-
题名高模量温拌改性剂对沥青基本指标和疲劳性能影响研究
- 1
-
-
作者
尹应梅
张奕康
高宇灏
汤良麒
吕建兵
-
机构
广东工业大学土木与交通工程学院
-
出处
《功能材料》
CAS
CSCD
北大核心
2024年第3期3191-3197,3221,共8页
-
基金
国家自然科学基金项目(51508109)
广东省自然科学基金项目(2019A1515011397)。
-
文摘
为评价高模量温拌改性剂对基质沥青基本指标和疲劳性能的影响,在70#基质沥青中掺入不同剂量改性剂,采用动态剪切流变仪(DSR)对试验沥青进行动态扫描试验研究。首先制备了不同掺量高模量温拌改性剂改性沥青,随后评价其基本性能,并通过布氏粘度试验分析不同沥青的拌和温度与压实温度;再采用DSR对不同掺量高模量温拌改性剂改性沥青进行线性振幅(LAS)扫描试验和时间扫描试验。通过LAS试验和粘弹性连续损伤(VECD)模型分析不同掺量(0%,2%,3%,4%)改性沥青和SBS改性沥青的疲劳特性;基于动态扫描试验,应用耗散能原理探究不同掺量改性剂对沥青疲劳性能,同时把不同掺量改性70#沥青与SBS改性沥青的试验结果进行比对,并分析了改性剂的作用机理。试验结果表明:随着高模量温拌改性剂掺量增加,软化点增加,针入度和延度减少,3%掺量改性沥青软化点稍优于SBS沥青;改性沥青粘度随着改性剂增加先减后增,改性后沥青的拌和、碾压温度与70#基质沥青相当,均远小于SBS改性沥青,即改性后的沥青有良好的温拌效果;高模量温拌改性剂可不同程度提高沥青的疲劳性能,合适掺量改性沥青疲劳性能可与SBS改性沥青相当,高模量温拌改性剂的建议掺量为3%;研究结果将为高模量温拌改性路面材料工程应用提供参考。
-
关键词
道路工程
高模量温拌改性剂
线性振幅扫描
时间扫描
疲劳性能
-
Keywords
road engineering
high modulus&warm additive modifier
LAS
time sweep
fatigue performance
-
分类号
U416.217
[交通运输工程—道路与铁道工程]
-
-
题名高模量改性沥青的零剪切黏度研究
- 2
-
-
作者
尹应梅
区芷欣
汤良麒
孙晓龙
吕建兵
-
机构
广东工业大学土木与交通工程学院
-
出处
《广东工业大学学报》
CAS
2024年第2期44-49,共6页
-
基金
国家自然科学基金资助项目(51508109)
广东省自然科学基金资助项目(2019A1515011397)。
-
文摘
零剪切黏度(Zero-shear Viscosity, ZSV)是表征沥青抵抗永久变形能力的高温性能评价指标。为明确不同测试方法及计算模型对高模量改性沥青的ZSV计算值的影响及适用性,以推广高模量改性剂在道路工程的应用,采用动态剪切流变仪对基质沥青(Base Asphalt, BA)和含不同质量分数改性剂的高模量改性沥青(K1-HMB)进行60℃频率扫描试验和60℃稳态流动试验,并采用Cross流变模型及Carreau流变模型分别拟合沥青的ZSV,最后采用灰色关联分析法探讨ZSV与软化点之间的关联程度。结果表明:BA及K1-HMB属于伪塑性流体,在加载频率作用下均呈现剪切变稀的特征;含0.6%改性剂的K1-HMB具有最高的弹性恢复能力,K1-HM改性剂的建议质量分数为0.4%~0.6%;60℃频率扫描试验结合Cross模型计算的ZSV拟合值具有最高的可信度,可作为高模量改性沥青高温性能的评价指标。
-
关键词
道路工程
高模量改性沥青
高温性能
零剪切黏度
-
Keywords
road engineering
high modulus modified asphalt
high temperature performance
zero shear viscosity
-
分类号
U416.217
[交通运输工程—道路与铁道工程]
-
-
题名机器学习在道路工程领域的应用研究进展
- 3
-
-
作者
尹应梅
汤良麒
杨娥
区芷欣
孙晓龙
-
机构
广东工业大学土木与交通工程学院
广州航海学院土木与工程管理学院
-
出处
《广州航海学院学报》
2023年第3期65-73,共9页
-
基金
国家自然科学基金资助项目(51508109)。
-
文摘
道路工程是国民经济发展的重要公共基础设施之一,机器学习是提高道路工程领域数字化、自动化和智能化的重要方法.为全面了解机器学习在道路工程领域的发展及应用,在阐述机器学习基本理论的基础上,分析机器学习在道路工程材料、设计、施工、运维和预测方面的研究现状.研究表明,道路工程领域已开展了不少机器学习研究,但道路工程各方面机器学习智能化发展存在不足,实际应用存在一定局限性;未来发展需深入探索大数据、深度学习、神经网络等智能技术在道路工程全生命周期的融合,促进道路工程领域机器学习等智能研究发展.
-
关键词
道路工程
机器学习
深度学习
算法/模型
性能预测
-
Keywords
Road engineering
Machine learning
Deep learning
Algorithm/model
Performance prediction
-
分类号
U411
[交通运输工程—道路与铁道工程]
-