La gestione degli aggregati da scarto minerario nel calcestruzzo proiettato: superfici trattate e ottimizzazione multi-obiettivo
L’accumulo di coal gangue, il residuo della lavorazione del carbone, sta generando pressioni ambientali crescenti in molte aree estrattive. L’impiego di questo materiale come aggregato in miscele cementizie è sempre stato ostacolato da tre caratteristiche critiche: l’elevata capacità di assorbimento d’acqua, la struttura porosa e la scarsa stabilità delle prestazioni meccaniche. Un recente studio pubblicato su Infrastructures (Vol. 11, Pag. 184) affronta il problema con un approccio che combina pretrattamento superficiale degli aggregati e algoritmi di ottimizzazione basati su machine learning, applicato a miscele di calcestruzzo proiettato alleggerito.
La ricerca, firmata da Wencan Huang, Wei Huang, Wenjia Huang, Qingxiang Zhao, Lingyu Zhong, Wendi Deng, Yufei Wang, Qianqian Dong, Jianxiong Liao e Cai Min, propone un metodo che integra dati sperimentali su resistenza a compressione, resistenza a trazione per spacco e densità con modelli predittivi per individuare composizioni di miscela che bilancino quattro obiettivi contrastanti: prestazioni meccaniche, peso specifico, costo dei materiali ed emissioni di CO₂.
Pretrattamento superficiale: due tecniche a confronto
Per migliorare le caratteristiche dell’aggregato di coal gangue, i ricercatori hanno applicato due metodi di pretrattamento superficiale. Il primo, denominato CGACM, prevede un rivestimento con slurry di silica fume. Il secondo, indicato come CGACD, si basa su un processo di attivazione per adsorbimento a secco. Entrambi i trattamenti mirano a ridurre la porosità superficiale dell’aggregato e a migliorare l’adesione con la matrice cementizia, con l’obiettivo di rendere il materiale più competitivo rispetto agli aggregati convenzionali.
I risultati mostrano che il pretrattamento superficiale è in grado di elevare le prestazioni del calcestruzzo proiettato alleggerito. Tuttavia, il miglioramento effettivo dipende dalla combinazione con la corretta dosatura degli altri componenti, in particolare le fibre di alcol polivinilico (PVA) aggiunte come rinforzo. Senza un sistema di ottimizzazione, la scelta della miscela rimane affidata a tentativi sperimentali, con il rischio di non cogliere il miglior compromesso possibile tra le variabili in gioco.
Il framework di ottimizzazione machine learning
Il cuore dello studio è rappresentato dall’architettura di ottimizzazione multi-obiettivo assistita da machine learning. I dati raccolti dalle prove sperimentali sono stati utilizzati per addestrare tre modelli predittivi: una rete neurale backpropagation (BPNN), una support vector machine (SVM) e un modello random forest (RF). Ciascun modello è stato ottimizzato nei propri iperparametri mediante l’algoritmo Beetle Antennae Search, una tecnica di ottimizzazione bio-ispirata che simula il comportamento di ricerca di un coleottero.
Una volta addestrati e validati, i modelli sono stati integrati in una procedura di ottimizzazione multi-obiettivo. L’algoritmo ha esplorato lo spazio delle possibili composizioni di miscela, valutando per ciascuna le prestazioni meccaniche previste, la densità, il costo dei materiali e le emissioni di CO₂. L’obiettivo non era massimizzare una singola proprietà, ma individuare soluzioni di compromesso accettabili su tutti i fronti.
Risultati e implicazioni per la progettazione delle miscele
Le miscele pretrattate e ottimizzate hanno mostrato un equilibrio più favorevole tra resistenza meccanica, costo e impatto carbonico rispetto alle miscele non trattate o non ottimizzate. Il framework ha permesso di identificare composizioni che, a parità di resistenza, presentavano densità ridotta e un profilo economico-ambientale migliorato. Questo risultato è particolarmente rilevante per le applicazioni di calcestruzzo proiettato, dove il peso della miscela influisce sui costi di trasporto e messa in opera, oltre che sulle prestazioni strutturali in fase di getto.
Dal punto di vista normativo, l’utilizzo di aggregati da scarto minerario si inserisce nel quadro delle disposizioni europee e nazionali sui rifiuti da costruzione e demolizione e sui sottoprodotti. La direttiva quadro sui rifiuti (2008/98/CE) e il D.Lgs. 152/2006 (Testo Unico Ambientale) definiscono le condizioni per cui un materiale di scarto cessa di essere rifiuto e diventa sottoprodotto o prodotto. Il coal gangue pretrattato, se conforme ai requisiti tecnici e ambientali, potrebbe rientrare in questa casistica, con evidenti vantaggi in termini di smaltimento e approvvigionamento di materie prime seconde.
Per il progettista e il direttore dei lavori, la ricerca offre un metodo replicabile per ottimizzare miscele con aggregati non convenzionali. L’approccio data-driven consente di ridurre la fase di trial sperimentale, a patto di disporre di dati sufficienti per addestrare i modelli predittivi. La combinazione tra pretrattamento superficiale e ottimizzazione multi-obiettivo rappresenta una strada percorribile per chi intende utilizzare coal gangue in applicazioni strutturali, rispettando i limiti di resistenza e durabilità richiesti dalle norme tecniche per le costruzioni (NTC 2018 e relative circolari applicative).
La ricerca non fornisce indicazioni dirette su conformità urbanistiche o titoli abilitativi, ma si colloca a monte del processo edilizio, nella fase di selezione e qualificazione dei materiali. La responsabilità del progettista resta quella di verificare la compatibilità delle miscele ottimizzate con le specifiche di progetto e con i requisiti prestazionali previsti dal capitolato.
Lascia un commento