[发明专利]基于集料-砂浆界面断裂规律的沥青混凝土损伤预测方法在审
申请号: | 201811240305.4 | 申请日: | 2018-10-24 |
公开(公告)号: | CN109164117A | 公开(公告)日: | 2019-01-08 |
发明(设计)人: | 胡靖;钱振东 | 申请(专利权)人: | 东南大学 |
主分类号: | G01N23/046 | 分类号: | G01N23/046 |
代理公司: | 南京经纬专利商标代理有限公司 32200 | 代理人: | 王美章 |
地址: | 210096 江苏省*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 断裂 损伤 集料 细观结构 砂浆 预测 沥青混凝土 规律分析 集料颗粒 空间参数 预测模型 耗散 建模 传统沥青混凝土 数值计算结果 粘弹性材料 参数计算 断裂行为 断裂状况 集料空间 评价指标 三维分形 断裂能 球形度 输出 | ||
本发明公开了一种基于集料‑砂浆界面断裂规律的沥青混凝土损伤预测方法,该方法包括细观结构建模、界面断裂规律分析与损伤预测模型三部分,细观结构建模利用X‑Ray CT设备建立不同集料颗粒的空间细观结构模型,结合粘弹性材料本构与断裂能参数计算集料‑砂浆界面断裂状况;界面断裂规律分析根据数值计算结果,提取断裂耗散能作为界面断裂行为的评价指标,并计算对应集料的四项空间参数:体积、表面积、球形度与三维分形值;损伤预测模型以集料四项空间参数作为输入值,断裂耗散能作为输出值,建立集料空间参数与损伤状况的预测关系。本发明相对传统沥青混凝土损伤预测方法,考虑了其本质是集料颗粒引起的界面断裂,显著地提高了损伤预测的有效性。
技术领域
本发明属于沥青混凝土损伤预测研究领域,尤其涉及一种基于沥青混凝土CT图像的细观结构重构与损伤预测技术。
背景技术
沥青混凝土是由集料颗粒、矿粉与沥青材料按照比例混合而成的土木工程材料,其广泛地应用于市政道路与高速公路工程的建设中,为我国社会经济的发展提供了重要基础。然而,沥青混凝土在使用过程中逐渐出现病害损伤,对道路基础设施的耐久性与安全性产生不利影响。因此,为评估沥青混凝土在荷载作用下可能出现的损伤状况,需要建立其有效的损伤预测技术,为材料与结构设计的优化提供参考。
沥青混凝土结构损伤的预测是道路工程研究领域的重点,也是长期存在的难点。由于沥青混凝土内部存在不同形貌的的集料颗粒,而不同形貌的集料颗粒体对损伤产生随机性的影响,特别是在集料-砂浆界面由于应力集中现象的不可预见性,往往难以有效地判断界面薄弱部位的损伤状况。
现阶段对沥青混凝土损伤领域的研究已经从宏观大尺度向微观小尺度进行转变,建立了多种适用于损伤评价的细观结构模型,如中国发明专利“基于沥青路面试件X-rayCT图像的集料细观实体模型重构方法CN201510197932.4”,但并未有效地开展沥青混凝土结构损伤及其预测的研究。另一方面,集料与砂浆间界面的损伤是造成沥青混凝土损伤的关键,如何有效地建立界面损伤的评价技术是开展沥青混凝土损伤预测的重要基础。进一步地,传统数值计算耗费大量的人力物力,因此开展集料与砂浆界面损伤规律研究,构建集料特征与界面损伤关系数据库是预测沥青混凝土在荷载作用下损伤状况的有效途径。
发明内容
发明目的:针对以上现状与存在的问题,本发明提出一种基于集料-砂浆界面断裂规律的沥青混凝土损伤预测方法,本发明建立了不同集料颗粒与砂浆间界面损伤行为的模拟方法,并结合BP神经网络模型搭建了基于集料特征的界面损伤预测技术,该方法解决了以往损伤预测存在的重复计算问题,可根据拟制备沥青混凝土的集料颗粒原材料特征评估可能出现的损伤状况。
为了实现上述技术目的,本发买采用如下技术方案:
一种基于集料-砂浆界面断裂规律的沥青混凝土损伤预测方法,该方法包括以下步骤:
S1、细观结构建模
利用X-Ray CT设备建立不同集料颗粒的空间细观结构模型,结合粘弹性材料本构与断裂能参数计算集料-砂浆界面断裂状况;
S2、界面断裂规律分析
根据步骤S1得到的不同集料颗粒的空间细观结构模型以及集料-砂浆界面断裂状况获取集料-砂浆界面断裂耗散能,提取所述集料-砂浆界面断裂耗散能作为界面断裂行为的评价指标,并计算对应集料的四项空间参数:体积、表面积、球形度与三维分形值;
S3、损伤预测模型
以集料四项空间参数作为输入值,断裂耗散能作为输出值,建立集料空间参数与损伤状况的预测模型。
步骤S1具体包括如下子步骤:
S1.1、选取多个集料颗粒作为统计对象,采用X-Ray CT设备对所有集料颗粒进行扫描,获取集料颗粒的断层扫描图像数据;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东南大学,未经东南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811240305.4/2.html,转载请声明来源钻瓜专利网。