Мультидоменный анализ вибрационных параметров дорожного катка для автоматизированного прогнозирования уплотненности асфальтобетонной смеси
DOI:
https://doi.org/10.5281/zenodo.14018644Ключевые слова:
автоматизация, интеллектуальная, контроль плотности, мультидоменный анализ, асфальтобетонная смесь, вибрационный катокЛицензия
Аннотация
Приведено исследование переменной ускорения колебаний рабочего органа катка для построения автоматизированной системы контроля уплотненности асфальтобетонной смеси на базе технологии вычислительного интеллекта. Исследование базируется на анализе данных вибрационных параметров вальца дорожного катка во временной и частотной областях. Вибрационные сигналы получены с помощью MEMS акселерометра, установленного на вибрационном вальце катка, во время проведения полевого экспериментального исследования. В процессе строительства верхнего слоя покрытия автомобильной дороги измерялись режимные параметры дорожного катка, а также вибропараметры вальца. Исследование на базе мультидоменного анализа позволило обосновать возможность применения для построения интеллектуальной системы контроля плотности асфальтобетонной смеси в процессе уплотнения катком показателей только во временной области – максимального абсолютного значения ускорения и среднеквадратичного значения ускорения вибрационного вальца.
Скачивания
Библиографические ссылки
1. Костельов, М. П. Как правильно выбрать и настроить асфальтоукладчик / М. П. Костельов, Д. В. Пахаренко, З. К. Бринкс // Дорожная техника: кат.-справ. – 2007. – Вып. 70. – С. 12-23.
2. The pioneer of intelligent construction – An overview of the development of intelligent compaction / G. Xu, G. K. Chang, D. Wang [et al.] // Journal of Road Engineering. – 2022. – V. 2. – P. 348–356. – DOI 10.1016 /j.jreng.2022.12.001.
3. Xu, Y. Review of applications of artificial intelligence algorithms in pavement management / Y. Xu, Z. Zhang // Journal of Transportation Engineering Part B-Pavements. – 2022. – V. 148 (3). – DOI 10.1061/jpeodx.0000373.
4. A state-of-the-art review of asphalt pavement surface texture and its measurement techniques / S. Chen, X. Liu, H. Luo [et al.] // Journal of Road Engineering. – 2022. – V. 2 (2). – P. 156–180.
5. A state-of-the-art review of compaction control test methods and intelligent compaction technology for asphalt pavements / S. Sivagnanasuntharam, A. Sounthararajah, J. Ghorbani [et al.] // Road Materials and Pavement Design. – 2021. – V. 24(1). – P. 1–30. – DOI 10.1080/14680629.2021.2015423.
6. Sivagnanasuntharam, S. In-situ spot test measurements and ICMVs for asphalt pavement: lack of correlations and the effect of underlying support / S. Sivagnanasuntharam, A Sounthararajah, J. Kodikara // International Journal of Pavement Engineering. – 2023. – V. 24 (1). – URL: https://doi.org/10.1080/10298436.2023.2198770.
7. Foroutan, M. Evaluation of correlations between intelligent compaction measurement values and in situ spot measurements / M. Foroutan, K. C. Bijay, E. Ghazanfari // Geo-Congress. – 2020. – P. 602–611.
8. Artificial Neural Network–Based Intelligent Compaction Analyzer for Real-Time Estimation of Subgrade Quality / A.S. Imran, M. Barman, S. Commuri [et al.] // International Journal of Geomechanics. – 2018. – № 18 (6). – DOI 10.1061/(ASCE)GM.1943-5622.0001089.
9. Artificial Neural Network-Based Method for Real-Time Estimation of Compaction Quality of Hot Asphalt Mixes / Z. Xue, W. Cao, S. Liu [et al.] //Appl. Sci. – 2021. – V. 11. – P. 7136. – DOI 10.3390/app11157136.
10. Полевое исследование процесса укладки асфальтобетонной смеси с компонентами автоматизации технологии неразрушающего контроля уплотнения / А. П. Прокопьев, Р. Т. Емельянов, А. С. Янаев [и др.] // Инженерный вестник Дона. – 2022. – № 2(86). – С. 292-299. – EDN QICSSA.
11. Recent Development in Intelligent Compaction for Asphalt Pavement Construction: Leveraging Smart Sensors and Machine Learning / Y. Wang, J. Li, X. Zhang [et al.] // Sensors. – 2024. – V. 24. – P. 2777. – DOI 10.3390/s24092777.
12. Yao, Y. Intelligent compaction methods and quality control / Y. Yao, E. Song // Smart Construction and Sustainable Cities. – 2023. – V. 1 (2). – DOI 10.1007/s44268-023-00004-4.
REFERENCES LIST
1. Kostelov, M. P. Kak pravilno vybrat i nastroit asfaltoukladchik / M. P. Kostelov, D. V. Pakharenko, Z. K. Brinks // Dorozhnaia tekhnika: kat.-sprav. – 2007. – Vyp. 70. – S. 12-23.
2. The pioneer of intelligent construction – An overview of the development of intelligent compaction / G. Xu, G. K. Chang, D. Wang [et al.] // Journal of Road Engineering. – 2022. – V. 2. – P. 348–356. – DOI 10.1016 /j.jreng.2022.12.001.
3. Xu, Y. Review of applications of artificial intelligence algorithms in pavement management / Y. Xu, Z. Zhang // Journal of Transportation Engineering Part B-Pavements. – 2022. – V. 148 (3). – DOI 10.1061/jpeodx.0000373.
4. A state-of-the-art review of asphalt pavement surface texture and its measurement techniques / S. Chen, X. Liu, H. Luo [et al.] // Journal of Road Engineering. – 2022. – V. 2 (2). – P. 156–180.
5. A state-of-the-art review of compaction control test methods and intelligent compaction technology for asphalt pavements / S. Sivagnanasuntharam, A. Sounthararajah, J. Ghorbani [et al.] // Road Materials and Pavement Design. – 2021. – V. 24(1). – P. 1–30. – DOI 10.1080/14680629.2021.2015423.
6. Sivagnanasuntharam, S. In-situ spot test measurements and ICMVs for asphalt pavement: lack of correlations and the effect of underlying support / S. Sivagnanasuntharam, A Sounthararajah, J. Kodikara // International Journal of Pavement Engineering. – 2023. – V. 24 (1). – URL: https://doi.org/10.1080/10298436.2023.2198770.
7. Foroutan, M. Evaluation of correlations between intelligent compaction measurement values and in situ spot measurements / M. Foroutan, K. C. Bijay, E. Ghazanfari // Geo-Congress. – 2020. – P. 602–611.
8. Artificial Neural Network–Based Intelligent Compaction Analyzer for Real-Time Estimation of Subgrade Quality / A.S. Imran, M. Barman, S. Commuri [et al.] // International Journal of Geomechanics. – 2018. – № 18 (6). – DOI 10.1061/(ASCE)GM.1943-5622.0001089.
9. Artificial Neural Network-Based Method for Real-Time Estimation of Compaction Quality of Hot Asphalt Mixes / Z. Xue, W. Cao, S. Liu [et al.] //Appl. Sci. – 2021. – V. 11. – P. 7136. – DOI 10.3390/app11157136.
10. Polevoe issledovanie protsessa ukladki asfaltobetonnoi smesi s komponentami avtomatizatsii tekhnologii nerazrushaiushchego kontrolia uplotneniia / A. P. Prokopev, R. T. Emelianov, A. S. Ianaev [i dr.] // Inzhenernyi vestnik Dona. – 2022. – № 2(86). – S. 292-299. – EDN QICSSA.
11. Recent Development in Intelligent Compaction for Asphalt Pavement Construction: Leveraging Smart Sensors and Machine Learning / Y. Wang, J. Li, X. Zhang [et al.] // Sensors. – 2024. – V. 24. – P. 2777. – DOI 10.3390/s24092777.
12. Yao, Y. Intelligent compaction methods and quality control / Y. Yao, E. Song // Smart Construction and Sustainable Cities. – 2023. – V. 1 (2). – DOI 10.1007/s44268-023-00004-4.
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
Статьи журнала «Вестник Донецкого университета. Серия 04. Технические науки» находятся в открытом доступе и распространяются в соответствии с условиями Лицензионного Договора с Донецким Государственным университетом, который бесплатно предоставляет авторам неограниченное распространение и самостоятельное архивирование.
