基于不同纹理路面的多元回归摩擦力预测模型的建立与应用
发布时间：2023-10-28 16:21
在现代社会的快速发展中,交通出行越来越凸显其对维系整个城市运转的重要作用。交通出行的安全关乎着亿万人民的生命财产安全,所以一直以来都是交通领域的研究重点。研究表明道路抗滑性能是影响交通安全的重要因素,由于道路抗滑性能的不足,导致车辆侧翻、追尾和失控等事故屡见不鲜。本文分别从实验室制沥青车辙板和实际的沥青路面两方面入手,研究道路的抗滑性能。在沥青车辙板方面,研究路面不同因素条件下道路抗滑性能的变化规律。在实际的沥青路面方面,选取不同纹理的沥青路面作为研究对象,采集所需要的参数指标。首先通过考察横纵向摆值间相关性,建立拟合方程式。其次建立不同纹理路面的多元回归摩擦力模型,预测道路的抗滑性能。最后结合沥青车辙板数据和实际沥青路面数据,分别采用BP神经网络和RBF神经网络方法建立摩擦力预测模型,两种预测方法的精度均超过95%。分析显示人工神经网络模型的预测精准度和泛化能力要高于多元回归摩擦力模型,证明了人工神经网络模型在摩擦力数据的预测上效果更好。本篇论文验证了横向与纵向摩擦系数间具有较大的关联性,也在分析道路抗滑性能的影响因素和构建摩擦力预测模型方面,提供了自己的研究成果。
【文章页数】：78 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 路面抗滑性能的评价方法
1.2.2 路面抗滑性能的检测方法
1.2.3 路面抗滑性能的主要研究方向
1.3 研究内容及技术路线
1.3.1 研究内容
1.3.2 技术路线
2 路面抗滑性能的影响因素
2.1 道路因素
2.1.1 材料性质
2.1.2 级配类型
2.1.3 纹理构造
2.1.4 磨损程度
2.1.5 坡度
2.2 环境因素
2.2.1 路表温度
2.2.2 路面附着物
2.3 本章小结
3 沥青路面抗滑性能的试验设计
3.1 沥青车辙板的制作
3.1.1 原材料性质
3.1.2 级配类型
3.1.3 制作流程
3.2 室内试验环境的搭建
3.2.1 温度环境
3.2.2 附着物环境
3.3 室内试验数据的采集工作
3.3.1 摩擦系数的采集
3.3.2 构造深度的采集
3.3.3 温度的采集
3.3.4 坡度的采集
3.4 室外沥青路面数据的采集
3.5 本章小结
4 沥青路面抗滑性能的影响因素相关性分析
4.1 道路因素
4.1.1 级配类型与构造深度相关性分析
4.1.2 构造深度与抗滑性能相关性分析
4.1.3 坡度与抗滑性能的相关性分析
4.2 环境因素
4.2.1 温度与抗滑性能的相关性分析
4.2.2 水膜与抗滑性能的相关性分析
4.2.3 结冰与抗滑性能的相关性分析
4.2.4 污染物与抗滑性能的相关性分析
4.3 本章小结
5 多源数据的融合与清洗
5.1 数据的融合
5.2 数据的清洗
5.3 模型数据库的建立
5.3.1 多元线性回归模型经验数据库的建立
5.3.2 人工神经网络模型训练和验证数据库的建立
5.4 本章小结
6 多元回归摩擦力预测模型构建
6.1 AC-13路面摩擦力的分析预测
6.1.1 AC-13新路
6.1.2 AC-13旧路
6.2 AC-16路面摩擦力的分析预测
6.2.1 AC-16新路
6.2.2 AC-16旧路
6.3 SMA-16旧路摩擦力的分析预测
6.4 基于多元线性回归摩擦力的预测模型
6.5 本章小结
7 人工神经网络摩擦力预测模型构建
7.1 人工神经网络的介绍
7.2 BP神经网络的数据预测
7.2.1 BP神经网络的原理介绍
7.2.2 BP神经网络的数据预测
7.3 径向基函数神经网络的数据预测
7.3.1 径向基神经网络的原理介绍
7.3.2 径向基神经网络模型的数据预测
7.4 预测模型的验证
7.5 本章小结
8 研究结论及展望
8.1 主要研究结论
8.2 研究展望
参考文献
攻读硕士期间发表的学术论文与科研项目
致谢
本文编号：3857345
【文章页数】：78 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 路面抗滑性能的评价方法
1.2.2 路面抗滑性能的检测方法
1.2.3 路面抗滑性能的主要研究方向
1.3 研究内容及技术路线
1.3.1 研究内容
1.3.2 技术路线
2 路面抗滑性能的影响因素
2.1 道路因素
2.1.1 材料性质
2.1.2 级配类型
2.1.3 纹理构造
2.1.4 磨损程度
2.1.5 坡度
2.2 环境因素
2.2.1 路表温度
2.2.2 路面附着物
2.3 本章小结
3 沥青路面抗滑性能的试验设计
3.1 沥青车辙板的制作
3.1.1 原材料性质
3.1.2 级配类型
3.1.3 制作流程
3.2 室内试验环境的搭建
3.2.1 温度环境
3.2.2 附着物环境
3.3 室内试验数据的采集工作
3.3.1 摩擦系数的采集
3.3.2 构造深度的采集
3.3.3 温度的采集
3.3.4 坡度的采集
3.4 室外沥青路面数据的采集
3.5 本章小结
4 沥青路面抗滑性能的影响因素相关性分析
4.1 道路因素
4.1.1 级配类型与构造深度相关性分析
4.1.2 构造深度与抗滑性能相关性分析
4.1.3 坡度与抗滑性能的相关性分析
4.2 环境因素
4.2.1 温度与抗滑性能的相关性分析
4.2.2 水膜与抗滑性能的相关性分析
4.2.3 结冰与抗滑性能的相关性分析
4.2.4 污染物与抗滑性能的相关性分析
4.3 本章小结
5 多源数据的融合与清洗
5.1 数据的融合
5.2 数据的清洗
5.3 模型数据库的建立
5.3.1 多元线性回归模型经验数据库的建立
5.3.2 人工神经网络模型训练和验证数据库的建立
5.4 本章小结
6 多元回归摩擦力预测模型构建
6.1 AC-13路面摩擦力的分析预测
6.1.1 AC-13新路
6.1.2 AC-13旧路
6.2 AC-16路面摩擦力的分析预测
6.2.1 AC-16新路
6.2.2 AC-16旧路
6.3 SMA-16旧路摩擦力的分析预测
6.4 基于多元线性回归摩擦力的预测模型
6.5 本章小结
7 人工神经网络摩擦力预测模型构建
7.1 人工神经网络的介绍
7.2 BP神经网络的数据预测
7.2.1 BP神经网络的原理介绍
7.2.2 BP神经网络的数据预测
7.3 径向基函数神经网络的数据预测
7.3.1 径向基神经网络的原理介绍
7.3.2 径向基神经网络模型的数据预测
7.4 预测模型的验证
7.5 本章小结
8 研究结论及展望
8.1 主要研究结论
8.2 研究展望
参考文献
攻读硕士期间发表的学术论文与科研项目
致谢
本文编号：3857345
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3857345.html
