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：广州城投路桥工程有限公司;华南理工大学;广州市市政工程维修处有限公司

摘要：本发明公开了一种基于决策树模型的沥青路面压实度智能监测方法，首先建立简化的振动压路机模型和沥青混凝土模型；分析两种模型得到具有不同机械参数的压路机的振动轮在不同物理参数的沥青混凝土上振动时，所产生的相应的加速度响应，再计算得到压实度数据，提取压实度的特征值，将特征值与标签组合成数据库，将数据库中的数据分成训练集与测试集，训练集输入决策树模型进行机器学习，初步得到压实度检测模型；测试集输入初步得到的压实度检测模型，对压实度检测模型进行参数调整，得到最佳的基于决策树模型与仿真模拟计算的压实度检测模型，用于沥青路面压实度智能监测。本发明可有效实现对沥青路面压实度智能监测，且成本更低，效率更高。

主权项：1.一种基于决策树模型的沥青路面压实度智能监测方法，其特征在于：首先，通过ADAMS建立简化了的振动压路机模型；其次，利用有限元数值仿真的手段，建立包含不同刚度与阻尼的沥青混凝土模型；然后，将两种模型放在一起分析，得到具有不同机械参数的压路机的振动轮在不同物理参数的沥青混凝土上振动时，所产生的相应的加速度响应，通过加速度数据和已知的沥青混凝土力学性能参数，结合相应的公式计算得到能够表征压实的力学性能指标作为压实度数据，用来表示压实度；随后，通过对压实度数据进行分析，提取压实度的特征值，将压路机的机械参数和沥青混凝土的物理参数打上标签；接着将所提取的特征值与标签组合成数据库，将数据库中的数据随机分成训练集与测试集，再将训练集输入决策树模型进行机器学习，初步得到压实度检测模型；再将测试集输入初步得到的压实度检测模型，最后根据测试准确率对压实度检测模型进行参数调整，从而得到最佳的基于决策树模型与仿真模拟计算的压实度检测模型，用于沥青路面压实度智能监测，最终通过该最佳的压实度检测模型即可对任意输入的数据进行准确检测，实现对沥青混凝土压实度自动识别，从而完成沥青路面压实度智能监测，包括以下步骤：1通过ADAMS建立简化了的振动压路机整车模型；其中，对实际的物理样机进行合理适当的简化，具体操作是将压路机的机架、发动机、驾驶室和振动轮的参数进行提取，并且简化，定义为一体，但不改变其质量、尺寸特征；2根据压路机模型不同的机械参数，通过相应的计算公式，得到沥青混凝土关于质量和半径的物理参数；随后基于此沥青混凝土的物理参数建立包含不同阻尼和刚度的沥青混凝土模型，模型的激震源设置为特定质量的振动轮产生的特定频率的激振，即采用特定频率的激振力作为激震源；3将两种模型放在一起分析，得到具有不同机械参数的压路机的振动轮在不同刚度、阻尼的沥青混凝土上振动时，所产生的相应的加速度响应，且在加速度响应的过程中发现：振动轮的加速度在沥青混凝土阻尼增大的情况下随着时间的增长是减小的，而压路机的机架的加速度则随着沥青混凝土刚度的增大而增大，振动轮的加速度在沥青混凝土刚度增大的情况下随着时间的增长是增大的，机架的加速度也随着沥青混凝土刚度的增大而增大；然后通过加速度数据和已知的沥青混凝土力学性能参数，结合相应的公式计算得到能够表征压实的力学性能指标作为压实度数据，用来表示压实度；4通过对压实度数据进行分析，提取压实度的特征值，将压路机的机械参数和沥青混凝土的物理参数打上标签；接着将所提取的特征值与标签组合成数据库，将数据库中的数据随机分成训练集与测试集，再将训练集输入决策树模型进行机器学习，初步得到压实度检测模型；5将测试集输入初步得到的压实度检测模型，对初步得到的压实度检测模型相关参数进行调整，得到最佳的基于决策树模型与仿真模拟计算的压实度检测模型，最终通过该最佳的压实度检测模型即可对任意输入的数据进行准确检测，实现对沥青混凝土压实度自动识别，从而完成沥青路面压实度智能监测；在步骤1中，通过ADAMS建立简化了的振动压路机模型，具体建模过程如下：对实际的物理样机进行合理适当的简化，将机架、发动机、驾驶室、振动轮的参数提取，并且简化，定义为一体，但不改变其质量、尺寸特征，振动轮建立为单独实体，振动轮内部所有的器件均设置为一体，方便进行加载与仿真分析；对以上简化结果进行三维模型建模，从ADAMS中给建立的三维模型进行约束、弹性系数、阻尼、载荷条件的施加或者定义，最终得到振动压路机的动力学仿真模型图；在步骤2中，建立包含不同阻尼和刚度的沥青混凝土模型，具体情况如下：在建立沥青混凝土模型的时候，由于振动轮激振影响的范围是有限的，只有特定区域的沥青混凝土受到振动影响，将一个质量为m、半径为r的刚性圆盘等效为沥青混凝土振动系统，需要确定沥青混凝土模型的半径和质量，而这两种物理参数的大小是和压路机的机械参数相关的，所以根据压路机的机械参数计算出沥青混凝土模型的质量和半径，从而基于此物理参数建立包含不同阻尼和刚度的沥青混凝土模型，其中，确定跟随振动的沥青混凝土的半径r和质量m，具体关系如下式1、2： 在上式1、2中，R是振动轮半径，L是振动轮宽，α是接地弧的切线与地面的夹角，b是无量纲函数；通过式1中的压路机的振动轮的半径和振动轮轮宽计算得到沥青混凝土模型的半径r，根据式2，查表得到b的大小后计算得到沥青混凝土模型的质量m；在步骤4中，通过对压实度数据进行分析，提取相应的特征值，具体操作是：选取振动轮加速度值以及相应时刻的沥青混凝土的压实度作为特征值；在得到上述特征值后，由于每组工况对应一组标签，包括压路机的机械参数：上车质量、减振器刚度、减振器阻尼、静偏心矩和角速度，及沥青混凝土的物理参数：阻尼和刚度；而每组工况同时对应一组特征值，包括振动轮加速度值以及相应时刻的沥青混凝土的压实度；因此，将特征值与标签一一对应组合在一起，便能够得到所需的数据集，构建数据库；随后将数据集根据8:2随机分成训练集与测试集，其中，训练集的作用是为决策树模型提供数据进行学习，从而得到所需要的机器学习预测模型，即压实度检测模型，而测试集则是用于判断生成的预测模型的准确性；在步骤5中，对初步得到的压实度检测模型相关参数进行调整，具体是对决策树模型中的参数，包括决策树最大深度、拆分内部节点所需最小样本数、叶节点所需最小样本数与最大特征值进行调节，以提高模型准确率，从而得到最佳的基于决策树模型与仿真模拟计算的压实度检测模型。

全文数据：

权利要求：

百度查询： 广州城投路桥工程有限公司 华南理工大学 广州市市政工程维修处有限公司 一种基于决策树模型的沥青路面压实度智能监测方法