基于遗传神经网络的再生沥青混合料性能预测研究

以matlab为平台,分别应用BP神经网络和遗传算法优化的BP神经网络对再生沥青混合料的性能进行预测。以旧料掺量、油石比等8个影响因素作为输入层,以动稳定度、残留稳定度等5个性能指标作为输出层,将28组归一化处理后的试验数据进行神经网络的训练、验证和测试。结果表明:遗传算法优化的BP神经网络预测表现出更加精准的预测效果。将遗传算法优化的BP神经网络应用于工程实践中,再生沥青混合料性能预测可以大大提高试验科学性和预见性。

双层沥青混合料层间抗剪性能研究

为评价不同因素对双层沥青混合料层间抗剪性能的影响,以直接剪切试验抗剪强度为控制指标,采用正交设计方法研究不同车辙压密程度对应的混合料空隙率、黏层油用量、温度对层间抗剪性能的影响。结果表明：随空隙率减小,层间抗剪强度随之增加;黏层油的使用可提高沥青混合料层间抗剪强度,但提高幅度会随温度升高而降低;以常温下有无黏层油时层间抗剪强度为基准值,计算其他温度指标下抗剪强度占基准值的比例,发现层间抗剪强度随温度升高而减弱。