通过混合实验、分析和数字方法探索砌体砖的I型断裂力学和形态学

《Journal of Building Engineering》：Exploring the Mode I fracture mechanics and morphology of masonry bricks through mixed experimental, analytical and digital approaches

　　

• 实验表征了四种典型加拿大砖类型的I型断裂行为。• 通过3D激光扫描数字化断裂表面，并使用多个粗糙度描述符进行定量描述。• 本研究提供了第一个将断裂形态与加拿大砌体单元的断裂特性联系起来的数据集。• 断裂表面粗糙度与基于强度和刚度的变量相关性差，与断裂能的相关性差到中等。• 回归和机器学习模型显示，仅从断裂表面粗糙度预测性能的能力有限。

论文解读文章

**研究背景与问题**
无筋砌体（URM）建筑在加拿大，特别是东部地区，约占区域建筑存量的25%，其中许多建于国家建筑规范（NBCC）引入抗震设计规定之前，使其易受低能量高频率地震动引起的早期失效。此外，气候变化加剧了极端环境条件对砌体围护结构耐久性的威胁，导致饰面层开裂。传统视觉检查成本高、劳动密集、耗时且主观，存在显著局限性。为克服这些不足，计算机视觉和机器学习方法被用于检测表面损伤（如裂缝），但现有研究未探讨裂缝形态与材料（砖块、砂浆及界面）性能之间的关系。因此，本研究旨在通过实验、分析和数字方法，评估四种砖类型（商用粘土砖、历史建筑粘土砖、硅酸钙砖和混凝土砖）的I型断裂行为，并量化断裂表面粗糙度，探究其与力学和断裂性能的关联，为建立裂纹形态与材料性能的潜在联系提供初步探索。

**研究内容与结论**
研究人员对每种砖类型的25个试件进行三点弯曲试验，诱导I型断裂（开口模式），利用3D激光扫描仪数字化断裂表面，计算13个粗糙度参数（包括分形维数D、粗糙度数RN、平均伪高度Ha、均方根伪高度Hq等），并通过相关分析和机器学习模型评估粗糙度与力学性能（峰值荷载Pmax、断裂能GF、临界应力强度因子KIC等）的关系。结论表明：GEO砖（粘土砖）具有最高的抗弯强度和断裂能；CRA砖（历史粘土砖）表现出最高变异性；CON砖（混凝土砖）和CSI砖（硅酸钙砖）表现出更强的准脆性行为；GEO砖的断裂表面最粗糙，CSI砖最光滑。相关分析显示，断裂表面粗糙度与基于强度和刚度的变量相关性弱，与断裂能参数呈弱到中等正相关；单参数线性与非线性回归模型预测能力有限（R2最高约0.36）；机器学习模型（决策树、随机森林、神经网络、TabPFN）预测精度不足，表明仅靠断裂表面粗糙度无法可靠预测砖的力学性能。该研究首次提供了加拿大砌体砖的I型断裂性能数据集，并阐明了断裂形态与性能的关联程度，论文发表在《Journal of Building Engineering》。

**主要技术方法**
研究人员采用三点弯曲试验（基于ASTM C67，跨中预制20mm深V形切口，加载速率0.015mm/min）对每种砖类型的25个试件进行测试，使用四个LVDT监测挠度、夹式引伸计记录裂纹张开位移（CMOD）。断裂表面通过HandySCAN 307?激光扫描仪（精度0.040mm，网格分辨率0.200mm）数字化，利用MATLAB自定义脚本计算13个粗糙度参数，包括分形维数（D）、粗糙度数（RN）、平均伪高度（Ha）、均方根伪高度（Hq）、偏度（Ssk）、峰度（Sku）、均方根斜率（Sdq）、界面面积比（Sdr）、峰值数、谷值数、均方根梯度（GRMS）、平均曲率（H）和高斯曲率（K）。相关分析采用皮尔逊相关系数、偏相关及单参数线性/非线性回归；机器学习采用决策树、随机森林、神经网络和TabPFN，基于互信息（MI）进行特征选择，并利用K折交叉验证（k=5）评估性能。

**研究结果**
- **4. EXPERIMENTAL RESULTS**：通过三点弯曲试验获得了每种砖类型的力学和断裂性能。GEO砖的平均峰值荷载（Pmax）为4.40kN，断裂能（GF）为158.40N/m，均为最高；CRA砖的Pmax为2.43kN，GF为74.43N/m；CSI砖的Pmax为2.71kN，GF为74.84N/m；CON砖的Pmax为1.33kN，GF为76.68N/m。GEO砖的临界应力强度因子（KIC）最高（0.962MPa·m^1/2），其次是CSI、CRA和CON砖。基于GF/GIC比值，CON和CSI砖表现出更强的准脆性行为，GEO和CRA砖则更接近脆性。断裂表面粗糙度分析显示，GEO砖具有最粗糙的表面（RN=1.13，D=2.07，Ha=2.14mm，Hq=2.53mm），CSI砖最光滑（RN=1.06，D=2.05，Ha=1.28mm，Hq=1.59mm）。CRA砖的粗糙度参数变异性最大。
- **5. CORRELATION ANALYSIS**：通过皮尔逊相关系数（r）分析，发现断裂表面粗糙度与强度/刚度变量（Pmax、ft、ECMOD、KIC）的相关性弱至中等（|r|≤0.6），而与断裂能参数（GF、GF,post、GF,CMOD）呈弱到中等正相关（r可达0.60）。单参数线性回归R2值通常低于0.20，非线性回归（幂律、指数、对数、二次多项式）仅带来微小改善，最高R2约0.36。机器学习模型（DT、RF、NN、TabPFN）在预测GIC时，TabPFN表现最佳（R2=0.735），但所有模型预测误差较大，表明仅凭粗糙度无法可靠预测性能。
- **6. CONCLUSIONS**：研究总结指出，对于四种不同材料的砖，断裂表面粗糙度与力学性能之间未建立普遍关系，表明仅评估断裂表面不足以可靠预测性能。然而，这受限于数据集聚合了异质材料、制造工艺和龄期的砖，以及样本量较小，可能掩盖了材料特定的关系。未来研究应关注同一材料、控制生产条件下砖的断裂形态与性能关系。

**总结讨论**
研究结论部分翻译如下：本研究表明，对于包含四种不同材料砖的综合数据集，未能建立断裂表面粗糙度描述符与力学/断裂性能之间的普遍关系，表明仅靠断裂表面评估不足以可靠预测砌体单元的力学和断裂性能。但需指出，这些发现受限于研究设计，该设计聚合了异质材料组成、制造工艺和龄期的砖，且数据集较小，引入了内在变异性，可能掩盖了材料特定的断裂形态与性能关系。因此，跨砖类型未发现显著相关性并不排除此类关系在更窄定义的材料类别内存在的可能性。未来研究应探索同一基础材料、控制生产条件下砖的断裂表面粗糙度与力学/断裂性能是否相关，并扩大数据集，包括多种相同材料但不同孔隙率、微观结构或生产工艺的砖类型，增加每种砖的测试数量，以便更严格地评估这些趋势。此外，对砖类型微观结构对断裂行为影响的更严格实验评估，可为断裂形态与性能关系提供有价值见解。