基于CNN深度学习模型反算旧水泥路面碎石化层当量模量的沥青加铺结构设计方法  

作　　者：余焜明 

机构地区：[1]南平市公路事业发展中心,南平353000

出　　处：《福建交通科技》2024年第11期20-25,共6页

基　　金：福建省交通运输科技项目(202020)。

摘　　要：为探究准确获得旧水泥混凝土路面碎石化层当量模量的方法,首先基于动态弯沉盆数据集,采用卷积神经网络(CNN)模型建立“沥青层-共振碎石化层-当量土基”三层结构模量反算模型;然后利用现场FWD弯沉检测结果,采用建立的模量反算模型计算获得各结构层模量值,并通过三维动态有限元方法验证反算结果的可靠性;最后依据现行《公路沥青路面设计规范》方法计算分析工程实例设计方案的合理性。结果表明,基于深度学习模型开发的旧水泥路面碎石化加铺沥青面层的三层简化结构模量反算模型具有较高的可靠度和准确性,反算的旧水泥混凝土路面共振碎石化层动态模量较高,旧水泥路面共振碎石化后依旧保持良好的结构承载能力,工程应用实例的沥青路面加铺结构设计控制指标均满足规范相关要求。

关 键 词：旧水泥混凝土路面 共振破碎 CNN神经网络 模量反算 结构验算 

分 类 号：U414[交通运输工程—道路与铁道工程]