胥民堯,王 耀,秦 煜

(1. 鹽城工業(yè)職業(yè)技術(shù)學(xué)院 建筑工程學(xué)院, 鹽城 江蘇 224005; 2. 重慶交通大學(xué) 土木工程學(xué)院, 重慶 400074; 3. 中鐵二院重慶勘察設(shè)計(jì)研究院有限責(zé)任公司, 重慶 400023)

0 引 言

混凝土結(jié)構(gòu)及其構(gòu)件長期暴露在露天等復(fù)雜環(huán)境中,多種有損結(jié)構(gòu)性能的物化反應(yīng)會(huì)直接作用在構(gòu)件的邊壁層,長此以往會(huì)影響到構(gòu)件的耐久性及力學(xué)性能。受模板影響,構(gòu)件邊壁層與內(nèi)部骨料分布有明顯差別,即骨料分布存在邊界效應(yīng)[1]。P.C.KREIJGER[2]采用將切片壓碎并分離骨料的方法對邊界效應(yīng)進(jìn)行了測量,發(fā)現(xiàn)從邊壁層到構(gòu)件內(nèi)部的骨料體積分?jǐn)?shù)呈現(xiàn)出先增加,然后再穩(wěn)定的趨勢,但該方法可能會(huì)造成骨料破壞,存在一定誤差。

隨著計(jì)算機(jī)技術(shù)發(fā)展,圖像識別及數(shù)值模擬技術(shù)被廣泛應(yīng)用于混凝土內(nèi)部骨料邊界效應(yīng)及分布特征的研究。楊進(jìn)波等[3]通過圖像處理技術(shù)對混凝土邊界層效應(yīng)進(jìn)行了測定,發(fā)現(xiàn)當(dāng)骨料從邊界向內(nèi)部延伸時(shí),其體積分?jǐn)?shù)逐步增加的規(guī)律;M.STROE-VEN[4]基于離散元技術(shù)對骨料動(dòng)態(tài)堆積時(shí)的邊界效應(yīng)進(jìn)行了研究,發(fā)現(xiàn)堆積密度是由邊壁層向內(nèi)部呈先增加然后逐漸波動(dòng)至穩(wěn)定狀態(tài)的規(guī)律;許文祥等[5]通過建立二維橢圓形隨機(jī)骨料模型,得出骨料分布曲線為上升、下降、上升、最終趨于穩(wěn)定,邊界效應(yīng)層厚度介于19.75～24.75 mm的結(jié)論。針對邊界層厚度,不同學(xué)者的結(jié)論存在著較大差異甚至相反。楊進(jìn)波等[3]研究發(fā)現(xiàn),在合理的骨料級配條件下,混凝土邊界效應(yīng)層厚度約等于最小粒徑,為5 mm;鄭建軍等[6]將骨料假定為二維圓形形態(tài),通過隨機(jī)骨料模型發(fā)現(xiàn)邊界效應(yīng)層厚度約等于最大粒徑,為16.9 mm。由此可知,關(guān)于邊界層效應(yīng)的影響規(guī)律存在爭議,有必要對邊界層規(guī)律及影響因素展開深入研究。

筆者以再生骨料作為集料體,通過圖像識別技術(shù)研究了骨料的邊界效應(yīng)?；跀?shù)值模擬技術(shù),通過建立圓形、橢圓形、凸多邊形等3種形態(tài)的隨機(jī)骨料模型,系統(tǒng)分析了骨料形狀、長徑比、粒徑及表面棱角等特征對邊界效應(yīng)的影響規(guī)律。

1 基于圖像識別的數(shù)值模型

數(shù)字圖像處理(digital image processing, DIP)是一種計(jì)算機(jī)處理技術(shù),能將數(shù)碼相機(jī)、掃描儀等獲得的電子圖片轉(zhuǎn)換為二維像素圖像,通過特定軟件或代碼提取像素并獲得圖像信息。該技術(shù)被廣泛應(yīng)用于混凝土材料宏觀[7]及細(xì)觀尺度[8]的性能研究。在細(xì)觀尺度層面,數(shù)字圖像處理技術(shù)被廣泛應(yīng)用于細(xì)觀尺度建模[9]、骨料特征分析[10]、再生骨料附著砂漿含量統(tǒng)計(jì)[11]、骨料粒徑分布研究[12]、骨料體積分?jǐn)?shù)及邊界效應(yīng)分析[3]、瀝青路面均勻度[13]等領(lǐng)域。筆者所建立的數(shù)字圖像處理技術(shù)主要包含分水嶺算法修正圖像缺陷、分段變換三值化處理和圖像濾波降噪等3部分。

1.1 分水嶺算法修正圖像缺陷

再生混凝土試件內(nèi)部不可避免地會(huì)產(chǎn)生一些雜質(zhì)或存在微小缺陷,且切割可能會(huì)對試件端部造成破壞。傳統(tǒng)方法是通過PS軟件對圖片進(jìn)行處理,從而消除影響。但對斷面內(nèi)部的干擾點(diǎn),其過程不但復(fù)雜還會(huì)產(chǎn)生一定誤差。筆者將利用分水嶺算法對圖像進(jìn)行預(yù)處理,其流程如下:

1)將圖像灰度化,并轉(zhuǎn)換為梯度圖;

2)根據(jù)灰度值相近原則,將梯度圖像分割成若干個(gè)封閉區(qū)域,并設(shè)定一個(gè)測地距離閾值;

3)搜尋灰度值最小區(qū)域,并向外增長,若相鄰區(qū)域灰度值小于設(shè)定閾值,則將該區(qū)域淹沒。

梯度圖像輸出如式(1):

grad[f(x,y)]=

(1)

斷面按照分水嶺算法處理前后對比如圖1。由圖1可看出:經(jīng)分水嶺算法處理后,附著砂漿及新砂漿內(nèi)部的白色及黃色干擾點(diǎn)已被消除;同時(shí)斷面上部邊緣因切割造成的破損和切割痕跡也被消除,這表明該算法處理效果較為理想。

圖1 分水嶺算法修正圖像Fig. 1 Modified image processed by watershed algorithm

此時(shí)砂漿基體顏色為灰色,繼續(xù)對斷面進(jìn)行灰度修正處理,將其修正為白色,為精確識別骨料形態(tài)奠定基礎(chǔ),修正后的圖像如圖2。

圖2 斷面灰度值修正Fig. 2 Grayscale value modification for cross-section

1.2 分段變換三值化處理

修正后的圖像為彩色圖像,需要將其轉(zhuǎn)換為灰度圖像。根據(jù)分辨率生成像素點(diǎn),讀取灰度圖像內(nèi)像素點(diǎn)的灰度值,生成灰度矩陣,矩陣值介于0～255?；叶染仃嚳捎枚S離散函數(shù)表示:

(2)

式中:(x,y)為像素點(diǎn)定位坐標(biāo);m(x,y)為該像素點(diǎn)的灰度值;a、b分別為圖像大小。

從宏觀層面上看,斷面由骨料、水泥及附著砂漿三相介質(zhì)組成,各相介質(zhì)具有特定的顏色范圍。因此需要對圖像進(jìn)行三值化處理,并標(biāo)記三相屬性所在圖像位置,如圖3。由圖3(b)可知:骨料、附著砂漿及水泥基體的像素點(diǎn)灰度值閾值范圍分別為0～30、 30～200及200～255。

圖3 灰度圖像Fig. 3 Grayscale image

根據(jù)三相介質(zhì)像素點(diǎn)灰度值范圍,通過函數(shù)對三相介質(zhì)進(jìn)行屬性賦值:

(3)

式中:α、β分別為骨料、附著砂漿及水泥基體像素點(diǎn)灰度閾值分界值;g(x,y)為像素點(diǎn)對應(yīng)的介質(zhì)屬性。

需要注意,三相介質(zhì)的灰度值閾值范圍并非固定,不同斷面的閾值需要根據(jù)直方圖確定。

1.3 圖像濾波降噪

圖像在拍攝時(shí)不可避免的存在噪聲影響,需對圖像進(jìn)行濾波除噪,降低噪聲干擾。常用的圖像濾波方法有中值濾波、均值濾波、自適應(yīng)濾波等。筆者采用中值濾波進(jìn)行處理,假設(shè)二維圖像區(qū)域?yàn)镹,圖像寬度為a,高度為b,則中值濾波表達(dá)為:

(4)

式中:g(i,j)、f(i,j)分別為中值濾波之后、之前的灰度值;N一般取奇數(shù)。

中值濾波示意如圖4。圖4(a)中:區(qū)域?yàn)?×3矩陣,9個(gè)值的中間(灰色區(qū)域)是8;圖4(b)中:將這9個(gè)值從小到大排序,則中間值為14,則原中間位置的8替換為14。

圖4 中值濾波Fig. 4 Median filtering

通過上述步驟,將數(shù)碼圖像轉(zhuǎn)換為由骨料、附著砂漿及砂漿基體三相屬性值組成的數(shù)據(jù)庫。數(shù)據(jù)庫中包含各像素點(diǎn)編號、坐標(biāo)及各像素點(diǎn)屬性值,為附著砂漿含量統(tǒng)計(jì)及再生混凝土數(shù)值模型建立奠定基礎(chǔ)。

2 基于隨機(jī)骨料模型的邊界效應(yīng)

筆者基于圖像識別技術(shù),對骨料的邊界效應(yīng)進(jìn)行了研究,將獲得的骨料密度曲線與其他學(xué)者研究結(jié)果進(jìn)行對比,驗(yàn)證了該算法的適用性?；趫A形隨機(jī)骨料模型對邊界效應(yīng)及分布密度曲線進(jìn)行了分析;基于橢圓形及凸多邊形隨機(jī)骨料模型對骨料形狀、粒徑、長徑比及表面棱角數(shù)量等因素對邊界效應(yīng)及密度分布曲線的影響規(guī)律進(jìn)行了研究。

2.1 骨料邊界效應(yīng)算法

骨料密度曲線如圖5。圖5中:建立與長邊平行且距離邊界為x的直線,該直線截取的長度與長邊比值即為骨料密度分布函數(shù)。由于模型兩側(cè)的密度分布曲線基本對稱,故筆者僅統(tǒng)計(jì)到模型的中心位置,即x=L/2,L為試件的短邊長度。

圖5 骨料密度曲線取值Fig. 5 The value of aggregates density curve

采用文獻(xiàn)[11]中的再生混凝土試件對算法的可行性進(jìn)行驗(yàn)證,如圖6。試件共分為4.75～9.50、9.50～12.70、12.70～19.00 mm等3種骨料粒徑,每種粒徑包含兩個(gè)試件,試件斷面圖尺寸取350 × 525像素,將兩側(cè)模型邊界到中心區(qū)域的密度曲線均值作為該模型的骨料密度曲線。

圖6 3種再生骨料尺寸的試件斷面Fig. 6 Cross-sections of three types of recylced aggregate size

通過圖像分析方法獲得的粒徑4.75～9.50 mm骨料密度分布曲線,如圖7。由圖7(a)可知:密度分布曲線大致可分為3部分(上升段、下降段及波動(dòng)段),但由于試件樣本數(shù)僅有兩個(gè),未出現(xiàn)水平段;由圖7 (b)可知:密度曲線隨邊界距離變化的規(guī)律基本吻合。

圖7 再生骨料密度分布曲線Fig. 7 Density distribution curve of the recycled aggregate

圖8為骨料粒徑對邊界效應(yīng)的影響規(guī)律。整體而言,隨著粒徑增加,效應(yīng)層厚度呈現(xiàn)增大趨勢,且骨料含量峰值厚度也略有增加,但增加幅度較小;同時(shí)波動(dòng)段骨料含量隨著粒徑增加逐漸增大,波動(dòng)段平均值基本等于試件內(nèi)的含量,這與基于隨機(jī)骨料模型的研究結(jié)果基本吻合[6]。

圖8 骨料粒徑對骨料密度分布曲線的影響Fig. 8 Effect of aggregate particle size on the aggregate density distribution curve

由于樣本數(shù)較少,每組僅兩個(gè)試樣,這就導(dǎo)致樣本結(jié)果會(huì)出現(xiàn)異常的漲落現(xiàn)象,其離散性較強(qiáng),無法獲得令人滿意的統(tǒng)計(jì)結(jié)果,也無法準(zhǔn)確地描述骨料粒徑、含量、形狀等因素對混凝土邊界效應(yīng)的影響規(guī)律。故筆者將繼續(xù)借助數(shù)值模擬技術(shù)建立多樣本隨機(jī)骨料模型,通過大量數(shù)值模型對混凝土邊界效應(yīng)進(jìn)行研究。

2.2 再生混凝土隨機(jī)骨料模型

筆者提出了一種新型的二維骨料建模方法,即骨料壓縮建模方法。先將骨料假定為圓形并投放到指定斷面內(nèi),獲得圓形隨機(jī)骨料模型;隨后按照一定壓縮比(壓縮比為圓形骨料壓縮后橢圓形骨料短軸與長軸的比值)對圓形骨料進(jìn)行壓縮并旋轉(zhuǎn)[14],可獲得橢圓形隨機(jī)骨料;進(jìn)一步在橢圓形骨料幾何邊界上隨機(jī)選擇并向外擴(kuò)展,可獲得凸多邊形隨機(jī)骨料。

采用文獻(xiàn)[15]公式建立一級配再生混凝土二維斷面級配曲線,如式(3):

(3)

式中:Pk為骨料體積與混凝土總體積的百分比,一般取Pk=0.75;Pc粒徑小于D0的骨料累積分布概率;D0為粒徑;Dmax為最大粒徑。

以尺寸為100 mm× 200 mm的模型為例,圓形骨料粒徑分別為17.5、12.5、7.5 mm,這3種粒徑分布如表1。

二維再生混凝土隨機(jī)骨料模型如圖9。在生成隨機(jī)骨料模型時(shí),可固定骨料長徑比為某一具體數(shù)值,也可在指定范圍內(nèi)隨機(jī)生成;當(dāng)長徑比隨機(jī)變化時(shí),生成的圓形骨料存在交叉,但通過壓縮并旋轉(zhuǎn)后,則交叉現(xiàn)象消失;若長徑比固定為1時(shí),則圓形骨料不會(huì)出現(xiàn)交叉現(xiàn)象;對于凸多邊形的表面棱角數(shù)量,可固定為某一數(shù)值,也可在指定范圍內(nèi)隨機(jī)生成,此處限定在10～20隨機(jī)生成某一數(shù)值。基于該方法,能建立具有任意長徑比的橢圓形及凸多邊形骨料幾何形態(tài),也能建立具有任意棱角數(shù)量的凸多邊形骨料幾何形態(tài),為系統(tǒng)研究骨料幾何形態(tài)對邊界效應(yīng)影響分析奠定模型基礎(chǔ)。

圖9 二維再生混凝土隨機(jī)骨料模型Fig. 9 2D random aggregate model for the recycled concrete

2.3 骨料邊界效應(yīng)

所建立的再生混凝土隨機(jī)骨料模型尺寸為100 mm× 200 mm,骨料最大粒徑為17.5 mm,最小粒徑為7.5 mm。

圖10為骨料面積百分比為40%時(shí)的密度分布隨模型數(shù)量N變化的規(guī)律曲線。由圖10可知:當(dāng)N=1時(shí),中間區(qū)域骨料密度波動(dòng)較大,這說明從單個(gè)試件上很難確定混凝土邊界效應(yīng)及影響因素。由于骨料分布的隨機(jī)性特點(diǎn),導(dǎo)致模型之間骨料分布具有差異性,故少量模型無法反映邊界效應(yīng)真實(shí)情況,特別是中心區(qū)域。曲線雖然缺乏明顯規(guī)律,但在邊界效應(yīng)層范圍內(nèi),仍然符合實(shí)際情況。故筆者建立了1 000個(gè)圓形骨料隨機(jī)模型,并分別統(tǒng)計(jì)了N=1、10、20、50、100、500、1 000時(shí)的邊界效應(yīng)及骨料密度分布曲線。

圖10 再生骨料密度分布曲線Fig. 10 Density distribution curve of the recycled aggregate

圖10中:隨著N逐漸增加,試件邊界層及中心區(qū)域均呈現(xiàn)出比較穩(wěn)定的變化規(guī)律,由上升段、下降段及水平段組成;特別是中心區(qū)域,逐漸趨于穩(wěn)定,發(fā)展為一條水平線;骨料密度趨于穩(wěn)定時(shí)的距離則為邊界效應(yīng)層厚度。密度曲線的峰值厚度大致為7.5 mm,等于試件內(nèi)的最小骨料粒徑,而邊界層約為12.5 mm,約等于試件內(nèi)的平均骨料粒徑。這主要是由于混凝土在澆筑過程中,由于模板邊界影響,振搗過程中大粒徑骨料向內(nèi)部移動(dòng),小粒徑骨料逐漸遷移到混凝土邊界附近,從而導(dǎo)致表面附近的骨料密度高于內(nèi)部。同時(shí)可知,中心區(qū)域的骨料密度約為41%～43%,略高于骨料面積百分比,這是由于骨料面積百分比是固定的,由于表面骨料密度較低,中心區(qū)域高出的骨料密度補(bǔ)償了表面區(qū)域的骨料密度損失。

2.4 骨料長徑比對邊界效應(yīng)影響

圓形骨料是一種比較理想的模型,基于此形狀的再生混凝土邊界層效應(yīng)研究雖能反映出一定的規(guī)律,但結(jié)果與真實(shí)混凝土骨料邊界效應(yīng)可能存在一定誤差。

通過建立大量橢圓形隨機(jī)骨料模型,研究了骨料形狀對再生混凝土邊界效應(yīng)的影響規(guī)律。建立長徑比為2.77、1.56、1.00和在1.00～4.00隨機(jī)分布的4種橢圓形隨機(jī)骨料模型,模型標(biāo)記為r,如圖11(a)。其中,當(dāng)長徑比為1.00時(shí),骨料為圓形骨料,如圖10;不同粒徑的骨料邊界效應(yīng)研究結(jié)果如圖11(b)。

圖11 骨料長徑比對密度分布曲線的影響Fig. 11 Effect of aggregate length to diameter ratio on the density distribution curve

由圖11(b)可知:無論長徑比如何變化,骨料密度分布曲線的形狀并無明顯改變;但隨著骨料長徑比增加,密度分布曲線的峰值逐漸增加,邊界效應(yīng)層厚度也逐漸增大,與文獻(xiàn)[5]結(jié)果吻合較好。同時(shí)也可發(fā)現(xiàn),長徑比對試件中心區(qū)域骨料密度具有明顯影響,對于高長徑比的骨料模型,中心區(qū)域骨料密度明顯大于低長徑比的。造成上述現(xiàn)象的主要原因是:由于隨著長徑比逐漸增大,骨料存在一定的尖角,而尖角阻礙了骨料在模板附近分布,迫使骨料向中間位置移動(dòng),從而進(jìn)一步增加了邊界效應(yīng)層厚度及中心區(qū)域的骨料密度。

混合多種長徑比的橢圓形骨料模型與實(shí)際骨料吻合度最高,因此該模型骨料密度分布曲線基本可以代表實(shí)際的再生混凝土邊界效應(yīng)。由此可知:密度分布曲線峰值對應(yīng)厚度約為9.0 mm,為最小骨料粒徑;邊界效應(yīng)層厚度約為16.5 mm,為橢圓形骨料的平均粒徑。

2.5 骨料粒徑對邊界效應(yīng)影響

再生混凝土隨機(jī)骨料模型的形態(tài)分為兩種:① 內(nèi)部僅有一種粒徑的圓形骨料模型;② 粒徑在指定范圍內(nèi)隨機(jī)變化的橢圓形骨料模型。通過上述模型定量研究了骨料粒徑對再生混凝土材料邊界效應(yīng)的影響規(guī)律。每種粒徑建立樣本數(shù)量均為1 000,樣本總量為6 000,獲得的骨料密度曲線如圖12。

圖12 骨料粒徑分布對密度分布曲線影響Fig. 12 Effect of aggregate particle size distribution on density distribution curve

由圖12可知:由兩種骨料模型獲得的密度曲線形狀并無顯著區(qū)別;但單一粒徑分布的模型邊界層厚度明顯小于多粒徑分布的,這是由于試件內(nèi)骨料級配不良所造成。

骨料粒徑分布對邊界效應(yīng)層的影響如圖13。由圖13可知:這兩種模型的曲線峰值厚度分別為粒徑的1.025 1、1.095 5倍,大約對應(yīng)模型內(nèi)最小骨料粒徑;單一骨料中不存在最大粒徑,僅包含一種骨料粒徑,邊界層厚度約為1.315 1倍的骨料粒徑。多粒徑骨料模型中邊界層厚度約為模型內(nèi)最小粒徑的1.526 8倍,對應(yīng)的粒徑尺寸約為模型內(nèi)平均骨料粒徑。無論對于峰值厚度還是邊界層厚度,多粒徑骨料模型均大于單一粒徑的骨料厚度,這是由于多粒徑骨料級配較好,在震動(dòng)作用下,大粒徑骨料逐漸向內(nèi)部移動(dòng),而邊界區(qū)域填充著大量的小粒徑骨料。

圖13 骨料粒徑分布對邊界效應(yīng)層的影響Fig. 13 Effect of aggregate particle size distribution on boundary effect layer

2.6 骨料棱角對邊界效應(yīng)影響

橢圓形骨料雖能反映卵石類骨料的形態(tài),但無法反映出碎石類骨料的形態(tài)特征,特別是碎石骨料表面棱角及凸起等。因此筆者建立了凸型骨料棱角數(shù)量分別為10、15、20及隨機(jī)分布等4種隨機(jī)骨料模型,研究了凸多邊形骨料棱角數(shù)量對骨料邊界效應(yīng)的影響,骨料模型如圖14,標(biāo)記為A。為了建立更符合實(shí)際的骨料形態(tài),所建立的模型中骨料長徑比在1.0～4.0隨機(jī)分布。

圖14 不同棱角數(shù)量的凸多邊形隨機(jī)骨料模型Fig. 14 A convex polygon random aggregate model with different numbers of edges and corners

每種骨料建立500個(gè)樣本,共計(jì)2 000個(gè)樣本,獲得的骨料密度分布曲線如圖15。當(dāng)凸多邊形表面骨料棱角數(shù)量較小及棱角數(shù)量隨機(jī)分布時(shí),棱角數(shù)量對骨料密度分布曲線幾乎沒有影響;當(dāng)棱角數(shù)量較多時(shí),邊界效應(yīng)層厚度略有增加。這是由于骨料表面棱角數(shù)量較多時(shí),骨料形態(tài)更接近于圓形或橢圓形,骨料在試件內(nèi)分布受到其他骨料尖角的影響較小,模板邊界附近的骨料向內(nèi)部遷移的阻力減小,因此試件中心區(qū)域骨料含量略有增加。

圖15 不同棱角數(shù)量的骨料密度分布曲線Fig. 15 Density distribution curves of aggregates with different numbers of edges and corners

3 結(jié) 論

筆者基于圖像識別技術(shù)獲得了具有真實(shí)再生骨料特征分布的細(xì)觀結(jié)構(gòu)模型,并借助隨機(jī)骨料建模技術(shù)建立了圓形、橢圓形及凸多邊形等具有多種幾何形態(tài)特征的隨機(jī)再生骨料模型;通過上述模型研究了骨料邊界效應(yīng),獲得了骨料密度分布曲線;建立大量數(shù)值模型研究了骨料長徑比、骨料粒徑及骨料表面棱角等幾何特征對骨料密度分布曲線、骨料峰值密度厚度及骨料效應(yīng)層厚度影響規(guī)律,獲得結(jié)論如下:

1)隨著邊界距離增大,骨料密度分布曲線呈現(xiàn)上升、下降、最終趨于穩(wěn)定形態(tài),最終穩(wěn)定段的骨料密度略大于試件內(nèi)的;曲線形態(tài)特征不受骨料形狀、粒徑、長徑比、表面特征等幾何形態(tài)影響;

2)骨料密度曲線峰值對應(yīng)的邊界距離約為最小骨料粒徑,邊界效應(yīng)層厚度約為平均骨料粒徑,且均隨著骨料粒徑和骨料長徑比增加逐漸增加。骨料級配對骨料邊界效應(yīng)層厚度具有顯著影響,但對骨料密度峰值厚度的影響基本可忽略;

3)由于模板邊界影響,大粒徑骨料逐漸向內(nèi)部移動(dòng),而小粒徑骨料逐漸遷移到試件模板邊界附近,造成邊界區(qū)域骨料密度較小,而中心區(qū)域骨料密度較高,中心區(qū)域高出的骨料密度補(bǔ)償了表面區(qū)域的損失;

4)在骨料形狀、長徑比、粒徑及表面棱角等幾何特征中,骨料最大粒徑及最小粒徑對效應(yīng)層厚度、骨料密度峰值厚度的影響最為強(qiáng)烈,而骨料形狀和骨料表面棱角等特征的影響相對較小;

5)骨料邊界效應(yīng)同時(shí)受到骨料形狀、長徑比、粒徑及表面棱角等多種因素影響。故在再生混凝土配合設(shè)計(jì)時(shí),應(yīng)根據(jù)破碎后再生骨料粒徑調(diào)整顆粒分布以獲得最優(yōu)的骨料級配曲線,從而降低骨料邊界效應(yīng)影響程度。