胶粉和沥青相容性控制方法技术

本发明专利技术涉及沥青生产技术领域，提出了胶粉和沥青相容性控制方法，包括训练相容性控制模型的步骤，具体包括：获得多组样本数据，每组样本数据包括一一对应的胶粉细度、胶粉掺量、搅拌时间、反应温度、发育时间和改性沥青软化点差值；胶粉细度、胶粉掺量、搅拌时间、反应温度和发育时间为改性沥青相容性的五个影响因素；采用拉丁超立方抽样法从多组样本数据中抽取一百组样本数据；建立相容性控制模型，以胶粉细度、胶粉掺量、搅拌时间、反应温度和发育时间的抽样结果为输入数据，以改性沥青软化点差值的抽样结果为输出数据，训练相容性控制模型。通过上述技术方案，解决了相关技术中橡胶沥青的制备存在盲目性、产品质量无法有效控制的问题。题。题。

【技术实现步骤摘要】
胶粉和沥青相容性控制方法


[0001]本专利技术涉及沥青生产
，具体的，涉及胶粉和沥青相容性控制方法。

技术介绍

[0002]沥青胶浆是由沥青和填料组成的，对于改性剂(胶粉)与沥青相容性的质量控制国内还没有对其做出全面深入有体系的研究。改性剂(胶粉)与沥青相容性是评价橡胶沥青性能的重要指标，Texas交通部研究得出随着橡改性剂(胶粉)变细，单位体积或单位重量的表面积增加，这增强了橡胶的溶胀能力，促进改性剂(胶粉)与沥青的相容性，细橡胶粉对低温性质的影响比较粗的橡胶粉更有效，蠕变劲度降低得更多，用细橡胶粉制得的改性沥青的延度比用大颗粒的橡胶粉制得的改性沥青的延度大。
[0003]李艳博等人从沥青混合料的微观结构入手，通过人工神经网络(ANN)模型预测改性沥青混合料疲劳寿命，通过对其测试结果与传统的数理统计方法得到的结果对比发现，ANN模型能有效地预测改性混合料的疲劳寿命。此文章详细的介绍了神经网络在模型修正实现过程中的步骤，并对目前存在的问题进行了总结，但是并没有对改性剂(胶粉)与沥青相容性的质量控制做出研究。杨春波用改进的灰色模型来对历史数据进行拟合，历史数据与拟合数据的差值构成残差序列，通过人工神经网络模型对残差序列进行修正，然后将改进的灰色模型预测产生的基本数据与修正后的残差序列结合，得到组合模型预测结果，验证了改进后的人工神经网络对于模型预测的有效性。薛哲等人利用常规试验和SHRP试验研究反应温度、反应时间、改性剂(胶粉)掺量和改性剂(胶粉)粒径等对橡胶沥青高温、低温和黏弹性能的影响，并结合红外光谱试验、热重分析、荧光显微镜研究橡胶沥青的改性机理，以确定最佳的橡胶沥青改性工艺参数，为橡胶沥青制备工艺的确定提供指导和参考依据。关于改性剂(胶粉)与沥青相容性的研究多是定性地分析不同因素对橡胶沥青相容性的作用效果，但没有提出不同影响因素与改性剂(胶粉)与沥青相容性之间的量化关系，无法通过已知的工艺条件推测所制备改性剂(胶粉)与沥青相容性。即橡胶沥青的制备存在一定的盲目性，属于“先生产、后检测”的生产模式，极易出现制备产物不符合要求的情况。

技术实现思路

[0004]本专利技术提出胶粉和沥青相容性控制方法，解决了相关技术中橡胶沥青的制备存在盲目性、产品质量无法有效控制的问题。
[0005]本专利技术的技术方案如下：包括训练相容性控制模型的步骤，具体包括：
[0006]步骤S100：获得多组样本数据，每组样本数据包括一一对应的胶粉细度、胶粉掺量、搅拌时间、反应温度、发育时间和改性沥青软化点差值；所述胶粉细度、胶粉掺量、搅拌时间、反应温度和发育时间为所述改性沥青相容性的五个影响因素；
[0007]步骤S200：采用拉丁超立方抽样法从多组样本数据中抽取一百组样本数据，具体包括：
[0008]步骤S210：获得每个影响因素的取值范围；
[0009]步骤S220：根据取值范围，将每个影响因素分为四个水平；
[0010]步骤S230：每个影响因素抽取一个数，随机排列；
[0011]步骤S240：将五个影响因素组合；
[0012]步骤S250：重复步骤S230～步骤S240，直到T组样本数据抽取完成，生成初始种群，其中T为整数，且T>100；
[0013]步骤S260：采用遗传算法对初始种群进行筛选，输出一百组抽样结果，具体包括：
[0014]计算适应度函数：
[0015]f
i
＝m(1
‑
m)
i
‑1+(α
‑
1)
i+1
[0016]根据适应度函数的数值，计算每个样本数据的概率分布，并根据概率分布确定抽样结果：
[0017][0018]其中，m为(0，1)之间的常数，α为(
‑
1，0)之间的常数，i＝1，2，...，T；
[0019]步骤S300：建立相容性控制模型，以胶粉细度、胶粉掺量、搅拌时间、反应温度和发育时间的抽样结果为输入数据，以改性沥青软化点差值的抽样结果为输出数据，训练所述相容性控制模型；
[0020]进一步，还包括
[0021]步骤S400：获得改性沥青目标软化点差值；
[0022]步骤S500：获得N组测试数据，每组测试数据包括一一对应的胶粉细度X1、胶粉掺量X2、搅拌时间X3、反应温度X4和发育时间X5，其中，胶粉细度X1取值为X11，X12，X13或X14，胶粉掺量X2取值为X21，X22，X23或X24，搅拌时间X3取值为X31，X32，X33或X34，反应温度X4取值为X41，X42，X43或X44，发育时间X5取值为X51，X52，X53或X54；N为整数，且N≥100；
[0023]步骤S600：将每组测试数据输入所述相容性控制模型，得到对应的改性沥青软化点差值Y1；N组测试数据及其对应的改性沥青软化点差值构成N
×
6质量预测表；
[0024]步骤S700：读取N
×
6质量预测表，分别计算胶粉细度X1符合改性沥青目标软化点差值的概率、胶粉掺量X2符合改性沥青目标软化点差值的概率、搅拌时间X3符合改性沥青目标软化点差值的概率、反应温度X4符合改性沥青目标软化点差值的概率和发育时间X5符合改性沥青目标软化点差值的概率；
[0025]将所述胶粉细度X1符合改性沥青目标软化点差值的概率作为目标软化点差值的置信区间概率P；
[0026]所述胶粉细度X1符合改性沥青目标软化点差值具体为：当N
×
6相容性预测表中任一行的改性沥青软化点差值Y1与改性沥青目标软化点差值的差值在设定范围内时，该行的胶粉细度X1符合改性沥青目标软化点差值；
[0027]所述胶粉细度X2符合改性沥青目标软化点差值具体为：当N
×
6相容性预测表中任一行的改性沥青软化点差值Y1与改性沥青目标软化点差值的差值在设定范围内时，该行的胶粉细度X2符合改性沥青目标软化点差值；
[0028]所述胶粉细度X3符合改性沥青目标软化点差值具体为：当N
×
6相容性预测表中任一行的改性沥青软化点差值Y1与改性沥青目标软化点差值的差值在设定范围内时，该行的胶粉细度X3符合改性沥青目标软化点差值；
[0029]所述胶粉细度X4符合改性沥青目标软化点差值具体为：当N
×
6相容性预测表中任一行的改性沥青软化点差值Y1与改性沥青目标软化点差值的差值在设定范围内时，该行的胶粉细度X4符合改性沥青目标软化点差值；
[0030]所述胶粉细度X5符合改性沥青目标软化点差值具体为：当N
×
6相容性预测表中任一行的改性沥青软化点差值Y1与改性沥青目标软化点差值的差值在设定范围内时，该行的胶粉细度X5符合改性沥青目标软化点差值；
[0031]步骤S800：在目标软化点差值的置信区间概率P小于概率设定值时，缩小测试数据的取值范围，具体包括：
[0032]缩本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.胶粉和沥青相容性控制方法，其特征在于，包括训练相容性控制模型的步骤，具体包括：步骤S100：获得多组样本数据，每组样本数据包括一一对应的胶粉细度、胶粉掺量、搅拌时间、反应温度、发育时间和改性沥青软化点差值；所述胶粉细度、胶粉掺量、搅拌时间、反应温度和发育时间为所述改性沥青相容性的五个影响因素；步骤S200：采用拉丁超立方抽样法从多组样本数据中抽取一百组样本数据，具体包括：步骤S210：获得每个影响因素的取值范围；步骤S220：根据取值范围，将每个影响因素分为四个水平；步骤S230：每个影响因素抽取一个数，随机排列；步骤S240：将五个影响因素组合；步骤S250：重复步骤S230～步骤S240，直到T组样本数据抽取完成，生成初始种群，其中T为整数，且T>100；步骤S260：采用遗传算法对初始种群进行筛选，输出一百组抽样结果，具体包括：计算适应度函数：f
i
＝m(1
‑
m)
i
‑1+(α
‑
1)
i+1
根据适应度函数的数值，计算每个样本数据的概率分布，并根据概率分布确定抽样结果：其中，m为(0，1)之间的常数，α为(
‑
1，0)之间的常数，i＝1，2，...，T；步骤S300：建立相容性控制模型，以胶粉细度、胶粉掺量、搅拌时间、反应温度和发育时间的抽样结果为输入数据，以改性沥青软化点差值的抽样结果为输出数据，训练所述相容性控制模型。2.根据权利要求1所述的胶粉和沥青相容性控制方法，其特征在于，还包括步骤S400：获得改性沥青目标软化点差值；步骤S500：获得N组测试数据，每组测试数据包括一一对应的胶粉细度X1、胶粉掺量X2、搅拌时间X3、反应温度X4和发育时间X5，其中，胶粉细度X1取值为X11，X12，X13或X14，胶粉掺量X2取值为X21，X22，X23或X24，搅拌时间X3取值为X31，X32，X33或X34，反应温度X4取值为X41，X42，X43或X44，发育时间X5取值为X51，X52，X53或X54；N为整数，且N≥100；步骤S600：将每组测试数据输入所述相容性控制模型，得到对应的改性沥青软化点差值Y1；N组测试数据及其对应的改性沥青软化点差值构成N
×
6质量预测表；步骤S700：读取N
×
6质量预测表，分别计算胶粉细度X1符合改性沥青目标软化点差值的概率、胶粉掺量X2符合改性沥青目标软化点差值的概率、搅拌时间X3符合改性沥青目标软化点差值的概率、反应温度X4符合改性沥青目标软化点差值的概率和发育时间X5符合改性沥青目标软化点差值的概率；将所述胶粉细度X1符合改性沥青目标软化点差值的概率作为目标软化点差值的置信区间概率P；所述胶粉细度X1符合改性沥青目标软化点差值具体为：当N
×
6相容性预测表中任一行
的改性沥青软化点差值Y1与改性沥青目标软化点差值的差值在设定范围内时，该行的胶粉细度X1符合改性沥青目标软化点差值；步骤S800：在目标软化点差值的置信区间概率P小于概率设定值时，缩小测试数据的取值范围，具体包括：缩小胶粉细度X1的取值范围，并按照第一步长，在新的取值范围内选择新的取值X11，X12，X13或X14作为胶粉细度X1的当前取值；缩小胶粉掺量X2的取值范围，并按照第二步长，在新的取值范围内选择新的取值X21，X22，X23或X24作为胶粉掺量X2的当前取值；缩小搅拌时间X3的取值范围，并按照第三步长，在新的取值范围内选择新的取值X31，X32，X33或X34作为搅拌时间X3的当前取值；缩小反应温度X4的取值范围，并按照第四步长，在新的取值范围内选择新的取值X41，X42，X43或X44作为反应温度X4的当前取值；缩小发育时间X5的取值范围，并按照第五步长，在新的取值范围内选择新的取值X51，X52，X53或X54作为发育时间X5的当前取值；将胶粉细度X1的当前取值X11，X12，X13或X14、胶粉掺量X2的当前取值X21，X22，X23或X24、搅拌时间X3的当前取值X31，X32，X33或X34、反应时间X4的当前取值X41，X42，X43或X44、发育时间X5的当前取值X51，X52，X53或X54作为当前测试数据，执行步骤S700～步骤S800。步骤S900：在目标软化点差值的置信区间概率P大于概率设定值时，根据胶粉细度X1的当前取值X11，X12，X13或X14确定胶粉...

【专利技术属性】
技术研发人员：王国清，罗岩枫，马永利，张庆，杨龙，李硕，刘延雷，
申请(专利权)人：邦畿众创石家庄科技有限公司，
类型：发明
国别省市：