CN111595727B - 建立快速预测沥青-集料黏附性和沥青黏韧性评价的方法 - Google Patents

建立快速预测沥青-集料黏附性和沥青黏韧性评价的方法 Download PDF

Info

Publication number
CN111595727B
CN111595727B CN202010619080.4A CN202010619080A CN111595727B CN 111595727 B CN111595727 B CN 111595727B CN 202010619080 A CN202010619080 A CN 202010619080A CN 111595727 B CN111595727 B CN 111595727B
Authority
CN
China
Prior art keywords
asphalt
aggregate
adhesion
functional group
characteristic functional
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010619080.4A
Other languages
English (en)
Other versions
CN111595727A (zh
Inventor
罗蓉
牛茏昌
胡芙蓉
涂崇志
李仁君
罗晶
汪翔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University of Technology WUT
Original Assignee
Wuhan University of Technology WUT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan University of Technology WUT filed Critical Wuhan University of Technology WUT
Priority to CN202010619080.4A priority Critical patent/CN111595727B/zh
Publication of CN111595727A publication Critical patent/CN111595727A/zh
Application granted granted Critical
Publication of CN111595727B publication Critical patent/CN111595727B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N11/00Investigating flow properties of materials, e.g. viscosity, plasticity; Analysing materials by determining flow properties
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N13/00Investigating surface or boundary effects, e.g. wetting power; Investigating diffusion effects; Analysing materials by determining surface, boundary, or diffusion effects
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N13/00Investigating surface or boundary effects, e.g. wetting power; Investigating diffusion effects; Analysing materials by determining surface, boundary, or diffusion effects
    • G01N13/02Investigating surface tension of liquids
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/3577Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing liquids, e.g. polluted water
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N5/00Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid
    • G01N5/02Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid by absorbing or adsorbing components of a material and determining change of weight of the adsorbent, e.g. determining moisture content
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/18Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N11/00Investigating flow properties of materials, e.g. viscosity, plasticity; Analysing materials by determining flow properties
    • G01N2011/006Determining flow properties indirectly by measuring other parameters of the system
    • G01N2011/008Determining flow properties indirectly by measuring other parameters of the system optical properties
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N13/00Investigating surface or boundary effects, e.g. wetting power; Investigating diffusion effects; Analysing materials by determining surface, boundary, or diffusion effects
    • G01N13/02Investigating surface tension of liquids
    • G01N2013/0208Investigating surface tension of liquids by measuring contact angle
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N2021/3595Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using FTIR

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明涉及一种建立快速预测沥青‑集料黏附性和沥青黏韧性评价的方法,包括:测试出沥青特征官能团红外光谱图并对其进行处理,得出沥青特征官能团指数;测试得出集料和沥青的表面能参数,并计算出沥青与集料间的黏附结合能用于评价沥青与集料之间的黏附性;计算沥青内聚结合能用于评价沥青黏韧性;用关联分析方法考察各沥青特征官能团对沥青性质的影响程度,比较得出对沥青‑集料黏附性、沥青黏韧性影响极大的特征官能团;采用多元线性回归分析法确定特征官能团指数分别与沥青‑集料黏附性、沥青黏韧性的回归方程,进行沥青特征官能团指数对沥青性质影响的量化研究。本发明能快速预测出沥青‑集料黏附性和沥青黏韧性,减少了对待测沥青的损毁率。

Description

建立快速预测沥青-集料黏附性和沥青黏韧性评价的方法
技术领域
本发明涉及道路工程的技术领域,具体涉及一种建立快速预测沥青-集料黏附性和沥青黏韧性评价的方法。
背景技术
由于沥青混凝土路面具有行车舒适性高、行车噪音小、易于维护、养护成本相较于水泥混凝土路面低等优点,当前我国高等级路面均推荐使用沥青混凝土路面。但是受天气、温度、雨水气候等自然因素的影响,沥青混凝土路面产生道路病害的病害形式具有多样性和多变性,在使用过程中发现沥青路面常产生开裂现象,其开裂形式主要有沥青-集料的界面黏附降低造成的黏附开裂,以及沥青-沥青界面黏附性降低造成的内聚开裂,这两种开裂形式增加了道路维护费用。为提高沥青路面的使用质量,降低道路的维护费用,需要减少沥青路面开裂现象。研究发现,提高沥青-集料黏附性、沥青黏韧性有助于减少这两种开裂现象的产生。现阶段常通过使用表面能法进行沥青-集料黏附性、沥青黏韧性的评价,从而优选出最优沥青-集料组合。但是这种方式需要分别测试并计算出沥青与集料的表面能参数,才能进行后续计算,对于处理紧急情况下的黏附性、黏韧性评价具有一定的时间紧迫性。因此,提出一种快速预测沥青-集料黏附性、沥青黏韧性的方法显得尤为必要。
发明内容
本发明的目的在于提供一种建立快速预测沥青-集料黏附性和沥青黏韧性评价的方法,该方法能快速预测出沥青-集料黏附性和沥青黏韧性,减少了对待测沥青的损毁率,大大提高了沥青的利用率。
本发明解决上述技术问题所采用的方案是:
一种建立快速预测沥青-集料黏附性和沥青黏韧性评价的方法,包括如下步骤:
S1:用红外光谱仪测试出沥青特征官能团红外光谱图,标记红外光谱图上的各特征官能团波峰,并提取已标记的各波峰的原始面积,以其中一标记的波峰面积为基准计算各波峰的相对面积,再根据各波峰的相对面积计算沥青特征官能团指数;
S2:分别计算集料和多种沥青的表面能参数,然后根据集料和多种沥青的表面能参数计算出各种沥青与集料间的黏附结合能,并根据黏附结合能判断出沥青-集料黏附性的大小;
S3:根据步骤S2得到的沥青表面能参数计算出各种沥青的内聚结合能,并根据沥青内聚结合能判断沥青黏韧性的大小;
S4:使用关联分析方法得出沥青各特征官能团分别对沥青-集料的黏附结合能、沥青内聚结合能的关联系数,并根据得出的关联系数计算对应的关联度,确定沥青各特征官能团分别对沥青-集料黏附结合能、沥青内聚结合能的影响程度,最后选出关联度在一定值以上的沥青特征官能团;
S5:使用多元线性回归方程分别建立沥青-集料黏聚结合能、沥青内聚结合能与步骤S4中选出的关联度在一定值以上的沥青特征官能团之间的模型公式,并对模型公式进行验证。
进一步地,在步骤S1中,沥青的特征官能团指数为该官能团的总相对面积与所有特征官能团的总相对面积的比值。
进一步地,在步骤S1中,在计算沥青各特征官能团指数时,将对应着相同官能团的不同波长的波峰的相对面积进行合并,求取该特征官能团指数。
进一步地,在步骤S2中,通过蒸气吸附法测试并计算得出集料的表面能参数,通过光学接触角法测试并计算得出各种沥青的表面能参数,最后使用GvOC理论体系计算得出沥青与集料之间的黏附结合能,步骤S3中的沥青内聚结合能也采用GvOC理论体系计算得出。
进一步地,在步骤S4中,用关联分析法计算关联系数和关联度时还包括如下步骤:
1)将沥青-集料黏附结合能、沥青内聚结合能数据分别作为参考数列,将沥青各特征官能团指数数据作为比较数列进行分析;
2)对各沥青-集料黏附结合能、沥青内聚结合能数据以及沥青各特征官能团指数进行无量纲化处理;
3)以无量纲化后的参考数列为基准进行求差数列的计算,再找出求差数列中的两级最大值和两级最小值,根据两级最大值和两级最小值求出分辨系数,最后根据分辨系数计算出沥青各特征官能团的官能团指数分别对沥青-集料黏附结合能、沥青内聚结合能的关联系数;
4)将各特征官能团分别对沥青-集料黏附结合能、沥青内聚结合能的关联系数求平均值得到该特征官能团分别对沥青-集料黏附结合能、沥青内聚结合能的关联度,并根据关联度大小对各特征官能团进行排序。
进一步地,对于每个参考数列X0有若干个比较数列X1,X2,…,Xn,各比较数列与参考数列的关联系数ξ(Xi)由下列公式算出:
Figure BDA0002562394880000031
式中:ΔV为所有差值绝对值的均值;Δ(min)为两级最小差;Δ(max)为两级最大差;Δoi(k)为各比较数列Xi曲线上的每一个点与参考数列X0曲线上的每一个点的绝对差值;ρ为分辨系数,1>ρ>0,ρ的取值要求为:
a.Δ(min)>3ΔV时,XΔ≤ρ≤1.5XΔ
b.Δ(max)≤3ΔV时,1.5XΔ<ρ≤2XΔ
式中:
Figure BDA0002562394880000032
即所有差值绝对值的均值与两级最大差之比。
进一步地,在步骤S4中,从计算得到的关联度中选出关联度在0.85-1之间的沥青特征官能团分别作为对沥青-集料黏附结合能、沥青内聚结合能影响极大的官能团。
进一步地,在无量纲化处理时,采用均值法、最大最小归一法、标准归一法中的一种进行处理。
进一步地,在建立多元回归线性方程时,分别以沥青-集料黏附结合能、沥青内聚结合能为因变量,以选出的关联度在一定值以上的沥青特征官能团指数为自变量,并建立边界条件。
进一步地,在对模型公式进行验证时,根据相对误差δ的取值范围判断所得模型是否合理可用。
与现有技术相比,本发明至少具有以下有益效果:
1)本发明通过试验检测与数据分析,建立一种使用沥青特征官能团指数预测沥青-集料黏附性、沥青黏韧性的评价方法,该方法使用傅里叶红外光谱仪测试并计算得出12种沥青中各官能团的官能团指数,使用表面能理论体系计算出沥青与集料的黏附结合能及沥青内聚结合能,然后采用灰色关联系统及多元线性规划进行沥青特征官能团与沥青性质之间的关系分析,相较于传统试验沥青材料耗费大的缺点,该评价方法能快速预测出沥青-集料黏附性、沥青黏韧性,减少了待测沥青的损毁率,大大提高了沥青的利用率;
2)该评价方法需收集沥青与集料的表面能测试数据,以及试验沥青的傅里叶红外光谱测试结果,通过灰色关联分析及多元线性回归分析这两种数理分析方法建立沥青特征官能团指数分别与沥青-集料黏附结合能、沥青内聚结合能的关系,从而实现沥青及沥青-集料组合的优选,合理利用有限的养护资金。
附图说明
图1为本发明实施例中12种沥青的傅里叶变换红外光谱测试结果;
图2为本发明实施例中50#基质沥青的傅里叶变换红外光谱测试结果
图3为本发明实施例波峰面积识别示例图;
图4为本发明实施例中12种沥青的沥青特征官能团指数汇总图。
具体实施方式
为更好的理解本发明,下面的实施例是对本发明的进一步说明,但本发明的内容不仅仅局限于下面的实施例。
本发明提供一种建立快速预测沥青-集料黏附性和沥青黏韧性评价的方法,包括如下步骤:
S1:用傅里叶红外光谱仪测试出沥青特征官能团红外光谱图
ⅰ.利用OMNIC软件和Excel软件处理图像数据
首先将图像导入到OMNIC软件中,调用程序将图像由透过率转为吸收率,然后使用波峰标记功能标记明显波峰,之后使用面积提取功能提取已标记波峰处的官能团原始面积,将波峰原始面积提取完毕后,然后将原始面积导入到Excel软件中进行相对面积以及沥青特征官能团指数的计算,相对面积的计算公式如下式所示:
Figure BDA0002562394880000051
其中:ΔS2923为2923cm-1波长的沥青特征官能团面积数据;ΔSi/2923为各特征波峰的相对面积数据;ΔSi为各特征波峰的原始面积数据;
在本实施例中,以2923cm-1波长的沥青特征官能团面积数据为基准进行计算相对面积,当然也可以其他波长处的原始面积为基准进行计算。
ⅱ.沥青特征官能团指数按下式计算:
Figure BDA0002562394880000052
其中:ΔIi/总为沥青各特征官能团指数。
ⅲ.进行沥青特征官能团指数的合并
S2:使用蒸气吸附法测试并计算出集料的表面能参数,接着使用光学接触角法测试并计算出沥青的表面能参数,最后使用GvOC理论体系计算出沥青与集料间的黏附结合能,从而判断出沥青-集料黏附性的大小:
Figure BDA0002562394880000053
Figure BDA0002562394880000054
式中:
Figure BDA0002562394880000055
为沥青与集料两相系统的黏附能;
Figure BDA0002562394880000056
为集料表面能参数的非极性分量;
Figure BDA0002562394880000061
为沥青表面能参数的非极性分量;
Figure BDA0002562394880000062
为集料表面能参数的极性酸分量;
Figure BDA0002562394880000063
为集料表面能参数的极性碱分量;
Figure BDA0002562394880000064
为沥青表面能参数的极性酸分量;
Figure BDA0002562394880000065
为沥青表面能参数的极性碱分量;WSL a为沥青与集料间的黏附功,负号代表这种过程是自发黏合的过程。释放的能量越大代表二者之间黏合的越好。为方便比较不同集料与沥青之间的黏附性,采用黏附功的绝对值作为黏附性的评价依据。
S3:使用步骤S2中沥青的表面能参数采用GvOC理论体系计算出沥青内聚结合能,判断出沥青黏韧性的大小。
Figure BDA0002562394880000066
式中:
Figure BDA0002562394880000069
为沥青内聚结合能;
Figure BDA0002562394880000067
为沥青内聚结合能的非极性分量;
Figure BDA0002562394880000068
为沥青内聚结合能的极性分量;γL为沥青表面能总量。
S4:使用灰色关联分析方法分别确定出对沥青-集料黏附结合能、沥青内聚结合能影响极大的沥青特征官能团。其步骤为:
ⅰ判定列的确定
反映系统行为特征的数据序列,称为参考数列。影响系统行为的因素组成的数据序列,称比较数列。本技术分析中,参考数列为沥青-集料黏附结合能、沥青内聚结合能数据,比较数列为沥青各特征官能团指数数据。
ⅱ判定列的无量纲化
由于系统中各因素的物理意义不同,导致数据的量纲也不一定相同,不便于比较,或在比较时难以得到正确的结论。因此在进行灰色关联度分析时,一般都要进行无量纲化的数据处理。无量纲化处理的方式有均值法、最大最小归一法、标准归一法等。本实施例采用的处理方法为取均值法。
ⅲ灰色关联系数的求取
所谓关联程度,实质上是曲线间几何形状的差别程度。因此曲线间差值大小,可作为关联程度的衡量尺度。对于一个参考数列X0有若干个比较数列X1,X2,…,Xn,各比较数列与参考数列在各个时刻(即曲线中的各点)的关联系数ξ(Xi)可由下列公式算出:
Figure BDA0002562394880000071
式中:ΔV为所有差值绝对值的均值;Δ(min)为两级最小差。Δ(max)为两级最大差;Δoi(k)为各比较数列Xi曲线上的每一个点与参考数列X0曲线上的每一个点的绝对差值;ρ为分辨系数,1>ρ>0,ρ的取值要求为:
1.Δ(min)>3ΔV时,XΔ≤ρ≤1.5XΔ
2.Δ(max)≤3ΔV时,1.5XΔ<ρ≤2XΔ
式中:
Figure BDA0002562394880000072
即所有差值绝对值的均值与两级最大差之比。
ⅳ关联度计算
因为关联系数是比较数列与参考数列在各个时刻(即曲线中的各点)的关联程度值,所以它的数不止一个,而信息过于分散不便于进行整体性比较。因此有必要将各个时刻(即曲线中的各点)的关联系数集中为一个值,即求其平均值,作为比较数列与参考数列间关联程度的数量表示,关联度ri公式如下所示:
Figure BDA0002562394880000073
ⅴ关联度排序
因素间的关联程度,主要是用关联度的大小次序描述,而不仅是关联度的大小。将m个子序列对同一母序列的关联度大小按顺序排列起来,便组成了关联序,记为{x},它反映了对于母序列来说各子序列的优劣关系。若roi>roj,则称{xi}对于同一母序列{x0}优于{xj},记为{xi}>{xj};若roi=1,则代表参考数列完全影响比较数列。
ⅵ关联度影响程度判断
关联度在0-0.65之间时,代表比较列对参考列没有影响,此时可以不分析比较列对参考列的影响程度;关联度在0.65-0.75之间,代表比较列对参考列有轻微的影响;关联度在0.75-0.85之间,代表比较列对参考列有一定影响;关联度在0.85-1之间,代表比较列对参考列影响极大,需着重分析关联的影响程度。
S5:使用多元线性回归方程分别建立沥青特征官能团指数与沥青-集料黏聚结合能、沥青内聚结合能的关系,其基本步骤为:
ⅰ关系模型的假设
多元线性回归分析是使用两个及两个以上因素作为自变量来进行预测因变量的分析。各沥青特征官能团指数为自变量,反映沥青各性质的数据为因变量,其常用的表达形式如下式所示:
Y=a1×x1+a2×x2+...+an×xn+C
式中:Y为因变量,本文中为反映沥青各性质的数据:沥青-集料黏附结合能和沥青内聚结合能;
xn(n=1,2,…)为自变量,本文中为沥青各特征官能团的官能团指数;
C为常数项。
ⅱ边界条件的建立
根据假设的多因素分析模型,以及灰色关联系数所代表的影响程度,建立如下的分项方程组作为模型的边界条件。
Figure BDA0002562394880000081
式中:Yi计算为使用回归方程的结果求得的计算值,单位为ergs/cm2
ⅲ结果验证
根据拟合出的多因素分析模型,将所有自变量代入模型求得各个自变量,即求得Yi计算,并代入如下的方程式计算相对误差δ:
Figure BDA0002562394880000082
最后,根据相对误差δ的取值范围判断所得分析模型是否合理可用。
下面结合具体的实施例来对本发明进行更加详细的说明。
本实施例具体操作过程如下:
1.使用傅里叶红外光谱仪测试出沥青特征官能团光谱图,如图1所示。并利用OMNIC软件和Excel软件处理图像数据:首先将图像导入到OMNIC软件中,调用程序将图像由透过率转为吸收率,然后使用波峰标记功能标记明显波峰,并使用面积提取功能提取已标记波峰处的官能团原始面积。由于每种沥青的特征官能团数据的处理方式均一致,以50#基质沥青的红外光谱分析为例进行数据处理过程的描述。50#基质沥青的光谱图如图2所示,其中图3是波长为2923cm-1的官能团波峰面积识别示例图。因此可以得到50#基质沥青波峰原始面积汇总如表1所示:
表1为50#基质沥青波峰原始面积数据
Figure BDA0002562394880000091
2.将波峰原始面积提取完毕后,把原始面积导入到Excel软件中进行相对面积以及沥青特征官能团指数的计算,相对面积汇总表如表2所示,同时不同波长可能对应着相同的官能团,比如波长值2923和2853均对应亚甲基特征官能团。根据波长对特征官能团进行合并,可以得到表3中的各沥青特征官能团相对波峰面积数据表。
表2为沥青各波峰相对面积汇总表
Figure BDA0002562394880000092
表3为沥青各特征官能团的相对波峰面积数据
Figure BDA0002562394880000101
3.以亚甲基为例,根据公式
Figure BDA0002562394880000102
计算沥青特征官能团指数如下:由表3可知,亚甲基的特征官能团相对面积为ΔSi/2923=1.152,且上述各特征官能团相对面积之和为
Figure BDA0002562394880000103
则亚甲基的官能团指数为
Figure BDA0002562394880000104
以此类推,50#基质沥青的各特征官能团指数计算结果如表4所示。12种沥青计算得出的特征官能团指数汇总如图4所示。
表4为12种沥青计算得出的特征官能团指数汇总
Figure BDA0002562394880000105
4.以武汉辉绿岩为例,使用磁悬浮重量平衡系统通过蒸气吸附法测试并计算得出集料表面能参数的基本步骤如下:
通过测量装有测试集料的天平小桶在不同阶蒸气压力作用下质量的变化量,采用M-BET蒸气吸附理论以及DA等温吸附拟合求得计算集料表面能参数的重要分量扩散压力,根据Young-Dupre方程计算集料的表面能参数:
Figure BDA0002562394880000111
式中:θ为液体和固体之间形成的稳定接触角,其他符号含义同前所述。
清洗100g集料并按要求养生集料至恒重,依据BET模型拟合范围的精度以及试验仪器运行的最大限度为试验设定10阶蒸气压进行吸附试验。试验控制温度为20℃。操作仪器在真空条件下依次得到样品桶的质量、不同试剂在各阶压力下的样品吸附质量。经过以上试验步骤可以得到各试剂对各集料的扩散压力,最终通过系统软件计算出集料的各个表面能参数如表5所示。
表5为集料的各个表面能参数
Figure BDA0002562394880000112
同时使用光学接触角仪通过静滴法测试并计算得出12种不同沥青的表面能参数,以50#基质沥青为例,其基本步骤如下:
选取三种或三种以上已知表面能参数的化学试剂与制备养生合格的50#基质沥青玻片进行静滴法试验,以蒸馏水、甲酰胺、乙二醇和丙三醇作为测试试剂,其表面能参数分别如表6所示:
表6为各种测试试剂测出的50#基质沥青表面能参数
Figure BDA0002562394880000113
通过静滴法试验可以得到各化学测试试剂与沥青的接触角数据,如表7所示:
表7为测试试剂与沥青的接触角数据
Figure BDA0002562394880000121
分别将接触角数据与不同测试试剂的表面能参数代入Young-Dupre方程联立方程组进行求解,计算得出不同种类的沥青表面能参数如表8所示:
表8为不同种类的沥青表面能参数
Figure BDA0002562394880000122
最后使用GvOC理论体系计算得出沥青与集料之间的黏附结合能、沥青内聚结合能如表9所示。其中以50#基质沥青和武汉辉绿岩为例,代入沥青和集料的各个表面能参数,则两者之间的黏附结合能计算为:
Figure BDA0002562394880000123
结合沥青内聚结合能为沥青表面能总量的2倍这一数学关系,且由表8可知50#基质沥青的表面能总量γL=18.17,可以得到50#基质沥青的内聚结合能大小为:
Figure BDA0002562394880000131
表9为沥青与集料之间的黏附结合能、沥青内聚结合能
Figure BDA0002562394880000132
由于沥青-集料的黏附结合能用于表征量化沥青-集料的黏附性,沥青的内聚结合能用于表征沥青自身的黏韧性,且黏附结合能数值越大,沥青-集料黏附性越好;内聚结合能数值越大,沥青黏韧性越好。由表9可知,高黏改性老化沥青与集料(以武汉辉绿岩为例)的黏附性以及自身的黏韧性都是最好的。
5.以50#基质沥青的相关数据为例,使用灰色关联分析方法确定沥青特征官能团对沥青-集料黏附结合能、沥青内聚结合能影响极大的沥青特征官能团,并将沥青特征官能团对沥青-集料黏附结合能的影响系数进行排序。不同种类沥青的分析过程相同,以分析沥青特征官能团对沥青-集料黏附结合能为例进行说明,其基本步骤如下:
ⅰ判定列的确定及无量纲化
先将黏附结合能数据及各沥青特征官能团的官能团指数分别求取均值备用,如表10所示,再将各实验数据分别除以均值进行无量纲化处理,得到表11、表12所示数据。
表10为沥青各特征官能团的官能团指数的均值
Figure BDA0002562394880000141
表11为各沥青特征官能团的官能团指数的均值
Figure BDA0002562394880000142
Figure BDA0002562394880000151
表12为各沥青特征官能团的官能团指数的均值
Figure BDA0002562394880000152
Figure BDA0002562394880000161
ⅱ灰色关联系数的计算
计算灰色关联系数前,首先以黏附结合能为基准行进行求差数列的计算,可以得到如表13、表14所示的求差序列表。
表13为各沥青黏附结合能对特征官能团的求差值
Figure BDA0002562394880000162
Figure BDA0002562394880000171
表14为各沥青黏附结合能对特征官能团的求差值
Figure BDA0002562394880000172
由表13及表14的数据可以得出两级最大值和两级最小值,得出的两级最大值和两级最小值如表15所示。其中,最小值0.0016为70#基质老化沥青在苯环基团作用下的求差值,最大值4.9903为高黏改性老化沥青1在吡啶基团作用下的求差值。
表15为求差数列中的两级最大值和两级最小值
Figure BDA0002562394880000181
确定出两级最大值和两级最小值后,进行分辨系数值的确定,首先经过Excel计算得到ΔV为0.376,3ΔV为1.128。由表15可知,Δmin为0.0016,可知其满足关系式2,即Δmin≤3ΔV时,XΔ为0.0376/4.9903=0.0754,ρ的取值范围为(1.5XΔ,2XΔ),即(0.1131,0.1508),则在此范围内任意取ρ为0.116。再将分辨系数代入灰色关联系数的求解公式,计算出各沥青特征官能团的官能团指数对沥青与集料黏附结合能的灰色关联系数,并对灰色关联系数进行排序。
ⅲ关联度的计算及排序
使用以上排序原理得出如表16、表17所示的沥青特征官能团对沥青-集料的黏附性能灰色关联系数影响分析表。
以50#基质沥青中的甲基苯官能团为例,其灰色关联系数计算过程为:
Figure BDA0002562394880000182
表16沥青特征官能团对各沥青-集料的黏附性能灰色关联系数
Figure BDA0002562394880000183
Figure BDA0002562394880000191
表17为沥青特征官能团对各沥青-集料的黏附性能灰色关联系数
Figure BDA0002562394880000192
Figure BDA0002562394880000201
其中,关联度亦即影响系数为某种特定官能团对以上12种沥青综合影响的灰色关联系数平均值,以甲基苯为例,其对沥青的关联度为:
Figure BDA0002562394880000202
根据关联度的排序原理,从表中可以发现,甲基苯、苯环上的氢基、苯环为对沥青-集料黏聚结合能的关联度均在0.85-1之间,故这三个官能团被认为是对沥青-集料黏聚结合能影响极大的沥青特征官能团。沥青特征官能团对沥青内聚结合能影响的分析方法如上,这里就不一一赘述。
6.使用多元线性回归方程分别建立沥青特征官能团指数与沥青-集料黏聚结合能、沥青内聚结合能的关系,其中两种关系的建立步骤一致,本文选取沥青特征官能团指数与沥青-集料黏聚结合能关系模型的建立步骤为例进行描述。其基本步骤如下:
ⅰ关系模型的假设
假设沥青-集料黏附结合能与各沥青特征官能团指数具有如下式所示的关系:
Yi=a1×x1+a2×x2+...+ai×xi+C
其中:Yi(i=1,2,3,…,10)为除老化前后的50#基质沥青外所有沥青的沥青-集料黏附结合能(老化前后的50#基质沥青的沥青-集料黏附结合能用于对模型的验算);ai(i=1,2,3,...)为线性回归系数,单位为ergs/cm2;xi(i=1,2,3,...)表示对沥青-集料黏附结合能影响极大的沥青特征官能团指数(此处为甲基苯、苯环上的氢基、苯环);C为线性回归常数,表示除以上三个基团外其他基团对沥青-集料黏附结合能的影响,单位为ergs/cm2
ⅱ边界条件的建立
为了使得因变量(分别包括沥青-集料黏附结合能和沥青内聚结合能)的回归方程计算值与试验测量实际值之间的误差控制到最小,采用两者差值与原始试验数据比值的平方形式,以灰色关联系数所代表的影响程度,建立如下的分项方程组作为模型的边界条件:
Figure BDA0002562394880000211
其中:Yi计算为使用回归方程的结果求得的计算值,单位为ergs/cm2
借助上述边界条件,经多元回归分析得到如下式所示的关系模型,公式的拟合优度为0.740。
y=-8.66x1-584.20x2+268.56x3+105.03
ⅲ结果的验证
根据拟合出的多因素分析模型,将所有自变量代入模型求得各个自变量,即Yi计算,代入如下的方程式计算相对误差δ:
Figure BDA0002562394880000212
依据上式可以得到如表18所示的沥青-集料黏附结合能计算值与模型回归值相对误差汇总表。
表18为沥青-集料黏附结合能计算值与模型回归值相对误差
Figure BDA0002562394880000213
Figure BDA0002562394880000221
由于公式的拟合优度为0.740,且拟合计算值与实测值相对误差均在3%以内,因此模型结果合理可用。
此外,使用对沥青黏韧性影响极大的沥青特征官能团建立沥青特征官能团与沥青内聚结合能的关系模型,可以得到如表19所示的拟合公式,同样地,可以得到沥青内聚结合能计算值与模型回归值相对误差汇总表如表20所示。
表19为沥青特征官能团与沥青内聚结合能的关系模型
Figure BDA0002562394880000222
表20为沥青内聚结合能计算值与模型回归值相对误差
Figure BDA0002562394880000223
Figure BDA0002562394880000231
公式的拟合优度为0.754,且拟合计算值与实测值相对误差均在5%以内,故模型结果合理可用。

Claims (10)

1.一种建立快速预测沥青-集料黏附性和沥青黏韧性评价的方法,其特征在于,包括如下步骤:
S1:用红外光谱仪测试出沥青特征官能团红外光谱图,标记红外光谱图上的各特征官能团波峰,并提取已标记的各波峰的原始面积,以其中一标记的波峰面积为基准计算各波峰的相对面积,再根据各波峰的相对面积计算沥青特征官能团指数;
S2:分别计算集料和多种沥青的表面能参数,然后根据集料和多种沥青的表面能参数计算出各种沥青与集料间的黏附结合能,并根据黏附结合能判断出沥青-集料黏附性的大小;
S3:根据步骤S2得到的沥青表面能参数计算出各种沥青的内聚结合能,并根据沥青内聚结合能判断沥青黏韧性的大小,内聚结合能数值越大,沥青黏韧性越好;
S4:使用关联分析方法得出沥青各特征官能团分别对沥青-集料的黏附结合能、沥青内聚结合能的关联系数,并根据得出的关联系数计算对应的关联度,确定沥青各特征官能团分别对沥青-集料黏附结合能、沥青内聚结合能的影响程度,最后选出关联度在一定值以上的沥青特征官能团;
S5:使用多元线性回归方程分别建立沥青-集料黏聚结合能、沥青内聚结合能与步骤S4中选出的关联度在一定值以上的沥青特征官能团之间的模型公式,并对模型公式进行验证。
2.如权利要求1所述的建立快速预测沥青-集料黏附性和沥青黏韧性评价的方法,其特征在于,在步骤S1中,沥青的特征官能团指数为红外光谱图上该官能团对应的波峰总相对面积与所有特征官能团对应的波峰总相对面积的比值。
3.如权利要求1所述的建立快速预测沥青-集料黏附性和沥青黏韧性评价的方法,其特征在于,在步骤S1中,在计算沥青各特征官能团指数时,将对应着相同官能团的不同波长的波峰的相对面积进行合并,求取该特征官能团指数。
4.如权利要求1所述的建立快速预测沥青-集料黏附性和沥青黏韧性评价的方法,其特征在于,在步骤S2中,通过蒸气吸附法测试并计算得出集料的表面能参数,通过光学接触角法测试并计算得出各种沥青的表面能参数,最后使用GvOC理论体系计算得出沥青与集料之间的黏附结合能,步骤S3中的沥青内聚结合能也采用GvOC理论体系计算得出。
5.如权利要求1所述的建立快速预测沥青-集料黏附性和沥青黏韧性评价的方法,其特征在于,在步骤S4中,用关联分析法计算关联系数和关联度时还包括如下步骤:
1)将沥青-集料黏附结合能、沥青内聚结合能数据分别作为参考数列,将沥青各特征官能团指数数据作为比较数列进行分析;
2)对各沥青-集料黏附结合能、沥青内聚结合能数据以及沥青各特征官能团指数进行无量纲化处理;
3)以无量纲化后的参考数列为基准进行求差数列的计算,再找出求差数列中的两级最大值和两级最小值,根据两级最大值和两级最小值求出分辨系数,最后根据分辨系数计算出沥青各特征官能团的官能团指数分别对沥青-集料黏附结合能、沥青内聚结合能的关联系数;
4)将各特征官能团分别对沥青-集料黏附结合能、沥青内聚结合能的关联系数求平均值得到该特征官能团分别对沥青-集料黏附结合能、沥青内聚结合能的关联度,并根据关联度大小对各特征官能团进行排序。
6.如权利要求5所述的建立快速预测沥青-集料黏附性和沥青黏韧性评价的方法,其特征在于,对于每个参考数列X0有若干个比较数列X1,X2,…,Xn,各比较数列与参考数列的关联系数ξ(Xi)由下列公式算出:
Figure DEST_PATH_IMAGE002
式中:∆V为所有差值绝对值的均值;
Figure DEST_PATH_IMAGE004
为两级最小差;
Figure DEST_PATH_IMAGE006
为两级最大差;
Figure DEST_PATH_IMAGE008
为各比较数列Xi曲线上的每一个点与参考数列X0曲线上的每一个点的绝对差值;
Figure DEST_PATH_IMAGE010
为分辨系数,
Figure DEST_PATH_IMAGE012
Figure DEST_PATH_IMAGE013
的取值要求为:
a.
Figure 780483DEST_PATH_IMAGE004
>3∆V时,X≤ρ≤1.5X
b.
Figure 635307DEST_PATH_IMAGE006
≤3∆V时,1.5X<ρ≤2X
式中:
Figure DEST_PATH_IMAGE015
,即所有差值绝对值的均值与两级最大差之比。
7.如权利要求1或5所述的建立快速预测沥青-集料黏附性和沥青黏韧性评价的方法,其特征在于,在步骤S4中,从计算得到的关联度中选出关联度在0.85-1之间的沥青特征官能团分别作为对沥青-集料黏附结合能、沥青内聚结合能影响极大的官能团。
8.如权利要求5所述的建立快速预测沥青-集料黏附性和沥青黏韧性评价的方法,其特征在于,在无量纲化处理时,采用均值法、最大最小归一法、标准归一法中的一种进行处理。
9.如权利要求1所述的建立快速预测沥青-集料黏附性和沥青黏韧性评价的方法,其特征在于,在建立多元回归线性方程时,分别以沥青-集料黏附结合能、沥青内聚结合能为因变量,以选出的关联度在一定值以上的沥青特征官能团指数为自变量,并建立边界条件。
10.如权利要求1所述的建立快速预测沥青-集料黏附性和沥青黏韧性评价的方法,其特征在于,在对模型公式进行验证时,根据相对误差δ的取值范围判断所得模型是否合理可用。
CN202010619080.4A 2020-06-30 2020-06-30 建立快速预测沥青-集料黏附性和沥青黏韧性评价的方法 Active CN111595727B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010619080.4A CN111595727B (zh) 2020-06-30 2020-06-30 建立快速预测沥青-集料黏附性和沥青黏韧性评价的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010619080.4A CN111595727B (zh) 2020-06-30 2020-06-30 建立快速预测沥青-集料黏附性和沥青黏韧性评价的方法

Publications (2)

Publication Number Publication Date
CN111595727A CN111595727A (zh) 2020-08-28
CN111595727B true CN111595727B (zh) 2021-09-14

Family

ID=72179611

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010619080.4A Active CN111595727B (zh) 2020-06-30 2020-06-30 建立快速预测沥青-集料黏附性和沥青黏韧性评价的方法

Country Status (1)

Country Link
CN (1) CN111595727B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112666105A (zh) * 2020-12-04 2021-04-16 武汉科技大学 一种基于灰熵关联的沥青高温性能检测方法
CN112816366A (zh) * 2021-01-20 2021-05-18 武汉理工大学 一种沥青材料表面能测试中化学试剂的选取方法及系统
CN113607608B (zh) * 2021-09-02 2023-05-12 交通运输部公路科学研究所 评价水泥乳化沥青胶浆与旧沥青界面交互作用能力的方法
CN114018808A (zh) * 2021-10-29 2022-02-08 武汉理工大学 一种基于沥青与集料关键水气浓度条件的评价方法
CN114034562B (zh) * 2021-12-08 2024-04-19 长沙理工大学 一种集料与沥青拉伸失效评估方法
CN114280027B (zh) * 2021-12-28 2023-06-16 招商局重庆交通科研设计院有限公司 一种回收沥青老化状态的评价方法
CN117470717B (zh) * 2023-12-27 2024-03-01 镇江越辉新材料有限公司 一种动态沥青粘度测量系统及其测量方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102015965A (zh) * 2008-02-20 2011-04-13 塞卡股份公司 沥青组合物
CN109095818A (zh) * 2018-07-06 2018-12-28 重庆交通大学 改善隧道运营空气质量的沥青基路面极性材料及制备方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110121934A (ko) * 2010-05-03 2011-11-09 주식회사 티피에스콘 황토/맥반석을 사용한 황토 몰탈 및 황토포장재
EP2971362B1 (en) * 2013-03-15 2018-05-02 William B. Coe Pavement repair system and method
CN105806749A (zh) * 2016-03-18 2016-07-27 交通运输部公路科学研究所 基于表面自由能理论的沥青与矿料粘附性评价方法
CN107629595A (zh) * 2017-09-21 2018-01-26 苏州振振好新型建材科技有限公司 一种外墙高弹抗裂防水涂料
CN109374560A (zh) * 2018-12-14 2019-02-22 洛阳理工学院 一种沥青中蜡含量的测定方法
CN110455740B (zh) * 2019-07-17 2021-11-23 武汉科技大学 一种沥青老化时程预测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102015965A (zh) * 2008-02-20 2011-04-13 塞卡股份公司 沥青组合物
CN109095818A (zh) * 2018-07-06 2018-12-28 重庆交通大学 改善隧道运营空气质量的沥青基路面极性材料及制备方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
SUPERFLE改性沥青及沥青混合料水损坏试验研究;杨明;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20170415(第4期);第27-45页 *
不同集料表观特性对沥青-集料黏附性能的影响;胡芙蓉 等;《武汉理工大学学报(交通科学与工程版)》;20200531;第44卷(第2期);第363-365页 *
冻融循环下沥青特征官能团含量与流变参数灰熵分析及微观形貌;念腾飞 等;《吉林大学学报(工学版)》;20180731;第48卷(第4期);第1047-1053页 *

Also Published As

Publication number Publication date
CN111595727A (zh) 2020-08-28

Similar Documents

Publication Publication Date Title
CN111595727B (zh) 建立快速预测沥青-集料黏附性和沥青黏韧性评价的方法
Ren et al. Identification of asphalt fingerprints based on ATR-FTIR spectroscopy and principal component-linear discriminant analysis
CA2991215A1 (en) Method for correlating physical and chemical measurement data sets to predict physical and chemical properties
CN101893561A (zh) 一种润滑油新油质量近红外光谱快速测定方法
CN112331281B (zh) 基于环境大数据和机器学习的高分子材料服役寿命预测方法
CN106407648A (zh) 一种汽油关键性质的快速批量预测方法
CN110907296A (zh) 一种沥青混合料动态蠕变试验流动次数识别方法
US6477516B1 (en) System and method for predicting parameter of hydrocarbon with spectroscopy and neural networks
CN102998276B (zh) 由红外光谱测定原油实沸点蒸馏曲线的方法
CN109374560A (zh) 一种沥青中蜡含量的测定方法
CN114113552B (zh) 一种沥青主曲线定量分析方法
Han et al. Section-based multifunctional calibration method for pavement deterioration forecasting model
CN111896497B (zh) 一种基于预测值的光谱数据修正方法
CN1481502A (zh) 质谱仪的多变量分析
CN109709060B (zh) 一种沥青软化点、针入度和质量损失的测定方法
CN110658266B (zh) 一种定量识别原油裂解程度的方法
CN114112889B (zh) 基于相位角主曲线的沥青抗老化性能评价方法
CN102914970B (zh) 工业过程控制系统中不能直接测量的性能参数的在线数据驱动估计方法
CN1727877A (zh) 由近红外光谱测定汽油性质数据的方法
CN112415180B (zh) 一种基于灰关联分析的橡胶沥青用基质沥青的选择方法
CN111257265A (zh) 一种钢桥面铺装用沥青针入度指标的快速检测方法
CN109724939B (zh) 由近红外光谱预测加氢尾油性质的方法
EP2210090A1 (en) Bootstrap method for oil property prediction
CN110658267A (zh) 一种定量判识原油热裂解程度的方法及其应用
Ding Improve the Reliability of a Continuum Damage Model by Integrating Uncertainty Quantification and Stochastic Modelling

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant