CN114184503B - 一种智能监测沥青路面层间状态的装置及方法 - Google Patents
一种智能监测沥青路面层间状态的装置及方法 Download PDFInfo
- Publication number
- CN114184503B CN114184503B CN202111481928.2A CN202111481928A CN114184503B CN 114184503 B CN114184503 B CN 114184503B CN 202111481928 A CN202111481928 A CN 202111481928A CN 114184503 B CN114184503 B CN 114184503B
- Authority
- CN
- China
- Prior art keywords
- asphalt pavement
- model
- asphalt
- interlayer
- experiment
- 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
- 239000010426 asphalt Substances 0.000 title claims abstract description 124
- 239000011229 interlayer Substances 0.000 title claims abstract description 49
- 238000012544 monitoring process Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000002474 experimental method Methods 0.000 claims abstract description 46
- 238000006073 displacement reaction Methods 0.000 claims abstract description 42
- 230000006378 damage Effects 0.000 claims abstract description 37
- 230000007246 mechanism Effects 0.000 claims abstract description 15
- 239000010410 layer Substances 0.000 claims description 36
- 239000000463 material Substances 0.000 claims description 12
- 238000009826 distribution Methods 0.000 claims description 8
- 125000004122 cyclic group Chemical group 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 239000005341 toughened glass Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 230000005483 Hooke's law Effects 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000010349 pulsation Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 4
- 230000005611 electricity Effects 0.000 abstract description 2
- 239000002344 surface layer Substances 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 239000012790 adhesive layer Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001687 destabilization Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/32—Investigating strength properties of solid materials by application of mechanical stress by applying repeated or pulsating forces
- G01N3/36—Investigating strength properties of solid materials by application of mechanical stress by applying repeated or pulsating forces generated by pneumatic or hydraulic means
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01C—CONSTRUCTION OF, OR SURFACES FOR, ROADS, SPORTS GROUNDS, OR THE LIKE; MACHINES OR AUXILIARY TOOLS FOR CONSTRUCTION OR REPAIR
- E01C23/00—Auxiliary devices or arrangements for constructing, repairing, reconditioning, or taking-up road or like surfaces
- E01C23/01—Devices or auxiliary means for setting-out or checking the configuration of new surfacing, e.g. templates, screed or reference line supports; Applications of apparatus for measuring, indicating, or recording the surface configuration of existing surfacing, e.g. profilographs
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/02—Details
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/02—Details
- G01N3/06—Special adaptations of indicating or recording means
- G01N3/068—Special adaptations of indicating or recording means with optical indicating or recording means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- 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
-
- 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
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Structural Engineering (AREA)
- Evolutionary Computation (AREA)
- Civil Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Architecture (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Road Repair (AREA)
Abstract
本发明属于道路工程领域，具体涉及一种智能监测沥青路面层间状态的装置及方法。包括实验箱，所述实验箱底端设置有实验箱底座，所述实验箱上端设置有实验箱箱盖，所述实验箱内设置有沥青路面模型，所述沥青路面模型的顶端设置有液压系统及微型光栅传感器，所述沥青路面模型内埋设有位移传感器，所述位移传感器通过电路与计算机系统电连接。本发明通过设置位移传感器以及微型光栅传感器实时对沥青路面层间结合状态进行实时监测，并将数据进行汇总分析，也可对其内部层间结构状态进行损伤机理分析，实现灾变预判。
Description
技术领域
本发明属于道路工程领域，具体涉及一种智能监测沥青路面层间状态的装置及方法。
背景技术
沥青路面通常分层修筑，为增强路面层状体系的整体性以提高路面结构荷载传递能力，从而减少路面损伤，常在面层与基层间及面层各层间分别撒铺透层油及粘层油将各层有效地粘结在一起。工程实践中，路面层间接触状态常介于完全连续与完全光滑之间，如果层间处置措施不当而失去粘结出现剥离，很容易成为路面结构的薄弱环节，进而降低路面传递车辆荷载能力，最终导致路面裂缝、车辙、推移、拥包、坑槽等损坏的出现。滑移会直接导致路面出现开裂，而拥包则直接影响了路面的平整度。般认为沥青路面的滑移是由于沥青面层和基层之间由于粘结力不足，在行车荷载的水平力反复作用下，发生层间滑移。目前交通运输的多轴数，轴数、高轮压的新特点，使道路受力状况较以往发生了明显变化，变为更加复杂，远非传统路面结构力学分析所采用的均布轮胎荷载计算模式，复杂的接触压力导致了基、面层的严重滑移而不得不挖掉重铺.造成前修后补，降低了道路服务水平。因此监测沥青路面层间结合状态，科学预测重载交通荷载下地基累积变形和失稳灾变是保障交通运营安全、实现全生命周期优化设计显得尤为重要。
发明内容
有鉴于此，本发明提供了一种智能监测沥青路面层间状态的装置及方法，以解决现有技术中存在的问题，本发明提供的具体技术方案如下：
一种智能监测沥青路面层间状态的装置，包括实验箱，所述实验箱底端设置有实验箱底座，所述实验箱上端设置有实验箱箱盖，所述实验箱内设置有沥青路面模型，所述沥青路面模型的顶端设置有液压系统及微型光栅传感器，所述沥青路面模型内埋设有位移传感器，所述位移传感器通过电路与计算机系统电连接。
进一步的，所述沥青路面模型分为若干层，所述沥青路面模型的每层均埋设有位移传感器。
进一步的，所述实验箱由钢化玻璃分段加工而成，且最上段的钢化玻璃的上端高于沥青路面模型的顶面。
进一步的，所述液压系统包括水平液压装置和竖向液压装置，所述水平液压装置与所述竖向液压装置均与计算机系统电连接，所述水平液压装置为沥青路面模型施加水平力，用于模拟车辆刹车时对沥青路面施加的水平力，所述竖向液压装置为沥青路面模型施加竖向载荷，用于模拟车辆对沥青路面的竖向载荷。
进一步的，所述微型光栅传感器为若干个且均匀布设在沥青路面模型的顶端，所述微型光栅传感器与所述液压系统的布置互不干涉。
一种智能监测沥青路面层间状态的方法，采用上述的智能监测沥青路面层间状态的装置，包括以下步骤：
1)、沥青路面模型的制作及位移传感器的设置
根据实验要求确定沥青路面模型的层数以及每层的厚度，并在实验箱内逐层铺设完成沥青路面模型的设置，在铺设过程中将位移传感器埋设于沥青路面模型的每一层中；
2)、微型光栅传感器的设置
将微型光栅传感器均匀布置于沥青路面模型的顶端，用于实时获取地基累积变形的信息以及沥青路面模型的表层形变量；
3)、法向力确定
实验中法向力为车辆对沥青路面的载荷，根据情况对最大车辆载荷进行取值计算，考虑车辆的运动状态，将法向力定为脉动循环载荷；
4)、水平力确定
实验中水平力为车辆制动时对沥青路面产生的制动载荷，取水平力为循环载荷，以对实际路段进行模拟；
5)、输入损伤机理的确立
该实验通过模拟一种重载交通下动力失稳灾变机理，以实验结果为基础，建立了沥青层间位移相互作用的损伤机理模型；
6)、沥青路面层间状态监测实验
将预先建立的模型输入计算机系统，点击实验开始，设置路面层间位移20mm或者沥青开裂20mm时停止，完成沥青路面层间状态的智能监测。
进一步的，步骤3中法向力的表达式为
式中：F法表示竖向液压装置施加的法向力；
A表示路段最大车辆载荷；
ω为常数，可对脉动循环周期进行控制；
t表示时间。
进一步的，步骤4中水平力的具体确定方式为：
在规范JTG D60—2015中，公路一级车道荷载，均布荷载标准值为10.5KN/m集中荷载按以下标准选取，计算跨径L0≤5m，PK＝270KN，L0≥50m，PK＝360KN；5<L0<50m，PK值采用线性内插求得，以下取加载长度为5×30m，计算跨径为30m，双车道进行表示，实际实验中根据实际情况进行选择：
F制动＝2×0.1×(150×10.5+320×5)＝635.0KN；
取水平力为循环载荷，以对实际路段进行模拟：
式中：F水平表示水平液压装置施加的法向力；
ω为常数，与法向力循环载荷保持一致。
进一步的，步骤5中损伤机理模型的具体确定方式为：
首先假设沥青的损伤为各向同性，则岩石的损伤的一维本构关系为
σ＝σ′(1-D)＝E(1-D)ε
利用Weibull分布来描述其强度分布的随机性，沥青材料的微元破坏的概率密度函数为
式中，F为微元强度的随机分布变量，m和F0为反映材料非均质性的非负常数，定义损伤变量D为材料破坏的微元数Nf与微元总数N的比值，其范围为0-1，则
根据边界条件及广义胡克定律及沥青材料的损伤演化规律，简化沥青路面的模型为σ1＝σ，σ2＝σ3＝0，ε1＝ε，简化公式为
代入公式后求微分得，损伤本构模型如下：
式中，
利用传感器的监测性能，验证了计算模型的正确性，为沥青层间位移的安全预警提供了理论基础；通过数值模拟、室内足尺寸模型实验、现场实验获得尽可能多的沥青路面层间位移实测样本，建立相应的数据集并以此对改进后的人工智能进行训练，实现沥青层间位移预警平台的深度学习，最终实现沥青层间位移灾害预测预警平台对沥青层间位移的准确预测。
与现有技术相比，本发明的有益效果为：
本发明中的一种智能监测沥青路面层间状态的装置，可通过位移传感器以及微型光栅传感器实时对沥青路面层间结合状态进行实时监测，并将数据进行汇总分析，也可对其内部层间结构状态进行损伤机理分析，实现灾变预判。
附图说明
图1为本发明的整体结构示意图。
图2为本发明实验箱的侧视图。
图3为本发明的实验箱箱盖剖视图。
图4为动力失稳灾变机理分析示意图。
1-沥青路面面层、2-沥青路面基层、3-沥青路面底基层、4-沥青路面垫层、5-实验箱底座、6-液压系统、7-实验箱箱盖、8-微型光栅传感器、9-位移传感器、10-计算机系统、11-电路。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参考附图1-3，一种智能监测沥青路面层间状态的装置，包括实验箱，所述实验箱底端设置有实验箱底座5，所述实验箱上端设置有实验箱箱盖7，所述实验箱内设置有沥青路面模型，所述沥青路面模型的顶端设置有液压系统6及微型光栅传感器8，所述沥青路面模型内埋设有位移传感器9，所述位移传感器9通过电路11与计算机系统10电连接。
在本实施例中，沥青路面模型由上到下依次为沥青路面面层1、沥青路面基层2、沥青路面底基层3和沥青路面垫层4，所述沥青路面模型的每层均埋设有位移传感器9，位移传感器9选用大量程高精度磁致伸缩传感器，用于实时感知沥青路面模型每层的瞬时和累积变形。
在本实施例中，实验箱由钢化玻璃分段加工而成，在实验结束后，可逐段拆卸下来便于清洗，最上段的钢化玻璃的上端高于沥青路面模型的顶面用于模拟沥青路面模型的路肩。
在本实施例中，液压系统6包括水平液压装置和竖向液压装置，所述水平液压装置与所述竖向液压装置均与计算机系统电连接，所述水平液压装置为沥青路面模型施加水平力，用于模拟车辆刹车时对沥青路面施加的水平力，所述竖向液压装置为沥青路面模型施加竖向载荷，用于模拟车辆对沥青路面的竖向载荷。
在本实施例中，微型光栅传感器8为若干个且均匀布设在沥青路面模型的顶端，所述微型光栅传感器8与所述液压系统6的布置互不干涉。
一种智能监测沥青路面层间状态的方法，采用上述的智能监测沥青路面层间状态的装置，包括以下步骤：
1)、沥青路面模型的制作及位移传感器的设置
根据实验要求确定沥青路面模型的层数以及每层的厚度，并在实验箱内逐层铺设完成沥青路面模型的设置，在铺设过程中将位移传感器9埋设于沥青路面模型的每一层中；
2)、微型光栅传感器的设置
将微型光栅传感器8均匀布置于沥青路面模型的顶端，用于实时获取地基累积变形的信息以及沥青路面模型的表层形变量；
3)、法向力确定
实验中法向力为车辆对沥青路面的载荷，根据情况对最大车辆载荷进行取值计算，考虑车辆的运动状态，将法向力定为脉动循环载荷；
式中：F法表示竖向液压装置施加的法向力；
A表示路段最大车辆载荷；
ω为常数，可对脉动循环周期进行控制；
t表示时间；
4)、水平力确定
实验中水平力为车辆制动时对沥青路面产生的制动载荷，在规范JTG D60—2015中，公路一级车道荷载，均布荷载标准值为10.5KN/m集中荷载按以下标准选取，计算跨径L0≤5m，PK＝270KN，L0≥50m，PK＝360KN；5<L0<50m，PK值采用线性内插求得，以下取加载长度为5×30m，计算跨径为30m，双车道进行表示，实际实验中根据实际情况进行选择：
F制动＝2×0.1×(150×10.5+320×5)＝635.0KN；
取水平力为循环载荷，以对实际路段进行模拟：
式中：F水平表示水平液压装置施加的法向力；
ω为常数，与法向力循环载荷保持一致；
t表示时间；
5)、输入损伤机理的确立
该实验通过模拟一种重载交通下动力失稳灾变机理，如图4(a)所示，车辆的交通次数越多，道路损伤程度越大，最后趋于稳定状态，而CSR越大，即车辆越超重，轴向力也越大，道路损伤程度也就越大；如图4(b)所示，剪切波速与状态参数呈负相关，即车辆运行速度越快，状态参数越小，道路损伤程度越大，以实验结果为基础，建立了沥青层间位移相互作用的损伤机理模型，假设沥青的损伤为各向同性，则岩石的损伤的一维本构关系为
σ＝σ′(1-D)＝E(1-D)ε
利用Weibull布来描述其强度分布的随机性，沥青材料的微元破坏的概率密度函数为
式中，F为微元强度的随机分布变量，m和F0为反映材料非均质性的非负常数，定义损伤变量D为材料破坏的微元数Nf与微元总数N的比值，其范围为0-1，则
根据边界条件及广义胡克定律及沥青材料的损伤演化规律，简化沥青路面的模型为σ1＝σ，σ2＝σ3＝0，ε1＝ε，简化公式为
代入公式后求微分得，损伤本构模型如下：
式中，利用传感器的监测性能，验证了计算模型的正确性，为沥青层间位移的安全预警提供了理论基础；通过数值模拟、室内足尺寸模型实验、现场实验获得尽可能多的沥青路面层间位移实测样本，建立相应的数据集并以此对改进后的人工智能进行训练，实现沥青层间位移预警平台的深度学习，最终实现沥青层间位移灾害预测预警平台对沥青层间位移的准确预测；
6)、沥青路面层间状态监测实验
将预先建立的模型输入计算机系统，点击实验开始，设置路面层间位移20mm或者沥青开裂20mm时停止，完成沥青路面层间状态的智能监测。
以上实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。
Claims (6)
1.一种智能监测沥青路面层间状态的方法，其特征在于，采用智能监测沥青路面层间状态的装置进行监测，所述智能监测沥青路面层间状态的装置包括实验箱，所述实验箱底端设置有实验箱底座，所述实验箱上端设置有实验箱箱盖，所述实验箱内设置有沥青路面模型，所述沥青路面模型的顶端设置有液压系统及微型光栅传感器，所述沥青路面模型内埋设有位移传感器，所述位移传感器通过电路与计算机系统电连接；所述液压系统包括水平液压装置和竖向液压装置，所述水平液压装置与所述竖向液压装置均与计算机系统电连接，所述水平液压装置为沥青路面模型施加水平力，用于模拟车辆刹车时对沥青路面施加的水平力，所述竖向液压装置为沥青路面模型施加竖向载荷，用于模拟车辆对沥青路面的竖向载荷；具体方法包括以下步骤：
1)、沥青路面模型的制作及位移传感器的设置
根据实验要求确定沥青路面模型的层数以及每层的厚度，并在实验箱内逐层铺设完成沥青路面模型的设置，在铺设过程中将位移传感器埋设于沥青路面模型的每一层中；
2)、微型光栅传感器的设置
将微型光栅传感器均匀布置于沥青路面模型的顶端，用于实时获取地基累积变形的信息以及沥青路面模型的表层形变量；
3)、法向力确定
实验中法向力为车辆对沥青路面的载荷，根据情况对最大车辆载荷进行取值计算，考虑车辆的运动状态，将法向力定为脉动循环载荷；
4)、水平力确定
实验中水平力为车辆制动时对沥青路面产生的制动载荷，取水平力为循环载荷，以对实际路段进行模拟；
5)、输入损伤机理的确立
通过模拟一种重载交通下动力失稳灾变机理，以实验结果为基础，建立了沥青层间位移相互作用的损伤机理模型；
6)、沥青路面层间状态监测实验
将预先建立的损伤机理模型输入计算机系统，点击实验开始，设置路面层间位移20mm或者沥青开裂20mm时停止，完成沥青路面层间状态的智能监测；
步骤5中损伤机理模型的具体确定方式为：首先假设沥青的损伤为各向同性，则沥青的损伤的一维本构关系为
σ＝σ′(1-D)＝E(1-D)ε
利用Weibull分布来描述其强度分布的随机性，沥青材料的微元破坏的概率密度函数为
式中，F为微元强度的随机分布变量，m和F0为反映材料非均质性的非负常数，定义损伤变量D为材料破坏的微元数Nf与微元总数N的比值，其范围为0-1，则
根据边界条件及广义胡克定律及沥青材料的损伤演化规律，简化沥青路面的模型为σ1＝σ，σ2＝σ3＝0，ε1＝ε，简化公式为
代入公式后求微分得，损伤本构模型如下：
式中，
利用传感器的监测性能，验证计算模型的正确性，以为沥青层间位移的安全预警提供理论基础；通过数值模拟、室内足尺寸模型实验、现场实验获得尽可能多的沥青路面层间位移实测样本，建立相应的数据集并以此对人工智能进行训练，实现沥青层间位移预警平台的深度学习，最终实现沥青层间位移灾害预测预警平台对沥青层间位移的准确预测。
2.根据权利要求1所述的一种智能监测沥青路面层间状态的方法，其特征在于，所述沥青路面模型分为若干层，所述沥青路面模型的每层均埋设有位移传感器。
3.根据权利要求1所述的一种智能监测沥青路面层间状态的方法，其特征在于，所述实验箱由钢化玻璃分段加工而成，且最上段的钢化玻璃的上端高于沥青路面模型的顶面。
4.根据权利要求1所述的一种智能监测沥青路面层间状态的方法，其特征在于，所述微型光栅传感器为若干个且均匀布设在沥青路面模型的顶端，所述微型光栅传感器与所述液压系统的布置互不干涉。
5.根据权利要求1所述的一种智能监测沥青路面层间状态的方法，其特征在于，步骤3中法向力的表达式为
式中：F法表示竖向液压装置施加的法向力；
A表示路段最大车辆载荷；
ω为常数，对脉动循环周期进行控制；
t表示时间。
6.根据权利要求5所述的一种智能监测沥青路面层间状态的方法，其特征在于，步骤4中水平力的具体确定方式为：
在规范JTG D60—2015中，公路一级车道荷载，均布荷载标准值为10.5KN/m，集中荷载PK按以下标准选取，计算跨径L0≤5m，PK＝270KN；L0≥50m，PK＝360KN；5<L0<50m，PK值采用线性内插求得，以下取加载长度为5×30m，计算跨径为30m，双车道进行表示，实际实验中根据实际情况进行选择：
F制动＝2×0.1×(150×10.5+320×5)＝635.0KN；
取水平力为循环载荷，以对实际路段进行模拟：
式中：F水平表示水平液压装置施加的法向力；
ω为常数，与法向力循环载荷保持一致。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111481928.2A CN114184503B (zh) | 2021-12-06 | 2021-12-06 | 一种智能监测沥青路面层间状态的装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111481928.2A CN114184503B (zh) | 2021-12-06 | 2021-12-06 | 一种智能监测沥青路面层间状态的装置及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114184503A CN114184503A (zh) | 2022-03-15 |
| CN114184503B true CN114184503B (zh) | 2024-03-19 |
Family
ID=80542484
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111481928.2A Active CN114184503B (zh) | 2021-12-06 | 2021-12-06 | 一种智能监测沥青路面层间状态的装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114184503B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115752825A (zh) * | 2022-09-28 | 2023-03-07 | 吉林省交通科学研究所 | 基于自感应导电沥青路面的道路信息采集系统及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106894316A (zh) * | 2017-02-28 | 2017-06-27 | 武汉理工大学 | 一种基于光纤光栅传感器检测沥青路面结构破坏的方法 |
| CN110442993A (zh) * | 2019-08-12 | 2019-11-12 | 南京林业大学 | 层间热阻对沥青路面结构受力影响的分析方法 |
| CN110472337A (zh) * | 2019-08-13 | 2019-11-19 | 南京林业大学 | 不同层间结合状态下沥青路面结构受力分析方法 |
| CN112748030A (zh) * | 2020-12-25 | 2021-05-04 | 哈尔滨工业大学 | 沥青路面面层抗车辙试验装置及试验方法 |
| CN112815862A (zh) * | 2020-12-31 | 2021-05-18 | 江苏中路工程技术研究院有限公司 | 一种钢桥面铺装层间粘结状态监测系统及脱空检测方法 |
-
2021
- 2021-12-06 CN CN202111481928.2A patent/CN114184503B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106894316A (zh) * | 2017-02-28 | 2017-06-27 | 武汉理工大学 | 一种基于光纤光栅传感器检测沥青路面结构破坏的方法 |
| CN110442993A (zh) * | 2019-08-12 | 2019-11-12 | 南京林业大学 | 层间热阻对沥青路面结构受力影响的分析方法 |
| CN110472337A (zh) * | 2019-08-13 | 2019-11-19 | 南京林业大学 | 不同层间结合状态下沥青路面结构受力分析方法 |
| CN112748030A (zh) * | 2020-12-25 | 2021-05-04 | 哈尔滨工业大学 | 沥青路面面层抗车辙试验装置及试验方法 |
| CN112815862A (zh) * | 2020-12-31 | 2021-05-18 | 江苏中路工程技术研究院有限公司 | 一种钢桥面铺装层间粘结状态监测系统及脱空检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114184503A (zh) | 2022-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hossain et al. | Artificial neural network modelling to predict international roughness index of rigid pavements | |
| Knothe et al. | Advanced contact mechanics–road and rail | |
| US6704664B2 (en) | Fatigue sensitivity determination procedure | |
| Hasni et al. | A new approach for damage detection in asphalt concrete pavements using battery-free wireless sensors with non-constant injection rates | |
| CN114184503B (zh) | 一种智能监测沥青路面层间状态的装置及方法 | |
| Mabrouk et al. | Using ANN modeling for pavement layer moduli backcalculation as a function of traffic speed deflections | |
| Liu et al. | Prediction of tread block forces for a free-rolling tyre in contact with a smooth road | |
| Zolghadri et al. | Field verification of simplified bridge weigh-in-motion techniques | |
| Liu et al. | Study of the influence of pavement unevenness on the mechanical response of asphalt pavement by means of the finite element method | |
| CN112765854B (zh) | 一种路面内部裂缝数量预测方法 | |
| CN112528533A (zh) | 一种千米深井提升机制动器可靠性智能评估与寿命预测方法 | |
| CN113624201A (zh) | 城市隧道多线叠交施工沉降监测预警系统及方法 | |
| Fakhri et al. | Modelling of 3D response pulse at the bottom of asphalt layer using a novel function and artificial neural network | |
| Hossain et al. | Prediction of international roughness index of flexible pavements from climate and traffic data using artificial neural network modeling | |
| CN114997671A (zh) | 基于人工神经网络和熵值法的基坑变形安全风险评估的方法 | |
| Vantsevich | Wheel dynamics fundamentals for agile tire slippage modeling and control | |
| Hajj et al. | Influence of tire–pavement stress distribution, shape, and braking on performance predictions for asphalt pavement | |
| Fan et al. | Characteristics of High-speed deflection basin and structural parameter Back-calculation of asphalt pavement with different structural states | |
| CN116956723A (zh) | 基于足尺沥青路面全寿命周期试验及反馈神经网络的车辙深度预测方法 | |
| CN117195688A (zh) | 一种考虑动静效应及黏弹性特征的路基结构模量确定方法 | |
| CN117195106A (zh) | 基于随机森林模型的最优指标预测沥青路面压实度方法 | |
| CN111428297A (zh) | 基于bp神经网络的桩基p～s曲线确定方法 | |
| Gheshlaghi et al. | Developing an analytical model for prediction of tyre rolling resistance on moist soils | |
| Elseifi et al. | A mechanistic approach to utilize traffic speed deflectometer (TSD) measurements into backcalculation analysis | |
| CN105844089A (zh) | 一种rc框架结构层损伤评估模型的构建方法 |
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 |