高速公路沥青路面早期破坏浅析

造成高速公路沥青路面早期破坏的原因十分复杂,主要有设计、施工、交通管理及养护等因素,本文分析了破坏形式及破坏原因,提出若干防治措施。     

浅谈沥青混凝土路面坑槽的修补

文章根据沥青混凝土路面坑槽修补的最终目的和效果，介绍了坑槽修补常用的施工工艺，对修补材料提出要求，并对坑槽修补各施工工艺在修补效果和造价经济上进行了比较。     

沥青混合料粘弹塑性断裂参数研究

沥青混合料是一种典型的粘弹塑性材料，通过半圆弯拉试验，采用J积分和延迟开裂时间评价其延迟开裂性能；测得在不同荷载水平和不同试验温度条件下沥青混合料的延迟开裂时间以及不同试验温度下的断裂韧度，研究其裂缝起裂规律。研究结果表明，裂缝的起裂表现出明显的粘弹塑性特征，采用J积分理论和延迟开裂时间评价沥青混合料的断裂性能时，简单的流变本构关系依然适用。     

用神经网络理论进行纤维水泥砼的配合比设计

根据公路桥梁桥面铺装对纤维水泥砼的使用性能要求，将一批试验数据作为样本，通过神经网络对其进行学习和训练，得到了相应的神经网络权值矩阵和阈值向量。计算结果与实际试验结果的对比表明，采取本方法可以提高纤维水泥砼配合比的设计效率。     

刚性路面破损原因分析

刚性路面破损后，给养护、修复带来了极大的困难，目前，国内外还没有一种材料能立即修复破损部位，保持其路面原有性能。通过对刚性路面破损情况的调查、试验分析，找出了路面破损原因，有利于刚性路面设计、施工、养护中采取积极措施，预防和减少路面破损，提高刚性路面的质量。     

沥青路面夹层动态粘弹性及抗剪性能(英文)

为提高半刚性沥青路面与沥青加铺层的防反射裂缝的能力,在基面层之间设置了柔性夹层.采用动态剪切流变仪(DSR)对纯沥青夹层、不同土工织物夹层进行了动态扫描,并分析了其动粘弹性,然后对夹层的抗剪性能进行试验分析.研究结果表明,土工织物夹层满足路面抗滑移的要求,具有良好的路用性能.     

多目标优化在路面养护决策中的应用

路面养护决策时需要将道路使用者不同的效益换算为费用进行寿命周期费用分析,这样的换算过程不仅不合理,而且还存在很大的任意性和不确定性、文中通过建立路网中某一路段在分析期内所需投入养护资金最小和所获取用户效益最大的多个目标的优化模型,对项目在整个分析期的养护计划和养护资金需求的问题进行了研究．模型求解时利用多目标优化中Pareto最优解和非劣解（noninferior solutions）的概念,并利用遗传算法,求得优化模型解．通过对实例计算分析,验证了模型的有效性．     

沥青混合料抗车辙性能试验对比分析

为了确定用于沥青混合料高温性能设计的最优试验方法和评价指标,分别采用动态模量试验、间接拉伸强度试验、车辙试验和单轴重复荷载试验对9种沥青混合料的抗车辙性能进行测试,通过统计学方法对比分析了不同试验方法的合理性.试验结果表明:动态模量试验和高温间接拉伸强度试验不能准确地评价混合料的抗车辙性能;车辙试验仅适用于区分不同新拌沥青混合料抗车辙性能的优劣,是否适用于评价再生混合料尚存疑问;重复荷载试验具有更好的区分度和合理性,并可得到材料的基本力学参数;将基于重复荷载试验的流变次数指数作为抗车辙性能评价指标更为准确;在评价新拌沥青混合料时车辙试验和重复荷载试验结果具有良好的相关性,但是该关系并不能拓展到再生混合料中.     

高速公路路面小修保养费用影响因素量化分析

为提高高速公路路面小修保养费用决策水平,采用阶层回归分析方法,进行小修保养费用影响因素量化研究.通过定性分析将影响因素界定为地区因素、通车年限、特大桥梁比例、长与特长隧道比例和交通因素,其中交通因素分为5种情况;通过对变量进行预处理,基于16条高速公路的历史数据进行量化研究.结果表明,在控制地区变量的条件下,各区组对模型的整体解释力均较显著,其中通车年限的增量解释力和在各区组的统计意义最为显著;同等条件下特大桥比例的标准化回归系数(β系数)远大于长与特长隧道比例的β系数,AADT(annual average daily traffic)和重车流量区组的β系数较其他交通因素区组的数值大.因此,路面资产小修保养费用受到地区因素、通车年限、大于1 000 m的桥梁比例、AADT和重车流量的影响.     

基于灰色关联度分析和支持向量机 回归的沥青路面使用性能预测

沥青路面使用性能多因素预测是一个复杂的非线性问题,传统预测模型存在很多不足。为弥补传统模型的缺陷,建立一个高精度、长周期、多因素的预测模型,通过灰色关联度分析对各因素进行降维处理,选择与沥青路面使用性能关联度较大的影响因素进行支持向量机回归非线性预测,提出了基于灰色关联度分析和支持向量机回归(GRA-SVR)的沥青路面使用性能预测模型。最后选用广云高速实测车辙指数(RDI)值进行实例验证,并同GM(1,1)和PPI两种模型的预测结果进行了对比分析。结果表明:基于GRA-SVR建立的多因素预测模型具有很好的精度和可操作性,可在长周期过程中使用,为大数据养护决策提供了模型参考和依据。