsstrategier som håller kritisk infrastruktur säkrare längre.

Citering: Fu, C., Xu, W., Zhan, Q. et al. Full-cycle prediction of crack healing in self-healing concrete using generalized polynomial chaos expansion. Commun Eng 5, 54 (2026). https://doi.org/10.1038/s44172-026-00608-5

Nyckelord: självhelande betong, mikrobiell mineralisering, modellering av sprickreparation, polynomkaosutvidgning, betongs hållbarhet