[发明专利]一种沥青路面剩余疲劳寿命的预测方法有效
| 申请号: | 201910583393.6 | 申请日: | 2019-07-01 |
| 公开(公告)号: | CN110334429B | 公开(公告)日: | 2023-05-02 |
| 发明(设计)人: | 岳学军;史纪村;李忠玉;张庆;王君雄;董是;刘廷国;刘玉恒;左献宝;陈永辉;郝长峰;张芳超;陈小雪 | 申请(专利权)人: | 河南省高远公路养护技术有限公司;河南省高等级公路养护工程研究中心 |
| 主分类号: | G06F30/20 | 分类号: | G06F30/20;G06F119/04;G06F119/14 |
| 代理公司: | 新乡市平原智汇知识产权代理事务所(普通合伙) 41139 | 代理人: | 路宽 |
| 地址: | 453003 *** | 国省代码: | 河南;41 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 沥青路面 剩余 疲劳 寿命 预测 方法 | ||
本发明公开了一种沥青路面剩余疲劳寿命的预测方法,将人工神经网络模型计算的结果代入车辆载荷作用次数与沥青路面疲劳裂缝之间的关系公式,以确定的疲劳疲劳裂缝率限值对应的车辆载荷作用次数与沥青路面实际承受的载荷作用次数之差作为沥青路面剩余疲劳寿命,该方法基于人工神经网络和统计方法,省略反算过程,使用工程技术人员容易获得的路面层厚度、模量、动态弯沉值大小和道路技术状况等数据,无需基于室内试验数据进行预测。本发明的沥青路面剩余疲劳寿命的预测方法基于工程技术人员容易获得的直接数据进行预测,并且基于人工神经网络模型,无需反算沥青路面模量,预测结果精确度较高。
技术领域
本发明属于公路交通技术领域,涉及一种沥青路面寿命预测技术,具体涉及一种沥青路面剩余疲劳寿命的预测方法。
背景技术
对道路整体结构健康状况进行定期评定,是优化公路网养护和修复策略的一个前提。在过去的几年中,已经开发了许多技术来监测路面使用性能,这些技术大多使用无损检测技术。工程技术人员经常使用路面管理系统中的信息来评估路面的完整性,并确定其剩余服务寿命,这种评估是在网络和项目两级进行的。准确预测路面的剩余寿命对于规划短期和长期养护、恢复和重建战略至关重要。沥青路面疲劳开裂是沥青路面常见病害形式之一。沥青混合料的疲劳是在应力或应变标准低于材料极限强度的情况下,由于载荷的重复作用导致混合料开裂的一种破坏现象。沥青路面产生疲劳破坏的主要原因是由于在车辆载荷和环境的耦合作用下,应力、应变常处于拉压交变的状态,导致沥青路面的结构强度下降,产生疲劳开裂。作用在沥青材料的载荷重复次数越多,其所能承受的应力、应变就越小。对路面性能检测当前最新的无损检测方法之一是激光动态弯沉系统,通过动态弯沉的检测,反算路面结构层的模量,进而估算路面疲劳寿命。由于反算是一个迭代过程,需要一套模型将弯沉测量的结果与反算结果进行匹配测算。由于反算结果的非唯一性,得出的模量结果往往与实际值偏差较大,因此预测的剩余疲劳寿命大大低于或高于预测值。
发明内容
本发明为了克服现有技术存在的缺点和不足而提供了一种沥青路面剩余疲劳寿命的预测方法,用于实现沥青路面剩余疲劳寿命预测,为道路养护提供依据。该方法基于人工神经网络和统计方法,省略反算过程,使用工程技术人员容易获得的路面层厚度、模量、动态弯沉值大小和道路技术状况等数据,无需基于室内试验数据进行预测。
本发明为解决上述技术问题采用如下技术方案,一种沥青路面剩余疲劳寿命的预测方法,其特征在于具体步骤为:
步骤S1:调查统计待评定沥青路面的结构类型、厚度、每层模量及修建年限信息,同时调查统计沥青路面疲劳裂缝数量;
步骤S2:采用激光动态弯沉检测车对不同服务年限或不同荷载作用次数的沥青路面激光动态弯沉值;
步骤S3:采用人工神经网络模型计算出不同输入参数的输出结果,采用包含输入层、隐含层和输出层的三层人工神经网络模型进行计算,输入层有面层厚度、面层模量、基层厚度、基层模量、路基模量、累计交通荷载作用次数和激光动态弯沉值,输出层为沥青路面剩余疲劳作用次数,将得到的输入层数据样本分为训练样本和测试样本,确定神经网络模型的训练精度或最大训练次数直至满足训练精度要求,停止对神经网络模型的训练;
步骤S4:采用公式(1)计算不同荷载作用下的沥青路面剩余疲劳作用次数;
式中:Nf-路面剩余疲劳作用次数,×106,次;
f1、f2、f3-系数,f1=0.0796,f2=3.291,f3=0.854;
εt-沥青层底弯拉应变;
EAC-沥青层模量,MPa;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于河南省高远公路养护技术有限公司;河南省高等级公路养护工程研究中心,未经河南省高远公路养护技术有限公司;河南省高等级公路养护工程研究中心许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910583393.6/2.html,转载请声明来源钻瓜专利网。





