基于反馈控制原理的沥青路面施工温度调控模型

沥青混合料施工过程温度控制是影响施工质量的重要因素。针对沥青混合料施工温度散失问题,提出了采用主动控制方法对施工工艺进行调整和控制,确保其达到设定施工温度以提高施工质量。首先,在数据预处理的基础上对沥青路面施工工艺数字化分析,并基于随机森林算法进行了重要性评估,筛选了影响施工温度的重要施工工艺和气象参数,通过多层感知机建立了施工温度预测模型;然后,基于反馈控制理论,分析了PID控制器的控制原理,联合施工温度预测模型,构建了全过程和多阶段温度反馈控制模型;再次,采用遗传算法对该反馈控制模型进行了优化,使该模型具有自适应性;最后,对模型反馈控制结果进行了鲁棒性分析,使其能够有效调节施工工艺参数,达到精准控制沥青混合料施工温度的目的。结果表明:全过程反馈控制模型可以对所有参数进行反馈控制,多阶段反馈控制模型可以保持已确定的参数,对其他参数进行反馈控制;基于遗传算法建立的GA-PID反馈控制模型具有自适应整定超参数的性能,GA-PID反馈控制得到的施工工艺参数均分布在实际工艺参数的有效范围内,与实际施工工艺参数保持良好的一致性;对于不同预测模型和不同调控温度,GA-PID控制系统均具有良好的鲁棒性。

寒区沥青路面智慧化施工混合料温度预估机器学习模型

寒区沥青路面施工面临骤然降温、大温差、大风等不利天气,造成沥青路面摊铺、碾压温度起伏大,影响沥青路面压实质量,进而诱发诸多病害。以沥青路面施工温度为核心,通过物联网系统和智能元件采集沥青路面施工工艺参数并进行分析,采用机器学习算法构建沥青路面施工温度预估模型,准确掌控沥青路面摊铺和碾压施工温度,确保沥青路面施工质量。结果表明:沥青混合料拌和参数控制精度高,运输、摊铺和碾压阶段的施工工艺参数变异性大,需对参数进行异常值剔除处理,表明当前施工工艺控制技术仍有提升空间;采用随机森林算法对施工工艺参数进行重要性评估,出料温度和施工速度对施工温度影响最显著;基于4种机器学习算法建立了沥青路面施工温度预测模型,其中多层感知机模型最优,对多层感知机模型的隐藏层、神经元个数和学习率进行优化,优化后模型的周期数、均方误差和平均绝对误差降低,整体性能显著提升;考虑气象参数后,施工温度预测模型的训练效率降低,但预测精度提高。工程应用表明:提出的基于多层感知机沥青路面施工温度预测模型与实际工况相符,通过调节出料温度、摊铺速度、碾压速度可以有效减少混合料温度损失。