自流型高强早强自密实自修补型材料及制备方法与流程

本发明涉及材料科学领域，且更具体地涉及一种自流型高强早强自密实自修补型材料及制备方法。

背景技术：

1、自流型高强早强自密实自修补型材料是一种在现代工程中广泛应用的创新建筑材料，该材料以其出色的流动性、强度和自我修复能力，在各类建筑和维修领域展现了巨大的潜力。该材料无需外力即可自动流动并填满各种形状的空腔和缝隙，能极大地简化施工过程，节省人力物力，同时，由于它的早强性，即在较短时间内就能达到相当高的初始强度，从而大大加快了工程进度，提高了效率。在发生微小裂缝或损伤时，该材料能通过自身的物理化学反应实现自我修复，有效延长结构的使用寿命，减少了日常维护的需求和降低了长远的维修成本，同时，它也具备高压缩强度和良好的粘结性能，能承受更大的荷载，适用于多种承重结构和压力环境。基于以上特征，这种材料广泛应用于土木建筑、桥梁、道路和水利等领域，在隧道施工、地下设施建设及历史建筑保护等特殊场合，成为首选材料。因此，开发一种高效、环保、稳定的自流型高强早强自密实自修补型材料及制备方法，对于满足市场需求、提高产品竞争力具有重要意义。

2、但是，传统方法制备出的自流型高强早强自密实自修补型材料有一些不可忽视的缺点：第一，自流性与早强性的矛盾，材料的自流性要求流动性好，便于填充和覆盖细微裂纹，而早强性要求材料能在短时间内迅速硬化并发挥强度，这导致要么自流性不足，无法充分填充，要么早强剂过量，影响长期稳定性和耐久性；第二，由于物理和化学作用的复杂性，传统制备过程中难以完全消除气泡和空袭，这在一定程度上削弱了材料的整体性能和抗渗能力；第三，自修补功能不够完善，导致材料在某些区域修补过度而在其他区域又修补不足；第四，传统方法往往依赖高价的原材料和繁琐的生产工艺，提高了生产成本，还涉及到环境污染和资源耗竭的问题。

3、因此，本发明公开了一种自流型高强早强自密实自修补型材料及制备方法，制备过程简单、方便、高效，可以得到具有优秀的综合性能的自流型高强早强自密实自修补型材料，具有较高的商品化和工业化生产潜力。

技术实现思路

1、针对现有技术的不足，本发明公开了一种自流型高强早强自密实自修补型材料及制备方法，制备过程简单、方便、高效，可以得到具有优秀的综合性能的自流型高强早强自密实自修补型材料，具有较高的商品化和工业化生产潜力。利用全域感知多变量模型进行预设和优化，可以实现原料比例的准确控制，提高了产品的质量和生产效率，使制备过程更加高效、节省成本。同时，采用智能反应器进行自动智能反应，大幅度降低了人工操作的难度和劳动强度，同时也保证了反应的均匀性和高效性，使反应过程更加稳定、均匀。此外，添加生物高分子纤维蛋白等多种原料，改进了自流型高强早强自密实自修补型材料的性能。

2、本发明采用以下技术方案：

3、一种自流型高强早强自密实自修补型材料的制备方法，所述制备方法包括：

4、步骤一、准备自流型高强早强自密实自修补型材料的制备原料和反应装置，所述自流型高强早强自密实自修补型材料的的制备原料包括硅酸盐水泥400质量份、超细粉煤灰150质量份、纳米级硅灰30质量份、减水剂10质量份、膨胀剂5质量份、纤维强化材料3质量份和自修补添加剂2质量份，所述制备原料的配比采用全域感知多变量模型进行预设和优化，所述反应装置采用智能反应器进行自动智能反应，所述全域感知多变量模型包括数据融合模块、关联性分析模块、模式识别模块、决策支持模块、实时更新及自适应调整模块和交互式界面模块；

5、所述数据融合模块：作为所述全域感知多变量模型的基础，作用是将来自不同数据源的信息进行整合，确保数据的一致性和完整性，通过数据清洗、特征提取和标准化等步骤，使所述数据融合模块为后续的分析打下坚实基础；

6、所述关联性分析模块：在完成数据融合后，采用统计方法和机器学习技术，如关联规则学习和协方差矩阵分析，以发现变量间潜在的相关性，以便于理解变量如何共同影响结果；

7、所述模式识别模块：在所述关联性分析的基础上，所述模式识别模块的目标是识别出数据中的有意义的模式和趋势，使用聚类分析等方法简化数据结构，从而使得隐藏在高维空间的模式变得可视化和可解释；

8、所述决策支持模块：提供实用的决策建议，通过建立分类模型或者回归模型，根据当前的数据状态做出更加精确的预测；

9、所述实时更新及自适应调整模块：目的是为了适应不断变化的数据环境，实时更新和自我调整，不仅要在新数据到来时进行在线学习，还要根据性能反馈对模型结构进行优化；

10、所述交互式界面模块：通过图形化展示分析结果，更加直观地理解模型输出和潜在的数据洞察；

11、步骤二、通过表面修饰，使所述纳米级硅灰的表面带有特定的所述功能基团羧基；

12、步骤三、在所述纳米级硅灰中引入所述生物高分子纤维蛋白，将所述生物高分子纤维蛋白通过纳米技术和生物学原理固定在所述纳米级硅灰表面，形成一个类似于生物体血管的结构；

13、步骤四、在所述纳米级硅灰中添加所述光敏剂2-异丙基硫杂蒽酮，使其在光照条件下引发化学反应，促使所述生物高分子纤维蛋白模拟生物体的凝血机制，进行自我组装，形成坚固的网络结构；

14、步骤五、将所述步骤二、步骤三和步骤四中复合了所述羧基、所述生物高分子纤维蛋白和所述光敏剂的材料进行加工后，将所述硅酸盐水泥、超细粉煤灰、纳米级硅灰、减水剂、膨胀剂和纤维强化材料按照预设比例添加至所述智能反应器中进行混合均匀，得到所述自流型高强早强自密实自修补型材料。

15、作为本发明进一步的技术方案，所述自流型高强早强自密实自修补型材料测试样本的评分的表达式为：

16、

17、在公式(1)中，w为所述测试样本的评分，γ和δ为误差的参数，为原始数据域的重构序列，为原始频域的重构序列，y为原始数据集，当w>4时，表示所述自流型高强早强自密实自修补型材料的性能优越，当w≤4时，表示所述自流型高强早强自密实自修补型材料的性能有待改进，所述制备原料的样本的比例需要调整；

18、

19、在公式(2)中，为原始数据域的重构序列，ytime为特征向量，proj为矢量的投影，deconv为反卷积，deconv(deconv(ytime))为ytime连续两个的反卷积；

20、

21、在公式(3)中，为原始频域的重构序列，yi(α)为原始样本yi中的元素，α＝{1，2，…,a}为频率索引，a为原始样本的序数。

22、作为本发明进一步的技术方案，所述步骤二中表面修饰的工作方法为：将所述纳米级硅灰分散在水中，形成硅灰悬浮液，向所述硅灰悬浮液中加入适量的硅烷偶联剂3-氨丙基三乙氧基硅烷，加入适量的乙酸作为催化剂，促进所述硅烷偶联剂与所述硅灰表面的反应，并将混合液添加到所述智能反应器中，在室温下搅拌5-10h，反应完成后，将所述混合液进行过滤、洗涤和干燥，得到表面带有羧基的纳米级硅灰，所述3-氨丙基三乙氧基硅烷水解的化学方程式为：

23、ch3ch2o-si(ch2)3nh2+h2o→ch3ch2oh+ho-si(ch2)3nh2  (4)

24、在公式(4)中，ch3ch2o-si(ch2)3nh2为3-氨丙基三乙氧基硅烷，h2o为水分子，ch3ch2oh为乙醇，ho-si(ch2)3nh2为三乙氧基硅烷醇。

25、作为本发明进一步的技术方案，所述步骤三中纳米技术的工作方法为：使用紫外线照射激活所述硅灰表面的羧基，使其能够与所述生物高分子纤维蛋白发生共价连接，将所述生物高分子纤维蛋白溶解在磷酸盐缓冲液中，形成浓度为0.1m的溶液，将处理过的所述纳米级硅灰分散在所述纤维蛋白溶液中，确保所述硅灰与所述溶液充分接触，在30℃的温度和ph＝7的条件下，所述硅灰表面的羧基与所述纤维蛋白的氨基发生共价连接，将所述纤维蛋白固定在所述硅灰表面，向体系中加入纤维蛋白交联剂，使所述纤维蛋白在所述硅灰表面形成纤维蛋白网络，在30℃的温度和70％的湿度条件下，所述纤维蛋白逐渐交联，形成稳定的纤维蛋白结构，将固定有所述纤维蛋白的所述硅灰分散在微流控芯片中，形成类似于血管的三维结构。

26、作为本发明进一步的技术方案，所述步骤四中添加光敏剂的工作方法为：首先，将所述光敏剂2-异丙基硫杂蒽酮溶解在有机溶剂乙醇中，制备成浓度为0.1m的溶液，然后，将所述纳米级硅灰与所述光敏剂溶液混合，确保所述硅灰充分吸收所述光敏剂，在温度为30℃、搅拌速度为3000r/min的条件下搅拌1h，使所述光敏剂与所述硅灰表面的羧基发生反应，从而将所述光敏剂固定在所述硅灰表面，所述光敏剂2-异丙基硫杂蒽酮和所述硅灰表面的羧基反应的方程式为：

27、

28、在公式(5)中，为所述光敏剂2-异丙基硫杂蒽酮，—cooh为所述硅灰表面的羧基，为硫杂蒽酮羧酸。

29、作为本发明进一步的技术方案，所述智能反应器包括原料储存罐、计量泵、混合器、反应釜和控制系统，所述原料储存罐通过管道连接所述计量泵，所述计量泵再通过管道将原料输送到所述混合器，所述混合器和所述反应釜之间通过管道焊接，使得混合好的物料直接进入所述反应釜进行反应，所述控制系统通过电缆和所述原料储存罐、计量泵、混合器及反应釜连接，进行数据的传输和指令的下达。

30、作为本发明进一步的技术方案，所述关联性分析模块的工作方法为：首先清洗数据，处理缺失值，标准化数据，以及进行数据转换，然后，计算所有可能的变量对之间的相关性系数，使用皮尔逊相关性系数公式来实现：

31、r＝∑[(xi-xmean)(yi-ymean)]/sqrt[∑(xi-xmean)2∑(yi-ymean)2]  (5)

32、在公式(5)中，xi和yi为两个变量的观测值，xmean和ymean为两个变量的平均值，i为变量的序数，sqrt为平方根；

33、根据公式(5)，计算出所有的相关性系数后，将这些系数放入一个矩阵中，这个矩阵就是关联性矩阵，以实现可视化数据中的关联性模式，最后，分析和解释所述关联性矩阵，通过查找高相关性的变量对来找出数据中的重要模式和趋势。

34、本发明公开了一种自流型高强早强自密实自修补型材料及制备方法，制备过程简单、方便、高效，可以得到具有优秀的综合性能的自流型高强早强自密实自修补型材料，具有较高的商品化和工业化生产潜力。利用全域感知多变量模型进行预设和优化，可以实现原料比例的准确控制，提高了产品的质量和生产效率，使制备过程更加高效、节省成本。同时，采用智能反应器进行自动智能反应，大幅度降低了人工操作的难度和劳动强度，同时也保证了反应的均匀性和高效性，使反应过程更加稳定、均匀。此外，添加生物高分子纤维蛋白等多种原料，改进了自流型高强早强自密实自修补型材料的性能。