买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：内蒙古工业大学

摘要：本发明提供一种沥青混合料疲劳寿命预测方法，涉及道路工程技术领域，包括：S1采用数字图像处理方法和间接拉伸疲劳试验对沥青混合料试样进行循环加载，获取沥青混合料试样的水平应变数据和疲劳寿命数据；S2根据沥青混合料试样的水平应变数据和疲劳寿命数据，构建第一函数关系式，第一函数关系式表示累积水平应变与循环加载次数的函数关系；S3基于沥青混合料试样的累积水平应变建立损伤因子；S4根据第一函数关系式和损伤因子，构建预测模型；S5利用预测模型对沥青混合料进行预测，得到疲劳寿命预测结果。本发明构建的预测模型可以较为准确地预测沥青混合料的疲劳损伤过程，适用于不同荷载模式下沥青混合料的损伤预测。

主权项：1.一种沥青混合料疲劳寿命预测方法，其特征在于，包括如下步骤：S1采用数字图像处理方法和间接拉伸疲劳试验对沥青混合料试样进行循环加载，获取沥青混合料试样的水平应变数据和疲劳寿命数据；S2根据沥青混合料试样的水平应变数据和疲劳寿命数据，构建第一函数关系式，第一函数关系式表示累积水平应变与循环加载次数的函数关系；S3基于沥青混合料试样的累积水平应变建立损伤因子；S4根据第一函数关系式和损伤因子，构建预测模型；S5利用预测模型对沥青混合料进行预测，得到疲劳寿命预测结果；累积水平应变的数学表达式为： ；式中，ExxN为循环加载次数N时对应的累积水平应变，Exxi为第i个循环加载对应的水平应变；第一函数关系式的数学表达式为： ；式中，ExxN为循环加载次数N时对应的累积水平应变，Nf表示疲劳寿命数据，a和b为第一拟合参数；损伤因子的数学表达式为： ；式中，DA为循环加载次数N时的损伤因子，ExxN为循环加载次数N时对应的累积水平应变，为循环加载次数Nf时对应的累积水平应变；预测模型的数学表达式为： ；式中，DA为循环加载次数N时的损伤因子，ExxN为循环加载次数N时对应的累积水平应变，为循环加载次数Nf时对应的累积水平应变，c为第二拟合参数；步骤S2还包括利用第一优化算法对第一函数关系式的第一拟合参数进行寻优，过程如下：步骤一、将第一拟合参数a和b作为参数向量，初始化参数向量θ0=[a0,b0]，设置初始正则化系数λ0和初始学习率η0；步骤二、计算雅可比矩阵Jk和残差向量rk： ； ；式中，Jk为第k次迭代中对应的雅可比矩阵；rk为第k次迭代中对应的残差向量；Nf为理论疲劳寿命，其体现为循环加载次数；N1,N2,...,Nn表示不同观测数据点对应的循环加载次数，观测数据点是根据疲劳寿命数据N进行的划分；表示在循环加载次数为N1,N2,...,Nn时对应的累积水平应变；ak表示第k次迭代中的a值；bk表示第k次迭代中的b值；步骤三、计算自适应正则化系数λk： ；步骤四、对水平应变数据进行分段，得到m个区间；步骤五、从m个区间中选择一个区间i；步骤六、计算区间i内的雅可比矩阵和残差向量；步骤七、计算更新步长： ；式中，是第i个区间内的雅可比矩阵，是第i个区间内的残差向量，λk是第k次迭代中对应的自适应正则化系数，I是单位矩阵；步骤八、更新参数向量： ；式中，是第k次迭代中第i个区间内的参数向量，ηk是第k次迭代的自适应学习率，是第k次迭代中第i个区间内的更新步长，是第k+1次迭代中第i个区间内的参数向量；步骤九、重复步骤五-步骤八，遍历所有区间；步骤十、计算自适应学习率ηk： ；步骤十一、判断是否满足收敛条件，若是，则输出m个分区的局部参数向量，若否，则返回步骤二进行下一次迭代；步骤十二、计算每个区间内的残差平方和，根据残差平方和确定各个分区的权重，利用加权平均对m个分区的局部参数向量进行计算，得到最终的最优第一拟合参数a和b；步骤S4还包括利用第二优化算法对预测模型的第二拟合参数进行寻优，过程如下：第一步、设置初始学习率α0和学习率调整因子β，设置动量因子γ，设置终止条件的最大迭代次数T，随机初始化第二拟合参数c；第二步、目标函数F设为均方误差，即预测值与实际值之差的平方的平均值；第三步、根据初始第二拟合参数c，计算目标函数对c的梯度： ；第四步、设置迭代次数t=0，初始化动量项v0=0；第五步、更新学习率： ；第六步、计算当前梯度： ；第七步、更新动量项： ；第八步、更新第二拟合参数c： ；第九步、计算当前的目标函数F；第十步、令t=t+1，返回第五步；第十一步、当t=T时，迭代结束，输出最终的第二拟合参数c。

全文数据：

权利要求：

百度查询： 内蒙古工业大学 一种沥青混合料疲劳寿命预测方法