广东省沥青路面级配及配合比设计方法探讨

结合广东省多条高速公路实践检验结果,对不同级配类型沥青混合料特点和不同配合比设计方法进行了对比分析,推荐了适合广东地区的沥青混合料合理级配范围,并提出采用GTM设计方法设计沥青混合料。     

集料级配对沥青路面抗滑性能的影响

为了研究矿料级配对沥青路面抗滑性能的影响，采用室内模拟试验，对其5种不同走向、最大粒径的级配混合料的抗滑性能和抗滑指标的衰减规律进行了研究，并对其影响因素进行了分析。试验结果表明：4．75mm以上粗集料的质量含量和集料最大粒径对于路面的抗滑能力有很大影响，将Superpave技术的控制点和限制区概念引入混合料的级配设计，对于保持路面抗滑性能与耐久性能之间的平衡具有积极的意义；集料最大粒径的选择应充分结合层厚、温度等因素确定。     

基于数字图像处理技术的粗集料级配特征

采用数字图像处理技术,利用自行研制的粗集料形态特征研究系统(MASCA),对粗集料的图像级配特征进行研究,提出将二维数字图像级配转换为三维机械筛分级配的修正方法.研究结果表明:数字图像级配与室内机械筛分级配具有较好的相关性,两者间的相对误差小于5%;该方法对于不同岩性石料与不同的工程级配均具有很好的普适性.采用MASCA系统来检测粗集料的级配特征具有较好的可行性.     

基于多分支深度学习的沥青路面多病害检测方法

为了准确、快速地识别路面多病害,采用一种基于多分支框架的深度学习方法,提取并融合路面图像的大、小尺度特征,将路面二维图像和三维图像作为网络输入,增强病害特征.采集裂缝、条状修补、块状修补、坑槽、松散等沥青路面病害图像共计10 562张,进行人工标注.结果表明：500次训练后该方法的平均交并比为0.83,准确率和召回率的调和平均数F值为0.90,优于U-net、PSPNet、DeepLabv3+等方法;在单一类别上,对条状修补、坑槽、松散、桥接缝等分割效果最优,对裂缝、块状修补的识别展现出较强的鲁棒性;所提方法的识别效果高于仅使用单一输入或者单一分支的方法.因此,双通道和多分支的设计方法可以显著提升网络对多类别路面病害的识别精度.     

基于数字图像处理技术的沥青混合料级配检测方法研究

沥青混合料中级配对其路用性能有着很大的影响,本文基于数字图像处理技术,对沥青混合料级配检测方法进行了改进研究。运用CT扫描技术扫描沥青混合料马歇尔试件的内部结构,获取数字图像,对获取的图像进行去噪、增强和分割等处理,在此基础上对图像进行伪三维级配识别。识别结果表明,对于直径大于2.36mm以上的集料,通过进行误差修正可以使检测出的级配曲线和设计级配曲线更加接近,有效提高其识别精度。应用CT技术获取沥青混合料图像的方法,可以对其内部细观结构进行观测,并且避免了对试件造成破坏,从而可以对其宏观性能进行研究。     

基于矿料级配的沥青路面低温抗裂性优化

低温抗裂性是沥青路面的重要性质之一,良好的低温抗裂性可以保证路面的使用寿命以及路基的稳定性.文章采用目前国内常用的沥青混合料级配设计方法,以低温线收缩性为衡量标准,通过对比相同沥青用量下,AC-5、AC-10、AC-13 3种类型的沥青混合料低温抗裂性能的差异,确定具有最佳低温抗裂性的矿料级配类型以及最大公称粒径.     

基于智慧集料运动特征的级配碎石剪切破坏机理

为深入了解级配碎石混合料剪切破坏机理,研发了智慧集料传感系统,结合级配碎石三轴剪切试验,进行智慧集料运动特征指标与级配碎石剪切行为的关联分析。基于剪切破坏位置,选择了智慧集料埋设位置;以x、y、z三轴方向加速度和角度指标表征智慧集料运动特征。研究结果发现：智慧集料加速度和角度响应规律与级配碎石剪切破坏三阶段变化规律吻合：级配碎石剪切破坏过程中,智慧集料加速度响应经历了由运动缓慢,运动加快到运动突变稳定的变化;且y、z轴方向加速度变化更快。智慧集料角度响应证明了集料颗粒接触各向异性存在,x、y、z三轴方向角度响应差异性大;颗粒转角运动最终主要体现在x、y轴方向上。     

基于抗变形能力的级配碎石组成设计方法

级配碎石的主要缺陷是易产生较大的塑性变形。在分析现行级配组成设计方法的基础上,根据连续密级配碎石的加州承载比(CBR)试验和利用研制的柔性材料剪切性能测试仪进行的剪切性能试验结果,对基于抗变形能力的级配碎石组成设计方法进行了研究。结果表明:以CBR值和剪切强度为组成设计的性能控制参数,CBR值应不小于180%,剪切强度应大于0.52 MPa;以最大粒径、泰波(Taibol)级配指数n值和基于双指标控制的关键筛孔及其通过率合理变化范围作为级配控制参数,最大粒径宜为31.5 mm,要求不高时可以放宽到37.5 mm;n值控制在0.45~0.50之间,以0.50为宜;4.75、2.36、0.60、0.075 mm筛孔应作为关键筛孔予以控制;通过率应在基于双指标控制的合理变化范围内。由此提出了基于抗变形能力的级配碎石组成设计方法,通过试验路应用表明,该设计方法可以有效控制级配碎石的塑性变形。     

基于分形维数及考虑假集料影响的冷再生混合料级配控制方法

为了更好控制混合料级配,以获取最佳路用性能,对冷再生混合料级配分形特征以及沥青路面回收旧料（RAP）假集料特性开展了研究。首先选取了规范级配范围内6种代表性级配曲线,借助分形几何理论,建立了粒径分布函数,得到了合成级配分形维数（D）、粗集料级配分形维数（D_C）及细集料级配分形维数（D_F）,并分析了三者与冷再生混合料干劈裂强度、冻融劈裂强度比、动稳定度和最大弯拉应变的相关性,然后建立了基于级配分形维数的冷再生混合料路用性能预估模型,最后通过分析级配变异性对冷再生混合料性能的影响,提出了考虑假集料影响的冷再生混合料级配控制方法。结果表明：分形维数可以定量描述冷再生混合料粒径分布及级配走向,进而反映冷再生混合料各项路用性能,基于分形维数的性能预估模型可以较好预测冷再生混合料各项路用性能,预估值与实测值相对误差基本在15 %以内;当冷再生混合料“抽提前后级配变化率方差”（D_V）大于85或“抽提前后级配变化值”（V_a）大于3.6时,宜通过添加新粗集料或调整级配曲线靠近下限等措施来提升冷再生混合料高温抗力。     

级配碎石力学性能的颗粒流数值模拟方法

为了从本质上揭示级配碎石组成结构与力学性能的内在关系,基于2维颗粒流软件提出了级配碎石力学性能的颗粒流数值模拟方法,并通过该方法以安康瀛湖石灰岩碎石为例研究了级配碎石的力学性能.结果表明:不同级配碎石的CBR(california bearing raio)、剪切强度和抗压强度的实测值分别为495%~692%,592~802kPa,1.29~1.54MPa;相应的模拟值分别为525%~736%,636~839kPa,1.34~1.54MPa;平均误差分别为4.50%,5.07%,5.15%.模拟结果与实测结果基本吻合,证明颗粒流数值模拟方法应用于级配碎石力学性能研究中的可行性.     

基于粒子群算法的多尺度反卷积特征融合的道路提取

研究基于传统FCN算法下的不同比例的多尺度特征融合对于复杂场景下道路提取准确度的提高.针对复杂的航拍道路场景,设计了针对于农田环境下的FROBIT农田道路数据集,并使用全卷积神经网络(FCN)对FROBIT农田道路数据集和Massachusetts城市道路数据集进行道路提取工作.本文基于传统的FCN的网络,对其反卷积方式进行改进,采用粒子群算法(PSO)设计了不同比例的多尺度特征融合.通过将本文提出的Multi-Scale FCN网络与传统的FCN神经网络在FROBIT数据集和Massachusetts道路数据集上进行对比实验,结果表明Multi-Scale FCN网络相比于传统的FCN神经网络在提取精度上得到了提高.     

基于BP神经网络的湘西民间方块苗文特征提取方法

分析湘西民间方块苗文文字的结构特性,提取表征文字特性的特征并构造特征矩阵,然后利用BP神经网络和方块苗文手写体字库训练出苗文的识别系统,并使用此系统对手写的方块苗文文字进行识别和分类.     

基于神经网络的人脸主特征提取

提出了用神经网络提取人脸图象主特征的方法，并对主特征在分类识别中的作用作了详细的分析，理论和实验证明，主特征不仅具有较强的分类能力而且具有很强的独立描述图象的能力。     

基于深度卷积神经网络的DOA估计

针对现有均匀线阵远场窄带非相干多目标估计算法对低信噪比、少快拍情况适应性差、运算复杂度高，以及现有深度学习方法难以有效提取数据复值特征的问题，提出基于深度卷积神经网络的波达方向估计方法。该方法将波达方向估计问题转换为阵列输出协方差矩阵到目标到达角度的逆映射问题，利用阵列输出协方差矩阵的Hermitian特性，提取其上三角阵的实部、虚部及相位特征，构造网络的输入数据，搭建包含三维卷积层的深度卷积神经网络用来提取数据特征，网络的标签对应目标的到达角度，从而实现多个信源的波达方向估计。试验仿真表明:该方法可以充分提取空间特征，提高波达方向估计精度并降低算法复杂度。所提方法在低信噪比、少快拍数的情况下，其估计精度明显优于MUSIC、ESPRIT以及ML算法。     

基于二元树复小波和SVD不变性的纹理图像分类算法

针对双树复小波变换(DT-CWT)用于图像的纹理特征提取时,不具有旋转和尺度不变性的局限,提出了一种基于DT-CWT和SVD的纹理分类算法.该算法首先利用DT-CWT从图像中提取出纹理特征,然后对纹理特征进行奇异值分解获得具有旋转和尺度不变性的特征向量,采用BP神经网络作为分类器,并提出改进的BP算法训练网络,使得网络很快找到全局最优解.将本方法与其他的分类算法进行比较,实验结果表明,本算法具有较高的分类正确率.     

基于形状加权的三维模型特征提取算法

提出了一种基于形状加权的三维模型特征提取算法,同时考虑采样点与中心点间的距离,以及采样点所在三角面片面积大小,构建直方图获取特征描述符.该算法能够充分利用模型表面信息,提取步骤简单,时间消耗少.实验证明,利用本文算法得到的特征描述符进行检索,查全率和查准率都有明显提高.     

基于小波变换与野草算法的细胞图像特征提取与识别

本文在细胞图像小波多尺度分解的基础上,提出在小波域中进行细胞图像特征提取的方法。针对基于小波变换提取的细胞图像特征向量维数过大、冗余等问题,提出一种基于小波变换与野草优化算法相结合的细胞图像特征的提取方法,最后利用BP神经网络作为分类器进行细胞图像识别。计算机实验仿真结果表明,与现有的未进行特征优化的细胞图像特征提取识别方法相比,本文细胞图像特征提取、分析、识别方法所需时间更短,识别正确率更高,实时性、鲁棒性能更好。     

基于Gabor小波和LPP的浮选过程泡沫纹理特征提取及应用

针对Gabor小波进行特征提取时易造成维数灾难和识别效率不高的问题,提出一种基于Gabor小波滤波和局部保持投影(LPP)降维算法相结合的泡沫纹理特征提取方法.首先,利用Gabor滤波器获得原始泡沫图像5个尺度和8个方向的高维特征描述向量;然后,利用LPP算法得到降维特征向量;最后,利用此降维特征向量通过反向传播(BP)神经网络进行不同工况下泡沫类别的识别,进而指导实际矿物浮选生产.实验结果表明,相对于传统的GLCM方法和Gabor小波纹理特征提取方法,该方法可有效降低泡沫纹理特征向量维数并具有更高的识别效率.     

基于模糊神经网络的路桥工程建设项目应急能力评价

路桥工程建设项目发展迅速,然而其具有施工现场多、工序繁多、施工技术复杂等特点,容易造成大面积伤亡,因此对路桥工程建设项目进行应急能力评价尤为重要。为了对尚缺体系性的路桥工程建设项目应急能力领域进行评价,建立了路桥工程建设项目应急能力评价指标体系,提出了一种基于模糊神经网络的应急能力评价方法,建立了应急能力评价模型,克服了模糊综合评价法计算复杂、权重确定主观性强且效率低等缺点。并对某区域内5家路桥工程建设公司进行调研,按照模型方法进行评价,其评价结果与模糊综合评价法评价结果对比,实际结果显示,该模型方法具有精度高、操作简单等优点。     

基于小波神经网络的空气污染指数预报

针对空气污染指数时间序列的非线性及多分辨率特性,提出了一种空气污染指数的小波神经网络预报模型。利用小波对原始的空气污染指数序列进行多尺度分解,以各尺度上的小波单支重构序列和重要的气象因子作为输入,使用该模型对兰州地区的空气污染指数进行了预测。仿真结果表明,与传统的BP神经网络相比,该模型具有更高的预测精度、更快的收敛...