基于BP神经网络的沥青混合料疲劳性能预测模型

doi:10.3969/j.issn.1674-0696.2018.02.06

重庆交通大学学报（自然科学版） ›› 2018, Vol. 37 ›› Issue (02): 35-40.DOI: 10.3969/j.issn.1674-0696.2018.02.06

基于BP神经网络的沥青混合料疲劳性能预测模型

谢春磊1，3，张勇1，3，耿红斌2，3，王学营1，2，3

(1.内蒙古自治区交通建设工程质量监督局，内蒙古呼和浩特 010070；2.内蒙古高等级公路建设开发有限责任公司，内蒙古呼和浩特 010070；3.内蒙古自治区道路结构与材料重点实验室，内蒙古呼和浩特 010070)

收稿日期:2017-02-15 修回日期:2017-06-21 出版日期:2018-02-20 发布日期:2018-03-02
作者简介:谢春磊（1988—），男，内蒙古赤峰人，工程师，主要从事土木工程道路与桥梁方面的研究。E-mail: 20041510.xie@163.com。
基金资助:
交通运输部建设科技项目（2014318J21060）

Asphalt Mixture Fatigue Life Prediction Model Based on Neural Network

XIE Chunlei1，3，ZHANG Yong1，3，GENG Hongbin2，3，WANG Xueying1 ，2，3

(1.The Inner Mongolia Autonomous Region Traffic Construction Engineering Quality Supervision Bureau， Hohhot 010070，Inner Mongolia，P. R. China; 2.Inner Mongolia High Grade Highway Construction and Development Co.Ltd.，Hohhot 010070，Inner Mongolia，P. R. China; 3.The Inner Mongolia Autonomous Region Key Laboratory of Road Strucure and Mateiral，Hohhot 010070，Inner Mongolia，P. R. China)

Received:2017-02-15 Revised:2017-06-21 Online:2018-02-20 Published:2018-03-02

摘要/Abstract

摘要： 以MATLAB为平台，搭建了一种单隐层结构的BP神经网络沥青混合料疲劳寿命预测模型。模型以沥青含量、空隙率和应变水平3个指标作为输入项，疲劳寿命作为输出项。进行了不同试验条件下的四点弯曲疲劳试验，将试验数据归一化处理后得到27组数据用于训练。训练后的神经网络疲劳寿命预测模型拟合优度R2可达到0.91。采用同一组数据对传统的疲劳方程模型进行拟合，并对比两者的预测效果，各项统计指标均显示神经网络模型预测结果明显优于疲劳方程模型，且神经网络还具有疲劳方程所不具备的指标权重分析的功能。

关键词: 道路工程, 疲劳寿命预测, 神经网络, 四点弯曲小梁疲劳试验

Abstract: A neural network fatigue life prediction model with single hidden layer was established on MATLAB platform. The model took 3 indexes as the input term，such as the asphalt content，the void fraction and the strain level，and took the fatigue life as the output item.Four point bending fatigue test was carried out under different conditions，and a total of 27 sets of test data after normalization were obtained for training.After training，the goodness of fitness of the neural network fatigue life prediction model (R2) could reach 0.91.To make a comparsion，the same data was used to fit the traditional fatigue life regression equation.All the statistical indexes show that the prediction results of the neural network model are obviously superior to that of the fatigue equation model.Meanwhile，the neural network also has the function of the index weight analysis that the fatigue equation does not possess.

Key words: highway engineering, fatigue life prediction, neural network, four point bending fatigue test

中图分类号:

U414

谢春磊1，3，张勇1，3，耿红斌2，3，王学营1，2，3. 基于BP神经网络的沥青混合料疲劳性能预测模型[J]. 重庆交通大学学报（自然科学版）, 2018, 37(02): 35-40.

XIE Chunlei1，3，ZHANG Yong1，3，GENG Hongbin2，3，WANG Xueying1 ，2，3. Asphalt Mixture Fatigue Life Prediction Model Based on Neural Network[J]. Journal of Chongqing Jiaotong University(Natural Science), 2018, 37(02): 35-40.

参考文献

［1］ JONES D，HARVEY J T，MONISMITH C L.Reflective Cracking Study：Summary Report［R］.UC Berkeley：University of California Pavement
Research Center，2007.
［2］ QI X，SHENOY A，AL-KHATEEB G.Laboratory characterization and fullscale accelerated performance testing of crumb rubber asphalts
and other modified asphalt systems［C］//Asphalt Rubber Conference.Palm Springs，California：［s.n.］，2006：39-66.
［3］ MANGIAFICO S，BENEDETTO H D，SAUZAT C，et al.Statistical analysis of the influence of RAP and mix composition on viscoelastic
and fatigue properties of asphalt mixes［J］.Materials & Structures，2015，48(4)：1187-1205.
［4］ MONISMITH C L，LONG F，HARVEY J T.California’s interstate-710 rehabilitation：Mix and structural section designs，construction
specifications［J］.Asphalt Paving Technology：Association of Asphalt Paving Technologists-Proceedings of the Technical Sessions，2001
，70：762-799.
［5］ DONDI G，PETTINARI M，SANGIORGI C，et al.Traditional and Dissipated Energy approaches to compare the 2PB and 4PB flexural
methodologies on a warm mix asphalt［J］.Construction & Building Materials，2013，47(47)：833-839.
［6］赵复笑，余天庆，金生吉.沥青路面反射裂缝机理及夹层结构应力分析［J］.沈阳建筑大学学报(自然科学版)，2010，26(2)：296-300.
ZHAO Fuxiao，YU Tianqing，JIN Shengji.Experimental study on deformati of multi-level retaining［J］.Journal of Shenyang Jianzhu
University(Natural Science)，2010，26(2)：296-300.
［7］ HAFEEZ I，KAMAL M A，MIRZA M W，et al.Laboratory fatigue performance evaluation of different field laid asphalt mixtures
［J］.Construction & Building Materials，2013，44(7)：792-797.
［8］ LI N，MOLENAAR A A A，PRONK A C，et al.Application of the partial healing model on laboratory fatigue results of asphalt mixture
［J］.Construction & Building Materials，2015，95：842-849.
［9］李友坤.BP神经网络的研究分析及改进应用［D］.合肥：安徽理工大学，2012.
LI Youkun.Analysis and Improvement Applications of Bp Neural Network［D］.Hefei：Anhui University of Science and Technology，2012.
［10］谭忆秋，公维强，徐慧宁.基于BP神经网络沥青混合料低温弯拉应变预测模型［J］.沈阳建筑大学学报(自然科学版)，2009，25(2)：224-229.
TAN Yiqiu，GONG Weiqiang，XU Huining.Research on the application of neural network in the model for limiting flexural strain of
asphalt mixture at low temperature［J］.Journal of Shenyang Jianzhu University (Natural Science)，2009，25(2)：224-229.
［11］王震宇.基于BP神经网络的沥青老化预测系统研究［D］.重庆：重庆交通大学，2014.
WANG Zhenyu.Research on Asphalt Aging Prediction System Based on BP Neural Network［D］.Chongqing：Chongqing Jiaotong University，
2014.
［12］ XIAO F P.Development of Fatigue Predictive Models of Rubberized Asphalt Concrete (RAC) Containing Reclaimed Asphalt Pavement
(RAP) Mixtures［D］.South Carolina ：Clemson University，2006
［13］吴宏宇，熊卫士，张庆明.基于沥青混合料疲劳性能预测的混沌神经网络模型研究［J］.公路交通技术，2011(5)：45-47，53.
WU Hongyu，XIONG Weishi，ZHANG Qingming.Research on chaotic neural network model based on prediction for fatigue performance of
asphalt mixtures［J］.Technology of Highway and Transport，2011(5)：45-47，53.
［14］袁斌，葛折贵，葛折圣.沥青混合料抗疲劳性能的预测模型［J］.市政技术，2006，24(1)：31-33.
YUAN Bin，GE Zhegui，GE Zhesheng.Prediction model of asphalt mixtures fatigue properties［J］.Municipal Engineering Technology，
2006，
24(1)：31-33.
［15］ FAKHRI M，HASSANI K，GHANIZADEH A R.Impact of loading frequency on the fatigue behavior of sbs modified asphalt mixtures［J］.
Procedia-Social and Behavioral Sciences，2013，104(3)：69-78.
［16］张天云，陈奎，魏伟，等.BP神经网络法确定工程材料评价指标的权重［J］.材料导报，2012，26(2)：159-163.
ZHANG Tianyun，CHEN Kui，WEI Wei，et al.The determination of index weights for comprehensive evaluation of engineering materials with
bp neural network［J］.Materials Review，2012，26(2)：159-163.
［17］ WANG Z L，LI Y C，SHEN R F.Correction of soil parameters in calculation of embankment settlement using a BP network back-
analysis model［J］.Engineering Geology，2007，91(2)：168-177.
［18］ HE Y，LI X，DENG X.Discrimination of varieties of tea using near infrared spectroscopy by principal component analysis and BP
model［J］.Journal of Food Engineering，2007，79(4)：1238-1242.
［19］马雁军，李建英，张兆同.基于神经网络的农业机械化水平影响因子权重测算和分析［J］.中国制造业信息化(学术版)，2006，35(5)：74-77.
MA Yanjun，LI Jianying，ZHANG Zhaotong.The factors weight measurement and analysis of agricultural mechanization level affect with bp
neural network［J］.Manufacturing Information Engineering of China，2006，35(5)：74-77.

[1]	张淑宝. 一种中央分隔带分离式改进混凝土护栏的研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(07): 107-111.
[2]	赵伟. 纳米蒙脱石/SBS复掺改性沥青性能试验研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(07): 118-122.
[3]	郭鹏1，陈思贤1，曹志国1，刘俊1，孟建玮2，鲜江林3. 复配废机油再生剂的制备及性能研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 87-91.
[4]	肖庆一1,2，赵鹏1，孙博伟3，张怡4，丁啸5. 废植物油再生沥青结合料性能研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 92-98.
[5]	何丽红1,2,温仙仙1,2,侯艺桐1,2,邓稳1,2. 阴离子乳化沥青粒径大小及分布影响因素分析[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 99-104.
[6]	姚爱玲1，王军伟2，许敏3，杨孟乾4，杨涛1. 水泥稳定碎石基层沥青路面隆起开裂数值分析[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 105-111.
[7]	李广儒，张新，朱庆辉. 基于Adaboost的改进Elman神经网络港口吞吐量预测方法[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 1-5.
[8]	刘杰. 基于栈式自编码的高速铁路站间客流短期预测研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 26-30.
[9]	赵全满，任瑞波，刘瑶，李志刚，户桂灵. 城市道路检查井井周路面破坏机理[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 87-94.
[10]	王志祥1,2，李建阁1，陈楚鹏2. 基于变权重评价的沥青路面使用性能灰色预测[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 95-101.
[11]	肖庆一1，2，3，封仕杰1，孙立东1，陈向伟1. 碱渣掺量对不同龄期下半刚性再生基层力学性能研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 102-109.
[12]	成卫1，刘翔1，雷建明2. 基于RBF神经网络预测的交叉口信号周期时长优化[J]. 重庆交通大学学报（自然科学版）, 2021, 40(04): 13-18.
[13]	潘兵宏1，2，任卉2，单慧敏1，霍永富1. 客货分离整体式路基互通出口同分带开口长度研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(04): 83-90.
[14]	孔令云1，邹胜楠1，黄麟钬2，吴海鹰3，余苗1，杨博1. 复合式路面疲劳裂纹扩展数值模拟研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(04): 91-97.
[15]	凌天清1，魏巧2，李传强3，袁海2，杨清尘3. 生物柴油-塑料裂解蜡复合温拌改性沥青性能研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(04): 98-104.

基于BP神经网络的沥青混合料疲劳性能预测模型

Asphalt Mixture Fatigue Life Prediction Model Based on Neural Network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics