混凝土作为常用建筑材料,其耐久性一直是人们关注的焦点。据调查显示,我国东北、华北以及西北地区的混凝土建筑物受冻融破坏影响严重,抗冻性成为衡量混凝土耐久性的重要指标。在实际应用之前,需对混凝土试件进行相关试验,以检测其抗冻性能否达到施工标准。国外相关试验设备虽然性能偏高,但价格昂贵,国内设备价格较低,但大多结构简单,智能化程度不高。本课题所构建的混凝土冻融试验机依据冻融试验设备制造标准,以Atmega32为核心控制器构建下位机硬件系统,结合上位机软件开发平台LabWindows/CVI开发智能化程度较高的测控系统,实现参数测定精确化、硬件结构合理化、操作平台人性化的目标。另外,考虑到神经网络强大的非线性映射能力和自适应学习记忆的特点,本课题还将构建BP神经网络模型,以预测的形式求得影响混凝土抗冻性能相关参数(相对动弹性模量),再结合试件的实际受损状况,综合评定其抗冻等级。选取主要影响因素(水灰比、水泥用量、冻融次数)作为原始数据样本输入,相对动弹性模量值作为单一输出创建BP网络模型。之后经网络训练、仿真以及与实际测定值的对比,判定所构造的BP神经网络是否具有实际意义。在混凝士试件经历有限次冻融循环之后,即可利用训练好的BP神经网络预测相对动弹性模量值,从而实现抗冻等级的评定。在结合了虚拟仪器技术和神经网络预测技术的基础上,本系统用软件取代了部分硬件设备,完善整体性能的同时节约了成本,提升了整套系统的性价比。