CN115452650B - 一种沥青路面的密度检测系统与方法 - Google Patents
一种沥青路面的密度检测系统与方法 Download PDFInfo
- Publication number
- CN115452650B CN115452650B CN202211235939.7A CN202211235939A CN115452650B CN 115452650 B CN115452650 B CN 115452650B CN 202211235939 A CN202211235939 A CN 202211235939A CN 115452650 B CN115452650 B CN 115452650B
- Authority
- CN
- China
- Prior art keywords
- asphalt pavement
- density
- electromagnetic wave
- pavement
- wave signal
- 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 120
- 238000001514 detection method Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 23
- 229910052802 copper Inorganic materials 0.000 claims abstract description 27
- 239000010949 copper Substances 0.000 claims abstract description 27
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims abstract description 26
- 230000000149 penetrating effect Effects 0.000 claims abstract description 26
- 239000002994 raw material Substances 0.000 claims abstract description 20
- 238000012549 training Methods 0.000 claims description 45
- 230000006870 function Effects 0.000 claims description 30
- 238000003066 decision tree Methods 0.000 claims description 28
- 238000005457 optimization Methods 0.000 claims description 18
- 239000000203 mixture Substances 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims 1
- 230000033001 locomotion Effects 0.000 abstract description 5
- 238000009659 non-destructive testing Methods 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 description 7
- 238000011065 in-situ storage Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 239000012857 radioactive material Substances 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N9/00—Investigating density or specific gravity of materials; Analysing materials by determining density or specific gravity
- G01N9/24—Investigating density or specific gravity of materials; Analysing materials by determining density or specific gravity by observing the transmission of wave or particle radiation through the material
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Geophysics And Detection Of Objects (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种沥青路面的密度检测系统与方法，包括车架、探地雷达、标定铜板和计算设备；所述车架包括移动部件、雷达容纳部件和计算设备容纳部件；所述移动部件用于实现所述车架在所述沥青路面上的平稳移动；所述探地雷达设置在所述雷达容纳部件中，接收经过所述标定铜板反射的第一电磁波信号和经过所述沥青路面反射的第二电磁波信号；所述计算设备与所述探地雷达电连接并接收所述第一电磁波信号和所述第二电磁波信号并执行：根据第一电磁波信号和第二电磁波信号计算沥青路面的路面介电常数；根据路面介电常数以及与沥青路面对应的原材料参数，通过密度检测模型确定沥青路面的密度。本发明能够安全快速地对沥青路面密度进行高精度无损检测。
Description
技术领域
本发明涉及无损检测技术领域，特别涉及一种沥青路面的密度检测系统与方法。
背景技术
沥青路面原位密度检测是路面施工质量控制的关键技术。建立智能化的路面原位密度检测装置、提升路面原位密度检测精度对于实现沥青路面压实度实时反馈、建立高效的施工质量控制评价装置具有重要意义。
传统沥青路面密度检测方法主要是钻取路面芯样进行室内密度检测，该方法虽然被认为有较高的精度但是存在检测效率低、测点不连续、破坏路面结构等缺点。目前采用的无损检测方法中包括使用核子密度仪或无核密度仪进行测量。然而核子密度仪由于使用放射性材料，会危害周围环境和操作人员，因此在我国被禁止使用。现有的无核密度仪虽然安全性高，但仍然存在测点不连续、检测效率低的问题，只能提供有限路面密度数据。另外传统的密度预测模型预测也存在精度无法满足工程需求，不适于新建沥青路面密度检测的缺陷。
发明内容
本发明的目的在于解决现有技术中存在的上述问题，提供一种能够安全快速地对沥青路面密度进行高精度无损检测的技术方案。
为实现上述目的，本发明提供了一种沥青路面的密度检测系统，包括车架、探地雷达、标定铜板和计算设备；
所述车架包括移动部件、雷达容纳部件和计算设备容纳部件；
所述探地雷达设置在所述雷达容纳部件中，用于向地面发射探测信号，并接收经过所述标定铜板反射的第一电磁波信号和经过所述沥青路面反射的第二电磁波信号；
所述计算设备设置在所述计算设备容纳部件中，用于接收所述第一电磁波信号和所述第二电磁波信号并执行以下操作：
根据所述第一电磁波信号和所述第二电磁波信号计算所述沥青路面的路面介电常数；
根据所述路面介电常数以及与所述沥青路面对应的原材料参数，通过密度检测模型确定所述沥青路面的密度；其中所述密度检测模型基于XGBoost算法训练获得。
可选地，所述移动部件包括设置在所述车架底部的多个万向轮，所述多个万向轮位于同一水平面内且在所述水平面的同一个圆周上均匀分布。
可选地，所述探地雷达距离地面高度为20-50cm，所述探测信号的发射频率为1.6-2.4GHz，所述第一电磁波信号或所述第二电磁波信号的采样点数为512-2048点/道，时窗为1-2ns。
可选地，所述雷达容纳部件包括位于所述移动部件上方的承载平台；所述探地雷达包括主控装置、供电电源和雷达天线，所述主控装置和所述供电电源位于所述雷达容纳部件上方，所述雷达天线位于所述雷达容纳部件下方，所述主控装置用于控制所述雷达天线发射和接收电磁波信号。
可选地，所述车架还包括铜板容纳部件，用于容纳所述标定铜板；其中，所述标定铜板的厚度为1-3mm。
可选地，所述车架还包括连接杆，所述连接杆的一端设置在所述雷达容纳部件上，另一端与所述计算设备容纳部件相连。
可选地，所述计算设备容纳部件包括横杆和纵杆，其中所述横杆的一端与所述连接杆相连，所述纵杆的一端的所述横杆的另一端相连，所述纵杆的另一端垂直向上延伸。
可选地，所述连接杆的上部还设置有扶手，以供外力通过所述扶手驱动所述车架运动。
可选地，所述车架的制作材料为高强度塑料。
另一方面，本发明还公开了一种沥青路面的密度检测方法，包括以下步骤：
通过探地雷达向下发射探测信号，获取经过标定铜板反射的第一电磁波信号和经过沥青路面反射的第二电磁波信号；
根据所述第一电磁波信号和所述第二电磁波信号计算所述沥青路面的路面介电常数；
根据所述路面介电常数以及与所述沥青路面对应的原材料参数，通过密度检测模型确定所述沥青路面的密度；其中所述密度检测模型基于XGBoost算法训练获得。
与现有技术相比，本发明具有以下有益效果：
(1)本发明通过可移动的车架承载探地雷达和计算设备，可以随着车架移动连续采集沥青路面反射的电磁波信号，解决现有技术中只能进行单点检测、测点不连续的缺陷。
(2)本发明采用XGBoost算法训练密度检测模型，与传统的理论计算模型相比，本发明通过大量训练数据可以更加准确地学习到原材料参数和路面介电系数与路面密度之间的对应关系，通过XGBoost算法的迭代训练可以保证预测值和真实值之间的误差相对于现有技术大幅下降。
(3)本发明还提供了将XGBoost算法与贝叶斯优化算法相结合以训练密度检测模型的方案，通过贝叶斯优化算法可以更加合理的确定密度检测模型中的超参数，从而保证预测误差更小。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，可以根据这些附图获得其他的附图。其中：
图1示出了本发明实施例1的沥青路面的密度检测系统的结构示意图；
图2示出了本发明实施例1中获得沥青路面不同位置的路面密度示意图；
图3示出了本发明实施例1利用训练密度预测模型的示意性流程图；
图4示出了本发明实施例1利用贝叶斯优化算法训练密度预测模型的示意性流程图；
图5示出了本发明实施例1的密度预测模型与现有技术其他模型相比的误差示意图。
附图标记说明：101-车架；102-探地雷达；103-计算设备；1011-移动部件；1012-雷达容纳部件；1013-计算设备容纳部件；1014-连接杆；1015-扶手；1021-主控装置；1022-供电电源；1023-雷达天线；1024-悬架；104-电缆；105-标定铜板。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
本发明为了解决如下问题：利用探地雷达实现新建沥青路面密度的无损、快速、连续检测，采用XGBoost算法实现沥青路面密度计算。与传统方法相比，本发明在检测新建沥青路面密度时保持了沥青路面结构的完整性，可以获得更多的新建沥青路面密度信息，检测精度远远高于传统的理论计算模型。
实施例1
请参阅图1，本发明实施例提供一种沥青路面的密度检测系统，为一种沥青路面的密度检测装置，包括车架101、探地雷达102、计算设备103和标定铜板105；车架101包括移动部件1011、雷达容纳部件1012、计算设备容纳部件1013和连接杆1014；移动部件1011位于车架101的底部，用于实现车架101在沥青路面上的平稳移动；在一个示例中，移动部件1011包括多个万向轮，例如4个，该多个万向轮位于同一水平面内且在所述水平面的同一个圆周上均匀分布，从而保证车架101可以在外力推动下进行平稳地移动；雷达容纳部件1012可以是位于移动部件1011上方的承载平台，供探地雷达102进行放置或安装；连接杆1014一端设置于雷达容纳部件1012上；探地雷达102包括主控装置1021、供电电源1022和雷达天线1023；，探地雷达102中的主控装置1021和供电电源1022可以放置在雷达容纳部件1012之上，探地雷达102中的雷达天线1023可以通过悬架1024连接在雷达容纳部件1012下方，以使雷达天线1023向地面方向发射及接收电磁波信号；标定铜板105在需要时放置于雷达天线1023下方，并且在不需要时可以放置在车架101上；雷达天线1023可以在主控装置1021的控制下向地面发射探测信号，并接收经过标定铜板105反射的第一电磁波信号，或者接收经过沥青路面反射的第二电磁波信号；还设置有计算设备容纳部件1013，连接杆1014的另一端设置计算设备容纳部件1013；计算设备容纳部件1013可以包括呈L型结构的横杆和纵杆，其中横杆的一端与连接杆1014相连，纵杆的一端的横杆的另一端相连，纵杆的另一端垂直向上延伸，以供计算设备103可以稳定地放置于其上；供电电源1022可以通过电缆104与计算设备103相连，以同时向计算设备103提供电能。
可选地，还设置有扶手1015，扶手1015设置于连接杆1014的上端，以供测量人员推动扶手1015使密度检测系统平稳移动。
本发明实施例中车架101的制作材料为高强度塑料，这样可以同时保证轻巧行性和坚固性。优选的，高强度塑料为PPS塑料。
首先，获取沥青路面对应的原材料参数；令密度检测系统处于静止状态，将标定铜板105放置在雷达天线1023相对应的沥青路面上，在预设时间段内雷达天线1023向标定铜板持续发射探测信号并接收标定铜板105反射的多个第一电磁波信号。例如，可以分多次按预设频率发射及接收电磁波信号，例如分为三次获取信号，每次时长不少于一分钟。这样可以获得三组标定铜板反射的多个第一电磁波信号。优选的，本发明实施例中标定铜板105的厚度为1-3mm，这样即可以保证标定铜板105材质均匀，又不至于与路面高度相差太多，由此保证第一电磁波信号和第二电磁波信号在计算路面介电常数时更具可靠性。其中，所述探地雷达距离地面高度为20-50cm，所述探测信号的发射频率为1.6-2.4GHz，所述第一电磁波信号或所述第二电磁波信号的采样点数为512-2048点/道，时窗为1-2ns。雷达天线1023包括发射端和接收端，其中发射端会向各个方位发射探测信号，而接收端接收到的电磁波信号同时包括由发射端直接发射的探测信号以及由标定铜板105反射的第一电磁波信号。通过设置上述地面高度参数以及采样参数，可以保证雷达天线1023接收到的第一电磁波信号可以被清晰地识别出来而不会受到直接发射的探测信号的过多干扰。
优选地，标定铜板105的厚度为1.5mm；雷达天线1023距地面高度为40cm、发射频率为2.2GHz、采样点数为2048点/道、时窗为1.2ns。
其次，通过人力推动或者其他助推器推动的方式令密度检测系统处于匀速运动状态，在预设路线内持续向沥青路面持续发射探测信号，并接收沥青路面反射的多个第二电磁波信号。本过程中雷达天线1023的距离地面高度参数以及采样参数保持不变。
再次，探地雷达102将上述多个第一电磁波信号和多个第二电磁波信号通过电缆104传输至计算设备103，以供计算设备103根据第一电磁波信号和第二电磁波信号计算沥青路面的路面介电常数；根据计算得到的路面介电常数以及与沥青路面对应的原材料参数，通过密度检测模型确定该沥青路面的密度；其中，密度检测模型设置于计算设备内，密度检测模型是基于XGBoost算法训练得到的。所述原材料参数包括沥青介电常数、集料介电常数、沥青密度、集料密度、沥青含量和沥青混合料最大理论密度。
在一个示例中，原材料参数包括与沥青路面相对应的沥青介电常数、集料介电常数、沥青密度、集料密度、沥青含量和沥青混合料最大理论密度。使用所述原材料参数能够提沥青路面的密度检测数值更加准确，且成本低廉。
在一个示例中，根据第一电磁波信号和第二电磁波信号计算路面介电常数的计算公式如下所示：
其中，εr表示沥青路面的路面介电常数，Ap表示第一电磁波信号的振幅，A0表示第二电磁波信号的振幅。需要说明的是，本实施例中获得的第一电磁波信号可以包括多个。在此基础上，对多个第一电磁波信号求平均值，可以得到较为准确的第一电磁波信号。本实施例中获得的第二电磁波信号也可以包括多个。与标定铜板不同，由于沥青路面的路段较长，考虑到路面铺设过程中可能存在不均匀的情况，为了保证获得的第二电磁波信号尽可能详尽地反映真实路面情况，可以令探地雷达处于沿沥青路面直线运动的状态，以持续获得在沥青路面不同位置处的第二电磁波信号。将多个第二电磁波信号代入上面的路面介电常数计算公式中，可以得到多个路面介电常数。
本实施例中的密度预测模型可以根据输入的原材料参数和路面介电常数，直接输出对应的路面密度。在一个示例中，原材料参数可以包括集料介电常数、沥青介电常数、沥青密度、集料密度、沥青含量、沥青混合料最大理论密度。可以理解，当路面介电常数包括多个时，可以分别对应输出多个路面密度。图2示出了本发明实施例1中获得沥青路面不同位置的路面密度示意图。从图2可以看出，在不同的距离即不同位置处，沥青路面的路面密度存在细微差异，但总体保持在2.5g/cm3附近波动。
图3示出了本发明实施例1中训练密度预测模型的示意性流程图。如图3所示，本实施例的所述密度预测模型基于XGBoost算法训练获得：
获取历史沥青路面的训练数据集，所述训练数据集包括所述历史沥青路面的原材料训练参数、路面训练介电常数和路面训练密度；其中，所述原材料训练参数包括沥青介电常数、集料介电常数、沥青密度、集料密度、沥青含量和沥青混合料最大理论密度；路面训练介电常数是指历史沥青路面的表面介电常数；路面训练密度是指所述历史沥青路面的密度，即：沥青路面的实际密度。
上述训练数据集可以来源于沥青路面现场检测数据及室内密度试验数据。具体的，可以通过LCR网络分析仪确定集料介电常数，沥青介电常数设定为3，沥青密度和集料密度分别通过比重瓶法和网篮法测得，沥青含量由马歇尔配合比设计得到，沥青混合料最大理论密度通过室内真空法确定，沥青路面的路面训练介电常数通过2.2GHz探地雷达检测得到，沥青路面密度为表干法测得的路面芯样密度。
密度预测模型包括第一类超参数和第二类超参数；
根据第一类超参数生成决策树模型，所述第一类超参数用于确定所述决策树模型的结构；将所述原材料训练参数和所述路面训练介电常数作为输入数据，将所述路面训练密度作为输出数据迭代训练所述决策树模型中的节点分类规则。本实施例中的第一类超参数可以包括决策树模型的深度，本领域技术人员理解，在深度确定的情况下，一颗决策树的结构就是确定的。例如某决策树的深度为2，相当于从根节点向下分裂一次得到两个叶节点；某决策树的深度为3，相当于从根节点向下分裂一次得到第一左节点和第一右节点，第一左节点再向下分裂一次得到第一叶子节点和第二叶子节点，第一右节点再向下分裂一次得到第三叶子节点和第四叶子节点。可以理解的是，除最底层叶子节点之外的其它节点各自具有对应的分类规则，通过这些分类规则最终将输入数据中的多个样本分别划分至决策树模型最底层的某个叶子节点中，进一步，根据每个叶子节点中包含的不同输入数据样本，可以计算出每个叶子节点的值，从而相应计算出预测密度。上述节点中对应的分类规则可以根据现有技术中的贪心算法确定，本实施例对此不做过多赘述。
以下以一次迭代过程为例，说明如何通过决策树模型对输入数据进行分类。假设第i个训练数据样本包括{沥青介电常数i，集料介电常数i，沥青密度i，集料密度i，沥青含量i，沥青混合料最大理论密度i，路面训练介电常数i，沥青路面密度i}，其中可以将{沥青介电常数i，集料介电常数i，沥青密度i，集料密度i，沥青含量i，沥青混合料最大理论密度i，路面训练介电常数i}作为输入数据，输入到当前确定了第一超参数Max deep的决策树模型i中进行分类，最终将输入数据中的每个参数分别映射到决策树模型i的不同叶子节点中。通过计算每个叶子节点中包含的输入数据，可以得到对应的预测密度yi。将上述训练样本数据中的{沥青路面密度i}与预测密度yi进行比较，可以得到当前决策树模型i的误差函数值。
根据第二类超参数对所述决策树模型进行基于XGBoost算法的迭代优化，以确定目标函数增益最大时对应的目标分类规则；所述目标函数包括误差函数项、叶子节点项、L1正则项和L2正则项，所述第二超参数包括迭代次数、学习率、叶子节点系数、L1正则项系数和L2正则项系数。
下式为本发明实施例的基于XGBoost算法的目标函数Ok的表达式：
上式中k表示当前迭代次数；γ表示叶子节点系数；α表示L1正则项系数；λ表示L2正则项系数；n是训练数据样本中包含的样本数量；T表示当前迭代过程中决策树模型对应的叶子节点总个数；wj表示当前决策树模型中第j个叶子节点的叶子权重；yi表示第i个训练数据样本中对应的实际的沥青路面密度；表示当前决策树模型输出的预测密度；i表示第i个训练数据样本；j表示当前决策树模型中的第j个叶子节点；l为均方根误差函数，表示预测值和实际值之间的误差函数：/>
根据XGBoost算法的原理，通过引入二阶泰勒展开式，上述目标函数Ok可以最终近似转化为：
上式中Ij表示叶子节点集合，表示误差函数的一阶偏导数，表示误差函数的二阶偏导数。
在此基础上，可以根据Ok *确定当前决策树模型的信息增益，选择信息增益最大时对应的节点分类规则作为当前决策树的目标分类规则。
通过上述步骤，本实施例可以获得基于XGBoost算法的密度预测模型。该密度预测模型的结构由第一类超参数确定，该密度预测模型的节点分类规则由基于第二类超参数的XGBoost算法进行迭代确定。对于输入的任意一组包含了原材料参数和沥青路面介电常数的数据，可以输出预测的沥青路面密度。相对于现有的理论计算模型，本实施例提供的密度预测模型更加适用于不同状况的沥青路面，具有更高的预测精度。
本发明实施例中的第一类超参数和第二类超参数通过贝叶斯优化算法确定。图4示出了本发明实施例1利用贝叶斯优化算法训练密度预测模型的示意性流程图。如图4所示，利用贝叶斯优化算法训练第一类超参数和第二类超参数的步骤包括：
获取所述第一类超参数和所述第二类超参数对应的参数类型以及各个参数类型对应的取值范围
具体的，本实施例通过贝叶斯优化算法进行优化的超参数类型可以包括：Numboost round：XGBoost模型中回归树的数量，参数下界为80，上界为125；Max depth：决策树的深度，参数下界为5，上界为25；Learning rate：学习率，参数下界为0.01，上界为1；Gamma：叶子节点参数，参数下界为e-9，上界为1000；Reg alpha：L1正则化项系数，参数下界为e-9，上界为1000；Reg lambda：L2正则化项系数，参数下界为e-9，上界为1000。上述取值范围的上下界可以根据经验值设定。
选定均方根误差函数作为贝叶斯优化算法的误差函数和贝叶斯迭代设定值。
根据获取的参数类型和取值范围以及误差函数类型，进行贝叶斯优化，当贝叶斯优化达到迭代设定值时，选择贝叶斯优化过程中误差函数值最小时对应的参数类型和取值组合为第一类超参数和所述第二类超参数的最佳优化组合。
具体地，贝叶斯优化过程为：选择多个(例如20个)初始观测点，设置最大观测点数量(例如320个)，基于初始观测点采用概率代理模型预测函数分布，获得当前最优参数取值的组合；使用当前最优参数取值的组合替换当前密度预测模型(即：XGBoost模型)中第一类超参数和所述第二类超参数的取值，并基于训练数据集，利用该XGBoost模型获得沥青路面的密度预测值，并与实际密度值计算误差函数值，获得当前最优参数取值组合对应的误差函数值；基于采集函数选取的观测点进行下一步观测；当观测点数量达到最大观测点数量时，贝叶斯迭代结束，获得多个误差函数值以及与该误差函数值对应的当前参数取值组合。此时选择误差函数最小的参数组合作为超参数的最佳优化取值组合；将所述最佳优化组合作为所述密度预测模型中所述第一类超参数和所述第二类超参数的固定值。
通过上述步骤，可以保证密度预测模型中的超参数组合更加合理，从而进一步提高概率预测模型的准确性。图5示出了本实施例1的密度预测模型与现有技术其他模型相比的误差示意图。图5横坐标分别显示了现有的六种理论计算模型以及本发明实施例提供的两种机器学习模型，现有的六种理论计算模型分别包括ALL模型、PM模型、ISO模型、CRIM模型、Rayleigh模型以及Bottcher模型，本发明实施例1提供的两种模型分别是单纯基于XGBoost算法训练的密度预测模型和同时基于XGBoost算法和贝叶斯优化算法训练的密度预测模型XGBoost-B。可以看出，单纯基于XGBoost算法训练的密度预测模型相比于现有技术的其他六种模型，误差百分比为0.8％，已经有了明显下降。而同时基于XGBoost算法和贝叶斯优化算法训练的密度预测模型XGBoost-B的误差仅为0.2％，相较于单纯基于XGBoost算法训练的密度预测模型误差又有了大幅下降。
需要指出的是，在本发明公开的装置和方法中，显然，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明公开的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。上述具体实施方式，并不构成对本发明公开保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明公开保护范围之内。
Claims (10)
1.一种沥青路面的密度检测系统，其特征在于，包括车架、探地雷达、标定铜板和计算设备；
所述车架包括移动部件、雷达容纳部件和计算设备容纳部件；
所述探地雷达设置在所述雷达容纳部件中，用于向地面发射探测信号，并接收经过所述标定铜板反射的第一电磁波信号和经过所述沥青路面反射的第二电磁波信号；
所述计算设备设置在所述计算设备容纳部件中，用于接收所述第一电磁波信号和所述第二电磁波信号并执行以下操作：
根据所述第一电磁波信号和所述第二电磁波信号计算所述沥青路面的路面介电常数；
根据所述路面介电常数以及与获取的沥青路面对应的原材料参数，通过密度检测模型确定所述沥青路面的密度；其中，密度检测模型设置于计算设备内，密度检测模型基于XGBoost算法训练获得，具体为：
获取历史沥青路面的训练数据集，所述训练数据集包括所述历史沥青路面的原材料训练参数、路面训练介电常数和路面训练密度；
根据第一类超参数生成决策树模型，所述第一类超参数用于确定所述决策树模型的结构；将所述原材料训练参数和所述路面训练介电常数作为输入数据，将所述路面训练密度作为输出数据迭代训练所述决策树模型中的节点分类规则；
根据第二类超参数对所述决策树模型进行基于XGBoost算法的迭代优化，以确定目标函数增益最大时对应的目标分类规则；所述目标函数包括误差函数项、叶子节点项、L1正则项和L2正则项，所述第二类超参数包括迭代次数、学习率、叶子节点系数、L1正则项系数和L2正则项系数；
其中，基于XGBoost 算法的目标函数O k的表达式为：
上式中k表示当前迭代次数；γ表示叶子节点系数；α表示L1正则项系数；λ表示L2正则项系数；n是训练数据样本中包含的样本数量；T表示当前迭代过程中决策树模型对应的叶子节点总个数；w j 表示当前决策树模型中第j个叶子节点的叶子权重；y i表示第i个训练数据样本中对应的实际的沥青路面密度；表示当前决策树模型输出的预测密度；i表示第i个训练数据样本；j表示当前决策树模型中的第j个叶子节点；l为均方根误差函数，/>表示预测值和实际值之间的误差函数：/> ；
根据XGBoost 算法的原理，通过引入二阶泰勒展开式，将所述目标函数O k最终近似转化为：
上式中I j表示叶子节点集合，表示误差函数的一阶偏导数，表示误差函数的二阶偏导数；
所述沥青路面对应的原材料参数包括沥青介电常数、集料介电常数、沥青密度、集料密度、沥青含量和沥青混合料最大理论密度。
2.根据权利要求1所述的沥青路面的密度检测系统，其特征在于，所述移动部件包括设置在所述车架底部的多个万向轮，所述多个万向轮位于同一水平面内且在所述水平面的同一个圆周上均匀分布。
3.根据权利要求1所述的沥青路面的密度检测系统，其特征在于，所述探地雷达距离地面高度为20-50cm，所述探测信号的发射频率为1.6-2.4GHz，所述第一电磁波信号或所述第二电磁波信号的采样点数为512-2048点/道，时窗为1-2ns。
4.根据权利要求3所述的沥青路面的密度检测系统，其特征在于，所述雷达容纳部件包括位于所述移动部件上方的承载平台；所述探地雷达包括主控装置、供电电源和雷达天线，所述主控装置和所述供电电源位于所述雷达容纳部件上方，所述雷达天线位于所述雷达容纳部件下方，所述主控装置用于控制所述雷达天线发射和接收电磁波信号。
5.根据权利要求1所述的沥青路面的密度检测系统，其特征在于，所述车架还包括铜板容纳部件，用于容纳所述标定铜板；其中，所述标定铜板的厚度为1-3mm。
6.根据权利要求1所述的沥青路面的密度检测系统，其特征在于，所述车架还包括连接杆，所述连接杆的一端设置在所述雷达容纳部件上，另一端与所述计算设备容纳部件相连。
7.根据权利要求6所述的沥青路面的密度检测系统，其特征在于，所述计算设备容纳部件包括横杆和纵杆，其中所述横杆的一端与所述连接杆相连，所述纵杆的一端的所述横杆的另一端相连，所述纵杆的另一端垂直向上延伸。
8.根据权利要求6或7所述的沥青路面的密度检测系统，其特征在于，所述连接杆的上部还设置有扶手，以供外力通过所述扶手驱动所述车架运动。
9.根据权利要求1所述的沥青路面的密度检测系统，其特征在于，所述车架的制作材料为高强度塑料。
10.一种沥青路面的密度检测方法，使用权利要求1-9任一项所述的沥青路面的密度检测系统进行沥青路面的密度检测，其特征在于，包括以下步骤：
通过探地雷达向下发射探测信号，获取经过标定铜板反射的第一电磁波信号和经过沥青路面反射的第二电磁波信号；
根据所述第一电磁波信号和所述第二电磁波信号计算所述沥青路面的路面介电常数；
根据所述路面介电常数以及与所述沥青路面对应的原材料参数，通过密度检测模型确定所述沥青路面的密度；其中所述密度检测模型基于XGBoost 算法训练获得。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211235939.7A CN115452650B (zh) | 2022-10-10 | 2022-10-10 | 一种沥青路面的密度检测系统与方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211235939.7A CN115452650B (zh) | 2022-10-10 | 2022-10-10 | 一种沥青路面的密度检测系统与方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115452650A CN115452650A (zh) | 2022-12-09 |
| CN115452650B true CN115452650B (zh) | 2024-06-18 |
Family
ID=84308727
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211235939.7A Active CN115452650B (zh) | 2022-10-10 | 2022-10-10 | 一种沥青路面的密度检测系统与方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115452650B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116337716B (zh) * | 2023-03-29 | 2023-10-17 | 河南省交通规划设计研究院股份有限公司 | 一种在役沥青路面面层空隙率连续检测方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106940370A (zh) * | 2017-02-14 | 2017-07-11 | 北京市道路工程质量监督站 | 沥青路面压实度检测方法、装置及系统 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2972252B1 (en) * | 2013-03-14 | 2023-10-18 | Robert Ernest Troxler | Systems and methods for pavement bulk properties and moisture content measurements using ground penetrating radar |
| CN205808870U (zh) * | 2016-07-01 | 2016-12-14 | 周西伦 | 一种超声波沥青密度测量仪 |
| CN113466083B (zh) * | 2021-07-15 | 2024-01-02 | 深圳市粤通建设工程有限公司 | 高精度沥青路面密度的处理方法、系统、装置及存储介质 |
| CN114737448A (zh) * | 2022-03-22 | 2022-07-12 | 东南大学 | 一种基于探地雷达的沥青路面智能压实系统及方法 |
-
2022
- 2022-10-10 CN CN202211235939.7A patent/CN115452650B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106940370A (zh) * | 2017-02-14 | 2017-07-11 | 北京市道路工程质量监督站 | 沥青路面压实度检测方法、装置及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 基于探地雷达技术的沥青路面密度计算方法;江建;刘涛;张肖宁;;筑路机械与施工机械化;20180410(第04期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115452650A (zh) | 2022-12-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115452650B (zh) | 一种沥青路面的密度检测系统与方法 | |
| CN101793545B (zh) | 生物燃料的自动计量系统及方法 | |
| CN114354654B (zh) | 基于dw-knn的煤炭水分含量快速无损检测方法 | |
| CN106284036B (zh) | 基于探地雷达的公路路面压实度的评价方法 | |
| Hummel et al. | Simultaneous soil moisture and cone index measurement | |
| CN108051364A (zh) | 一种epr核能电缆剩余寿命评估方法与预测epr核能电缆剩余使用寿命方法 | |
| CN115754221A (zh) | 一种步进式时域反射土壤有效态养分原位速测系统及方法 | |
| Casanova et al. | Design of access-tube TDR sensor for soil water content: Testing | |
| Meehan et al. | Using a complex-impedance measuring instrument to determine in situ soil unit weight and moisture content | |
| CN116214689B (zh) | 一种基于不同时效下的预制梁片养护智能监测系统及方法 | |
| Pieš et al. | Application of TDR test probe for determination of moisture changes of railway substructure materials | |
| CN108656330A (zh) | 混凝土预制构件养护监控与质量评价方法及系统 | |
| Lin et al. | TDR method for compaction quality control: multi evaluation and sources of error | |
| CN115840908A (zh) | 基于lstm模型的微波链路构建pm2.5三维动态监测场的方法 | |
| CN114445346A (zh) | 一种电力电缆缺陷识别方法及装置 | |
| Zhao et al. | Using particle filter to track horizontal variations of atmospheric duct structure from radar sea clutter | |
| Morgan et al. | A system for measuring soil physical properties in the field | |
| Chung et al. | Optimal Time Domain Reflectometry Penetrometer Design for Soil Water Content and Electrical Conductivity Profiling | |
| CN112731378B (zh) | 蚁群遗传联合获取介电常数方法、雷达检测方法和系统 | |
| CN104297270B (zh) | 一种基于ct扫描的红黏土试样含水率测试方法 | |
| Aziz et al. | Bayesian inversion of GPR waveforms for uncertainty-aware sub-surface material characterization | |
| CN112699166B (zh) | 一种拱盖法多元信息监测装置 | |
| CN115327074B (zh) | 一种基于介电常数确定粗颗粒土基质吸力的方法 | |
| CN108152373A (zh) | 基于孔隙尺寸识别的含孔隙复合材料力学性能测量系统及方法 | |
| Li et al. | An ANN-Based Approach for Nondestructive Asphalt Road Density Measurement |
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 |