在多因素环境下，裂开的超高性能海水海砂混凝土的自修复过程：实验机制与可解释的预测模型

《Journal of Building Engineering》：Autogenous healing of cracked ultra-high performance seawater sea sand concrete under multi-factor environments: Experimental mechanisms and interpretable prediction

　　陈在先|刘星浩|傅昊|陈庞
哈尔滨工业大学土木工程学院，威海，威海264209，中国

**摘要**
超高性能海水海砂混凝土（UHPSSC）含有大量未水化颗粒，赋予其优异的自修复潜力。本研究定量评估了UHPSSC在裂缝宽度、环境湿度、温度和不同水环境共同作用下的自修复动力学。通过XRD和SEM获得的微观分析证据阐明了UHPSSC在淡水和海水环境中的自修复机制。结果表明，100 μm的裂缝在淡水中浸泡28天内可完全闭合。虽然高温加速了初始自修复过程，但60°C的环境最终限制了后期水化反应。值得注意的是，UHPSSC在所有环境条件下的自修复效率均优于传统UHPC。自修复产物主要由CaCO3、埃特林石（etttringite）、Mg(OH)2和C-S-H凝胶组成，其形态受环境离子浓度的影响。此外，建立了五种机器学习模型进行比较，其中人工神经网络（ANN）显示出最佳预测准确性（R2 = 0.956）。进一步实施了一个可解释的ANN-SHAP框架来分离复杂的多因素相互作用，确定初始裂缝宽度是主要的几何约束因素。本研究为评估UHPSSC在复杂海洋环境中的自修复性能提供了一个可解释的数据驱动框架。

**引言**
超高性能海水海砂混凝土（UHPSSC）是一种具有卓越强度和耐用性的先进水泥基材料，通过优化颗粒排列和高体积水泥质基质实现[1][2][3]。通过协同使用辅助水泥材料（SCMs）和超低水灰比（w/b < 0.25），内部孔隙率和微观缺陷显著降低，从而形成高度精细且致密的微观结构[4][5][6]，使材料具有优异的防水性能[7][8]。然而，由于机械载荷、温度梯度和环境作用等综合应力因素的影响，在实际工程中很难实现无裂缝结构[9][10][11]。根据Powers的水化理论，极低的水灰比（通常约为0.2）会导致基质中留有大量未水化颗粒[12]。这一微观特性为自修复提供了巨大潜力[13]。当裂缝暴露在湿气中时，这些残留颗粒会引发二次水化反应，不仅在微观层面修复损伤，还能在恶劣的潮汐环境中持续增强材料强度[14][15]。

水泥基材料的自修复通常分为两类：自主修复和自发性修复[13]。自主修复是指将外部添加剂（如胶囊或血管系统）整合到混凝土基质中，并通过环境刺激激活以修复裂缝[16][17][18]；而自发性修复则是材料利用其内部组分之间的化学反应进行自我修复[19][20]。这一过程主要依赖于以下四种机制之一或多个：
(1) 持续水化：裂缝形成后，水分渗透会触发残余水泥颗粒和SCMs的水化反应，产生附着在裂缝表面的水化产物从而促进裂缝闭合。
(2) 碳酸钙沉淀：溶解的二氧化碳与水泥基质中的Ca2+离子反应生成CaCO3；这一过程常被称为溶解的Ca(OH)2的碳化。
(3) 机械填充：裂缝可能被脱落的水泥碎屑或渗透水中的杂质物理堵塞。
(4) 水化产物的膨胀：C-S-H凝胶等水化产物在裂缝界面处的体积膨胀有助于减小裂缝宽度。

低水灰比水泥基材料（如UHPC）的自修复过程已得到广泛研究[21][22][23]。自修复过程主要包含三个关键步骤：水分传输、离子扩散和水化产物的沉淀。常用的表征方法包括裂缝特征的定量分析[24][25][26]、渗透性评估[27][28]以及超声无损检测[17]。其中，裂缝宽度的表征常用于评估自修复效率。Yang等人[29]表明，裂缝平均宽度小于50μm的水泥基材料在水分作用下表现出高效的自我修复能力，尤其是在初始暴露阶段。Mase等人[30]研究了含有约100μm裂缝的水泥砂浆在海洋环境中的自修复行为，结果显示100μm裂缝可实现完全修复，并且在修复过程中增强了抗氯离子渗透性。Xi和Ferrara[31]评估了UHPC在自来水、盐水和地热水中的自修复性能，发现自来水的自修复效果最好，而地热水的效果最差。Jiang[32]指出，在UHPC的自修复过程中，较小的裂缝宽度与更长的修复时间相关，表明自修复效果更佳。通过对再水化产物的分析，发现沸石在裂缝中心结晶，而C-S-H凝胶仅累积在裂缝表面。

然而，关于UHPSSC的自发性修复的研究目前还较为有限。与传统的UHPC不同，UHPSSC使用的原材料在其基质中引入了复杂的离子环境，包括Ca+、Mg2+等，这些离子影响修复反应的热力学和动力学，特别是促进了纤锌矿（brucite）和文石（aragonite）的沉淀[24]。这种复杂的离子系统使UHPSSC能够生成多种水化产物和结晶沉淀物。具体而言，氯离子与水泥组分反应生成Friedel盐，替代了AFm相中的硫酸根和氢氧根离子[2]；同时，Mg2+通过与Ca(OH)2的溶解-沉淀反应生成纤锌矿[33]，硫酸根离子与水化产物反应生成埃特林石和石膏[34][35]。Li等人[36]发现UHPSC在水化过程中生成更多的Friedel盐。Sun等人[3]指出，加入海水可使UHPSSC的水化程度提高4.67%，不仅使水化产物的体积增加约12.25%，还延长了C-S-H凝胶的平均硅酸盐链长度并提高了Q2/Q1比值，表明UHPSSC的自修复潜力更强。

裂缝是腐蚀性离子渗透和损害基质的主要途径[37]。过宽的裂缝会损坏混凝土覆盖层，使内部钢筋暴露于腐蚀环境中，从而导致进一步开裂、变形甚至结构坍塌[38][39][40]。及时检测和准确预测混凝土裂缝对基础设施的结构完整性和长期耐久性至关重要，因为详细的裂缝数据对于准确评估基础设施的使用状况至关重要[41]。传统模型通常基于理论推导和数值模拟，依赖于许多理想化假设，如材料均匀性、裂缝形态、稳态水分传输和恒定环境[42][43][44]。低水灰比材料中的自修复过程受多种因素影响，包括裂缝形态、温度、湿度、水环境、离子浓度和材料组成。这些因素之间存在高度非线性和相互耦合的关系，传统模型往往无法准确捕捉这些多维关系，无法满足智能基础设施所需的跨场景、可转移和可解释的预测要求[41]。近年来，数据驱动方法（如深度学习和机器学习[ML]）在解决土木工程领域的复杂高维问题方面展现出巨大潜力[45]。这些方法能够有效评估和预测复杂行为，包括混凝土配合比设计[46][47][48]、结构损伤和承载能力预测[49][50][51]、结构健康监测[52][53][54]、路面状况预测和管理[55][56][57]以及裂缝扩展[58][59][60]。Ramadan等人[61]使用遗传算法-人工神经网络（GA-ANN）模型模拟了各种自修复剂的影响并评估了水泥基材料的自修复能力。Zhuang和Zhou[62]研究了使用六种机器学习算法的细菌增强混凝土的自修复能力，发现梯度提升回归（GBR）在模拟混凝土自修复行为方面表现最佳。Althey等人[63]采用多表达式编程算法预测了含有多种混合组分的工程水泥基复合材料（ECCs）的自修复行为，结果表明该模型在预测不同混合组分的ECCs自修复行为方面具有鲁棒性和效率。然而，将机器学习应用于UHPSSC自修复行为建模的研究仍相对较少。在此背景下应用机器学习可以为评估UHPSSC的修复性能提供更高效和准确的框架。

**研究方法**
为了表征UHPSSC的自修复行为，本研究考察了初始裂缝宽度、环境湿度、温度和水类型对修复效率的影响，并对传统UHPC和UHPSSC的自修复性能进行了比较分析。通过XRD和SEM对自修复产物进行了表征，以阐明在淡水和海水环境中裂缝内部的化学和形态变化。最后，开发了一个基于机器学习的预测模型，使用SHapley Additive Explanation（SHAP）分析量化特征层次，以估计UHPSSC裂缝在多因素环境条件下的自修复效率。本研究为海水基水泥基复合材料自修复的研究和优化提供了坚实的理论和实证基础。

**材料**
本研究使用的原材料包括波特兰水泥（P.O 42.5R）、超细硅灰、粉煤灰、天然海砂/河砂、超塑剂和钢纤维。水泥基材料的化学成分列于表1。经过筛选后，海砂和河砂的粒径控制在0.15 mm至1.18 mm之间。细骨料的特征列于表2，海砂和河砂的级配曲线如下所示。

**不同自修复环境下的裂缝形态**
图3至6展示了UHPSSC试样在不同自修复环境下的裂缝形态和灰度处理图像。结果表明，裂缝形态受环境湿度、温度和水类型显著影响。

**结论**
本研究系统地研究了UHPSSC在各种环境条件下的裂缝自修复行为，考察了初始裂缝宽度、环境湿度、温度和水类型对自修复效率的影响，并与传统UHPC进行了比较。通过SEM和XRD分析揭示了微观自修复机制。此外，比较了五种机器学习模型，并建立了一个可解释的ANN-SHAP框架。

**作者贡献声明**
傅昊：撰写、审稿与编辑、软件开发。
刘星浩：撰写、审稿与编辑、原始稿撰写、数据整理。
陈在先：撰写、审稿与编辑、资源获取。
陈庞：撰写、审稿与编辑、方法学设计。

**利益冲突声明**
作者声明没有已知的竞争性财务利益或个人关系可能影响本文的研究结果。

**致谢**
感谢国家自然科学基金（项目编号52078165）的财政支持。