基于路面结构响应的沥青混合料动态模量参数设计方法技术

本发明专利技术公开了基于路面结构响应的沥青混合料动态模量参数设计方法，包括以下步骤：

【技术实现步骤摘要】
基于路面结构响应的沥青混合料动态模量参数设计方法


[0001]本专利技术涉及动态模量主曲线参数设计
，尤其是涉及基于路面结构响应的沥青混合料动态模量参数设计方法
。

技术介绍

[0002]沥青路面设计的目的是通过合理的结构组合和材料比选，将路面结构的关键响应控制在合理的范围，以保证路面结构的使用寿命
。
动态模量是沥青路面结构设计的重要输入，设计具有合理动态模量的沥青混合料，对沥青面层的服役性能和使用寿命至关重要
。
然而，目前的沥青混合料设计仍然以经验性试错法为主，动态模量更多的是作为一种验证性参数
。
这种设计模式尽管可在一定程度上摆脱由未知物理机理带来的限制，但存在“性能验证试验工作量大却无法保证其实际使用性能”的不足，导致社会资源与自然资源浪费
。
所以严格说来，目前沥青混合料的设计方法并不是一种真正意义上的材料设计
。

技术实现思路

[0003]本专利技术的目的是提供基于路面结构响应的沥青混合料动态模量参数设计方法，基于动态模量主曲线参数，找寻结构响应与材料性能的内在联系，探索沥青路面结构设计方法的新思路，为沥青混合料动态模量的精准设计提供基础；研究成果可完善沥青路面设计方法，也能为沥青混合料动态模量精准设计提供基础和依据
。
[0004]为实现上述目的，本专利技术提供了基于路面结构响应的沥青混合料动态模量参数设计方法，包括以下步骤：
[0005]S1、
建立基于沥青混合料动态模量主曲线参数的沥青路面结构力学响应预测模型；
[0006]S2、
神经网络权阈值优化沥青路面结构力学响应预测模型，提高沥青路面力学响应预测模型精度；
[0007]S3、
基于路面结构响应的动态模量主曲线参数设计及验证
。
[0008]因此，本专利技术采用上述基于路面结构响应的沥青混合料动态模量参数设计方法，其技术效果如下：
[0009](1)
沥青混合料动态模量主曲线如同一座桥梁，一方面可以预测沥青路面的结构响应：动态模量主曲线参数一经确定，沥青混合料在不同温度
‑
频率组合下的动态模量就可以确定，相应的路面结构响应也可以预测；另一方面，动态模量主曲线参数的取值与沥青混合料的材料特性密切相关，能够为沥青混合料的材料设计提供指导
。
[0010](2)
基于动态模量主曲线参数，找寻结构响应与材料性能的内在联系，探索沥青路面结构设计方法的新思路，为沥青混合料动态模量的精准设计提供基础
。
[0011](3)
研究成果可完善沥青路面设计方法，也能为沥青混合料动态模量精准设计提供基础和依据
。
[0012]下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述
。
附图说明
[0013]图1是神经元模型结构图；
[0014]图2是
BP
神经网络结构示意图；
[0015]图3是沥青路面结构力学响应预测模型拓扑结构；
[0016]图4是神经网络常用激活函数；
[0017]图
4a)Log
‑
Sigmoid
函数；图
4b)Tan
‑
Sigmoid
函数；图
4c)Relu
函数；
[0018]图5是刚性基层路面结构力学响应
BP
预测模型的训练结果；
[0019]图
5a)
训练样本；图
5b)
验证样本；图
5c)
测试样本；图
5d)
全部样本；
[0020]图6是刚性基层路面结构力学响应
BP
预测结果；图
6a)
沥青面层层底最大拉应变；图
6b)
基层层底最大拉应力；图
6c)
路基顶面竖向压应变；
[0021]图7是半刚性基层路面结构力学响应
BP
预测模型训练结果；
[0022]图
7a)
训练样本；图
7b)
验证样本；图
7c)
测试样本；图
7d)
全部样本；
[0023]图8是柔性基层路面结构力学响应
BP
预测模型训练结果；
[0024]图
8a)
训练样本；图
8b)
验证样本；图
8c)
测试样本；图
8d)
全部样本；
[0025]图9是半刚性基层路面结构力学响应
BP
预测结果；图
9a)
沥青面层层底最大拉应变；图
9b)
基层层底最大拉应力；图
9c)
路基顶面竖向压应变；
[0026]图
10
是柔性基层路面结构力学响应
BP
预测结果；图
10a)
沥青面层层底最大拉应变；图
10b)
基层层底最大拉应力；图
10c)
路基顶面竖向压应变；
[0027]图
11
是鲸鱼优化算法流程图；
[0028]图
12
是
WOA
‑
BP
神经网络模型预测流程；
[0029]图
13
是
WOA
算法进化过程适应度变化曲线；
[0030]图
14
是刚性基层路面结构力学响应
WOA
‑
BP
预测模型的训练结果；图
14a)
训练样本；图
14b)
验证样本；图
14c)
测试样本；图
14d)
全部样本；
[0031]图
15
是刚性基层路面结构力学响应
WOA
‑
BP
预测结果；图
15a)
沥青面层层底最大拉应变；图
15b)
基层层底最大拉应力；图
15c)
路基顶面竖向压应变；
[0032]图
16
是半刚性基层路面结构力学响应
WOA
‑
BP
预测模型的训练结果；
[0033]图
16a)
训练样本；图
16b)
验证样本；图
16c)
测试样本；图
16d)
全部样本；
[0034]图
17
是柔性基层路面结构力学响应
WOA
‑
BP
预测模型的训练结果；
[0035]图
17a)
训练样本；图
17b)
验证样本；图
17c)
...

【技术保护点】

【技术特征摘要】
1.
基于路面结构响应的沥青混合料动态模量参数设计方法，其特征在于，包括以下步骤：
S1、
建立基于沥青混合料动态模量主曲线参数的沥青路面结构力学响应预测模型；
S2、
神经网络权阈值优化沥青路面结构力学响应预测模型，提高沥青路面力学响应预测模型精度；
S3、
基于路面结构响应的动态模量主曲线参数设计及验证
。2.
根据权利要求1所述的基于路面结构响应的沥青混合料动态模量参数设计方法，其特征在于，在步骤
S1
中，包括以下步骤：
S11、
在进行预测之前，首先要采集到充足的样本，且样本应当尽量反映各种不同频率
、
参数组合下的路面结构力学响应，充分代表实际工程中的各种路面材料；
S12、
沥青路面结构力学响应预测模型的设计；
S13、
在步骤
S12
的基础上，沥青路面结构力学响应值预测，结合在步骤
S11
中采集到的数据进行神经网络训练
。3.
根据权利要求2所述的基于路面结构响应的沥青混合料动态模量参数设计方法，其特征在于，在步骤
S12
中，
BP
神经网络结构的确定主要包括网络层数
、
各层节点数和激活函数的选择，具体设置步骤如下：
S121、
设置一层隐含层用于神经网络训练和预测；
S122、
输入层与输出层节点数的确定；
S123、
隐含层节点数的确定；
S124、
激活函数和训练函数的确定
。4.
根据权利要求3所述的基于路面结构响应的沥青混合料动态模量参数设计方法，其特征在于，在步骤
S122
中，拟定输入层参数为主曲线方程的四个参数是动态模量主曲线的下渐近线
δ
、
动态模量由低频向高频变化的取值范围
α
、
影响动态模量主曲线拐点的水平位置和斜率的
β
和
γ
以及频率
f
，网络的输出层参数为沥青面层层底最大拉应变
、
基层层底最大拉应力和路基顶面竖向压应变，即输入层节点数为5，输出层节点数为
3。5.
根据权利要求3所述的基于路面结构响应的沥青混合料动态模量参数设计方法，其特征在于，在步骤
S123
...

【专利技术属性】
技术研发人员：黄优，刘朝晖，杨鑫，柳力，余时清，
申请(专利权)人：长沙理工大学，
类型：发明
国别省市：