智能碳纳米管增强复合材料：基于机器学习的机械性能预测技术，融合了电气监测与微观结构演变分析

《Journal of Building Engineering》：Intelligent CNT@WGP-CSA Composites: Machine Learning-Enabled Mechanical Performance Prediction Fusing Electrical Monitoring and Microstructural Evolution

钙矾石水泥基复合材料通过掺杂碳纳米管@废玻璃粉末（CNT@WGP）构建导电网络，利用电导率法揭示其水化进程与力学性能演化规律。研究发现，电导率变化与AFt、AH3凝胶生成及C-A-S-H相变存在显著相关性，并建立了XGBoost机器学习模型实现早期抗压强度的精准预测。摘要：采用导电填料构建的智能水泥材料，通过电导率实时监测水化进程，揭示其与微观产物及力学性能的关联，并开发机器学习模型实现早期强度预测，为工程应用提供新方法。

　　

邵廷全|张一辰|李佳欣|王晓峰|王振军|徐旭|张海宝|张婷

长安大学材料科学与工程学院，中国西安710061

摘要：

为了研究硫铝酸钙水泥的水化过程和早期强度发展，制备了智能导电水泥基材料（CNT@WGP–CSA）。电阻率被用作直接且无损的指标，以表征水化演变并识别不同的水化阶段。该策略阐明了水化过程的电学特性、水化产物的形成以及力学强度演变之间的相关性。通过监测水泥浆体的电阻率变化和化学成分变化来评估这些现象。结果表明，CSA的电阻率演变与五个不同的水化阶段密切相关。电阻率导数的峰值与钙矾石（AFt）、氢氧化铝凝胶（AH₃）和C-A-S-H凝胶的结晶过程相关。此外，开发了一种基于XGBoost的机器学习模型，通过整合电阻率、水化时间和相组成来定量预测早期抗压强度。研究结果表明，结合电阻率相关特征显著提高了预测准确性，并能够快速评估早期强度的发展。这种方法为实时水化监测和强度预测提供了实用的数据驱动框架，突显了机器学习与电学传感在智能CSA水泥基材料中的新应用潜力。

引言

全球基础设施行业的巨大饱和为基于水泥的修复材料带来了光明的前景[1]。硫铝酸钙（CSA）水泥基材料长期以来一直被用作重要的绿色低碳修复材料，具有早期强度高和收缩率低的特点[2]、[3]。因此，CSA被广泛应用于基础设施工程和水力修复工作中[4]、[5]、[6]、[7]。CSA水泥的水化动力学涉及一系列复杂的化学反应[8]、[9]。与波特兰水泥相比，CSA水泥的水化速率较快，通常在2-12小时内完成[1]。CSA水泥的水化主要包括矿物溶解以及钙矾石（AFt）、非晶态氢氧化铝（AH₃）和C-A-S-H凝胶的形成。水化过程如方程（1）、（2）所示。水化的进展直接影响CSA水泥的微观结构发展，并在早期强度、力学性能和耐久性方面起着重要作用[10]、[11]。

研究人员对CSA的水化过程进行了广泛研究。这些技术包括等温热流量法、半绝热量法和绝热量法[12]、[13]。这些方法是评估水泥水化的最常用方法，将水泥水化过程分为五个主要阶段：溶解、诱导、加速、减速和持续缓慢水化[14]。然而，这些测试在早期温度变化方面存在局限性，无法准确判断水泥的状态[15]。水泥水化的动力学模型需要更多的实验结果进行数据分析和处理，而这些结果并不能提供关于水泥内部微观结构的洞察。

电阻率方法可以反映微观结构状态，因此可以评估水泥的孔结构、强度演变和耐久性[16]、[17]。表面电阻率方法操作简单，广泛用于测试水泥的电阻率[18]。然而，在测试过程中，由于电流通过试样的路径有限，电阻率可能会被严重高估。因此，需要根据试样的大小校正形成因子[19]。Tang等人采用无电极方法测试了石灰石煅烧粘土水泥在水化过程中的电阻率，减少了电极极化效应引起的问题[20]。这种方法导致的测试误差小于5%。然而，设备的特殊性增加了监测大型水泥基设施的难度[21]。电阻抗谱（EIS）用于研究水泥水化过程，已成为近期研究热点，能够评估水泥浆体在水化过程中的微观结构演变[22]。电化学技术的应用为水泥水化提供了新的视角，但EIS获得的数据需要经过复杂的数学处理和分析，并且需要使用等效电路元件进行建模[23]。模型的准确性与其水化动力学的演变密切相关，这提高了其广泛应用的成本门槛。

随着基础设施和技术的发展，智能复合水泥基材料在土木工程和建筑领域受到了广泛关注[24]、[25]。其中，智能导电水泥基材料具有许多优异的性能，如结构健康监测、能量收集以及融雪和除冰[26]、[27]。利用电学特性对基础设施进行监测可以感知应力和应变的变化，早期检测结构损伤并提高基础设施的耐久性[28]、[29]。由于掺入了导电填料，智能导电水泥基材料通过电子隧穿效应和渗透效应形成导电路径，有效感知材料性能的变化[30]、[31]、[32]。智能导电水泥基材料主要通过离子导电和电子导电实现导电，其中在早期水化阶段以离子导电为主，而在后期以电子导电为主[33]、[34]。早期水化过程中水泥微观结构的变化伴随着孔溶液中离子的变化，量化这些性质有助于评估结构和性能[35]、[36]。

基于我们之前的工作，成功制备了废玻璃粉（WGP）原位生长的碳纳米管（CNT@WGP），并且可以更容易地分散在水溶液和孔溶液中[37]。在这项研究中，首次将CNT@WGP掺入硫铝酸钙（CSA）水泥中，制备了智能导电水泥基材料。本文的主要目的是从电阻率的角度探讨CNT@WGP-CSA水泥的早期水化行为。利用CNT@WGP-CSA稳定的电学响应，采用直接电阻率测试方法识别水化阶段并揭示早期水化动力学的演变。随后，通过XRD、TGA、SEM和ICP分析来表征不同水化阶段的水化产物和微观结构演变。此外，系统分析了水化产物、电阻率和抗压强度之间的关系。研究表明，基于电阻率的监测提供了一种简单、灵敏且无损的方法来跟踪早期水化过程，为智能导电水泥基复合材料在基础设施工程中的应用提供了新的视角。

材料

CSA水泥的化学成分和粒径分布分别通过XRF（X射线荧光光谱仪）和激光粒度仪（Mastersizer 2000）确定，如表1和图1所示。

CNT@WGP的制备

CNT@WGP是通过微波法合成的。首先，在WGP基底上涂覆导电聚合物PPy，制备出核壳结构PPy@WGP。然后，将PPy@WGP与二茂铁混合，在微波照射下，温度迅速升高

水化过程

如图3所示，测试了CNT@WGP-CSA的电学电阻率和抗压强度。当添加0.4 wt.%的CNT@WGP时，电阻率变化趋于稳定。结果表明，含有0.4% CNT@WGP的水泥能够在基质中形成稳定的导电网络结构。抗压强度显示，在3天内含有0.4% CNT@WGP的水泥没有显著变化。因此，向CSA水泥样品中添加了0.4%的CNT@WGP，以期实现新的应用

水化产物与电阻率之间的关系

本节重点比较了电阻率与生成的AFt量之间的关系，其中AFt中的结合水通过TG分析进行量化。从图18可以看出，电阻率与ye’elimite的消耗和AFt的生成具有更强的相关性，而不是与总结合水的相关性。Ye'elimite与无水石膏反应生成AFt和AH₃凝胶，AFt含量的逐渐增加对应于加速水化阶段的电阻率显著上升。

结论

研究表明，电学电阻率是表征CNT@WGP–CSA水泥早期水化行为的有效且实用的指标。电阻率的演变与水化阶段、相变、凝固行为和早期抗压强度有明显的相关性，突显了其在工程应用中的无损和原位监测潜力。

基于XGBoost的机器学习模型进一步证实了整合这些因素的有效性

CRediT作者贡献声明

张海宝：资金获取。徐旭：方法论。张婷：写作——审稿与编辑。张一辰：数据管理。邵廷全：写作——初稿撰写、方法论、数据管理、概念化。王振军：写作——审稿与编辑。李佳欣：可视化

利益冲突声明

作者声明他们没有已知的竞争性财务利益或个人关系可能会影响本文报告的工作。

致谢

本工作得到了新疆生产建设兵团科技项目（2025YD005）、陕西省科技发展项目（编号2024GX-YBXM-378）、西安市科技项目（编号2023JH-DWJS-0075）、陕西省交通运输科技项目（编号24-104K）以及中央高校基本科研业务费（编号300102314901）的支持。作者还感谢审稿人的宝贵意见和建议