Determinazione della morfologia di superficie aggregata nella zona di transizione interfacciale (IT)

Su scala mesoscopica, i materiali a base di cemento possono essere considerati come un composito a tre fasi composto dalla pasta di cemento, dall'aggregato e dalla zona di transizione interfacciale (IT) tra^{loro 1,2}. L'IT è spesso trattato come un anello debole poiché la sua maggiore porosità potrebbe fungere da canali per l'ingresso di specie aggressive^3,4 o fornire percorsi più facili per la crescita delle crepe^5,6,^7,8,9,10,11. Successivamente, è di grande interesse caratterizzare con precisione le proprietà dell'IT per valutare e prevedere le prestazioni macro dei materiali a base di cemento.

Per studiare l'IT, c'è stata un'eccessiva ricerca sulle sue caratteristiche microstrutturali, sui meccanismi di formazione e sui fattori di influenza^12,13,14 utilizzando sia metodi sperimentali che numerici. Varie tecniche sono state accoppiate per la caratterizzazione IT, tra cui: test meccanici, test di trasporto, test di porosimetria di intrusione di mercurio (MIP)^15,16 e nano-indentazione¹⁷. È ampiamente accettato che l'IT è causato principalmente dall'effetto parete, così come pellicola d'acqua, micro-sanguinamento, crescita laterale, e sineresi gel¹⁸.

Con lo sviluppo del metodo di elaborazione delle immagini digitali (DIP) negli ultimi due decenni¹⁹, le caratteristiche morfologiche dell'IT (ad esempio, frazione di volume, spessore e gradiente di porosità) possono essere determinate quantitativamente. Sulla base dell'esame delle sezioni piane utilizzando la microscopia elettronica a scansione (SEM) con un rilevatore di elettroni backscattered (BSE), le caratteristiche tridimensionali (3D) dell'IT possono essere derivate dai risultati 2D attraverso la teoria della stereologia²⁰. Come la tecnica SEM-BSE, anche la tecnica di nano-indentazione si basa sull'esame delle superfici levigate, ma si concentra maggiormente sul modulo elastico delle fasi esistenti²¹. Tuttavia, sia nell'analisi SEM-BSE che nel test di nano-indentazione, lo spessore dell'IT può essere sopravvalutato poiché la sezione trasversale esaminata raramente passa attraverso la direzione normale da una superficie aggregata²². Tuttavia, acconciliando questo con microscopia confocale 3D fluorescente, la sopravalutazione dell'IT potrebbe essere eliminata e si potrebbe ottenere un vero e proprio contenuto di porosità e cemento anidroso²³.

Precedenti studi di fattori di influenza si sono concentrati principalmente sulla pasta di cemento, ignorando il ruolo dell'aggregato e la sua texture superficiale^24,25,26. Poiché la forma e le proprietà morfologiche dell'aggregato sono state ampiamente descritte sulla base dell'analisi quantitativa delle sezioni digitali ottenute dalla tomografia computerizzata SEM o a raggi X (X-CT)^27,28. Tuttavia, non è stata eseguita alcuna ricerca incentrata sull'effetto della texture di superficie aggregata sulla formazione della regione IT.

Con la presente, presentiamo un protocollo per studiare l'effetto della morfologia della superficie aggregata sulla formazione della microstruttura IT, basata sull'analisi quantitativa delle immagini SEM-BSE e su un algoritmo di clustering K-mezzi. Un campione di cemento modello è stato preparato con particelle ceramiche sferiche che fungono da aggregato grossolano. X-CT è stato utilizzato per determinare approssimativamente la posizione relativa della particella nella matrice di cemento opaco prima di dimezzare il campione. Dopo l'elaborazione con immagini SEM-BSE ottenute, è stata osservata la distribuzione non uniforme dell'IT, intorno a un singolo aggregato. Inoltre, è stata definita una rugosità della superficie dell'indice (SR) che descrive la trama della superficie aggregata a livello di pixel. L'algoritmo di clustering K-means, originariamente utilizzato nell'area dell'elaborazione del segnale e ora ampiamente utilizzato per il clustering di immagini^29,30, è stato introdotto per stabilire una relazione tra rugosità della superficie (SR) e gradiente di porosità (SL).

1. Preparazione del calcestruzzo del modello con una singola particella ceramica

1. Preparazione muffa
   1. Utilizzare un pennello per pulire lo stampo (25 mm x 25 mm x 25 mm) e assicurarsi che le superfici interne dello stampo siano prive di impurità.
   2. Utilizzare un altro pennello per applicare uniformemente l'olio diesel sulle superfici interne dello stampo per un più facile rilascio dello stampo.
      NOTA: Qui, non abbiamo usato lo stampo comune per la preparazione della malta o del calcestruzzo. Poiché la particella ceramica ha un diametro di circa 15 mm, per la preparazione del campione viene utilizzato uno stampo di plastica cubica di circa 30 mm. Assicurarsi che la dimensione dello stampo di plastica sia maggiore della particella ceramica.
2. Modellazione del calcestruzzo del modello
   1. Pesare 1.000 g di cemento e 350 g di acqua con un equilibrio elettronico (il rapporto di massa acqua-cemento progettato è 0,35).
   2. Pulire la pentola di miscelazione 5 L con un asciugamano bagnato per inumidirlo. Aggiungere 350 g di acqua e 1.000 g di cemento nel piatto di miscelazione in sequenza. Mettere il piatto di miscelazione sul mixer e sollevarlo fino alla posizione di mescolando.
   3. Mescolare a 65 giri per 90 s, e lasciare riposare la miscela per 30 s. Durante questo periodo, raschiare la pasta sulla parete interna del piatto. Quindi, mescolare a 130 rpm per altri 60 s.
   4. Togliere la pentola dal mixer e mettere la particella di ceramica nella pasta, mescolandola manualmente con la pasta di cemento accuratamente.
   5. Metà riempire lo stampo con pasta di cemento fresco ben miscelato.
   6. Posizionare la particella di ceramica sulla superficie superiore della pasta di cemento e riempire il resto dello stampo con pasta di cemento. Pulire la pasta di cemento in eccesso con un coltello raschietante e far vibrare lo stampo su un tavolo vibrante per 1 min a 50 - 3 Hz.
   7. Sigillare la superficie dello stampo con pellicola trasparente per evitare l'evaporazione dell'umidità.
3. Curare
   1. Curare il campione in una sala di cura per 24 ore (20 x 1 oC e 95% - 5% di umidità relativa).
   2. Rimuovere il campione dallo stampo e curare ulteriormente il campione per 28 d nelle stesse condizioni ambientali.

2. Preparazione della microscopia elettronica a scansione

1. Determinazione della particella ceramica all'interno della matrice
   1. Eseguire la scansione del campione con la tomografia computerizzata a raggi X per ottenere una pila di fette³¹.
   2. Scegliere approssimativamente la fetta in cui la particella ceramica sembra essere più grande. Montare il contorno della particella ceramica con un cerchio e determinare il centro del cerchio come centro geometrico della particella ceramica. A causa della differenza di valore del grigio tra la matrice del cemento e la particella ceramica, un limite approssimativo della particella viene visualizzato su ogni sezione CT (Figura 1).
2. Taglio
   1. Tagliare l'esemplare cubico in due parti attraverso il centro geometrico della particella ceramica in una macchina da taglio. Figura 1³² è una mappa schematica che mostra la direzione di taglio.
      NOTA: La particella ceramica è stata divisa in due parti uguali, mentre il campione non è stato tagliato in due metà esattamente uguali. Se la particella ceramica si trova nel centro esatto dell'esemplare cubico, il campione sarà diviso in due metà uguali. Tuttavia, in una situazione reale, la particella ceramica in genere non si trova nel centro esatto del campione.
3. Terminazione dell'idratazione
   1. Immergere le due parti nell'alcool isopropileo (99,5%) per 3 giorni a temperatura ambiente per rimuovere l'acqua illimitata e terminare il processo di idratazione interno. Sostituire la soluzione di alcool isopropile ogni 24 h.
   2. Mettere le due parti nell'essiccazione sottovuoto anche per 7 giorni per asciugare il campione a temperatura di 40 gradi centigradi.
4. Solidificazione della microstruttura
   1. Utilizzare un dito per spalmare la superficie interna di due stampi di plastica cilindrica (31 mm di diametro e 25 mm di altezza) con pasta di demolding. Gli stampi sono tutti rimovibili dal basso.
   2. Posizionare ogni pezzo del campione in ogni stampo con la superficie da esaminare rivolto verso il basso.
   3. In una tazza di carta, pesare 50 g di resina epossidica a bassa viscosità e aggiungere altri 5 g di indurimento. Mescolare manualmente il composto con un bastoncino di legno per 2 min.
   4. Mettere lo stampo nella macchina di montaggio a freddo insieme alla tazza di carta con il composto.
   5. Avviare il vuoto sulla macchina di montaggio a freddo e versare la resina epossidica nello stampo fino a quando non si fonde con ogni campione.
   6. Mantenere lo stampo nella macchina di montaggio a freddo per 24 h fino a quando la resina epossidica si indurisce.
   7. Rimuovere il fondo di ogni stampo e spremere il campione. Conservare il campione in un forno ad asciugatura sottovuoto.
5. Macinazione e lucidatura
   1. Macinare il campione con carta SiC e alcol come lubrificante su una lucidatrice automatica alla velocità di 300 giri/m nella seguente sequenza per 3 min ciascuno: 180 grana, 300 grana, 600 grana e 1200 grana.
   2. Attaccare la flanella al giradischi della lucidatrice automatica.
   3. Polacco il campione sulla flaga con pasta di diamante di 3 m, 1 m, e 0,25 m per 15 min alla velocità di 150 rpm, ciascuno.
   4. Rimuovere i detriti in un detergente ad ultrasuoni con alcool come solvente di pulizia dopo ogni fase di macinazione e lucidatura.
   5. Conservare ogni campione in una scatola di plastica di dimensioni simili al campione con ogni superficie da esaminare rivolta verso l'alto per evitare graffi sulla superficie di prova.
   6. Conservare le scatole contenenti i campioni in un forno a secco per sottovuoto³².
      NOTA: Il processo di macinazione e lucidatura potrebbe essere completato su una macchina di lucidatura automatica e al massimo 6 campioni potrebbero essere lucidati allo stesso tempo. Il tempo di macinazione e lucidatura deve essere scelto con attenzione per ottenere una superficie estremamente liscia per il SEM senza creare differenze di altezza tra la pasta di cemento e l'aggregato. Un esempio tipico è illustrato nella Figura 2³².

3. Acquisizione ed elaborazione di immagini backscattered

1. Acquisizione
   1. Spruzzare un sottile strato di lamina d'oro sulla superficie per essere esaminato in un ambiente sottovuoto con un rivestimento sputter automatico.
   2. Posizionare una striscia di nastro adesivo sul lato del campione per collegare la superficie di prova e la superficie opposta e posizionare il campione sul banco di prova con la superficie di prova rivolta verso l'alto.
   3. Spostare il campione per mettere a fuoco l'obiettivo sulla regione 1 come indicato nella figura 2³².
   4. Aspirare il SEM e passare alla modalità elettrone backscattered. Impostare l'ingrandimento su 1.000x e regolare attentamente la luminosità e il contrasto prima di acquisire le immagini.
   5. Spostare l'obiettivo lungo la direzione del contorno di aggregazione in un'altra posizione dell'aggregazione e scattare un'altra immagine. Ripetere questo processo di spostamento e imaging almeno 15 volte in modo da ottenere un numero sufficiente di immagini per l'analisi statistica.
   6. Spostare l'obiettivo nella regione 2 e nella regione 3 e ripetere il processo di imaging.
      NOTA: ogni immagine deve includere tre fasi: la matrice, l'aggregazione e l'IT. Poiché l'IT è una sezione stretta esistente tra le altre due fasi e difficile da distinguere, ogni immagine deve includere sia la matrice di cemento che l'aggregazione.
2. Elaborazione
   1. Pretratta l'immagine con una migliore vestibilità e 3 x 3 filtro mediano tre volte per ridurre il disturbo e migliorare il contorno delle diverse fasi di ImageJ.
   2. Acquisire manualmente il contorno della particella ceramica e tagliare questa parte dall'immagine originale utilizzando ImageJ.
   3. Determinare approssimativamente il valore di soglia superiore delle fasi dei pori impostando valori di soglia diversi e segmentando l'immagine per il confronto con quella originale.
   4. Ottenere la distribuzione in scala di grigi della parte rimanente dell'immagine. Scegliere due parti approssimativamente lineari della curva di distribuzione appena intorno al valore di soglia superiore approssimativamente determinato delle fasi dei pori. Adattare queste due parti con curva lineare e il punto di intersezione verrà impostato come valore di soglia superiore esatto di questa immagine (vedere la figura 3c³²).
   5. Utilizzare questo valore per eseguire la segmentazione e confrontare l'immagine binaria con l'immagine in scala di grigi originale per la determinazione del valore di soglia finale.
   6. Convertire l'immagine in scala di grigi in un'immagine binaria con il bianco (valore di grigio - 255) che rappresenta la fase del poro e il nero (valore di grigio - 0) che rappresenta le fasi solide.
      NOTA: l'esatta determinazione del valore soglia è chiamata metodo del punto di overflow³³ poiché la luminosità e il contrasto vengono mantenuti invariati per le diverse immagini ottenute dallo stesso campione. Una volta determinato con precisione il valore della soglia superiore, questo valore può essere applicato ad altre immagini ottenute dallo stesso campione.

4. Trattamento dei dati

1. Determinazione dello spessore IT
   1. Delineare venti 20 strisce successive di larghezza di 5 m (utilizzare il file strip_delineation.m incluso), lungo il contorno acquisito nella direzione di partire dalla superficie aggregata e di andare nella pasta di massa (vedere La figura 3d³²).
   2. Contare il numero di pixel con un valore grigio inferiore alla soglia in ogni striscia e normalizzare i valori del numero di voxel totali contenuti in ogni striscia. Ogni valore normalizzato sarà visto come la porosità di ogni striscia.
   3. Ripetere il processo di conteggio e normalizzazione per tutte le immagini. Calcolare la media dei profili di porosità dello stesso numero di striscia da immagini diverse.
   4. Disegnare il grafico di distribuzione della porosità in funzione della distanza dalla superficie aggregata. Determinare il punto di flesso sulla curva in cui la porosità diventa stabile come lo spessore dell'IT.
      NOTA: il numero di strisce e la larghezza di ogni striscia possono variare; assicurarsi che la larghezza totale delle strisce delineate includa tutte le schede IT. Secondo la ricerca precedente, lo spessore dell'IT varia tra 20-50 m¹³. Anche in alcuni campioni concreti del modello con un'IT ingrandita, questo valore non supera i^34,35.
2. Caratterizzazione della rugosità della superficie aggregata (SR)
   1. Salvare il contorno acquisito manualmente come curva. Adattare il contorno irregolare sia con la linea retta che con l'arco circolare in base all'Eq (1) e all'Eq. (2) in base all'algoritmo del minimo quadrato.
      (1)
      (2)
      con (a,b) essere il centro del cerchio di raccordo.
   2. Definire le deviazioni tra il contorno irregolare originale e la curva liscia di raccordo come rugosità della superficie (SR).
   3. Per la linea retta, calcolare le SR calcolando la media del valore assoluto della distanza perpendicolare del centro di ogni pixel sul contorno alla linea di raccordo:
      (3)
      con n è il numero di pixel inclusi in ogni contorno e (x_i, y_i) essendo le coordinate dell'i-esimo pixel sul contorno.
   4. Per un arco circolare, definire SR_C come:
      (4)
   5. Confrontare il valore di SR_S e SR_C per ogni contorno e determinare il valore minimo come rugosità finale della superficie per questa curva (utilizzare il file surface_roughness_calculation.m incluso).
      NOTA: la rugosità del contorno della superficie deve essere definita rispetto a una curva di base liscia. Sia la linea retta che la linea circolare sono state utilizzate per il seguente motivo. Anche se il confine della particella ceramica sferica appare come un cerchio in 2D, alcune regioni locali sembrano essere più appello a una linea retta.
3. Clustering K-mezzi
   1. Definire un indice di pendenza (SL) per descrivere il gradiente di porosità all'interno della zona di transizione interfacciale in base all'Eq. (5).
      (5)
      dove -_max è il valore della porosità nella prima striscia (da 0 a 5 m) e_min è il valore della porosità nella sesta striscia (da 25 a 30 m).
   2. Combinare la SR e la SL di ogni limite per essere un'osservazione. E per i limiti n totali e le IT, esistono n osservazioni da salvare come cluster , ovvero SR₁, SL₁,(SR₂, SL₂), ... , (SR_n, SL_n) .
   3. Applicare un algoritmo K-means clustering^36,37 (utilizzare il file k_means_clustering.m incluso) a tutte le osservazioni e suddividerle in due cluster: rispettivamente un gruppo di superficie aggregato grezzo e liscio.
   4. Calcolare la media delle distribuzioni di porosità dell'IT in un cluster approssimativo e liscio, rispettivamente. Confrontare la distribuzione media della porosità tra due cluster.
      NOTA: Qui, il clustering K-means è un metodo di quantizzazione vettoriale, originariamente utilizzato nell'elaborazione del segnale e attualmente ampiamente applicato all'analisi del cluster nel data mining. Lo scopo del metodo è quello di suddividere le osservazioni in 2 o più sottogruppi.

La distribuzione della porosità delle aree IT al di sopra dell'aggregazione, sul lato dell'aggregato e al di sotto dell'aggregato, viene confrontata e illustrata nella Figura 432. La porosità dell'IT sopra la superficie superiore sembra essere più piccola di quella sul lato o sopra l'aggregato, indicando una microstruttura IT- più densa, mentre l'IT al di sotto dell'aggregato è sempre la più porosa a causa della micro-bleeding. La figura 432 mostra che anche intorno allo stesso aggregato, la distribuzione è irregolare.

Per studiare l'effetto della morfologia della superficie aggregata, il contorno irregolare acquisito manualmente è dotato rispettivamente di linea retta e arco circolare, come illustrato nella figura 532. La linea blu è il contorno irregolare originale, mentre la curva di raccordo è rappresentata dalla linea rossa. Per il limite scelto sembra essere più vicino ad una linea retta.

In base ai calcoli dei parametri SR e SL definiti, le posizioni relative a diverse posizioni relative alla superficie aggregata vengono visualizzate nel suo complesso, ovvero(SR1,SL1), (SR2,SL2), ... (SRn,SLn) . L'algoritmo di clustering K-means viene applicato per suddividere i punti di dispersione in due gruppi: un gruppo di rugiada e un gruppo uniforme, come illustrato nella figura 632. La linea tratteggiata indica che il valore di SL diminuisce con l'aumento dei valori SR.

Le distribuzioni di porosità delle IT nel gruppo ruvido e liscio sono medizzate e un confronto è mostrato Figura 732. A quasi ogni distanza, la porosità dell'IT intorno alle superfici lisce è significativamente superiore alla porosità dell'IT intorno alle superfici ruvide, il che dimostra che la morfologia della superficie svolge effettivamente un ruolo importante nella formazione dell'IT.

Figura 1: Immagine di una fetta CT attraverso l'equatore della sfera ceramica. Questa cifra è stata modificata a partire da32. Fare clic qui per visualizzare una versione più grande di questa figura.

Figura 2: Un campione tipico con superficie altamente lucidata e pronto per il test SEM-BSE. Questa cifra è stata modificata a partire da32. Fare clic qui per visualizzare una versione più grande di questa figura.

Figura 3: Vista schematica del processo di analisi delle immagini BSE: (a) immagine originale, (b) acquisizione del contorno, (c) determinazione della soglia e (d) delineazione della striscia. Questa cifra è stata modificata a partire da32. Fare clic qui per visualizzare una versione più grande di questa figura.

Figura 4: Confronto della distribuzione di porosità dell'IT in tre diverse posizioni relative alla superficie aggregata. Con la regione 1: IT al di sopra dell'aggregato (U-IT); regione 2: IT sul lato dell'aggregato (S-IT); regione 3: IT al di sotto dell'aggregato (L-IT). La barra di errore nella curva di distribuzione è la deviazione standard. Questa cifra è stata modificata a partire da32. Fare clic qui per visualizzare una versione più grande di questa figura.

Figura 5: Mappa schematica del raccordo del contorno di aggregazione utilizzando una linea retta e un arco circolare: (a) immagine BSE originale, (b) adattamento della linea retta alla superficie dell'aggregato, (c) adattamento ad arco circolare. L'immagine ha una larghezza di circa 0,19 messaggi um. Questa cifra è stata modificata a partire da 32. Fare clic qui per visualizzare una versione più grande di questa figura.

Figura 6: Risultati dell'esecuzione del clustering K-means per partizionare tutti i limiti in cluster K2. Questa cifra è stata modificata a partire da32. Fare clic qui per visualizzare una versione più grande di questa figura.

Figura 7: Confronto della distribuzione di porosità dell'IT con superfici ruvide e lisce. La barra di errore nella curva di distribuzione è la deviazione standard. Questa cifra è stata modificata a partire da32. Fare clic qui per visualizzare una versione più grande di questa figura.

Con la presente confermiamo che questo manoscritto è il nostro lavoro originale e tutti gli autori elencati hanno approvato il manoscritto e non hanno conflitti di interesse su questo documento.