基于改进灰色聚类法的高速公路沥青路面使用性能评价

分析了传统灰色聚类法的弊端,引入分段指数白化函数建立了改进灰色聚类法评价模型;利用陕西省某高速公路路段路面损坏状况指标、行驶质量指数、路面车辙深度指数和抗滑性能指数检测结果,分别运用传统和改进灰色聚类评价方法对其路面使用性能进行评价,结果显示改进灰色聚类法评价模型的评价结果与规范评价结果完全一致,能客观评价沥青路面的使用性能。     

混合GANN模型在路面评价中的应用

针对GA与NN优缺点互补的特点，摒弃以往GANN模型的不足，采用以GA优化BP网络权值与阈值，再用BP网络对GA搜索到的近似最优解进行微调的方法，建立了一种能充分发挥两者优势的混合GANN模型，并将模型应用于高速公路沥青路面使用性能评价之中。介绍基于混合GANN的高速公路沥青路面使用性能评价模型，通过与其他评价模型的分析对比表明：该评价模型精确、易于实现，是一种实用的高速公路沥青路面使用性能洋价模型。     

高速公路沥青路面预防性养护评价体系研究

根据高速公路半刚性基层沥青路面预防性养护的特点,提出用裂缝、车辙和修补3种类型来表征高速公路沥青路面的破损,并建立了6个单项路面性能指标的评价体系;以路面结构强度指数作为控制指标,综合考虑其余5个单项指标对路面综合性能的影响,利用灰色聚类理论建立了基于三角白化权函数的路面使用性能综合聚类评价模型.     

基于高速公路沥青路面养护的车辙指标分析

通过高速公路沥青路面车辙实测数据分析,建立了车辙积水模型,从车辙积水临界深度、行驶安全性的角度提出车辙深度评价指标,并分为三级,为高速公路沥青路面养护提供参考。     

冰冻灾害对某高速公路路面使用性能的影响分析

基于冰灾前后某高速公路路面破损、平整度、车辙等路面性能检测数据,建立了冰灾前后的路面使用性能预测回归模型,并标定了相关参数。从路面性能衰变曲线上,可以明显看出冰灾引起了路面使用性能的加速衰减,为合理预测冰灾后高速公路路面使用寿命提供了参考,同时也为冰灾后高速公路的养护维修决策提供了科学依据。     

高速公路沥青路面车辙与路面使用性能影响分析

通过对王楼至兰考高速公路长期的观测与调查,研究了车辙病害的发展情况、外部环境因素及其对路面使用性能的影响。研究结果表明：河南地区高速公路沥青路面车辙病害与气温、交通荷载、降雨量等外部环境关系显著,高温以及重载车辆的反复荷载作用是造成车辙的主要原因;河南地区高速公路典型病害的发展可直接反应在路面平整度的变化中,车辙与平整度存在线性相关关系,可通过修复车辙来保证路面良好的平整度。     

基于车辙发展规律与主观行车安全的车辙评价模型

为了提高上海市高速公路车辙养护质量,首先总结了上海市高速公路沥青路面车辙的发展规律,其次建立车辙深度评价模型,并在此基础上提出了合理的车辙预防性养护对策。研究结果表明:车辙发展可分为三个阶段,适合在第二和第三阶段初期进行预防性养护,第三阶段后期进行常规养护。     

基于混合遗传神经网络的高速公路沥青路面使用性能评价方法研究

目的在于基于混合遗传神经网络算法,研究高速公路沥青路面使用性能评价方法。在本篇研究中,将应用混合遗传神经网络算法,分析评价高速公路沥青路面的使用性能,并进一步优化制定提升究高速公路沥青路面使用性能决策,提升高速公路沥青路面的使用性能。路面使用性能的正确评价是合理制定养护维护计划、进行投资决策的重要依据之一;分析实际之中高速公路沥青路面的相关特点,有针对性的找出研究高速公路使用性能的评价指标,并进一步优化制定高速公路沥青路面使用性能。研究结果证实,基于混合遗传神经网络算法,通过对某地区高速公路路面的评价,能够准确、科学的评价高速公路路面使用性能,方便快捷的给出使用性能评价结果,提升评价结果的科学、准确性能。     

基于不同基层沥青路面长期性能观测与分析

为探讨更加适合于江苏省高速公路沥青路面典型结构,该文主要对沪宁、沿江和镇溧共3条典型高速公路进行了观测,分别使用柔性基层和半刚性基层沥青路面的弯沉、路面的破损状况和车辙等长期路用性能进行评价与分析。长期使用性能结果表明:柔性基层比半刚性基层高速公路路面弯沉大,但随观测年限递增,弯沉增长变化率比半刚性基层小;柔性基层的路面破损率和破损增长率均要小于半刚性基层;柔性基层比半刚性基层的车辙深度大,但车辙深度随时间的增长变化率和半刚性基层基本相当。综合考虑路面结构的弯沉、破损状况和车辙以及长期经济性可得,选择柔性基层类型的高速公路路面结构更适合于江苏省的公路建设。     

基于遗传神经网络的路面使用性能评价预测

基于遗传神经网络算法,在进行高速公路路面使用性能评价与预测时,引入遗传神经网络,建立高速公路路面使用性能评价与预测模型,通过该模型,评价和预测了吉林某高速公路路面使用性能。结果表明:与BP网络预测PCI的结果相比,遗传神经网络预测PCI的结果与高速路面PCI实际值误差缩小更明显,这表明遗传神经网络模型预测精度得到很大程度提高。测试结果说明,本研究提出的遗传神经网络预测方法是可行的,它可以作为高速路面一种有效预测手段,提供科学方法进行公路路面使用性能的评价与预测。