[发明专利]一种基于人工神经网络的高速公路压实度实时监测方法

说明书

本发明为一种基于人工神经网络的高速公路压实度实时监测方法，该方法利用历史数据训练神经网络建立压实度计算模型，考虑填筑体参数、压路机控制参数和传感器获取参数，应用于压实施工中的压实度实时计算和实时显示，提高预测精度及计算效率。根据数据平台获取历史数据，训练压实度计算模型，将训练好的压实度计算模型调入到压路机控制系统中，在压路机工作之前，将测得的压实前填筑体参数和压路机控制参数输入到压路机控制系统所调入的压实度计算模型之中，结合压实过程中收集得到的压路机控制参数和传感器获取参数，实时反馈压实度。该方法考虑多种应用场景的不同工况，为压实的全过程监控体系的建立创造条件，具有普适性。

技术领域

本发明涉及路基路面工程技术领域，具体是将人工智能方法应用到高速公路压实过程中的压实度显示，可用于高速公路路基路面的压实质量监测。

背景技术

高速公路的压实是高速公路建设中最重要的施工环节之一，直接对后期道路的使用和养护产生本质性影响，因此对于压实过程中的压实度把控显得尤为重要，其中压实度的计算是压实质量把控的基础。传统的压路质量控制主要凭借驾驶员的经验和感受调整压路过程中的各项参数，质量把控难度大，主观性强，会造成“压实不足”和“过度压实”等一系列问题，同时整个压实过程不能对各项控制参数和压实度进行实时记录，对于高速公路的质量追溯难以进行，造成资源浪费。在压实过后的质量抽检属于滞后控制，对压实过程的质量控制不能起到指导作用。

传统的人工神经网络以两种形式计算压实度：(1)利用压实的具体方案来预测压实度，属于事前预测，该方法只能作为粗略的施工前指导，给出大体的压实策略；赵曜等(赵曜,张万磊,陈兆南,等.基于BP人工神经网络的沥青路面压实度预测模型研究[J].交通世界,2020,No.536(14):31-34.)构建BP神经网络，根据摊铺温度，压实遍数，压实温度和压实速度来预测目标区域的压实度，以较小误差表征了这些影响因素与压实度之间的关系。但其特征值均属于施工前的施工计划或者施工后的施工概况，没有实时参数作为特征值，无法应用于压实过程中的实时压实度显示，更无法指导本次压实的质量控制(2)利用压实后的各项填筑体参数来预测压实度，属于事后预测，寻找各项指标间的联系，可作为施工后压实度的评估方法。杨学超等(杨学超,何彩平.基于BP人工神经网络的路基压实度预测模型研究[J].甘肃科学学报,2011,23(003):132-135.)利用填筑材料的碾压厚度、填料湿密度、干密度和含水量来预测填筑体的压实度，避免了传统压实度检测所带来的费时、费力、有损等缺点。然而该方法选取的特征值为填筑体压实后指标，只能作为压实度的施工后的工程验收或者质量评价，无法为智能压实控制中的压实度实时显示、压实度实时监测提供信息支持。这两种形式的压实度计算都无法对压实过程提供直接的技术指导，无法在真正意义上提高压实过程的压实质量，更无法作为智能压实的数据素材。

发明内容

鉴于上述现状的不足，本发明拟解决的技术问题是建立一种基于人工神经网络的高速公路压实度实时监测方法，该方法能够应用于高速公路实际施工中的压实度实时监测，基于多种实时监测碾压参数，利用历史数据训练神经网络建立压实测量指标与压实度之间的相关性分析模型，即压实度计算模型，考虑填筑体参数、压路机控制参数和传感器获取参数，填筑体参数即固有参数，压路机控制参数和传感器获取参数为实时参数，应用于压实施工中的压实度实时计算和实时显示，提高预测精度及计算效率。该方法考虑多种应用场景的不同工况、填料及控制参数等多种因素，多种特征值相互独立，可在路基、水稳层或路面的压实过程中实时显示压实度，为压实的全过程监控体系的建立创造条件，具有普适性。与此同时，不考虑压路机厂家，型号等硬件设施限制，将压实过程中的压实数据有效利用，能够实现预测模型的自我优化，自我修正。既可以为传统碾压工艺提供数据指导，也能够为成为智能压实的组成部分，提供决策材料。

为了解决上述技术问题，本发明的技术方案为：

一种基于人工神经网络的高速公路压实度实时监测方法，该方法包括以下内容：

1)利用神经网络建立压实度计算模型：