CN109919481B - 一种碾压混凝土压实度多参数联合实时评价方法 - Google Patents

Abstract

本发明公开了一种碾压混凝土压实度多参数联合实时评价方法。包括：评价单元确定、各单元碾压混凝土实时应力波、含湿率和碾压料级配参数的采集、神经网络模型建立、3D整体碾压层压实度可视化显示。本发明依据可获得的现场含湿率、碾压层应力波速、骨料级配、胶砂比等料性参数，基于碾压混凝土施工热层可测料性参数的压实度评价模型，无需考虑现场难以准确获取的设备动态性能参数和环境不稳定条件参数影响，有效解决现场离散测点压实度表征困难，通过在碾压混凝土施工热层在线采集的参数指标，通过BP神经网络模型，实现碾压混凝土压实质量的实时准确评价；本发明还通过数字化可视云图有效馈控施工过程决策管理，现场、远程人员同步可精细掌握和控制碾压层的混凝土施工实时质量，实现实时信息化施工。

Description

一种碾压混凝土压实度多参数联合实时评价方法

技术领域

本发明属于混凝土施工质量监控技术领域，尤其属于碾压混凝土压实质量控制技术领域，涉及一种混凝土施工中碾压层压实度指标多参数联合实时评价方法。

背景技术

大量工程实际表明，施工压实质量对碾压混凝土坝成型质量具有重要影响，而目前现场对施工压实质量控制手段相对落后，控制精度无法满足精细化施工要求。现有混凝土拌和物质量通常使用维勃稠度法VC值表征，因此，研究实时、准确、可靠、快速的压实质量评价方法显得十分重要。

碾压混凝土施工压实质量对大坝成型质量有至关重要影响。现有碾压热层压实质量的获取通过核子密度仪法检测，其主要缺点是：测量点少，不具有反应整个仓面压实质量代表性；现场检测耗时较长，测量过程繁琐，每使用一段时间需要重新对仪器重新标定，测值结果准确可靠性存疑；核子密度仪内部包含放射性元素，使用时存在辐射及泄露风险；核子密度仪检测压实度均为碾压完成后检测，无法做到实时检测；故采用核子密度仪法检测无法满足碾压混凝土质量快速精准检测要求。

目前已有对碾压混凝土施工压实质量信息化控制进行了系统性开发研究，主要通过GPS监控系统对碾压混凝土铺料位置、铺料厚度、碾压遍数、碾压机械行走速度及激振力档位运行工况等主要施工过程参数的连续实时、智能化控制。但这类评价模型指标主要依赖施工开始前试验仓碾压工艺参数，而实际上现场的碾压工况相对于初期试验仓并不单单是铺料厚度、碾压遍数、碾压机械行走速度及激振力档位运行工况的差异性。现有所谓信息化施工方法实时精准度依旧不高，无法考虑现场条件的客观显著差异化特征。

碾压混凝土施工中依据实时现场的碾压料层的料性参数，评价压实效果比较客观可行。二级配、三级碾压配混凝土甚至四级配碾压混凝土所用骨料粒径差别较大，骨料级配对碾压压实质量影响显著。应力横波在碾压混凝土成层中传播速度随着碾压层的密实度发生相应变化，通过滤波处理可提取其在定量冲击下的不同距离间横波首波差进而获取被测局部的横波波速；同一密实条件下应力波波速采集通过时频信号处理，可满足信号稳定需求且波动范围小。籍此，获取的应力波速与碾压混凝土压实度量化具有直接相关性。拌合料含湿率也直接影响碾压混凝土可压实性能，含湿率过大，相应地，Vc值较小，碾压热铺层容易产生类似“橡皮土”现象，有效压实功降低；含湿率过小，相应地，Vc值增大，需要压实的功率消耗很大，则工艺也难以压实。

BP神经网络是一种在理论和应用方面发展都较为成熟的逆向传播算法的多层前馈式网络，具有多层神经网络结构。常规的BP网络模型一般包含输入层、中间层(隐含层)和输出层，其应用十分广泛，但是在混凝土碾压层压实度评价中，如何选择参数和建立评价方法还没有研究公开。

发明内容

为实现碾压混凝土压实质量现场实时准确评价，本发明提出一种碾压混凝土压实度指标多参数联合实时评价方法。本发明要解决的问题是提供一种实时、可云图化的基于应力波和含湿率及碾压料级配等参数模型的碾压混凝土压实度指标实时评价方法。

本发明通过以下技术方案实现：

碾压混凝土压实度多参数联合实时评价方法，其特征在于包括：评价单元确定、各单元碾压混凝土实时应力波、含湿率和碾压料级配参数的采集、神经网络模型建立、3D整体碾压层压实度可视化显示；

所述压实度评价单元确定是：根据碾压混凝土构筑物结构，将构筑物混凝土仓面碾压层按碾压机械碾轮宽度进行作业单元划分；

所述应力波和含湿率及碾压料级配参数的采集是：利用应力波检测仪获取碾压热层碾压完成时的应力横波检测值，利用含湿率测试仪获取碾压前后碾压料的实时含湿率测点数据，同时结合碾压料的胶砂比、级配因子参数信息，通过无线通讯方式，上传到实时评价模型；

所述神经网络模型建立是：现场碾压层结构施工过程中采集生成用于训练和测试评价神经网络的数据样本，确定用于混凝土压实度评价的神经网络结构，利用遗传算法来优化神经网络的初始权值和阈值，利用训练数据集通过神经网络训练，生成碾压混凝土压实度的实时评价模型；

所述3D整体碾压层压实度可视化显示是：将获取的碾压层随机单元的骨料级配参数、胶砂比、拌和料含湿率、碾压完成时应力波波速通过神经网络模型评价并与碾压车定位数据，导入单元3D压碾压层实度显示模型，构成碾压效果馈控评价信息。

所述馈控评价信息包括：Web在线碾压质量云图，以图形方式显示；或碾压质量报告，按设定的压实度阈值 统计欠压、稍欠、正常、稍过和过压的三维有限元总数，计算合格率，生成碾压质量报告，以文本方式显示。

所述每作业单元按单元面积设置为2×2m²。

所述建立神经网络模型中包括：神经网络预测模型训练和评价模型率定，采集二级配、三级配和四级配碾压混凝土的测试单元样本不少于500 个测点数据，采用神经网络算法对试验数据进行训练，并使用《水工碾压混凝土施工规范》(DLT5112-2009)确定的核子密度仪现场检测规定方法对应数据对评价模型精度进行验证和率定。

所述拌合料含湿率获取包括：碾压混凝土堆料摊铺于仓面，用平仓机摊铺均匀后，利用拌合料含湿率实时检测仪，对碾压料进行湿筛、装填、压实、测试、上传，对测点分别取样本测量三次记录平均值，自动完成计算、显示、存储，并通过高精度GPS-RTK模块和4G模块，实现将仓号、测点序号、含湿率值、VC值和测点定位数据上传并导入神经网络模型。

所述碾压时应力横波波速获取包括：采用现场波速测试仪在仓面碾压完区域随机测量采集碾压完热层的横波波速值。

所述碾压时应力横波波速获取是将应力波激发装置利用2kg钢球从固定高度自由落下产生应力波，在距落球点500mm和1500mm的前后两个钢制触点采集到横波首波信号并传送到所连接的传感器，采集到的横波信号通过滤波处理，提取到2kg定量冲击下的固定距离间横波首波差，进而获得被测局部区域的横波应力波波速，并通过高精度GPS-RTK模块和4G通讯模块，将测试点分类序号、横波应力波波速和测点定位数据上传并导入神经网络模型。

本发明方法在确定碾压混凝土骨料级配、胶砂比后，通过拌合料含湿率实时测量仪器实现碾压混凝土含湿率及VC值的测量，通过现场快速高效测量的波速测试仪采集碾压混凝土中获得应力横波波传播速度，将以上两种实测料性参数连同其空间定位数据共同上传，基于拌合料含湿率、碾压层混凝土中应力波波速以及骨料级配等计算参数建立碾压混凝土压实质量实时评价模型，通过BP神经网络模型训练对模型精度进行修正，最终建立碾压混凝土施工热层压实度实时预测模型BP神经网络模型。将现场实测上述参数输入预测模型，给出压实度评价合格性指标分布，实时评价反馈控制，实现对碾压混凝土压实质量管控。

本发明基于碾压混凝土施工中碾压料层的料性参数，评价压实效果直观可行。应力横波在碾压混凝土成层中传播速度随着碾压层的密实度发生相应变化，通过滤波处理可提取某种定量冲击下的不同距离间横波首波差进而获取被测局部的横波波速；同一密实条件下应力波波速采集通过时频信号处理，可满足信号稳定且波动范围小。籍此，获取应力波与碾压混凝土压实度量化相关性。

本发明对于碾压混凝土施工压实质量评价，考虑到碾压层成层材料性能的测试可靠性及与压实度的直接相关性，依据可获得的含湿率、碾压层应力波速、骨料级配、胶砂比等料性参数，建立基于碾压混凝土施工热层可测料性参数的压实度评价模型。此模型无需考虑现场难以准确获取的设备动态性能参数和环境不稳定条件参数影响，并有效解决现场离散测点压实度表征及完整提供碾压层压实质量，能实现碾压混凝土压实质量的实时准确评价。

本发明首次提出一种混凝土施工多参数联合碾压层压实度指标实时评价方法，可以弥补当前碾压混凝土热层碾压完成后的压实度实时无法大量检测而进行实时准确评价的方法缺陷，评价的数据采集方便可靠，采用多参数联合的压实度评价方法更准确可靠，以数字化云图形式显示实时压实度直观高效，作业过程中能实现远程、精准地掌握碾压质量情况，并通过可视化再现碾压效果，快速有效馈控碾压施工，现场、远程人员实时可精细掌握和控制碾压层的混凝土施工实时质量，实现信息化施工。

附图说明

图1为本发明实施例流程原理框图；

图2为本发明BP神经网络结构图；

图3为本发明采用反距离加权法建立整体仓面单元压实度评价方法示意；

图4为本发明实施例的一层碾压压实度实时评价云图效果；

图5为本发明实施例的碾压压实度实时评价报告示意图。

具体实施方式

下面结合具体实施方式对本发明进一步说明，具体实施方式是对本发明原理的进一步说明，不以任何方式限制本发明，与本发明相同或类似技术均没有超出本发明保护的范围。

结合附图。

混凝土碾压层压实度实时评价方法。原理实现见图1所示。

第一步，碾压混凝土碾压热层压实度实时预测模型建立。现场采集二级配、三级配和四级配碾压混凝土的测试样本不少于500个测点数据，包括实时含湿率测检测、碾压层横波应力波速检测以及对应的拌合料级配；采用BP神经网络算法对试验数据进行训练，建立碾压层压实质量评价模型，如图2所示，并使用现场测试数据对模型精度进行验证。

第二步，选择相应评价模型。实际工程中二级配、三级配和四级配碾压混凝土施工区域有明显区分，在建立碾压混凝土施工压实质量评价模型时，可根据二、三、四级配碾压混凝土分别建立模型，使用时可直接根据实际施工区域情况选择相应模型。

第三步，碾压仓面单元划分。碾压混凝土大坝施工中，由下到上不同坝段碾压混凝土仓面划分，依据现场条件和工艺需求单仓面积差别很大。为实现全仓面碾压效果的实时预测和评价，故将所预测压实度仓面按碾压机械碾轮宽度进行单元划分，划分单元面积设置为2×2m²，如出现仓面边角不足2m的区域，按实际情况进项单元划分。

第四步，仓面拌合料含湿率测量。碾压混凝土堆料摊铺于仓面，用平仓机摊铺均匀后，利用拌合料含湿率实时检测仪，对单元中某一测点分别取样本测量三次记录平均值，并记录测点坐标数据，一起实时上传至云端并输入实时碾压压实度评价模型；

第五步，碾压后应力横波波速采集。采用现场波速测试仪在仓面碾压完若干单元区域随机测量采集横波波速值并记录相应坐标，对同一碾压条带不同碾压遍数条件下各测量若干次，数据实时上传至云端并输入评价模型；

第六步，仓面料性实测参数通过评价模型计算分析。随机检测若干个划分的碾压单元中混凝土材料参数，带入图2确定的评价模型，得各随机测点压实度值；由现场已知随机分布测点压实度值采用反距离加权法建立评价仓面所有单元面积压实度值评价方法，进而获取价所有碾压混凝土单元压实质量，采用随机分布测点压实度表征全体单元碾压压实度的反距离加权法推算步骤为：

读取数据库中该模型层数据实测点处的含湿率、波速数据，运用反距离加权法(Inverse Distance Weighted)，按下式(1)加权函数对没有标记为1的且没有实测数据的网格单元，如图3阴影部分所示，以距其最近的3个实测数据点为离散样本点，插值求出其含湿率值及应力波波速值，为保证最终评价指标可靠性，数据实测点在仓面范围内均匀分布；

式中，d_i＝[(x-x_i)²+(y-y_i)²]^1/2为插值点(x，y)与距插值点最近的第i个实测数据点(x_i，y_i)间的距离(i＝1,2,3)。

第七步，将该碾压层全体单元碾压压实度实时评价压实度分布结果导入评价系统，生成该碾压层碾压实时压实度质量3D可视化云图和压实质量统计分析结果，便于不合格区域反馈通知现场实时补碾。

以下以一具体例对本发明方法进行进一步说明。

本实例选取某电站左岸10#坝段碾压区的第4施工仓第11层(1#～5# 坝段，高程1882.00m～高程1888.00m)。该区域为二级配碾压区域，通过在施工现场实时采集碾压工艺参数并上传，远程系统评价碾压混凝土现场施工压实质量并进行现场馈控，开展有效实施应用；该评价方法运用核子密度仪现场同步采集压实度实测验证评价准确性，证明本方法效果可靠性。

(1)选取第4仓第11层碾压区域内二级配混凝土，仓面实时检测500 组随机独立测点的含湿率值和应力横波速值；同步地，在该测点采用核子密度仪检测获取常规方法压实度检测值，建立对应关系；上述样本组带入模型网络训练，如图2所示，得到该级配下的预测模型。

(2)另采集该层现场实测10组核子密度仪获取的压实度数据，验证预测模型精度，见表一。

表一、4仓第11层二级配碾压混凝土预测模型精度分析

由结果可知，模型预测结果较好，除个别点外，模型预测误差基本都在0.8以内，表明本文所建立碾压混凝土施工压实质量预测模型精度较高，可以满足工程现场使用要求。

(3)铺料平仓后测量单元内拌合料含湿率，碾压后采集碾压层应力横波波速，将数据输入预测模型计算得出该单元压实度评价指标。

(4)将4仓11层仓面按单元面积2×2m²划分，由现场已知随机分布测点评价压实度值运用反距离加权法，如图3所示；建立该层碾压所有2 ×2m²单元面积压实度评价值。

本例模型计算中：输入评价单元内某点实时测量数据(二级配骨料、含湿率21.1％、应力横波波速257.98m/s)，得到预测压实度94.12％，该点采用核子密度仪检测压实度为95.30％，两者差值满足精度要求。其余预测评价数据见表二所示，结果表明除少量异常值外，两者差值均小于0.8％，表明所建立模型可以较好实时反应现场碾压混凝土施工压实情况。表二、第11层二级配(胶砂比0.28)部分测点碾压混凝土预测评价数据

(5)10#坝段第4仓第11层碾压层实时反馈评价压实度3D可视化分布云图结果显示见图4，生成合格碾压质量报告及碾压质量统计见图5。

利用本发明所提出的多参数联合实时评价方法，可形成碾压混凝土施工热层实时压实质量评价模型。现场使用表明，实时评价模型使用效果良好，能满足快速、精细化实时馈控施工要求。

Claims (2)

1.一种碾压混凝土压实度多参数联合实时评价方法，其特征在于包括：评价单元确定、各单元碾压混凝土实时应力波、含湿率和碾压料级配参数的采集、神经网络模型建立、3D整体碾压层压实度可视化显示；

评价单元确定是：根据碾压混凝土构筑物结构，将构筑物混凝土仓面碾压层按碾压机械碾轮宽度进行作业单元划分；其中，作业单元按每单元面积设置为2×2m²；

各单元碾压混凝土实时应力波、含湿率和碾压料级配参数的采集是：利用应力波检测仪获取碾压热层碾压完成时的应力横波检测值，利用含湿率测试仪获取碾压前后碾压料的实时含湿率测点数据，同时结合碾压料的胶砂比、级配因子参数信息，通过无线通讯方式，上传到实时评价模型；其中：含湿率采集方法包括：碾压混凝土堆料摊铺于仓面，用平仓机摊铺均匀后，利用拌合料含湿率实时检测仪，对碾压料进行湿筛、装填、压实、测试、上传，对测点分别取样本测量三次记录平均值，自动完成计算、显示、存储，并通过高精度GPS-RTK模块和4G模块，实现将仓号、测点序号、含湿率值、VC值和测点定位数据上传并导入神经网络模型；碾压实时应力横波波速获取采用现场波速测试仪在仓面碾压完区域随机测量采集碾压完热层的横波波速值；

神经网络模型建立是：现场碾压层结构施工过程中采集生成用于训练和测试评价神经网络的数据样本，确定用于混凝土压实度评价的神经网络结构，利用遗传算法来优化神经网络的初始权值和压实度阈值，利用训练数据集通过神经网络训练，生成碾压混凝土压实度的实时评价模型；神经网络预测模型训练和评价包括：模型率定，采集二级配、三级配和四级配碾压混凝土的测试单元样本不少于500个测点数据，采用神经网络算法对试验数据进行训练，并使用《水工碾压混凝土施工规范》(DLT5112-2009)确定的核子密度仪现场检测规定方法对应数据对评价模型精度进行验证和率定；

3D整体碾压层压实度可视化显示是：将获取的碾压层随机单元的骨料级配参数、胶砂比、拌和料含湿率、碾压完成时应力波波速通过神经网络模型评价并与碾压车定位数据，导入单元3D压碾压层实度显示模型，构成碾压效果馈控评价信息；馈控评价信息包括：Web在线碾压质量云图，以图形方式显示；或碾压质量报告，按设定的压实度阈值 统计欠压、稍欠、正常、稍过和过压的三维有限元总数，计算合格率，生成碾压质量报告，以文本方式显示。

2.根据权利要求1所述的碾压混凝土压实度多参数联合实时评价方法，其特征在于：碾压时应力横波波速获取是将应力波激发装置利用2kg钢球从固定高度自由落下产生应力波，在距落球点500mm和1500mm的前后两个钢制触点采集到横波首波信号并传送到所连接的传感器，采集到的横波信号通过滤波处理，提取到2kg定量冲击下的固定距离间横波首波差，进而获得被测局部区域的横波应力波波速，并通过高精度GPS-RTK模块和4G通讯模块，将测试点分类序号、横波应力波波速和测点定位数据上传并导入神经网络模型。

Images