基于神经网络理论的沥青混合料疲劳性能的预测模型

荷载条件、环境条件以及沥青混合料本身性质都会影响沥青混合料的疲劳性能.而疲劳试验所得出的疲劳方程不能反映众多因素对沥青混合料疲劳性能的影响.文中将荷载间歇时间、加载频率、试验温度、沥青混合料空隙率、沥青软化点、沥青用量等6个影响因素适当组合,在MTS材料试验系统上进行了不同条件下的应力控制的疲劳试验;然后,运用遗传算法和神经网络理论来考虑各因素对沥青混合料疲劳性能的影响,得出一种较为完善的沥青混合料疲劳性能的预测模型.研究表明,这种方法是科学的和可行的,所得出的预测模型的精度较高.     

基于神经网络理论的沥青混合料疲劳性能的预测模型

荷载条件、环境条件以及沥青混合料本身性质都会影响沥青混合料的疲劳性能.而疲劳试验所得出的疲劳方程不能反映众多因素对沥青混合料疲劳性能的影响.文中将荷载间歇时间、加载频率、试验温度、沥青混合料空隙率、沥青软化点、沥青用量等6个影响因素适当组合,在MTS材料试验系统上进行了不同条件下的应力控制的疲劳试验;然后,运用遗传算法和神经网络理论来考虑各因素对沥青混合料疲劳性能的影响,得出一种较为完善的沥青混合料疲劳性能的预测模型.研究表明,这种方法是科学的和可行的,所得出的预测模型的精度较高.     

基于BP神经网络的沥青混合料低温性能预测模型

该文应用灰熵关联度法从沥青性质和级配两个方面分析了沥青混合料低温性能的主要影响因素,建立了沥青混合料低温性能BP神经网络预测模型.通过43组试验数据对模型进行了学习训练,并用另外5组试验数据对模型进行了检验.检验结果表明:预测模型可信,精度能满足要求,可用于沥青混合料低温性能预测.     

矿料级配对沥青混合料体积参数的影响

对8组AC—13沥青混合料级配进行马歇尔试验,测定其体积参数空隙率W、矿料间隙率VMA、沥青饱和度VFA;利用灰色关联度理论计算3个粒径组和油石比与体积参数的关联度,得出大于2.36 mm部分矿料粒径对混合料体积参数的影响最大,其次是小于0.3 mm粒径和沥青形成的沥青胶浆,0.3～2.36 mm部分对体积参数的影响最小.在混合料设计中,矿料级配对沥青混合料体积参数的影响大于沥青用量,应注重矿料级配特别是粗集料骨架结构的设计.     

GTM法不同压实功对沥青混合料体积参数的影响

为探究不同压实功对沥青混合料体积参数的影响,通过调整GTM设备的垂直压强,分别获得了0.7 MPa、0.6 MPa和0.5 MPa压实功条件下沥青混合料的体积参数,并与马歇尔法75击设计方法进行对比。结果表明：随着GTM设备垂直压强的增大,沥青混合料的密度显著提高,最佳油石比降低,在垂直压强为0.5 MPa时的体积参数和最佳油石比与马歇尔法75击的该参数相当;相较于马歇尔设计法,采用GTM法进行配合比设计,能够提高沥青混合料的密度,增强其路用性能,降低油石比,节约工程建筑材料。     

SMA混合料体积参数的研究

通过变动粗，细集料间的比例用量及粗集料间某档料的通过率而获得一系列的的矿料级配进行室内试验，找出了矿料级配组成，油石比与SMA体积参数的变化规律。     

以高吸水率玄武岩为集料的沥青混合料配合比体积参数计算问题探讨

规范在沥青混合料配合比设计方法中在计算理论最大相对密度过程中引进了矿料的有效相对密度,但对于高吸水率的玄武岩在沥青混合料配合比设计中体积指标的测算时的适用性问题是值得研究的。研究利用多孔玄武岩材料进行了沥青混合料马歇尔技术参数、路用性能的比对试验,探讨了多孔玄武岩混合料配合比设计中的体积参数获取的准确性和适用性问题。     

基于沥青混合料疲劳性能预测的混沌神经网络模型研究

沥青混合料的疲劳性能是决定沥青路面疲劳开裂的关键因素.由于沥青混合料的疲劳性能受众多因素影响,且各因素之间存在强烈的非线形关系,故难以有效进行预测与优化.提出基于混沌神经网络模型的方法,对以疲劳性能为目标的沥青混合料进行仿真计算,结果表明,此方法高效可行,预测精度高,可为沥青混合料的试验设计提供理论参考.     

基于工业CT技术的沥青混合料体积组成分析

为了改善使用毛体积密度等物理量将体积组成换算成重量组成百分比的弊端,该文将工业CT技术应用于沥青混合料的体积组成研究。介绍了工业CT的工作原理及基于体素的三维重建算法;对试件作三维重建,确定出阈值,能够识别空隙、沥青胶浆和集料颗粒;最后分析了试件体积参数,计算了各组成成分的体积百分比。     

体积比法设计沥青混合料应用技术

二十世纪九十年代以来,体积比法设计沥青混合料技术已先后在我国东北、北京、华南等地区得到应用。为系统总结和掌握该技术,广东省交通科学研究所对体积比法设计沥青混合料应用技术进行了专门研究。在课题研究中,课题组对该技术在近十年来的各种应用进行了总结,本文对此进行比较全面和系统的介绍     

基于遗传神经网络的再生沥青混合料性能预测研究

以matlab为平台,分别应用BP神经网络和遗传算法优化的BP神经网络对再生沥青混合料的性能进行预测。以旧料掺量、油石比等8个影响因素作为输入层,以动稳定度、残留稳定度等5个性能指标作为输出层,将28组归一化处理后的试验数据进行神经网络的训练、验证和测试。结果表明:遗传算法优化的BP神经网络预测表现出更加精准的预测效果。将遗传算法优化的BP神经网络应用于工程实践中,再生沥青混合料性能预测可以大大提高试验科学性和预见性。     

沥青混合料骨架稳态参数及模型

为明确沥青混合料粗集料的骨架特征参数与路用性能之间的相关性,基于优化的分级掺配设计方法设计3种骨架密实型沥青混合料,采用数字图像处理技术观察混合料粗集料骨架特征参数转变的全过程,结合路用性能试验建立基于骨架特征参数的动稳定度估算模型,研究骨架参数的合理范围。研究结果表明：采用简化的分级掺配设计方法可以得到3种不同骨架特征的沥青混合料;混合料的空隙率和矿料间隙率VMA随着粗集料分级掺配次数的增加而降低,稳定度和动稳定度指标则随着掺配次数的增加而增加;混合料密度和有效沥青饱和度VFA最大值出现在二级掺配混合料中,采用间断级配有利于增加混合料的密度;随着掺配次数的增加,混合料粗集料接触点数量先增多后减少,但集料长轴水平倾角呈减小趋势;成型后混合料粗集料长轴初始倾角越小,混合料的动稳定度越高;试验数据暗示了沥青混合料存在一个粗集料骨架初始接触点数与初始倾角的合理范围,使混合料在一定的压实功下能够形成稳定的骨架嵌挤结构;混合料的粗集料接触点不宜过多,级配设计时应将粗集料接触点的数量控制在一个合理范围内;建立的沥青混合料动稳定度估算模型可分辨出粗集料接触点、倾角和沥青种类对混合料动稳定度的影响,但仅适用于有显著骨架特征的混合料。     

沥青混合料冻融损伤模型及寿命预估研究

为研究沥青路面抵抗冻融损害的能力,结合损伤理论,进行了沥青混合料冻融损伤模型及残余寿命预估的研究.建立了适用于冻融条件下沥青混合料损伤的普适模型,并提出了相应算法;然后根据快速冻融作用下混合料的各性能试验结果对该模型进行了验证;最后提出了模型应用于混合料冻融损伤后寿命预估的方法.结果表明:随冻融循环次数增加,沥青混合料性能衰减,损失度增大;模型能较好的拟合沥青混合料冻融循环后各项性能指标的变化;宜将抗压回弹模量作为评价混合料抗冻融损坏能力的和寿命预估的主要指标.     

泡沫温拌沥青混合料的体积性能

以密级配沥青混合料AC-20为例,采用马歇尔试验方法,研究泡沫温拌沥青混合料在不同拌和、击实温度和沥青含量条件下的的体积性能.试验共制作100个马歇尔试件和40组最大理论密度测定试样.研究结果表明,在相同温度条件下,随着沥青含量的增加,泡沫温拌沥青混合料的毛体积密度、饱和度和流值增大,空隙率减小,稳定度出现一定的峰值,矿料间歇率变化发生一定的变异;在相同沥青用量条件下,随拌和及压实温度的升高,泡沫温拌沥青混合料的毛体积密度、沥青饱和度、稳定度增大,空隙率、矿料间歇率和流值则减小.同时,试验还研究了泡沫温拌沥青混合料适宜的拌和及击实温度和相应的最佳泡沫沥青用量.     

沥青混合料动态模量试验及模型预估

为了研究沥青混合料的动态特性,应用简单性能试验机(SPT)测试不同类型沥青混合料的动态模量与相位角.分析围压、频率、温度对沥青混合料动态特性的影响,依据时-温等效原理,通过非线性最小二乘法拟舍得到沥青混合料动态模量的主曲线,并采用修正的Witczak模型预估沥青混合料的动态模量.结果表明:频率与温度对沥青混合料动态特性的影响规律相同,而围压对动态特性的影响依赖于荷裁作用频率和试验温度;动态模量主曲线连续而光滑,相位角主曲线并不连续;采用修正的Witczak模型可以很好地预测沥青混合料动态模量值.     

影响沥青混合料抗剪强度的试验研究

通过对影响沥青混合料抗剪强度参数的因素进行试验分析,研究不同的集料类型、沥青混合料级配、沥青用量以及压实度因素对抗剪强度参数的影响。结果表明:沥青是影响最大抗剪强度的主要因素,集料特性对混合料的内摩阻角影响显著;在最佳沥青用量附近,混合料的最大抗剪强度达到最大值;最大抗剪强度随着压实度增大、空隙率减小而增大,可以通过增加压实度使沥青路面抗剪能力增大。     

沥青路面混合料中集料的技术参数分析及研究

通过美国Super pave集料规范与我国<公路沥青路面施工技术规范>(JTJ 032-94)的对比分析,试图提出合适的集料技术参数.