Medical Journal of the Chinese People's Armed Police Forces

Journal of Changjiang River Scientific Research Institute >

2025 , Vol. 42 >Issue 12: 151 - 159

DOI: https://doi.org/10.11988/ckyyb.20241109

Hydraulic Structure and Material

Optimal Coupling Conditions for CO2-Reinforced Recycled Coarse Aggregate Based on Response Surface Method

  • CAO Fu-bo , 1, 2 ,
  • SU Yu-tong 1 ,
  • WANG Chen-xia , 1, 2 ,
  • HAN Hui-chao 3 ,
  • SU Tian 4
Expand
  • 1 School of Civil Engineering, Inner Mongolia University of Science and Technology, Baotou 014010, China
  • 2 Engineering Technology Research Center of Inner Mongolia Autonomous Region on Building Structure Disaster Prevention and Mitigation, Baotou 014010, China
  • 3 China Second Metallurgy Group Corporation Limited, Baotou 014060, China
  • 4 School of Civil Engineering and Geomatics, Shandong University of Technology, Zibo 255000, China

Received date: 2024-10-27

  Revised date: 2025-03-10

  Online published: 2025-04-22

Fold

Abstract

[Objective] This study aims to optimize the coupling conditions for CO2 reinforcement of recycled coarse aggregate (RCA) by investigating the interactions of three key factors—CO2 concentration, carbonation temperature, and relative humidity—using response surface methodology (RSM). The innovation lies in using a systematic RSM-based approach to model and optimize the carbonation process, overcoming the limitations of traditional methods by capturing complex inter-factor interactions. This provides a more efficient and reliable framework for enhancing RCA performance in sustainable construction applications. [Methods] A Box-Behnken design using Design-Expert software was applied, encompassing 17 sets of carbonation tests to evaluate the effects of CO2 concentration (20%-60%), carbonation temperature (20-60℃), and relative humidity (35%-65%). RCA was derived from waste concrete blocks in Baotou, China, and characterized in accordance with GB/T 25177-2010, with particle sizes between 4.75 and 31.5 mm. The measured responses included crush value (indicator of mechanical strength), water absorption (indicator of porosity), and apparent density (indicator of compactness). Carbonation experiments were performed in a controlled environment, and the obtained data were utilized to develop quadratic regression models using RSM. Analysis of variance (ANOVA) was conducted to assess the significance, reliability, and interactions of the models, using evaluation criteria including F-statistic, p-value, coefficient of determination (R2), adjusted R2, predicted R2, coefficient of variation (CV), and signal-to-noise ratio (Adeq Precision). Optimization was performed using the numerical module of Design-Expert to determine the optimal carbonation conditions, which were validated experimentally to confirm model accuracy. [Results] The interaction between carbonation temperature and relative humidity had the strongest effect (p>0.05 for BC interaction), followed by the CO2 concentration-temperature (AB) and CO2 concentration-relative humidity (AC) interactions. The CO2 concentration-temperature (AB) interaction was the most significant, resulting in a parabolic response. Water absorption initially decreased with increasing CO2 concentration and temperature, but increased under extreme conditions due to reduced CO2 diffusion and calcium ion dissolution. The CO2 concentration-relative humidity (AC) interaction was the most significant, making apparent density peak under moderate conditions (e.g., 42% CO2 concentration and 44 ℃) and decline at extremes due to moisture-induced calcium loss or CO2 saturation. The optimization process determined the optimal carbonation conditions as 38% CO2 concentration, 41 ℃ carbonation temperature, and 49% relative humidity. Under these conditions, the predicted values were 14.3% for crush value, 3.80% for water absorption, and 2 700 kg/m3 for apparent density. Experimental validation produced measured values of 14.6% (crush value), 3.85% (water absorption), and 2 702 kg/m3 (apparent density), with relative errors of 2.1%, 1.3%, and 0.1%, respectively. All relative errors were below 5%, confirming model accuracy. Compared with untreated RCA, the optimized carbonation treatment reduced crush value by 18.0%, decreased water absorption by 20.5%, and increased apparent density by 0.9%, demonstrating practical effectiveness. Response surface diagrams and contour plots illustrated these interactions. For example, the temperature-relative humidity interaction for crush value showed a steep elliptical contour, while the CO2 concentration-relative humidity interaction for apparent density presented a flat parabolic surface. These results highlighted the innovation of applying RSM to decipher complex multi-factor couplings, which previous studies did not fully address. [Conclusion] This study successfully develops and validates RSM-based regression models for optimizing the CO2 reinforcement of RCA, with high reliability and precision confirmed by statistical indicators and experimental validation. The optimal conditions effectively improve RCA properties and provide a sustainable solution for waste concrete recycling and carbon emission reduction. The developed model offers a reliable reference for industrial applications, facilitating the adoption of CO2 -modified RCA in concrete production. Future research can apply this approach to other aggregate types or larger-scale scenarios, further advancing a circular economy in the construction industry.

Key words： recycled coarse aggregate; optimization of CO2 modification conditions; response surface method; interactions; crush value; water absorption; apparent density

Cite this article

CAO Fu-bo , SU Yu-tong , WANG Chen-xia , HAN Hui-chao , SU Tian . Optimal Coupling Conditions for CO2-Reinforced Recycled Coarse Aggregate Based on Response Surface Method[J]. Journal of Changjiang River Scientific Research Institute, 2025 , 42(12) : 151 -159 . DOI: 10.11988/ckyyb.20241109

开放科学(资源服务)标识码(OSID):

0 引言

混凝土是使用最为广泛的一种建筑材料,全球每年水泥行业所排放的CO2占全球排放量的7%[1]。再生骨料自身的缺陷导致再生混凝土力学性能和耐久性能比普通混凝土较差,使再生混凝土在实际工程中的推广受到限制[2-6]。利用CO2强化再生粗骨料,制备碳化改性再生混凝土,即CO2与再生粗骨料上所附着旧砂浆中氢氧化钙、水化硅酸钙等水泥水化产物以及未水化水泥发生反应,形成固体碳酸钙晶体和无定型硅胶填充水泥浆体孔隙,一定程度上能够改善再生骨料吸水率、压碎值和表观密度等物理力学性能[7-9],无疑可以提高再生混凝土整体强度和抗侵蚀能力。因此,应用CO2强化再生粗骨料制备碳化改性再生混凝土既能提升废弃混凝土性能及其综合利用率,节约自然资源,又能有效减少碳排放,对如期实现“碳达峰、碳中和”具有积极作用。
CO2浓度、碳化温度和相对湿度等条件都会影响再生骨料的CO2强化效果。在CO2浓度方面,Pan等[10]研究发现在20%、50%、70%和100%的CO2浓度下强化的再生骨料吸水率分别为2.0%、1.23%、1.65%和2.0%,压碎值分别为10%、12%、13%和15.8%;CO2强化再生骨料的效果同样受温度影响,Zhan等[11]发现温度从20 ℃升高至75 ℃,再生骨料的吸水率从2.54%下降至1.45%,压碎值从12%下降至11%;温度升高使得CO2在混凝土中扩散的速率加快,但是随着温度提升,CO2在水中的溶解度降低[12];相对湿度也是强化过程的重要因素,Fang等[13]、Zhan等[14]在5%、50%和95%相对湿度下碳化再生骨料,发现相对湿度为50%时再生骨料吸收CO2量最高;将湿度从50%增加到80%,发现再生骨料强度从55.6%降低至49.8%。但目前关于不同参数的叠加效应仍需深入研究,故有必要全面考虑CO2浓度、碳化温度及相对湿度等多因素耦合作用,寻求最佳碳化条件组合。
本文以CO2浓度、碳化温度和相对湿度为因素,以再生粗骨料压碎值、吸水率和表观密度为响应值,采用响应面Box-Behnken设计、通过骨料特性试验探究不同碳化条件耦合情况对再生骨料物理指标的影响规律及再生骨料改性前后的性能改善效率,分析揭示因素间交互作用,最终确定最佳碳化强化条件。

1 试验过程

1.1 试验材料

本试验使用包头市固废加工处理厂提供的废弃混凝土碎块作为再生粗骨料,经过清洗与筛分分级后得到粒径4.75~31.5 mm连续级配的再生粗骨料,见图1和表1。再生粗骨料各项物理性能指标如表2所示,按照《混凝土用再生粗骨料》(GB/T 25177—2010)中的规定,本试验所选用的再生粗骨料均满足规范Ⅱ类要求。
图1 再生粗骨料

Fig.1 Recycled coarse aggregate

表1 粗骨料累计筛余量

Table 1 Cumulative sieve residue of coarse aggregate

筛孔孔径/mm 4.75 9.5 16.0 19.0 26.5 31.5
累计筛余量/% 100 80.3 52.5 27.5 11.2 0
表2 再生粗骨料物理性能

Table 2 Physical properties of recycled coarse aggregate

骨料类别 表观密度/
(kg·m-3)		 压碎
值/%		 针片状含
量/%		 微粉含
量/%		 吸水
率/%
再生粗骨料 2 679 17.8 2.3 1.6 4.84
规范Ⅱ类 >2 350 <20 <10 <2.0 <5.0

1.2 试验设计

本文以CO2浓度(A)、碳化温度(B)和相对湿度(C)为影响因素,以再生粗骨料压碎值、吸水率和表观密度为响应值,采用Design-Expert软件并依据Box-Behnken中心组合设计原理[15]共设计了17组骨料碳化试验,来揭示各碳化因素及其交互作用对再生粗骨料性能的影响。根据已有的相关研究并基于单因素试验,确定并验证了各因素的取值范围,以-1、0、1分别表示各试验因素的低、中、高水平,各因素取值及水平见表3。
表3 试验因素取值及水平

Table 3 Test factors and levels

水平 因素A的取值/% 因素B的取值/℃ 因素C的取值/%
-1 20 20 35
0 40 40 50
1 60 60 65

1.3 试验方法

使用配备控制器和传感器的STTHX-2型混凝土碳化箱对再生粗骨料进行碳化改性,调节并监测各组试验的CO2浓度、碳化温度和相对湿度,每组骨料持续碳化24 h,如图2(a)所示。依据《建设用卵石、碎石》(GB/T 14685—2011),对改性前后的再生骨料压碎值、吸水率和表观密度等指标进行测定,如图2(b)—图2(d)所示。
图2 试验及测试照片

Fig.2 Test photos

2 结果与分析

2.1 建立响应曲面函数回归模型

将各因素及其水平值输入软件,最终确定17组碳化参数,并通过试验获取了各试验点的试验数据。响应面试验设计方案与实测结果见表4,采用Design-Expert软件对试验结果进行多元回归分析,得到碳化强化改性后再生粗骨料压碎值的响应曲面函数回归模型如式(1)所示。
$\begin{array}{l}{Y}_{1}=14.30+0.062\mathrm{ }5A-0.30B+0.162\mathrm{ }5C+\\ 0.025AB-0.325BC+1.40{A}^{2}+1.17{B}^{2}+0.35{C}^{2}。\end{array}$
表4 Box-Behnken试验方案及结果

Table 4 Box-Behnken test schemes and results

序号 各因素的水平 压碎
值/%		 吸水
率/%		 表观密度/
(kg·m-3)
A B C
1 1 0 1 16.3 4.42 2 693
2 1 -1 0 17.1 4.01 2 683
3 0 1 -1 15.6 4.24 2 691
4 0 0 0 14.3 3.81 2 700
5 0 1 1 15.2 4.31 2 690
6 1 1 0 16.8 4.48 2 688
7 0 -1 1 16.7 4.05 2 684
8 0 -1 -1 15.8 4.14 2 686
9 -1 1 0 16.6 3.91 2 685
10 0 0 0 14.2 3.79 2 699
11 0 0 0 14.2 3.76 2 700
12 0 0 0 14.5 3.84 2 701
13 1 0 -1 15.9 4.40 2 689
14 -1 -1 0 17 3.93 2 681
15 -1 0 1 16.2 4.16 2 689
16 0 0 0 14.3 3.81 2 699
17 -1 0 -1 15.8 4.23 2 692
再生骨料吸水率的响应曲面函数回归模型如式(2)所示。
$\begin{array}{l}{Y}_{2}=3.42+0.12A+0.09B-0.007\mathrm{ }5C+0.11AB+\\ 0.02AC+0.035BC+0.178{A}^{2}+0.073{B}^{2}+0.273{C}^{2}。\end{array}$
再生骨料表观密度的响应曲面函数回归模型如式(3)所示。
$\begin{array}{l}{Y}_{3}=2\mathrm{ }699.80+0.75A+2.50B-0.25C+0.25AB+\\ 1.75AC+0.25BC-6.27{A}^{2}-9.27{B}^{2}-2.78{C}^{2}。\end{array}$
式中:Y1为压碎值;Y2为吸水率;Y3为表观密度;A、B、C分别为因素A、因素B、因素C的水平。

2.2 模型分析

对于CO2强化再生粗骨料的响应面二次模型,通过对其各个拟合参量进行方差分析和显著性分析,来从多角度研究CO2浓度、碳化温度和相对湿度等因素与压碎值、吸水率和表观密度等响应值之间的影响是否显著。为研究响应值和相应影响因素的显著性,本文通过统计量F和P并结合多元决定系数R2、校正决定系数 ${R}_{\mathrm{A}\mathrm{d}\mathrm{j}}^{2}$、预测决定系数 ${R}_{\mathrm{p}\mathrm{r}\mathrm{e}\mathrm{d}}^{2}$、变异系数CV和信噪比AP对响应面二次模型的可用性和精准度进行全面分析。F表征模型的显著性,P表征模型概率,F越大、P越小表示模型有越强的显著性,模型不成立的概率越小,模型有越高的精准度[16-17]。当P>0.05时,表征模型因素影响不显著,拟合效果较差,响应面模型可用性较低;P≤0.05时,表征响应面模型的显著性较高[18]。多元决定系数R2用于表征响应面模型值和试验真实值之间的差距,取值范围为0~1,R2越大,表示两者之间的差距越小;校正决定系数 ${R}_{\mathrm{A}\mathrm{d}\mathrm{j}}^{2}$表征模型对响应面模型值变化的解释程度,预测决定系数 ${R}_{\mathrm{p}\mathrm{r}\mathrm{e}\mathrm{d}}^{2}$表征模型的预测程度,两系数越接近1,差值越小(<0.2),CV值越小(<10%),且信噪比>4,说明模型拟合程度越高,模型就具有越好的可用性和精准度[19]。

2.2.1 压碎值

如表5所示,响应面模型的F是67.94,P<0.000 1,说明模型具有很强的显著性;P在单个影响因素的大小关系为B<C<A,则单因素A、B、C对压碎值显著性的影响顺序为B>C>A,说明温度是碳化条件中影响再生骨料压碎值的决定性因素,相对湿度的影响稍弱,CO2浓度的影响最弱;交互因素的P的大小关系为BC<AB<AC,则交互因素对压碎值显著性的影响顺序为BC>AB>AC,说明碳化温度和相对湿度的交互作用对压碎值的影响最大,CO2浓度和碳化温度的影响稍弱,CO2浓度和相对湿度的交互作用对压碎值的影响最弱。失拟项的P反映实验数据与模型不相关的显著程度,当其>0.05时表明显著程度较高,反之则较低[16]。响应面模型失拟项P是0.15,明显>0.05,表明响应面模型对试验真实值具有较高的拟合度。
表5 压碎值响应面模型方差分析

Table 5 Variance analysis of crush value response surface models

项目 F P 显著性
响应面模型 67.94 <0.000 1 显著
单因素A 1.11 0.327 6
单因素B 25.52 0.001 5
单因素C 7.49 0.029 1
交互因素AB 0.088 6 0.774 6
交互因素AC 1.259×10-3 1.000 0
交互因素BC 14.97 0.006 1
失拟项 3.06 0.154 4 不显著
CV=1.07% AP=22.6077
R2=0.988 7 ${R}_{\mathrm{A}\mathrm{d}\mathrm{j}}^{2}$=0.974 1 ${R}_{\mathrm{p}\mathrm{r}\mathrm{e}\mathrm{d}}^{2}$=0.868 6
响应面模型变异系数CV是1.07%,明显<10%,且信噪比AP为22.607 7,说明数据波动小,变异程度小,模型理想可靠;多元决定系数R2是0.988 7,说明98.87%的压碎值浮动是CO2浓度、碳化温度和相对湿度改变导致的;校正决定系数 ${R}_{\mathrm{A}\mathrm{d}\mathrm{j}}^{2}$为0.974 1,说明本响应面模型适用于97.41%的压碎值变化;预测决定系数 ${R}_{\mathrm{p}\mathrm{r}\mathrm{e}\mathrm{d}}^{2}$为0.868 6(接近1),表明本模型具有较好的预测能力。以再生粗骨料压碎值预测值为纵坐标、实测值为横坐标绘制散点图,如图3所示,可见绝大部分数据点均匀地散布在直线y=x附近,表明压碎值响应面模型预测值非常贴合试验真实值。
图3 压碎值预测值与实测值比较

Fig.3 Comparison between predicted and measured crush values

2.2.2 吸水率

如表6所示,响应面模型的F是67.72,P<0.000 1,说明模型具有很强的显著性;Palue在单个影响因素的大小关系为A<B<C,则单因素A、B、C对压碎值显著性的影响顺序为A>B>C,说明CO2浓度是碳化条件中影响再生骨料吸水率的决定性因素,温度的影响稍弱,相对湿度的影响最弱;交互因素P值的大小关系为AB<BC<AC,则交互因素对吸水率显著性的影响顺序为AB>BC>AC,说明CO2浓度和碳化温度的交互作用对吸水率的影响最大,碳化温度和相对湿度的影响稍弱,CO2浓度和相对湿度的交互作用对吸水率的影响最弱。响应面模型失拟项P是0.17,明显>0.05,表明响应面模型对试验真实值具有较高的拟合度。
表6 吸水率响应面模型方差分析

Table 6 Variance analysis of water absorption response surface models

项目 F P 显著性
响应面模型 67.72 <0.000 1 显著
单因素A 94.10 <0.000 1
单因素B 52.93 0.000 2
单因素C 0.367 6 0.563 5
交互因素AB 39.53 0.000 4
交互因素AC 1.31 0.290 5
交互因素BC 4.00 0.085 5
失拟项 2.87 0.167 5 不显著
CV=0.95% AP=21.7432
R2=0.988 6 ${R}_{\mathrm{A}\mathrm{d}\mathrm{j}}^{2}$=0.974 0 ${R}_{\mathrm{p}\mathrm{r}\mathrm{e}\mathrm{d}}^{2}$=0.870 3
响应面模型变异系数CV值是0.95%,远<10%,且信噪比AP为21.743 2,表明数据波动小,变异程度小,模型理想可靠;多元决定系数R2是0.988 6,说明有98.86%的吸水率浮动是由CO2浓度、碳化温度和相对湿度的改变导致的;校正决定系数 ${R}_{\mathrm{A}\mathrm{d}\mathrm{j}}^{2}$是0.974 0,说明本响应面模型适用于97.40%的吸水率变化;预测决定系数 ${R}_{\mathrm{p}\mathrm{r}\mathrm{e}\mathrm{d}}^{2}$为0.870 3(接近1),表明本模型具有较好的预测能力。以再生粗骨料吸水率的预测值为纵坐标、实测值为横坐标绘制散点图,如图4所示,可见绝大部分数据点都均匀地散布在直线y=x附近,表明吸水率响应面模型预测值非常贴合试验真实值。
图4 吸水率预测值与实测值比较

Fig.4 Comparison between predicted and measured values of water absorption

2.2.3 表观密度

如表7所示,响应面模型的F是72.36,P<0.000 1,说明模型具有很强的显著性;P在单个影响因素的大小关系为B<A<C,则单因素A、B、C对表观密度显著性的影响顺序为B>A>C,说明温度是影响再生骨料表观密度的决定性因素,CO2浓度的影响稍弱,相对湿度的影响最弱;交互因素P值的大小关系为AC<AB=BC,则交互因素对表观密度显著性的影响顺序为AC>AB=BC,说明CO2浓度和相对湿度的交互作用对表观密度的影响最大,CO2浓度和碳化温度、温度和相对湿度的影响相较弱些。响应面模型的失拟项P是0.24,明显>0.05,表明响应面模型对于试验真实值有较高的拟合度。
表7 表观密度响应面模型方差分析

Table 7 Variance analysis of apparent density response surface models

项目 F P 显著性
响应面模型 72.36 <0.000 1 显著
单因素A 4.32 0.076 4
单因素B 47.95 0.000 2
单因素C 0.479 5 0.511 0
交互因素AB 0.239 7 0.639 4
交互因素AC 11.75 0.011 0
交互因素BC 0.239 7 0.639 4
失拟项 2.14 0.237 6 不显著
CV=0.04% AP=23.684 0
R2=0.989 4 ${R}_{\mathrm{A}\mathrm{d}\mathrm{j}}^{2}$=0.975 7 ${R}_{\mathrm{p}\mathrm{r}\mathrm{e}\mathrm{d}}^{2}$=0.888 7
响应面模型变异系数CV值是0.04%,远<10%,且信噪比AP为23.684 0,表明数据波动小,变异程度小,模型理想可靠;多元相关系数R2是0.989 4,说明98.94%的表观密度浮动是由CO2浓度、碳化温度和相对湿度的改变导致的;校正相关系数 ${R}_{\mathrm{A}\mathrm{d}\mathrm{j}}^{2}$是0.975 7,说明本响应面模型适用于97.57%的表观密度变化;预测相关系数 ${R}_{\mathrm{p}\mathrm{r}\mathrm{e}\mathrm{d}}^{2}$是0.888 7(接近1),表明本模型具有较好的预测能力。以再生粗骨料表观密度的预测值为纵坐标、实测值为横坐标绘制散点图,如图5所示,可见绝大部分数据点都均匀地散布在直线y=x附近,表明表观密度响应面模型的预测值非常贴合试验真实值。
图5 表观密度预测值与实测值比较

Fig.5 Comparison between predicted and measured values of apparent density

2.3 响应面因素交互作用分析

根据响应面模型分别绘制骨料压碎值、吸水率和表观密度的响应曲面图及对应的等高线图,目的是形象地分析各碳化条件的交互作用对于再生粗骨料性能的影响。在响应曲面图中,响应面坡度越陡峭表示响应值变化越快。

2.3.1 压碎值分析

图6(a)为CO2浓度和碳化温度对压碎值交互作用的响应曲面,为开口向上脊线倾斜的抛物曲面,且等高线图的形状介于圆形与椭圆形之间,说明CO2浓度和碳化温度对压碎值的交互作用有一定影响,但显著性不强。当碳化温度一定时,压碎值随CO2浓度的增加呈现出先减小后增大的趋势。CO2浓度较低时压碎值随CO2浓度增加而降低,CO2浓度>40%后,压碎值开始增大,说明过高浓度的CO2反而会对压碎值的改性产生不利影响。这是由于高浓度CO2环境下,快速生成的碳酸钙和硅胶等产物会使再生骨料表面结构变得致密,进而阻碍了CO2向再生骨料内部的扩散,而较低浓度的CO2可以逐步渗透并反应,达到更好的碳化效果。当CO2浓度一定时,压碎值开始随温度升高而降低,温度>45 ℃后压碎值又逐渐升高,且升温前期响应曲面坡度较陡,说明适当提高温度能够促进压碎值快速降低,而温度过高会导致再生骨料中水分蒸发和CO2逸出,同时影响Ca2+的溶解,不利于碳化反应进行。
图6 压碎值响应曲面及等高线

注:等值线上的数据表示压碎值(%)。

Fig.6 Response surfaces and contours of crush values

图6(b)为CO2浓度和相对湿度对压碎值交互作用的响应曲面,为开口向上的抛物曲面,但脊线较平缓,压碎值仅随CO2浓度变化,说明相对湿度对压碎值的影响较小,CO2浓度和相对湿度对压碎值交互作用的显著性不强。CO2浓度成为影响压碎值的主导因素,压碎值仅随CO2浓度的增加呈现出先减小后增大的趋势。CO2浓度在40%左右时压碎值达到最低,过低和过高浓度的CO2都会对压碎值的改善起负面作用。
图6(c)为碳化温度和相对湿度对压碎值交互作用的响应曲面,为开口向上的抛物曲面,曲面较陡且等高线形状为椭圆形,表明碳化温度和相对湿度对压碎值交互作用的显著性较强。当碳化温度较低时,压碎值随着相对湿度升高而增加,这可能是由于低温度高湿度环境下,骨料表面形成的水流造成Ca2+流失,且湿度过高会限制CO2的扩散,最终影响碳酸钙的生成。而温度较高时,压碎值随相对湿度的降低而增加,原因是湿度过低时CO2溶解度也较低,且生成碳酸所必要的水分蒸发,故难以形成碳酸钙沉淀。

2.3.2 吸水率分析

图7(a)为CO2浓度和碳化温度对吸水率交互作用的响应曲面,为开口向上的抛物曲面,曲面陡峭且等高线椭圆形较扁平,表明CO2浓度和碳化温度对吸水率交互作用的显著性很强。当CO2浓度较低时,吸水率随碳化温度升高均呈先减小后增大的趋势,但变化幅度较小;当CO2浓度>43%后,吸水率随温度的升高而快速增加,说明此时温度成为影响吸水率的主导因素,且高温条件对吸水率的改善产生了明显的不利影响,这主要是因为高温使得骨料中的水分蒸发和大量CO2耗散,并且高温抑制了Ca(OH)2电解形成钙离子,进而碳酸钙等产物的生成减少,再生骨料孔隙难以得到填充。
图7 吸水率响应曲面及等高线

注:等值线上的数据表示吸水率(%)。

Fig.7 Response surfaces and contours of water absorption

图7(b)为CO2浓度和相对湿度对吸水率交互作用的响应曲面,为开口向上脊线倾斜的抛物曲面,对应等高线形状介于圆形与椭圆形之间,说明CO2浓度和相对湿度对吸水率的交互作用有一定影响,但显著性不强。当CO2浓度一定时,吸水率随相对湿度的增加而先降低后升高;相对湿度一定时,吸水率随CO2浓度的增加也呈先降低后升高趋势,但升高幅度明显较大,表明CO2浓度对吸水率的影响比相对湿度更大。这是由于高浓度的CO2溶解在孔隙水中,反应快速生成的碳酸钙覆盖于再生粗骨料表面,后续生成固体沉淀进入内部孔隙的过程受到阻碍。
图7(c)为碳化温度和相对湿度对吸水率交互作用的响应曲面,其形状与图7(b)较为相似,表明温度和相对湿度对吸水率的交互作用与CO2浓度和相对湿度的作用相近。吸水率随相对湿度的增加先降低后升高,随碳化温度的增加而快速升高,表明碳化温度较相对湿度对吸水率的影响更为显著。

2.3.3 表观密度分析

图8(a)为CO2浓度和碳化温度对表观密度交互作用的响应曲面,为开口向下的抛物曲面,其等高线形状接近圆形,说明CO2浓度和碳化温度对表观密度交互作用的显著性不强。当碳化温度一定时,表观密度随CO2浓度的增加先增大后减小,浓度为42%时表观密度达到最大;当CO2浓度一定时,表观密度随碳化温度的增加先增大后减小,温度为44 ℃时表观密度达到最大。这说明适当增加CO2浓度和碳化温度均有利于表观密度的提升,而过高的CO2浓度和碳化温度都会对表观密度改性产生负面影响。
图8 表观密度响应曲面及等高线

注:等值线上的数据表示表观密度(kg/m3)。

Fig.8 Response surfaces and contours of apparent density

图8(b)为CO2浓度和相对湿度对表观密度交互作用的响应面,为开口向下的抛物曲面,对应等高线的椭圆形较扁,表明CO2浓度和相对湿度对表观密度的交互作用显著性较强。在CO2浓度方面,表观密度随其增加基本呈先增大后减小变化。至于相对湿度,当CO2浓度较低时,相对湿度增加使得表观密度短暂升高后持续降低,原因是高湿度中骨料表面形成的水流携带Ca2+流出[14],导致碳酸钙的生成量减少,未填充的孔隙增多。CO2浓度较高时,表观密度随相对湿度增加缓慢上升后下降,这表明高浓度CO2环境下增加相对湿度对表观密度的提升效率较低。
图8(c)为碳化温度和相对湿度对表观密度交互作用的响应曲面,为开口向下的抛物面,脊线较为平缓,表观密度主要随碳化温度变化,说明相对湿度对表观密度的影响较小,碳化温度和相对湿度对表观密度交互作用的显著性不强。碳化温度对表观密度的变化起主导作用,表观密度随碳化温度的增加先增大后减小。表观密度在43 ℃时达到最大,过高和过低的碳化温度都不利于表观密度的提升。

2.4 最佳碳化工艺参数试验验证

在响应面模型的基础上,通过Design-Expert软件的数值模块对压碎值、吸水率和表观密度等指标同时进行限定,优化模型碳化工艺参数,得出最佳碳化条件为CO2浓度为38%,碳化温度为41 ℃,相对湿度为49%。在此碳化条件下再生粗骨料压碎值、吸水率和表观密度的预测值分别为14.3%、3.80%和2 700 kg/m3。为进一步验证模型精准度,采用该碳化条件做试验验证,得到骨料压碎值、吸水率和表观密度的实测值分别为14.6%、3.85%和2 702 kg/m3,相对误差分别为2.1%、1.3%和0.1%,各项预测值与最佳碳化条件下的实测值较吻合,表明基于响应面的回归模型具有可靠精度。经过最佳碳化工艺改性后的再生粗骨料相比未处理的再生骨料其压碎值降低18.0%,吸水率降低20.5%,表观密度提升0.9%,对再生粗骨料碳化工艺参数的优化具有一定的参考意义。

3 结论

(1)CO2强化改性后的再生粗骨料压碎值、吸水率和表观密度的响应曲面函数回归模型的可信度和精确度较高,可以用本模型对试验数据进行分析。
(2)在再生粗骨料碳化强化过程中,温度对压碎值和表观密度的影响最为显著,CO2浓度对吸水率的影响最为显著。
(3)对于再生粗骨料压碎值而言,碳化温度和相对湿度的交互作用对其影响显著;对吸水率而言,CO2浓度和碳化温度的交互作用对其影响显著;而对于表观密度,CO2浓度和相对湿度的交互作用对其影响较为显著。
(4)CO2改性再生粗骨料的最佳碳化条件为CO2浓度38%,碳化温度41 ℃,相对湿度49%,各指标实测值与预测值的相对误差均<5%,证明本文模型可为CO2强化改性再生粗骨料提供参考。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
KALIYAVARADHAN S K, LING T C. Potential of CO2 Sequestration through Construction and Demolition (C&D) Waste—An Overview[J]. Journal of CO2 Utilization, 2017, 20: 234-242.

[2]
肖建庄, 马旭伟, 刘琼, 等. 全再生混凝土概念的衍化与研究进展[J]. 建筑科学与工程学报, 2021, 38(2): 1-15.

(XIAO Jian-zhuang, MA Xu-wei, LIU Qiong, et al. Evolvement and Research Progress of Concept for Full Recycled Concrete[J]. Journal of Architecture and Civil Engineering, 2021, 38(2): 1-15. (in Chinese))

[3]
刘锟, 陈宣东, 黄达. 再生混凝土的研究现状及未来研究趋势分析[J]. 混凝土, 2020(10):47-50.

(LIU Kun, CHEN Xuan-dong, HUANG Da. Analysis on the Research Current Situation and Ruture Trends of Recycled Concrete and Analysis of Future Research Trends[J]. Concrete, 2020(10): 47-50. (in Chinese))

[4]
张金喜, 张建华, 邬长森. 再生混凝土性能和孔结构的研究[J]. 建筑材料学报, 2006, 9(2): 142-147.

(ZHANG Jin-xi, ZHANG Jian-hua, WU Chang-sen. Study on Properties and Pore Structure of Recycled Concrete[J]. Journal of Building Materials, 2006, 9(2): 142-147. (in Chinese))

[5]
肖建庄, 李佳彬, 孙振平, 等. 再生混凝土的抗压强度研究[J]. 同济大学学报(自然科学版), 2004, 32(12): 1558-1561.

(XIAO Jian-zhuang, LI Jia-bin, SUN Zhen-ping, et al. Study on Compressive Strength of Recycled Aggregate Concrete[J]. Journal of Tongji University, 2004, 32(12): 1558-1561. (in Chinese))

[6]
段珍华, 侯少丹, 潘智生, 等. 再生细骨料混凝土流变性及其对强度和耐久性的影响[J]. 建筑结构学报, 2020, 41(增刊2): 420-426.

(DUAN Zhen-hua, HOU Shao-dan, PAN Zhi-sheng, et al. Rheology of Recycled Fine Aggregate Concrete and Its Influence on Strength and Durability[J]. Journal of Building Structures, 2020, 41(Supp. 2): 420-426. (in Chinese))

[7]
赵增丰, 姚磊, 肖建庄, 等. 再生骨料CO2碳化强化技术研究进展[J]. 硅酸盐学报, 2022, 50(8): 2296-2304.

(ZHAO Zeng-feng, YAO Lei, XIAO Jian-zhuang, et al. Development on Accelerated Carbonation Technology to Enhance Recycled Aggregates[J]. Journal of the Chinese Ceramic Society, 2022, 50(8): 2296-2304. (in Chinese))

[8]
王佃超, 肖建庄, 夏冰, 等. 再生骨料碳化改性及其减碳贡献分析[J]. 同济大学学报(自然科学版), 2022, 50(11): 1610-1619.

(WANG Dian-chao, XIAO Jian-zhuang, XIA Bing, et al. Carbonation Modification of Recycled Aggregate and Carbon Dioxide Sequestration Analysis[J]. Journal of Tongji University (Natural Science), 2022, 50(11): 1610-1619. (in Chinese))

[9]
ZHAO Z, REMOND S, DAMIDOT D, et al. Improving the Properties of Recycled Concrete Aggregates by Accelerated Carbonation[J]. Proceedings of the Institution of Civil Engineers - Construction Materials, 2018, 171(3): 126-132.

DOI

[10]
PAN G, ZHAN M, FU M, et al. Effect of CO2 Curing on Demolition Recycled Fine Aggregates Enhanced by Calcium Hydroxide Pre-soaking[J]. Construction and Building Materials, 2017, 154: 810-818.

DOI

[11]
ZHAN M, PAN G, WANG Y, et al. Effect of Presoak-accelerated Carbonation Factors on Enhancing Recycled Aggregate Mortars[J]. Magazine of Concrete Research, 2017, 69(16): 838-849.

DOI

[12]
DROUET E, POYET S, LE BESCOP P, et al. Carbonation of Hardened Cement Pastes: Influence of Temperature[J]. Cement and Concrete Research, 2019, 115: 445-459.

DOI

[13]
FANG X, XUAN D, POON C S. Empirical Modelling of CO2 Uptake by Recycled Concrete Aggregates under Accelerated Carbonation Conditions[J]. Materials and Structures, 2017, 50(4): 200.

DOI

[14]
ZHAN B J, XUAN D X, POON C S, et al. Effect of Curing Parameters on CO2 Curing of Concrete Blocks Containing Recycled Aggregates[J]. Cement and Concrete Composites, 2016, 71: 122-130.

DOI

[15]
赵选民. 试验设计方法[M]. 北京: 科学出版社, 2006.

(ZHAO Xuan-min. Experimental Design Methods[M]. Beijing: Science Press, 2006. (in Chinese))

[16]
魏凯伦, 赵卫全, 樊恒辉. 基于响应面法的硅溶胶注浆材料配比优化研究[J]. 硅酸盐通报, 2022, 41(6): 2015-2023.

(WEI Kai-lun, ZHAO Wei-quan, FAN Heng-hui. Proportion Optimization of Silica Sol Grout Based on Response Surface Method[J]. Bulletin of the Chinese Ceramic Society, 2022, 41(6): 2015-2023. (in Chinese))

[17]
樊成, 王子源, 祁鹏飞, 等. 基于响应面法的某粉质黏土深基坑土钉参数分析与优化[J]. 长江科学院院报, 2025, 42 (4): 142-148.

DOI

(FAN Cheng, WANG Zi-yuan, QI Peng-fei, et al. Analysis and Optimization of Soil Nail Parameters in a Deep Foundation Pit of Silty Clay Based on Response Surface Methodology[J]. Journal of Changjiang River Scientific Research Institute, 2025, 42 (4): 142-148. (in Chinese))

[18]
吴浩, 赵国彦, 陈英, 等. 基于RSM-DF的矿山充填材料配比优化[J]. 应用基础与工程科学学报, 2019, 27(2): 453-461.

(WU Hao, ZHAO Guo-yan, CHEN Ying, et al. Optimization of Mix Proportioning of Mine Filling Materials Using RSM-DF Experiments Design Method[J]. Journal of Basic Science and Engineering, 2019, 27(2): 453-461. (in Chinese))

[19]
黄炜, 郭余婷, 葛培, 等. 基于响应面法的聚丙烯纤维再生砖骨料混凝土配合比优化[J]. 中南大学学报(自然科学版), 2022, 53(7): 2709-2718.

(HUANG Wei, GUO Yu-ting, GE Pei, et al. Mixture Ratio Optimization of Polypropylene Fiber Recycled Brick Aggregate Concrete Based on Response Surface Methodology[J]. Journal of Central South University (Science and Technology), 2022, 53(7): 2709-2718. (in Chinese))

Options
Outlines

/

〈 〉

Copyright © Journal of Changjiang River Scientific Research Institute, All Rights Reserved.
Powered by Beijing Magtech Co. Ltd.