道路电热法融雪化冰设计方案优化研究
发布时间：2021-05-14 06:57
近年来,我国交通发展迅速,机动化水平显著提高,全国大小城市内的汽车数量激增,在带来GDP高速增长的同时也带来挑战,比如北方冬季降雪量较大,交通事故频频发生,路段积雪导致的事故逐年增加。本文分析了影响埋设碳纤维发热电缆的水泥混凝土路面融雪化冰效果的各个因素,并在此基础上通过BP神经网络的预测功能解决实际工程应用中路面融雪化冰加热方案的设计问题并给出详细步骤。本文研究对象为冬季降雪区域的水泥混凝土道路,研究的主要成果包括以下几个方面:（1）基于传热学基础理论建立传热模型分析推导本试验的融雪化冰所需耗热量计算公式,同时分析出各因素作用传热过程的影响作用机理。（2）通过进行独立正交试验,采用数学方法减小试验数据误差,为预测具体工程条件下化雪时间以及耗电量提供可靠精确的数据支撑。分别控制风速和电功率为单一影响因素,量化分析其中单一因素对温升趋势的影响。设置有无预热、有无隔热层对比试验分析其对最终融雪化冰效果影响。（3）建立BP神经网络对化雪时间以及预热时间进行预测,对比预测结果与试验结果论证了BP神经网络预测的精确程度,化雪预测测试平均相对误差为2.97%,预热预测测试平均相对误差为4.85%,...
【文章来源】：湖北工业大学湖北省
【文章页数】：80 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 引言
1.1 课题背景
1.2 国内外研究现状
1.3 融雪化冰技术的发展趋势
1.4 本文主要研究工作及创新点
第2章 水泥混凝土路面传热分析
2.1 埋设碳纤维发热电缆的路面融雪化冰系统工作原理
2.2 传热学基本原理
2.3 路面融雪化冰系统传热分析
2.3.1 路面传热过程简况
2.3.2 融雪化冰过程中耗电量及耗热量分析
2.4 本章小结
第3章 道路融雪化冰模型试验研究
3.1 试验目的
3.2 试件结构
3.3 试验设备及材料介绍
3.4 试验准备工作
3.5 试验具体方案
3.5.1 试验工况
3.5.2 测温点布置方案
3.6 试验结果分析
3.6.1 数据预处理
3.6.2 温升趋势分析
3.7 试验收集数据
3.8 试验总结
第4章 BP神经网络预测
4.1 人工神经网络简介
4.1.1 人工神经网络应用领域
4.1.2 BP神经网络具有的基本功能
4.2 算法步骤
4.3 BP神经网络模型的建立
4.4 预测数据和实际数据对比
4.5 各因素影响程度分析
4.6 结果分析
4.7 本章小结
第5章 加热方案设计优化
5.1 基本介绍
5.2 参考因素设计值计算
5.2.1 环境温度设计值计算
5.2.2 雪层厚度设计值计算
5.2.3 风速设计值计算
5.3 发热方案设计与优化
5.4 算例分析
5.5 本章小结
第6章 结论与展望
6.1 结论
6.2 展望
参考文献
致谢
【参考文献】：
期刊论文
[1]基于卷积神经网络的图像识别[J]. 秦川. 电子技术与软件工程. 2020(01)
[2]基于BP-MIV的风电调峰受阻电量影响因素贡献度分析[J]. 谢桦,吕晓茜,张沛. 分布式能源. 2019(06)
[3]地源热泵系统的研究与应用[J]. 李丹. 中国资源综合利用. 2019(11)
[4]利用卷积神经网络的自动驾驶场景语义分割[J]. 王中宇,倪显扬,尚振东. 光学精密工程. 2019(11)
[5]基于BP神经网络和多元回归的边坡稳定性预测研究[J]. 郭华,王建平. 低温建筑技术. 2019(09)
[6]基于深度级联神经网络的自动驾驶运动规划模型[J]. 白丽贇,胡学敏,宋昇,童秀迟,张若晗. 计算机应用. 2019(10)
[7]基于主成分分析和神经网络的马歇尔试验模型[J]. 董仕豪,丁龙亭,孙胜飞,刘梦梅,张文刚. 公路. 2019(06)
[8]主动除冰雪路面融雪化冰特性及路用性能研究综述[J]. 谭忆秋,张驰,徐慧宁,田东. 中国公路学报. 2019(04)
[9]融雪剂对混凝土桥涵和路面的危害分析[J]. 张勇,凌云志. 全面腐蚀控制. 2019(03)
[10]混凝土导电性能及其影响因素分析[J]. 晏凤元,张智雅,张林,鲍煦文,何培玲. 江苏建材. 2019(01)
博士论文
[1]地源热泵系统融雪化冰可靠性设计及神经网络预测[D]. 屠艳平.武汉理工大学 2012
[2]布置碳纤维发热线的混凝土路面及桥面融雪化冰试验研究[D]. 赵宏明.大连理工大学 2010
硕士论文
[1]基于PCA和BP神经网络的信息安全模型研究[D]. 高标.安庆师范大学 2019
[2]电阻网用于路面融雪化冰系统温度场数值模拟的研究[D]. 李赏.太原理工大学 2015
[3]人工神经网络在生物信息学中的应用研究[D]. 马蒙.中国海洋大学 2015
[4]碳纤维发热线用于道路除冰雪的技术研究[D]. 杨飞.长安大学 2014
[5]三相复合导电混凝土用于道路及桥面融雪化冰的研究[D]. 刘建国.长安大学 2014
[6]基于内置电加热方式的路面表面物理除冰雪技术研究[D]. 许庚.哈尔滨工业大学 2013
[7]碳纤维发热线用于路面融雪化冰的技术研究[D]. 车广杰.大连理工大学 2008
[8]发热电缆用于路面融雪化冰的技术研究[D]. 武海琴.北京工业大学 2005
本文编号：3185203
【文章来源】：湖北工业大学湖北省
【文章页数】：80 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 引言
1.1 课题背景
1.2 国内外研究现状
1.3 融雪化冰技术的发展趋势
1.4 本文主要研究工作及创新点
第2章 水泥混凝土路面传热分析
2.1 埋设碳纤维发热电缆的路面融雪化冰系统工作原理
2.2 传热学基本原理
2.3 路面融雪化冰系统传热分析
2.3.1 路面传热过程简况
2.3.2 融雪化冰过程中耗电量及耗热量分析
2.4 本章小结
第3章 道路融雪化冰模型试验研究
3.1 试验目的
3.2 试件结构
3.3 试验设备及材料介绍
3.4 试验准备工作
3.5 试验具体方案
3.5.1 试验工况
3.5.2 测温点布置方案
3.6 试验结果分析
3.6.1 数据预处理
3.6.2 温升趋势分析
3.7 试验收集数据
3.8 试验总结
第4章 BP神经网络预测
4.1 人工神经网络简介
4.1.1 人工神经网络应用领域
4.1.2 BP神经网络具有的基本功能
4.2 算法步骤
4.3 BP神经网络模型的建立
4.4 预测数据和实际数据对比
4.5 各因素影响程度分析
4.6 结果分析
4.7 本章小结
第5章 加热方案设计优化
5.1 基本介绍
5.2 参考因素设计值计算
5.2.1 环境温度设计值计算
5.2.2 雪层厚度设计值计算
5.2.3 风速设计值计算
5.3 发热方案设计与优化
5.4 算例分析
5.5 本章小结
第6章 结论与展望
6.1 结论
6.2 展望
参考文献
致谢
【参考文献】：
期刊论文
[1]基于卷积神经网络的图像识别[J]. 秦川. 电子技术与软件工程. 2020(01)
[2]基于BP-MIV的风电调峰受阻电量影响因素贡献度分析[J]. 谢桦,吕晓茜,张沛. 分布式能源. 2019(06)
[3]地源热泵系统的研究与应用[J]. 李丹. 中国资源综合利用. 2019(11)
[4]利用卷积神经网络的自动驾驶场景语义分割[J]. 王中宇,倪显扬,尚振东. 光学精密工程. 2019(11)
[5]基于BP神经网络和多元回归的边坡稳定性预测研究[J]. 郭华,王建平. 低温建筑技术. 2019(09)
[6]基于深度级联神经网络的自动驾驶运动规划模型[J]. 白丽贇,胡学敏,宋昇,童秀迟,张若晗. 计算机应用. 2019(10)
[7]基于主成分分析和神经网络的马歇尔试验模型[J]. 董仕豪,丁龙亭,孙胜飞,刘梦梅,张文刚. 公路. 2019(06)
[8]主动除冰雪路面融雪化冰特性及路用性能研究综述[J]. 谭忆秋,张驰,徐慧宁,田东. 中国公路学报. 2019(04)
[9]融雪剂对混凝土桥涵和路面的危害分析[J]. 张勇,凌云志. 全面腐蚀控制. 2019(03)
[10]混凝土导电性能及其影响因素分析[J]. 晏凤元,张智雅,张林,鲍煦文,何培玲. 江苏建材. 2019(01)
博士论文
[1]地源热泵系统融雪化冰可靠性设计及神经网络预测[D]. 屠艳平.武汉理工大学 2012
[2]布置碳纤维发热线的混凝土路面及桥面融雪化冰试验研究[D]. 赵宏明.大连理工大学 2010
硕士论文
[1]基于PCA和BP神经网络的信息安全模型研究[D]. 高标.安庆师范大学 2019
[2]电阻网用于路面融雪化冰系统温度场数值模拟的研究[D]. 李赏.太原理工大学 2015
[3]人工神经网络在生物信息学中的应用研究[D]. 马蒙.中国海洋大学 2015
[4]碳纤维发热线用于道路除冰雪的技术研究[D]. 杨飞.长安大学 2014
[5]三相复合导电混凝土用于道路及桥面融雪化冰的研究[D]. 刘建国.长安大学 2014
[6]基于内置电加热方式的路面表面物理除冰雪技术研究[D]. 许庚.哈尔滨工业大学 2013
[7]碳纤维发热线用于路面融雪化冰的技术研究[D]. 车广杰.大连理工大学 2008
[8]发热电缆用于路面融雪化冰的技术研究[D]. 武海琴.北京工业大学 2005
本文编号：3185203
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3185203.html
