CN112765854B - 一种路面内部裂缝数量预测方法 - Google Patents
一种路面内部裂缝数量预测方法 Download PDFInfo
- Publication number
- CN112765854B CN112765854B CN202110079985.1A CN202110079985A CN112765854B CN 112765854 B CN112765854 B CN 112765854B CN 202110079985 A CN202110079985 A CN 202110079985A CN 112765854 B CN112765854 B CN 112765854B
- Authority
- CN
- China
- Prior art keywords
- pavement
- cracks
- crack
- expansion
- depth
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000001514 detection method Methods 0.000 claims abstract description 18
- 239000000463 material Substances 0.000 claims abstract description 16
- 230000006378 damage Effects 0.000 claims abstract description 15
- 239000000203 mixture Substances 0.000 claims abstract description 10
- 238000004088 simulation Methods 0.000 claims abstract description 10
- 230000009471 action Effects 0.000 claims abstract description 8
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 230000000644 propagated effect Effects 0.000 claims abstract description 6
- 230000008878 coupling Effects 0.000 claims abstract description 4
- 238000010168 coupling process Methods 0.000 claims abstract description 4
- 238000005859 coupling reaction Methods 0.000 claims abstract description 4
- 230000005855 radiation Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 8
- 239000010426 asphalt Substances 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 230000000977 initiatory effect Effects 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 4
- 239000002344 surface layer Substances 0.000 claims description 4
- 102000005877 Peptide Initiation Factors Human genes 0.000 claims description 3
- 108010044843 Peptide Initiation Factors Proteins 0.000 claims description 3
- 239000000654 additive Substances 0.000 claims description 2
- 239000004567 concrete Substances 0.000 claims description 2
- 238000013461 design Methods 0.000 claims description 2
- 230000007480 spreading Effects 0.000 claims description 2
- 239000004576 sand Substances 0.000 abstract 1
- 239000010410 layer Substances 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 238000005336 cracking Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000011384 asphalt concrete Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 239000011295 pitch Substances 0.000 description 2
- 238000001276 Kolmogorov–Smirnov test Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Road Repair (AREA)
Abstract
本发明公开了一种路面内部裂缝数量预测方法。包括以下步骤:根据路面混合料类型选取参数;建立路面材料的损伤模型;获取路面结构温度场;实现热‑力耦合重复作用下路面内部多裂缝扩展的全过程模拟;获取多裂缝扩展最小间距以及深度与时间关系;选取概率分布模型,确定模型参数;建立已扩展到表面的裂缝数量S与内部裂缝数量I的关系,预测内部裂缝的数量。本发明通过对模拟结果的分析选取概率数量分布模型,并根据现场实测的表面裂缝数量确定模型参数,结合已扩展到表面的裂缝与内部裂缝之间的关系,从而可以由现场实测的表面裂缝数量来预测内部裂缝的数量,实现在现场表面裂缝检测过程中对内部裂缝数量的实时预测。
Description
技术领域
本发明涉及一种对沥青路面内部裂缝数量预测的方法,属于沥青路面裂缝检测养护领域。
背景技术
沥青混凝土路面在车辆荷载反复作用和温度变化的影响下易产生疲劳裂缝,而且我国的高速公路大多数采用半刚性基层沥青混凝土路面,也容易由于基层开裂而产生反射裂缝。而且许多病害如基层破碎、面层开裂、路基水毁、沉陷等又多始于面层之下的基层开裂。
目前对于内部反射裂缝病害的检测存在一定的不足,主要体现为:
(1)在检测手段方面,内部裂缝识别难度大,取芯等传统检测方法只适用于局部“点”的检测,检测效率偏低、成本高昂,对路面损害大,难以实现大面积的检测;
(2)现在处于开发阶段的探地雷达等无损检测技术在结果解释方面还存在着诸多不足,对于裂缝的检测易受到孔隙等其他因素的影响。因此目前还无法对内部裂缝的数量进行准确的检测。
而随着图像识别技术在道路检测领域的研究逐渐深入,目前对于表面裂缝的检测识别已趋于成熟。各种针对路面裂缝图像的处理算法层出不穷,处理效果和精度也能达到实际需要,能通过对路面图像的处理来实现表面裂缝数量的检测以及分类。
另外,随着ABAQUS软件在道路工程中的广泛应用,以及扩展有限元技术的逐步发展,路面内部反射裂缝的疲劳扩展过程被众多学者所研究,能较为完整地模拟实际路面内部反射裂缝的产生和扩展过程。这些都为我们预测内部裂缝的数量提供了基础。
发明内容
发明目的:
为了弥补现有内部裂缝检测方法的不足,本发明提出了一种路面内部裂缝数量预测方法,在表面裂缝检测分类方法的基础上,通过有限元技术的支撑,模拟路面内部多裂缝扩展的实际过程,建立已扩展到表面的裂缝数量和内部裂缝数量之间的关系,进而实时预测内部裂缝的数量,能够简化裂缝检测的过程和对后期的养护评价提供参考。
技术方案:
为了实现上述目的,本发明采取的方法是:
一种路面内部裂缝数量预测方法,用于路面裂缝检测和养护的过程中,对内部裂缝数量进行预测,包括以下步骤:
步骤一:根据路面混合料类型选取《公路沥青路面设计规范》(JTG D50-2017)推荐的热、力学参数,以及材料的疲劳方程;
步骤二:基于改进的PARIS公式,拟合步骤一中的疲劳方程得到适用于对应路面材料的各项损伤参数,建立路面材料的损伤模型;
步骤三:利用路面的气象温度数据,建立路面温度模型,获取路面结构温度场;
步骤四:将步骤一确定的路面材料力学参数以及步骤二得到的损伤模型输入ABAQUS软件,引入步骤三的路面结构温度场,并施加行车荷载,建立含多条内部裂缝的路面有限元模型,在路面有限元模型中实现热-力耦合重复作用下路面内部多裂缝扩展的全过程模拟;
步骤五:在路面有限元模型中设置不同的裂缝间距,进行多次模拟,从而计算多裂缝扩展最小间距,并根据此间距的裂缝扩展结果,提取裂缝扩展深度与时间的关系;
步骤六:根据步骤五模拟的裂缝扩展深度-时间关系,选取裂缝扩展到表面前的扩展数据进行分析,选取概率分布模型,并认为后续的裂缝扩展过程存在相同分布;
步骤七:根据扩展深度数据与时间关系分别拟合裂缝扩展平均深度u、方差σ与已扩展到表面的裂缝数量S的关系,确定概率分布模型参数;
步骤八:建立已扩展到表面的裂缝数量S与内部裂缝数量I的关系,结合步骤六、七的结果,预测内部裂缝的数量。
所述步骤一中:
所述力学参数包括弹性模量和泊松比,用于模拟路面受力时的动态响应;热学参数包括热传导率、热容量、密度以及太阳辐射吸收率,用于模拟路面结构温度场。
所述步骤二中:基于改进的PARIS公式,拟合步骤一中的疲劳方程得到适用于对应路面材料的各项损伤参数如下:
公式(1)-(2)中:f表示裂缝扩展起始因子;N0为应力循环次数;G为断裂能释放率;a为裂缝扩展深度;N为应力循环次数;c1、c2、c3、c4分别为改进PARIS公式参数。
c1、c2、c3、c4的取值由混合料的裂缝起裂和扩展速率与应变能释放率之间的关系曲线拟合所获得,若路面使用的混合料类型在规范中有明确规定,可通过选取疲劳方程确定参数;若没有明确规定,或者有其他改性添加剂,需进一步对混合料进行疲劳加载试验来获取裂缝起裂和扩展速率与应变能释放率之间的关系曲线。
所述步骤三中:
利用路面的气象温度数据,借助子程序FILM、DFLUX,建立路面温度模型,获取路面温度场,具体计算步骤如下:
(1)由气象数据计算得出当地各季节的平均日照辐射、风速与平均日气温变化数据,结合步骤一中的路面太阳辐射吸收率,编写FILM、DFLUX子程序;
(2)在ABAQUS软件中建立路面温度模型,输入代表日温度数据和步骤一中的热学参数,并调用子程序作为边界条件;
(3)模拟温度循环作用下的路面响应,获取路面温度场。
所述步骤四中:
所述行车荷载的加入为了能更加符合实际情况,轮压为规范规定的标准轴载0.7Mpa,速度选择为108km/h,将此作为条件输入VDLOAD子程序中,调用子程序即可实现移动荷载的加载。
所述步骤五中:
首先,在上述建立的路面有限元模型中,设置裂缝的间距为5m、10m、15m、20m、25m,并重复多次计算,根据不同间距的模拟计算结果选取所有裂缝都会扩展且相互之间的扩展速率不同的间距作为多裂缝扩展的最小间距;
其次,基于计算的最小间距,在路面有限元模型中设置多条裂缝,计算多条裂缝向上扩展的过程,当有裂缝扩展到表面时,继续计算直至所有的内部裂缝都扩展到表面为止,记录并提取各条裂缝扩展的深度与时间的关系。
所述步骤六中,选取裂缝扩展到表面前的扩展深度进行分析,选取概率分布模型,并认为后续的扩展过程存在相同分布,概率分布模型的选取应根据情况在正态分布、对数正态分布、指数分布中选取一种或者多种。
所述步骤七中:
随着裂缝的不断扩展,所述步骤六中概率分布模型的参数也随之改变,根据扩展深度-时间关系,提取各个时间节点的裂缝扩展深度,计算其平均深度u和方差σ,并拟合平均深度u、方差σ与加载时间t的关系;
根据扩展深度-时间关系,通过多条裂缝扩展到表面的时间节点,拟合裂缝扩展到表面的数量S与加载时间t的关系;
以加载时间t为中间量,建立均值u、方差σ与已扩展到表面的裂缝数量S之间的关系,进而由现场实测的表面裂缝数量来确定概率分布模型。
所述步骤八中:
在路面内部裂缝扩展过程中,当裂缝扩展到表面时,不会继续扩展,使用P(x=D)表示裂缝扩展到表面的概率,P(x<D)表示裂缝未扩展到表面的概率。由于裂缝数量与深度概率分布成正比关系,故有:
I=β×P(x<D) (3)
S=β×P(x=D) (4)
公式(3)-(5)中:β为系数;I为预估的内部裂缝数量;S为已扩展到表面的内部裂缝数量;x为裂缝扩展深度;D为面层厚度;P(x=D)为裂缝扩展到表面的概率;P(x<D)为裂缝未扩展到表面的概率。
根据实测已扩展到表面的裂缝数量,由步骤七可以确定裂缝深度概率分布模型,进而根据公式(5)预测内部裂缝的数量。
所述路面为沥青路面。
有益效果:
本发明的有益效果是从实际情况出发模拟多条内部裂缝扩展的过程,根据扩展深度选取建立概率分布模型,进而建立已扩展到表面的裂缝与内部裂缝之间的关系,预测内部裂缝的数量。
本发明以ABAQUS为平台,结合实际路段情况,实现路面内部裂缝数量的准确定量预测。
本发明对于路面内部裂缝的定量预测具有较高的实用价值,并且预测成本低廉、可操作性强。
附图说明
图1为本发明的路面内部裂缝数量预测方法流程图;
图2为本发明具体实例中路面结构温度分布图;
图3为本发明具体实例中含多条内部裂缝的路面模型图;
图4为本发明具体实例中多裂缝扩展深度随时间变化图;
图5为本发明具体实例中每百米内部裂缝的数量预测图。
图3中,1表示面层,厚度为15cm;2表示基层,厚度为20cm;3表示底基层,厚度为20cm;4表示土基;5表示初始裂缝位置。
具体实施方式
以下将结合具体实施例对本发明提供的技术方案进行详细说明,应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。
本发明专利以国内某高速的内部裂缝数量预测为例,说明本专利的具体实施方式。
1、据此高速路段路面结构各层混合料的类型,选取规范规定的热力学参数和疲劳方程。其中,力学参数包括材料的弹性模量以及泊松比(表1),用于模拟路面受力时的动态响应;热学参数包括热传导率、热容量、密度和太阳辐射吸收率(表2),用于模拟路面结构温度场。
表1本实例路面各层的结构参数和力学参数
表2本实例路面各层材料的热学参数
2、为了能作为ABAQUS软件中的损伤模型输入,将PARIS公式改进如下:
公式(1)-(2)中:f表示裂缝扩展起始因子;N0为应力循环次数;G为断裂能释放率;a为裂缝扩展深度;N为应力循环次数;c1、c2、c3、c4分别为改进PARIS公式参数。若f>1.0,则激活PARIS开裂机制,之后材料行为由PARIS开裂机制控制。
c1、c2、c3、c4由步骤一中选取的疲劳方程拟合获得,并且作为主要参数输入ABAQUS软件中,完成损伤模型的建立,本示例中的具体参数如表3所示。
表3本实例中改进PARIS公式参数
上述模型为优选方案,根据需要,也可以采用其他疲劳损伤模型替换上述模型。
3、利用路面的气象温度数据,借助子程序FILM、DFLUX,建立路面温度模型,获取路面温度场。具体计算步骤如下:
(1)由气象数据计算得出当地各季节的平均日照辐射、风速与平均日气温变化数据,结合步骤一中的路面太阳辐射吸收率,编写FILM、DFLUX子程序;
(2)在ABAQUS软件中建立路面温度模型,并输入代表日温度数据和步骤一中的热学参数,并调用子程序作为边界条件;
(3)模拟温度循环作用下的路面响应,获取路面结构温度场(图2)。
4、在ABAQUS软件中输入步骤1中的材料力学参数和步骤2中的损伤模型,建立含多条内部裂缝的路面有限元模型(图3)。引入步骤3中的温度场,并加入适当的移动荷载,在路面模型中实现热-力耦合重复作用下路面内部多裂缝扩展的全过程模拟。
需要说明的是,为模拟实际情况,行车荷载的加入采用移动荷载,轮压为标准轴载0.7Mpa,速度选择108km/h。将此作为条件输入VDLOAD子程序中,实现移动荷载的加载。
5、根据路面有限元模型计算获取多裂缝扩展深度与时间的关系,进而计算多裂缝扩展的最小间距与平均深度。本实例中通过设置间距为5m、10m、15m、20m、25m的模型,经多次计算获得的最小间距为15m。
模型长度为100m,因此设置7条裂缝研究其反射深度和时间关系。在模拟结果中提取每条裂缝随时间变化的扩展情况,形成裂缝扩展深度-时间图(图4)。
6、根据扩展深度数据选取合适的深度概率分布模型。
由于在实际路面内部裂缝扩展过程中,当裂缝扩展到表面时,不会继续扩展。因此选取裂缝扩展到表面前的扩展数据进行分析,选取概率分布模型,并认为后续的扩展过程存在相同分布。
本实例拟采用正态分布,运用SPSS软件对各条裂缝扩展到表面之前的深度数据进行正态性检验(表4)。
表4正态性检验结果
上表是生成的K-S检验(D检验)和S-W检验(W检验)的检验结果,此处我们关注的显著性是Sig.即P值。当P>0.05时,可以认为数据是呈正态分布的。
由上表可知,扩展深度数据符合正态分布。因此本发明实例引入正态分布来建立预测模型。
上述概率分布模型为优选方案,根据检验结果的不同,也可以采用其他概率分布模型替换上述模型。
7、随着时间的增加,裂缝扩展到表面的条数随之增加,扩展深度均值和标准差也在增加。
根据扩展深度-时间关系运用SPSS软件拟合得到裂缝扩展深度的均值u和标准偏差σ与时间的关系如下:
u=1.325+2.43×10-5×t (6)
σ=0.016+4.87×10-6×t (7)
上式中,u为裂缝扩展深度的均值;σ为扩展深度分布的标准偏差;t为加载时间。
8、根据扩展深度-时间关系运用SPSS软件拟合得到已扩展到表面的裂缝条数S与时间t的关系如下式所示:
t=e(12.953+0.09S) (8)
上式中,t为加载时间;S为已扩展到表面的内部裂缝条数。
9、由公式(6)-(8)可得裂缝扩展深度的均值u和标准偏差σ与已扩展到表面的裂缝条数S的关系如下式所示:
u=1.325+2.43×10-5×e(12.953+0.09S) (9)
σ=0.016+4.87×10-6×e(12.953+0.09S) (10)
上式中,u为裂缝扩展深度的均值;σ为扩展深度分布的标准偏差;S为已扩展到表面的内部裂缝条数。
10、预测内部裂缝的数量。
根据公式(9)和(10),结合已扩展到表面裂缝的裂缝条数,可以确定裂缝扩展深度的分布模型,进而结合公式(5),实现每百米内部裂缝的数量预测(图5)。
据此,可以根据现场实测表面裂缝情况,预测内部裂缝的数量。
在本实例中,实测表面有3条裂缝,则预测内部裂缝有3条。
上面以举例方式对本发明进行了说明,但本发明不限于上述具体实施例,凡基于本发明所做的任何改动或变型均属于本发明要求保护的范围。
Claims (10)
1.一种路面内部裂缝数量预测方法,用于路面裂缝检测和养护的过程中,对内部裂缝数量进行预测,其特征在于,包括以下步骤:
步骤一:获得无损伤条件下路面材料的热、力学参数,以及路面材料的疲劳方程;
步骤二:基于改进的PARIS公式,拟合步骤一中获得的疲劳方程得到适用于对应路面材料的各项损伤参数,建立路面材料的损伤模型;
步骤三:利用路面的气象温度数据,建立路面温度模型,获取路面结构温度场;
步骤四:将步骤一获得的路面材料力学参数以及步骤二得到的损伤模型输入ABAQUS软件,引入步骤三的路面结构温度场,并施加行车荷载,建立含多条内部裂缝的路面有限元模型,在路面有限元模型中实现热-力耦合重复作用下路面内部多裂缝扩展的全过程模拟;
步骤五:在路面有限元模型中设置不同的裂缝间距,进行多次模拟,从而计算多裂缝扩展最小间距,并根据此间距的裂缝扩展结果,提取裂缝扩展深度与时间的关系;
步骤六:根据步骤五模拟的裂缝扩展深度与时间的关系,选取裂缝扩展到表面前的扩展数据进行分析,选取概率分布模型,并认为后续的裂缝扩展过程存在相同分布;
步骤七:根据扩展深度与时间的关系分别拟合裂缝扩展平均深度u、方差σ与已扩展到表面的裂缝数量S的关系,确定概率分布模型参数;
步骤八:建立已扩展到表面的裂缝数量S与内部裂缝数量I的关系,结合步骤六、七的结果,预测内部裂缝的数量。
2.根据权利要求1所述的路面内部裂缝数量预测方法,其特征在于,所述步骤一中:
根据路面混合料类型选取《公路沥青路面设计规范》(JTG D50-2017)推荐的热、力学参数,以及材料的疲劳方程;
所述力学参数包括弹性模量和泊松比,用于模拟路面受力时的动态响应;热学参数包括热传导率、热容量、密度以及太阳辐射吸收率,用于模拟路面结构温度场。
3.根据权利要求2所述的路面内部裂缝数量预测方法,其特征在于,所述步骤二中:基于改进的PARIS公式,拟合步骤一中的疲劳方程获取路面材料的各项损伤参数如下:
公式(1)-(2)中:f表示裂缝扩展起始因子;N0为应力循环次数;G为断裂能释放率;a为裂缝扩展深度;N为应力循环次数;c1、c2、c3、c4分别为改进PARIS公式参数;
c1、c2、c3、c4的取值由混合料的裂缝起裂和扩展速率与应变能释放率之间的关系曲线拟合所获得,若路面使用的混合料类型在规范中有明确规定,通过选取疲劳方程确定参数;若没有明确规定,或者有其他改性添加剂,需进一步对混合料进行疲劳加载试验来获取裂缝起裂和扩展速率与应变能释放率之间的关系曲线。
4.根据权利要求1所述的路面内部裂缝数量预测方法,其特征在于,所述步骤三中:
利用路面的气象温度数据,借助子程序FILM、DFLUX,建立路面温度模型,获取路面温度场,具体计算步骤如下:
(1)由气象数据计算得出当地各季节的平均日照辐射、风速与平均日气温变化数据,结合步骤一中的路面太阳辐射吸收率,编写FILM、DFLUX子程序;
(2)在ABAQUS软件中建立路面温度模型,输入代表日温度数据和步骤一中的热学参数,并调用子程序作为边界条件;
(3)模拟温度循环作用下的路面响应,获取路面温度场。
5.根据权利要求1所述的路面内部裂缝数量预测方法,其特征在于,所述步骤四中:
所述行车荷载的加入采用移动荷载,轮压为标准轴载0.7Mpa,速度选择为108km/h,将此作为条件输入VDLOAD子程序中,调用子程序即可实现移动荷载的加载。
6.根据权利要求1所述的路面内部裂缝数量预测方法,其特征在于,所述步骤五中:
首先,在上述建立的路面有限元模型中,设置裂缝的间距为5m、10m、15m、20m、25m,并重复多次计算,根据不同间距的模拟计算结果选取所有裂缝都会扩展且相互之间的扩展速率不同的间距作为多裂缝扩展的最小间距;
其次,基于计算的最小间距,在路面有限元模型中设置多条裂缝,计算多条裂缝向上扩展的过程,当有裂缝扩展到表面时,继续计算直至所有的内部裂缝都扩展到表面为止,记录并提取各条裂缝扩展的深度与时间的关系。
7.根据权利要求1所述的路面内部裂缝数量预测方法,其特征在于,
所述步骤六中选取裂缝扩展到表面前的扩展深度进行分析,选取概率分布模型,并认为后续的扩展过程存在相同分布,概率分布模型的选取应根据情况在正态分布、对数正态分布、指数分布中选取一种或者多种。
8.根据权利要求1所述的路面内部裂缝数量预测方法,其特征在于,所述步骤七中:
随着裂缝的不断扩展,所述步骤六中概率分布模型的参数也随之改变,根据扩展深度与时间的关系,提取各个时间节点的裂缝扩展深度,计算其平均深度u和方差σ,并拟合平均深度u、方差σ与加载时间t的关系;
根据扩展深度与时间的关系,通过多条裂缝扩展到表面的时间节点,拟合裂缝扩展到表面的数量S与加载时间t的关系;
以加载时间t为中间量,建立均值u、方差σ与已扩展到表面的裂缝数量S之间的关系,进而由现场实测的表面裂缝数量来确定概率分布模型。
9.根据权利要求1中所述的路面内部裂缝数量预测方法,其特征在于,所述步骤八中:
在路面内部裂缝扩展过程中,当裂缝扩展到表面时,不会继续扩展,使用P(x=D)表示裂缝扩展到表面的概率,P(x<D)表示未扩展到表面的概率,由于裂缝数量与深度概率分布成正比关系,故有:
I==×P(x<D) (3)
S=β×P(x=D) (4)
公式(3)-(5)中:β为系数;I为预估的内部裂缝数量;S为已扩展到表面的内部裂缝数量;x为裂缝扩展深度;D为面层厚度;P(x=D)为裂缝扩展到表面的概率;P(x<D)为裂缝未扩展到表面的概率;
根据实测已扩展到表面的裂缝数量,由步骤七可以确定裂缝深度概率分布模型,进而根据公式(5)预测内部裂缝的数量。
10.根据权利要求1所述的路面内部裂缝数量预测方法,其特征在于,所述路面为沥青路面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110079985.1A CN112765854B (zh) | 2021-01-21 | 2021-01-21 | 一种路面内部裂缝数量预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110079985.1A CN112765854B (zh) | 2021-01-21 | 2021-01-21 | 一种路面内部裂缝数量预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112765854A CN112765854A (zh) | 2021-05-07 |
CN112765854B true CN112765854B (zh) | 2024-01-09 |
Family
ID=75702133
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110079985.1A Active CN112765854B (zh) | 2021-01-21 | 2021-01-21 | 一种路面内部裂缝数量预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112765854B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114091313B (zh) * | 2022-01-20 | 2022-04-29 | 山东高速集团有限公司 | 一种用于预测路面低温开裂裂缝长度的方法 |
CN114969940B (zh) * | 2022-06-14 | 2024-07-30 | 石家庄铁道大学 | 一种基于能量原理的沥青路面横向裂缝系数的仿真预测方法 |
CN115114827B (zh) * | 2022-07-08 | 2023-09-01 | 洛阳腾飞建设工程集团有限公司 | 基于最小路面损伤准则的车辆间距计算方法、装置和介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201149565Y (zh) * | 2007-11-21 | 2008-11-12 | 长安大学 | 一种沥青路面反射裂缝扩展模拟试验装置 |
CN105956315A (zh) * | 2016-05-17 | 2016-09-21 | 北京航空航天大学 | 一种可进行疲劳裂纹扩展速率估算和寿命预测的方法 |
CN106055784A (zh) * | 2016-05-30 | 2016-10-26 | 东南大学 | 一种钢桥细节疲劳裂纹扩展评估方法 |
CN107885933A (zh) * | 2017-11-07 | 2018-04-06 | 东南大学 | 一种基于扩展有限元的路面结构疲劳开裂数值模拟方法 |
CN109063250A (zh) * | 2018-06-27 | 2018-12-21 | 青岛理工大学 | 一种混凝土裂缝扩展方向的分析与预测方法 |
WO2019201176A1 (zh) * | 2018-04-17 | 2019-10-24 | 江苏必得科技股份有限公司 | 列车部件裂纹损伤预测方法和装置 |
CN112036098A (zh) * | 2020-09-15 | 2020-12-04 | 中国石油大学(华东) | 一种深层油气藏水力裂缝扩展数值模拟的方法 |
-
2021
- 2021-01-21 CN CN202110079985.1A patent/CN112765854B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201149565Y (zh) * | 2007-11-21 | 2008-11-12 | 长安大学 | 一种沥青路面反射裂缝扩展模拟试验装置 |
CN105956315A (zh) * | 2016-05-17 | 2016-09-21 | 北京航空航天大学 | 一种可进行疲劳裂纹扩展速率估算和寿命预测的方法 |
CN106055784A (zh) * | 2016-05-30 | 2016-10-26 | 东南大学 | 一种钢桥细节疲劳裂纹扩展评估方法 |
CN107885933A (zh) * | 2017-11-07 | 2018-04-06 | 东南大学 | 一种基于扩展有限元的路面结构疲劳开裂数值模拟方法 |
WO2019201176A1 (zh) * | 2018-04-17 | 2019-10-24 | 江苏必得科技股份有限公司 | 列车部件裂纹损伤预测方法和装置 |
CN110390115A (zh) * | 2018-04-17 | 2019-10-29 | 江苏必得科技股份有限公司 | 列车部件裂纹损伤预测方法和装置 |
CN109063250A (zh) * | 2018-06-27 | 2018-12-21 | 青岛理工大学 | 一种混凝土裂缝扩展方向的分析与预测方法 |
CN112036098A (zh) * | 2020-09-15 | 2020-12-04 | 中国石油大学(华东) | 一种深层油气藏水力裂缝扩展数值模拟的方法 |
Non-Patent Citations (3)
Title |
---|
半刚性基层沥青路面疲劳裂缝扩展与寿命预估研究;栾利强;;土木工程学报(第09期);全文 * |
沥青路面裂缝检测方法研究与评价;黄啊奇;《CNKI硕士电子期刊》;全文 * |
涡轮盘中心孔三维疲劳裂纹扩展分析;薛志远;胡晓安;饶国锋;赵高乐;;失效分析与预防(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112765854A (zh) | 2021-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112765854B (zh) | 一种路面内部裂缝数量预测方法 | |
Cheng et al. | Large-eddy simulation of flow and pollutant transports in and above two-dimensional idealized street canyons | |
Cook | Wind-tunnel simulation of the adiabatic atmospheric boundary layer by roughness, barrier and mixing-device methods | |
Jia et al. | Back-analysis of soil parameters of the Malutang II concrete face rockfill dam using parallel mutation particle swarm optimization | |
Kang et al. | CFD simulation of snow transport over flat, uniformly rough, open terrain: Impact of physical and computational parameters | |
CN111859748B (zh) | 一种基于垂向混合坐标的海洋内波模拟方法 | |
Ho et al. | Preliminary study of the parameterisation of street-level ventilation in idealised two-dimensional simulations | |
CN107885933A (zh) | 一种基于扩展有限元的路面结构疲劳开裂数值模拟方法 | |
Cao et al. | An investigation of snow drifting on low-sloped gable roofs: Wind-tunnel tests and CFD simulations | |
Patil et al. | Numerical prediction of ice rubble field loads on the Norströmsgrund lighthouse using cohesive element formulation | |
Jeffries et al. | Lake ice growth and decay in central Alaska, USA: observations and computer simulations compared | |
Ji et al. | An inflow turbulence generation method for large eddy simulation and its application on a standard high-rise building | |
Qu et al. | Numerical investigation of breaking solitary wave runup on permeable sloped beach using a nonhydrostatic model | |
Chen et al. | Fracture behavior of high-temperature granite subjected to liquid nitrogen cooling: Semi-circular bending test and crack evolution analysis | |
Lin et al. | Numerical investigation of the temperature field and frost damages of a frost-penetration tunnel considering turbulent convection heat transfer | |
CN112485106B (zh) | 一种控制土体状态参数的物理模型分层制备与试验方法 | |
Tolba et al. | Pseudo three-dimensional simulation of aeroelastic response to turbulent wind using vortex particle methods | |
Ito et al. | Effect of modelled areas and inflow turbulence on the wind characteristics over a densely built-up city | |
Zheng et al. | Evaluation on Distribution Characteristics of Pore Water Pressure within Saturated Pavement Structure Based on the Proposed Tire‐Fluid‐Pavement Coupling Model | |
CN105911254A (zh) | 基于二分法的粘性土水浮力折减系数的试验方法 | |
Li et al. | Lagrangian modeling of tidal bores passing through bridge piers | |
Tabasi et al. | A numerical model of cross-shore beach profile evolution: theory, model development and applicability | |
Wu et al. | Depth‐averaged 2‐D calculation of flow and sediment transport in the lower Yellow River | |
Liu et al. | An integrated model for simulating melt-driven debris flow in a snow-dominated catchment | |
Reda et al. | Towards developing an idealised city model with realistic aerodynamic features |
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 |