盐渍土既有高速铁路路基压实质量检测

高速铁路路基填料压实标准主要通过压实系数、地基系数、动态变形模量等指标进行控制。对于既有路基,在不破坏路基的条件下,路基内部的控制指标难以有效测试。为评价某海外项目既有路基内部填料压实情况,最大程度减少对既有路基工程的扰动破坏,通过试验段建立了动力触探试验(DPT)锤击数与实测压实系数、地基系数、动态变形模量的拟合关系式,并将其应用于该项目全线路基内部压实质量检测。结果表明:应用该拟合关系式能够避免对既有路基的破坏,节约工期,取得了较好的经济效益。

考虑压实质量和改进本构的沥青心墙坝性态分析

针对邓肯-张模型对沥青混凝土心墙料力学性质描述偏离的不足,改进了心墙沥青混凝土本构模型;同时,考虑实际施工中各分区坝料压实质量空间差异导致的物理力学特性空间差异,提出了考虑坝料实际压实质量的大坝有限元分析方法。首先,通过数字大坝系统采集到的施工数据,对大坝各坝料分区进行压实质量空间估计;其次,建立各坝料分区本构模型参数与压实质量的定量关系,实现对任意单元材料参数的空间估计,并通过Abaqus软件的二次开发,实现坝料本构模型参数的每个单元赋值;最后,结合工程实例,对沥青混凝土心墙堆石坝施工期结构性态进行精细数值分析。结果表明,考虑坝料实际压实质量的数值模拟可以更好地反映大坝实际施工过程的应力变形情况;改进后的本构模型提高了心墙变形计算的准确性,为精确分析沥青混凝土心墙堆石坝结构安全提供了有效途径。

基于迁移颗粒振动能量的粒料基层填料压实质量评价

目前,粒料基层振动碾压质量评价指标多基于振动轮的动力响应,鲜有研究考虑粒料基层填料自身的振动信号。依托新建铁路砂土路基填筑碾压现场试验段,开展动态变形模量测试,采用无线智能颗粒传感器实时监测振动碾压过程中填料颗粒的迁移运动,进而分析三向加速度及其边际谱能量随碾压遍数的变化规律;基于迁移颗粒的边际谱振动能量幅值,提出新的压实指标:迁移颗粒振动能量压实值(migrating particle vibration energy compaction value,MPVECV),并分析其与碾压遍数和动态变形模量之间的关联性,探究振动模式、碾压速度及监测位置对新压实指标评价效果的影响程度。研究结果表明:振动碾压过程中粒料基层填料颗粒存在多方向的振动效应,进而促使填料不断运动致密,上部振动轮输出能量驱使填料内部颗粒不断小幅运动和调整直至整体稳定。传感器的加速度边际谱幅值与振动碾压遍数以及动态变形模量的关联性较好;迁移颗粒平行于行车方向的MPVECV指标相比于其在垂直于行车方向及竖直方向的MPVECV指标可更好地表征粒料基层填料的压实质量和动态变形模量,因此可用其评价填料的压实状态。MPVECV指标更适用于强振工况且其评价效果受碾压速度和监测位置的影响并不显著。研究结果可为粒料基层填料智能压实提供实时、无损的评价指标和技术。

基于连续检测的高速铁路路基压实质量控制方法

针对传统检测方法无法满足路基压实质量实时、全面控制要求的问题,开展了高速铁路路基碾压足尺模型连续检测试验,分析了路基压实过程中振动轮振动能量变化规律,建立了能量压实值与动态变形模量、地基系数和压实度的相关关系,对基于连续检测的路基压实程度、压实稳定性和压实均匀性进行分析。结果表明:振动轮振动能量随碾压遍数增大而增大,能量压实值与常规检测指标具有强相关性,可以作为高速铁路路基压实质量连续检测指标;采用考虑90%置信水平预测区间下限的压实质量连续控制值判断路基压实程度更符合路基实际压实状态;碾压区域内能量压实值平均增长率应小于2%,出现过压现象时应停止碾压;碾压结束后,各检测单元能量压实值应在碾压区域平均能量压实值的80%~120%范围内。

粉砂质泥岩路基压实质量连续控制技术

粉砂质泥岩颗粒强度差异较大,压实质量难以控制。依据结构动力学方法分析压路机振动轮与路基填筑体抗力响应之间的关系,借助现场试验段采集压实过程振动轮振动加速度信号,并进行快速傅里叶变换获取基频振幅和一次谐波振幅,据此得到连续振动压实值(CMV)。对比分析不同振动压实次数下压实度、沉降量和弯沉值与CMV值的相关性。结果表明,随着压实次数的增加,CMV值逐渐增加,与FWD动态弯沉值、压实度及累计沉降量间有良好相关性,据此提出了粉砂质泥岩路基压实的CMV控制值,研究结果有助于粉砂质泥岩路基的连续压实质量控制。

基于AHP-灰色关联度法的路基智能压实质量评价

为了解决现有智能压实指标未考虑检测值属性数据的问题,采用AHP法和灰色关联度法,综合考虑检测值所含压路机工作参数、空间位置等属性数据,建立了智能压实检测值的AHP-灰色关联度模型,并计算验证了该模型的合理性。基于现场智能压实试验数据,提出将该模型求解的最优压实检测值M_(R)作为压实代表值,并将M_(R)以及现行智能压实指标M_(V)分别与传统压实指标E_(vd)、K_(30)进行相关性校验、指标离散性分析。结果表明:M_(R)、M_(V)与E_(vd)、K_(30)的相关性校验结果均大于0.7,且M_(R)的评判结果精度优于M_(V),此外M_(R)指标的整体变异性亦小于M_(V),故M_(R)指标能更精确反映碾压单元的真实压实情况。该研究对智能压实检测指标完善具有参考价值。

基于碾压应力的土石坝料压实质量控制方法

坝料压实质量是土石坝施工质量控制的关键内容。在长河坝填筑现场进行碾压应力测试,建立土应力与坝料干密度关系模型,得出对应压实密度标准的土应力控制值;构建Midas三维有限元分析模型,模拟坝料碾压过程中的应力动态变化,根据土应力控制值来判断坝料压实质量。研究结果表明:坝料土应力与干密度之间存在较强的线性关系,其线性模型平均决定系数为0.9;对应坝料干密度控制标准,反滤料1上层、中层、下层土体的应力控制值分别为1.465、1.064、0.773 MPa,反滤料3上层、中层、下层的土体应力控制值分别为0.926、0.774、0.664 MPa;运用构建的Midas模型实时监测碾压应力变化,可知反滤料1和反滤料3分别在振碾6遍和8遍后整体达到压实密度标准。

基于层次分析法的路基智能压实质量评价

智能压实技术由于其全过程实时控制等优点,逐渐被应用于路基压实作业中.针对目前路基智能压实质量评价指标体系仍较欠缺的情况,引入层次分析法,构建了相应的智能压实质量指标层次分析模型,并对该模型进行求解与编程,验证了该模型的合理性与可靠性;再结合路基试验段现场检测数据,得到了层次分析模型对应的智能压实检测特征值,并通过相关性校验等方法验证了该检测特征值的合理性与优势,对现有智能压实质量评价体系进行了补充完善.

PFWD用于土石混填路基压实质量检测的应用研究

路基作为高速公路最重要的组成部分,其压实质量直接决定路基稳定性,影响高速公路承载性能和使用年限。为有效提升土石混填路基压实质量检测水平,依托某高速公路施工实践,系统探究了PFWD压实度检测技术,通过室内试验分析了PFWD检测模量与压实度的关系,根据试验段施工情况确定了土石混填路基回弹模量与碾压遍数、沉降差之间的关联性,并利用回归模型得出了土石混填路基回弹模量控制指标,充分证明了PFWD用于土石混填路基压实质量检测的可行性。

PFWD用于细粒土路基压实质量检测应用研究

为有效探究PFWD在高速公路细粒土路基压实质量检测中的适用性,结合某高速公路施工实践,系统分析了PFWD检测技术测得的回弹模量EP与灌砂法得到的压实度K存在的关联性,并通过建立回归模型对两项指标进行拟合,得出了二者之间具有良好的关联性,确定了在细粒土路堤施工中采用PFWD检测路堤压实质量是可行的,可快速检测出路基施工质量,提升检测效率,保证施工质量。

路基压实质量检测中DCP法的适用性分析

为有效提升路基施工质量,保证道路安全稳定运营,加强路基压实质量检测尤为重要。鉴于此,针对路基压实质量检测DCP法适用性进行研究,阐述了DCP法基本原理及现场检测步骤,根据现场DCP及CBR检测结果实施相关性分析,验证了贯入度与CBR值之间的线性关系,确定了DCP法工程应用范围,可供路基质量检测人员参考。

公路路基施工技术及路基压实质量的控制措施

公路的路基建设技术及其压实效果一直是公路建设中重点关注的话题。近年来,我国交通业得到了飞速的发展,公路建设逐渐增大,与此同时也带来了诸多问题,例如路基沉降、路面裂缝和翻浆等情况。这些问题不但缩短了公路的使用寿命,同时也给驾驶安全带来了潜在威胁。因此,提升路基的施工技术和压缩质量,已逐渐成为公路发展过程中必须着力解决的问题之一。

探地雷达在路基压实质量检测中的应用

为了快速准确地检测路基的压实质量,采用探地雷达对路基土的密度进行无破损连续检测。在振动压路机碾压不同遍数后,采用探地雷达在长度方向测试土的电物理性质,测定相对介电常数的模与土密度的关系,可以看出在路基碾压施工过程中相对介电常数增加。根据相对介电常数与压路机碾压遍数的关系,在碾压过程中,可以在雷达图上精确标出固定土层厚度的位置。根据固定厚度的土层反射率和密度与压路机碾压遍数的关系,可以确定土层反射率,确定土层的密度。

基于RICM技术的水泥稳定碎石层压实质量控制研究

为弥补灌砂法的不足,压路机集成压实监控(Roller-integrated compaction monitoring, RICM)技术逐渐被应用于高速公路路面工程。由于填料性质复杂多变,RICM指标对不同填料的适用性仍需进一步研究。文章旨在验证基于RICM的压实控制值CCV指标能否作为路面水泥稳定碎石层压实质量的控制指标。根据现场碾压试验,统计分析试验结果并构建了CCV指标与混合料相对密度之间的线性回归模型。结果表明CCV指标与碾压遍数、相对密度之间呈正相关关系,能在一定程度上反映水泥稳定碎石层的压实质量,因此CCV指标可用于实际路面工程压实质量控制。

RCC坝料改进刚度指标及压实质量综合评估研究

有效控制碾压混凝土压实质量是确保大坝安全稳定运行的前提。本文提出了考虑滞后相位角的碾压混凝土坝料改进刚度指标,并给出了滞后相位角的测定方法;结合耦合滞后相位角改进刚度指标、坝料特性参数、碾压参数和频域压实指标,提出了基于XGBoost算法的碾压混凝土压实质量综合评估方法。实例分析表明,改进刚度指标能够更好表征坝料压实质量,综合评估模型的决定系数约为0.86,表明模型精度较高,计算压实度与实测压实度的相对误差平均值为0.47%。本文方法为碾压混凝土坝施工压实质量控制提供了新的有效途径。

基于FOA-RF算法的心墙砾石土压实质量预测模型

针对随机森林(RF)算法预测心墙砾石土压实质量存在决策树数量选取缺乏深入研究和忽视P0.075质量分数对压实质量影响的问题,提出了一种基于果蝇优化(FOA)算法的随机森林算法(FOA-RF算法),并构建了基于FOA-RF算法的心墙砾石土压实质量预测模型(FOA-RF模型)。该模型一方面通过对料源参数和干密度进行相关性分析,新增了P0.075质量分数作为模型的输入参数;另一方面利用FOA算法对随机森林进行优化,解决了RF算法难以取得决策树数量最优解、没有同时考虑决策树数量与随机特征数影响的问题。以西南某在建砾石土心墙堆石坝工程为例,分别应用基于传统RF、BP神经网络、多元线性回归的预测模型和FOA-RF模型进行压实质量预测。结果表明,FOA-RF模型在预测精度上具有优越性,并基于该模型开发压实质量预测模块,将该模块嵌入碾压质量实时监控系统中可实现压实质量的实时预测。

基于GA-PSO混合优化BP的面板堆石坝爆破料压实质量评价

碾压质量评价是大坝智慧化施工的关键技术之一,对坝体安全稳定性具有重要影响,而目前对其评价模型和方法尚未达成一致认识。以新疆阿尔塔什面板堆石坝为依托工程,结合现场填筑碾压监测数据和试坑检测试验数据,提出基于遗传算法和粒子群算法混合优化的BP神经网络算法(GA-PSO-BP)的爆破料压实质量评价模型。通过与BP、GA-BP、PSO-BP 3种预测模型进行对比分析,证明该模型的精度和优越性。结果表明:提出的基于GA-PSO-BP模型收敛速度更快、性能更好,且基于GA-PSO混合优化后的BP神经网络爆破料压实质量评价模型精度相对较高,可用于与新疆阿尔塔什混凝土面板堆石坝类似工况的压实质量评价。

基于压实稳定性的路基连续压实质量评价方法

连续压实控制技术主要通过在振动压路机对路基土体进行振动压实的过程中不断采集压路机的振动响应信息,对振动轮下土体压实质量进行实时评价,实现对所有压路机全部碾压面压实质量的整体检测。文中针对地基层刚度变化较大时连续压实检测值不能有效评价填筑层压实质量的问题,采用压实单元的变化率作为压实稳定性指标评价填筑层土体的压实质量。

基于混合优化算法的砂砾料面板堆石坝压实质量评价模型及工程应用研究

良好的压实质量评价模型是砂砾料面板堆石坝压实质量实时有效控制的关键。【目的】为改善现有模型的预测精度和泛化能力,【方法】依据新疆阿尔塔什混凝土面板堆石坝工程实例,采用主成分分析法优化数据样本空间,提出自适应差分进化算法与极限学习机相结合的混合优化算法,构建了基于混合优化算法的砂砾料面板堆石坝压实质量评价模型,并与现场实测结果以及其他模型预测结果进行对比分析。【结果】结果显示:该评价模型的预测结果与工程实际值的平均绝对误差MAE为0.00708,均方误差MSE为0.0000923,采用原始数据预测的MAE和MSE分别为0.0106、0.000223;与ELM、BP、RBF等模型对比显示,该评价模型预测结果与实测结果的皮尔逊相关系数为0.824,平均绝对百分比误差MAPE为0.62%,ELM、BP、RBF模型预测结果与实测结果的皮尔逊相关系数分别为0.447、0.43、0.556,MAPE分别为1.18%、1.59%、1.01%。【结论】结果表明:碾压参数、料源参数和气象参数是影响坝体压实质量的关键控制影响因子;通过主成分分析,降低了样本空间维度,提升了模型训练效率;与实测结果相比,该评价模型预测结果最优,相比于其他三类模型而言,误差减小了1倍;不同样本空间范围的预测结果曲线更加平滑,表明该评价模型预测结果更加稳定。相关研究成果可为面板堆石坝施工质量实时管控提供理论依据。

基于智能压实实时管控平台的压实质量及均匀性检测分析

针对现有的智能压实技术存在指标适用范围有限、压实效果评价体系不完善、缺乏可视化管控平台等问题,提出适用范围更广、稳定性更高的AICV指标,建立基于智能压实技术的压实效果评价体系。开发智能压实实时管控平台,实现了压实施工全过程数据的实时可视化监测。基于现场试验数据对路基压实质量、压实均匀性及AICV指标的稳定性进行分析。研究结果表明:AICV指标与CMV指标相比,具有更强的相关性;CMV,AICV随碾压遍数的增加而增加,但增幅随碾压遍数的增加而减小;AICV的离散性低于CMV,在实际工程中评价压实质量与压实均匀性时具有更好的稳定性。