⚡ electrical engineering

Mechanical Performance and Strength Prediction of Rubberized Silica Fume Concrete: An Experimental and Machine Learning Investigation for Sustainable Construction

Questo studio investiga le prestazioni meccaniche del calcestruzzo con fumo di silice e gomma attraverso test sperimentali e machine learning, dimostrando che mentre la polvere di gomma e il fumo di silice migliorano proprietà specifiche e i codici di progettazione esistenti sottostimano la resistenza, modelli predittivi avanzati come le Reti Neurali Artificiali offrono un'accuratezza superiore per stimare la resistenza alla compressione e alla flessione per supportare l'edilizia sostenibile.

Autori originali: M. Shariq, A. Fuzail Hashmi, M. Ayaz, M. Tanveer, M. Asif Ansari

Pubblicato 2026-06-25

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: M. Shariq, A. Fuzail Hashmi, M. Ayaz, M. Tanveer, M. Asif Ansari

Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immaginate che l'industria delle costruzioni sia come una gigantesca pasticceria. Per anni, hanno preparato "torte di cemento" usando ingredienti standard: cemento, sabbia e pietre. Ma il mondo sta affrontando due grandi problemi: una montagna di vecchi pneumatici che si accumula nelle discariche (che sono tossici e difficili da decomporre) e la necessità di usare meno cemento per salvare il pianeta.

Questo articolo di ricerca è come un team di pasticceri che cerca di risolvere entrambi i problemi contemporaneamente, inventando una nuova ricetta ecosostenibile. Volevano vedere cosa succede se si sostituisce parte della sabbia con polvere di gomma tritata (derivata da vecchi pneumatici) e si sostituisce parte del cemento con la fumo di silice (un sottoprodotto industriale finissimo).

Ecco una semplice scomposizione di ciò che hanno fatto, di ciò che hanno scoperto e di come hanno usato i computer per prevedere i risultati.

1. L'esperimento: Mescolare la "Torta Eco-Friendly"

I ricercatori hanno creato 16 diverse miscele di calcestruzzo.

La Gomma: Hanno sostituito la sabbia con polvere di gomma in quantità variabili dallo 0% (calcestruzzo normale) fino al 35%.
L'Ingrediente Segreto: Per metà di queste miscele, hanno aggiunto il 10% di fumo di silice al mix di cemento.
Il Test: Hanno cotto queste miscele in blocchi e hanno aspettato 7, 28 e 56 giorni. Poi, le hanno schiacciate per vedere quanto fossero resistenti, le hanno piegate per vedere quanto potessero flettere e hanno inviato onde sonore attraverso di esse (come un'ecografia per un bambino) per controllare la loro qualità interna.

2. I Risultati: Cosa è successo?

Pensate al calcestruzzo come a una spugna. Quando si aggiunge la gomma, è come mettere delle spugne morbide e deformabili dentro un mattone duro.

L'Effetto Gomma: Man mano che aggiungevano gomma, il calcestruzzo diventava più tenero. Diventava meno capace di sostenere pesi elevati (la resistenza alla compressione è scesa). Le onde sonore viaggiavano più lentamente attraverso di esso, il che significa che il materiale diventava meno denso e presentava più minuscole sacche d'aria.
- Tuttavia, c'era un punto ottimale. Quando aggiungevano solo un pochino di gomma (5%), il calcestruzzo diventava effettivamente migliore nel piegarsi senza rompersi. Era come aggiungere un po' di gomma a un biscotto fragile per renderlo leggermente più gommoso invece di farlo andare in frantumi.
L'Effetto Fumo di Silice: Questo è stato il vero punto di svolta. Quando hanno aggiunto il fumo di silice, questo ha agito come un riempitivo finissimo. Ha tappato i piccoli buchi lasciati dalla gomma e ha incollato tutto più strettamente.
- Il Risultato: Il fumo di silice ha potenziato la resistenza di ogni miscela, anche quelle con molta gomma. Ha trasformato quel calcestruzzo-gomma "morbido" in qualcosa di molto più resistente e durevole.

3. Il Problema con le Vecchie Regole

Gli ingegneri di solito usano dei "libri di regole" (codici di progettazione) per indovinare quanto sarà resistente un nuovo tipo di calcestruzzo. I ricercatori hanno testato il loro nuovo calcestruzzo-gomma contro questi vecchi libri di regole.

La Scoperta: I libri di regole erano sbagliati. Prevedevano costantemente che la resistenza sarebbe stata molto più bassa di quella reale. È come un meteorologo che prevede sempre una bufera di neve quando in realtà è solo una leggera nevicata. Le vecchie regole non tenevano conto del modo unico in cui la gomma e il fumo di silice lavorano insieme.

4. La Soluzione: Insegnare ai Computer a Predire

Poiché i vecchi libri di regole fallivano, i ricercatori si sono rivolti all'Apprendimento Automatico (Machine Learning - ML). Immaginate di addestrare un robot intelligente a essere un "predittore di resistenza".

L'Addestramento: Hanno fornito al robot i dati dai loro 16 esperimenti. Gli hanno mostrato: "Ecco la quantità di gomma, ecco il fumo di silice, ecco la resistenza ottenuta".
La Competizione: Hanno testato sei diversi tipi di "cervelli robotici" (algoritmi) per vedere quale imparasse meglio:
1. Rete Neurale Artificiale (ANN): Un sistema simile a un cervello che impara i pattern.
2. Alberi di Regressione e Alberi Potenziati (Boosted Trees): Sistemi che prendono decisioni come un diagramma di flusso.
3. Macchine a Vettori di Supporto (SVM) e altri: Modelli matematici che tracciano linee per separare i dati.
Il Vincitore: La Rete Neurale Artificiale (ANN) è stata la campionessa. È stata la migliore nel comprendere la relazione complessa e non lineare tra gli ingredienti e la resistenza. Ha commesso il minor numero di errori.

5. Lo Strumento Finale: Una Nuova Formula

Sebbene l'ANN fosse la più intelligente, i ricercatori volevano qualcosa di pratico che gli ingegneri potessero usare in un cantiere senza aver bisogno di un supercomputer. Così, hanno usato i dati per creare una semplice formula matematica (un modello di regressione).

Questa formula permette a un ingegnere di inserire l'età del calcestruzzo, la quantità di gomma e la quantità di fumo di silice, e essa predirà accuratamente la resistenza.
Hanno persino usato questa formula per predire quanto bene il calcestruzzo si piega (resistenza alla flessione) conoscendo semplicemente la sua resistenza in un test di compressione diretta.

Riassunto

Questo articolo è una storia di successo di riciclo e matematica intelligente.

Riciclo: Hanno dimostrato che è possibile usare pneumatici usati nel calcestruzzo, ma bisogna fare attenzione alla quantità.
Potenziamento: L'aggiunta di fumo di silice corregge la debolezza causata dalla gomma.
Predizione: Le vecchie regole ingegneristiche non funzionano per questa nuova miscela, ma una nuova, semplice formula (derivata dall'apprendimento automatico intelligente) può predire la resistenza con precisione.

L'obiettivo non è solo creare un calcestruzzo "green", ma renderlo prevedibile affinché i costruttori possano fidarsi e usarlo in sicurezza nelle costruzioni reali.

Sintesi Tecnica: Prestazioni Meccaniche e Predizione della Resistenza del Calcestruzzo con Fumo di Silice e Gomma

Definizione del Problema
L'accumulo globale di pneumatici esausti rappresenta una significativa sfida ambientale, poiché i metodi di smaltimento tradizionali come il conferimento in discarica e l'incenerimento causano degradazione del suolo ed emissioni tossiche. Sebbene l'incorporazione di gomma riciclata da pneumatici nel calcestruzzo (calcestruzzo gommato) offra un percorso sostenibile per lo smaltimento, essa comporta tipicamente una riduzione delle proprietà meccaniche, in particolare della resistenza alla compressione, a causa del debole legame tra le particelle di gomma idrofobiche e la pasta cementizia. Al contrario, il fumo di silice è noto per migliorare la resistenza del calcestruzzo attraverso reazioni pozzolaniche, tuttavia il suo effetto sinergico quando combinato con diverse percentuali di polvere di gomma rimane ancora poco esplorato. Inoltre, gli esistenti codici di progettazione empirici (IS, Euro-code, ACI, NZS) sottostimano costantemente il modulo di rottura del calcestruzzo gommato, evidenziando una lacuna critica negli strumenti predittivi per questo materiale modificato.

Metodologia
Lo studio ha impiegato un approccio duplice combinando l'indagine sperimentale con una modellazione avanzata basata sui dati:

Programma Sperimentale: Sedici miscele di calcestruzzo sono state preparate utilizzando cemento Portland ordinario (OPC) di classe 43. La polvere di gomma (dallo 0% al 35% in peso dell'aggregato fine) e il fumo di silice (10% in peso del cemento) sono stati utilizzati come sostituzioni parziali. Le miscele includevano variazioni con e senza fumo di silice, mantenendo specifici rapporti acqua-cemento (0,44 per le miscele senza SF, 0,49 per le miscele con SF).
Protocollo di Test: I provini sono stati stagionati in condizioni di immersione a 27±2°C. I test hanno incluso la velocità di impulso ultrasonico (UPV) a 28 giorni per valutare la qualità, la resistenza alla compressione a 7, 28 e 56 giorni, e la resistenza a trazione per flessione a 28 giorni.
Modellazione Predittiva:
- Apprendimento Automatico (ML): Sei algoritmi — Reti Neurali Artificiali (ANN), Albero di Regressione (RT), Albero Potenziato (BT), Regressione dei Processi Gaussiani (GPR), Macchina a Vettori di Supporto (SVM) e Modello di Regressione Lineare (LRM) — sono stati addestrati sull'80% del dataset per predire la resistenza alla compressione.
- Analisi di Regressione: È stata eseguita un'analisi di regressione multivariata per sviluppare equazioni analitiche per la resistenza alla compressione e alla trazione per flessione dipendenti dall'età.
- Validazione: I risultati sperimentali sono stati confrontati con le equazioni empiriche dei principali codici di progettazione. È stata condotta un'analisi di sensibilità sul miglior modello ML per determinare l'influenza dei parametri di input.

Risultati Chiave

Prestazioni Meccaniche:
- Resistenza alla Compressione: L'aumento del contenuto di polvere di gomma ha portato a una progressiva diminuzione della resistenza alla compressione. La miscela con il 35% di gomma (senza fumo di silice) ha subito una riduzione del 70% rispetto al calcestruzzo puro. Tuttavia, l'aggiunta del 10% di fumo di silice ha mitigato significativamente questa perdita, migliorando la resistenza in tutte le miscele gommate.
- Resistenza a Trazione per Flessione: È stata osservata una tendenza unica in cui l'aggiunta di fino al 5% di polvere di gomma ha aumentato la resistenza alla flessione del 6,2% grazie alla natura elastica della gomma che ritarda la frattura. Oltre il 5%, la resistenza è diminuita. Il fumo di silice ha costantemente migliorato la resistenza alla flessione, con la miscela al 10% di SF che ha mostato un incremento dell'8,7% rispetto al calcestruzzo puro.
- UPV: La velocità di impulso è diminuita da 4,70 km/s a 3,75 km/s all'aumentare del contenuto di gomma dallo 0% al 35%, indicando un passaggio da una qualità del calcestruzzo "eccellente" a "buona", attribuito alla riduzione della densità e all'aumento della porosità.
Confronto con i Codici di Progettazione: Tutti i codici di progettazione valutati (IS, Euro-code, ACI, NZS) hanno sottostimato significativamente il modulo di rottura sperimentale, con sottostime comprese tra il 27% e il 56%.
Prestazioni del Modello:
- Tra i modelli ML, la Rete Neurale Artificiale (ANN) ha dimostrato una precisione predittiva superiore per la resistenza alla compressione, raggiungendo un $R^2$ di test di 0,9905 e il RMSE più basso (1,3793). L'analisi di sensibilità ha identificato il contenuto di cemento come il parametro più influente, mentre la polvere di gomma è risultata il meno influente.
- Sebbene l'ANN mostrasse un'alta precisione, un modello di regressione multivariata è stato selezionato per l'applicazione pratica grazie alla sua semplicità e formulazione esplicita. Questo modello ha raggiunto un $R^2$ di 0,98 per la predizione della resistenza alla compressione.
- Il modello di regressione è stato esteso con successo per predire la resistenza a trazione per flessione basandosi sui dati della resistenza alla compressione, con tutti i punti dati che rientravano in un margine di errore del ±10%.

Significatività e Contributi
Il documento sostiene di fornire un quadro completo per l'uso sostenibile di scarti di gomma e fumo di silice nelle costruzioni. I suoi contributi primari includono:

Ottimizzazione Sinergica: Dimostrare che la combinazione di polvere di gomma (fino al 5%) con fumo di silice può migliorare le proprietà di flessione mantenendo una resistenza alla compressione accettabile, offrendo una via percorribile per l'edilizia sostenibile.
Identificazione dei Limiti dei Codici: Evidenziare l'inadeguatezza degli attuali codici di progettazione internazionali nel predire il comportamento del calcestruzzo con fumo di silice e gomma, rendendo necessari nuovi modelli specifici per il materiale.
Strumenti Predittivi Pratici: Sviluppare e validare modelli analitici (Eq. 12 e Eq. 14) che permettano agli ingegneri di stimare accuratamente le resistenze alla compressione e alla trazione per flessione dipendenti dall'età senza dipendere da complessi strumenti computazionali. Questi modelli facilitano l'integrazione di materiali di scarto nella progettazione strutturale reale.
Impatto Ambientale: Fornire una base tecnica per l'utilizzo di pneumatici esausti nel calcestruzzo, affrontando così i problemi di gestione dei rifiuti e promuovendo il riciclo di sottoprodotti industriali.

Lo studio conclude che, sebbene l'apprendimento automatico offra una predizione ad alta precisione, i modelli di regressione analitica derivati forniscono uno strumento pratico e accessibile per gli ingegneri professionisti per progettare strutture che incorporano calcestruzzo con fumo di silice e gomma.