利用CMV评估堆石料压实质量的神经网络模型

发布时间：2022-07-27 16:51

　　土石坝压实质量对大坝安全至关重要,通过压实质量评估模型可实现对压实质量实时监控。传统碾压施工采用固定的碾压方案,碾压参数在碾压过程中不改变,而在智能压实过程中,碾压参数根据当前压实状态进行优化调整,因此压实质量评估模型必须考虑碾压参数。通过堆石料现场碾压试验,分析了压实计值（compaction meter value,CMV）与堆石料相对密度和碾压参数的相关性。结果表明,CMV与堆石料相对密度具有较强相关性,可作为堆石料压实质量监测指标,碾压机振动频率和车速对CMV影响显著,行驶方向对CMV影响较小。最后基于现场试验和径向基（RBF）神经网络,建立了考虑碾压参数变化的堆石料压实质量评估模型。与试验结果对比表明该模型具有较高精度。 

【文章页数】：11 页

【文章目录】：
0 引言
1 现场碾压试验
    1.1 试验设备
    1.2 试验材料与场地
2 试验结果与分析
    2.1 振动加速度信号处理
    2.2 CMV与堆石料相对密度相关性分析
    2.3 CMV与碾压参数相关性分析
        2.3.1 车速对CMV影响
        2.3.2 振动频率对CMV影响
        2.3.3 碾压机行驶方向对CMV影响
    2.4 影响机理分析
3 基于RBF神经网络的压实质量评估模型
4 结论


【参考文献】：
期刊论文
[1]基于闭环反馈控制和RTK-GPS的自动碾压系统[J]. 张庆龙,刘天云,李庆斌,安再展,樊凛.  水力发电学报. 2018(05)
[2]基于BP神经网络的沥青路面压实度检测[J]. 赵素素,孟凡虎,宋丽娟,陈宏业.  公路与汽运. 2016(06)
[3]实时监控下考虑料源不确定性的堆石坝压实质量评估[J]. 王瑞,钟登华,吴斌平,岳攀.  水力发电学报. 2015(09)
[4]大坝建设4.0[J]. 李庆斌,石杰.  水力发电学报. 2015(08)
[5]高速铁路路基连续压实质量检测指标CMV影响因素分析[J]. 范娟,宋晓东,田利锋,聂志红.  铁道科学与工程学报. 2015(03)
[6]连续压实路基质量检验与控制研究[J]. 张家玲,徐光辉,蔡英.  岩土力学. 2015(04)
[7]基于碾轮振动性态分析的土石坝压实质量实时监测与评估[J]. 刘东海,王爱国,柳育刚,李丙扬.  水利学报. 2014(02)
[8]堆石料压实质量实时监测指标与碾压参数的相关性分析[J]. 刘东海,李子龙,王爱国.  天津大学学报. 2013(04)
[9]基于神经网络的振动压路机土壤压实度数据处理[J]. 向亮,曹源文,易飞.  重庆交通大学学报(自然科学版). 2012(02)
[10]实时监控下土石坝碾压质量全仓面评估[J]. 刘东海,王光烽.  水利学报. 2010(06)

博士论文
[1]智能压路机控制系统设计及关键技术研究[D]. 张奕.长安大学 2004



本文编号：3665824