文摘

路面结构之间的相关性和轮胎压力与实际的轮胎接触面积首次调查根据轮胎静态接触特征;在此基础上,速度和路面结构的影响机制在人行道上摩擦系数被系统地探索了从轮胎耦合系统动力学的角度通过自主研发的动态测试系统tire-pavement摩擦。通过整合上述影响因素,BP神经网络方法应用于回归预测模型的沥青路面摩擦系数。通过对比模型测量值和估计价值,它们的相关系数R2达到了0.73,这表明该模型是令人满意的预测精度和适用于沥青路面的防滑设计。

1。介绍

路面抗滑与道路交通安全密切相关。具有良好的路面纹理以及坚硬耐磨骨料,路面会有卓越的防滑性能,从而减少交通事故,增加交通安全的概率。测试方法研究了摩擦机制和经常为了准确评价沥青路面的防滑性能,并在此基础上建立了一系列预测模型的摩擦系数。

1.1。基于材料性能的摩擦模型

在摩擦材料方面,相应的橡胶摩擦模型已经被不少学者提出了基于粘弹性的橡胶材料。其中最具代表性的模型包括二项式摩擦模型(测向摩尔)1)和分形摩擦模型(B.N.J.佩尔森)[2),这两个摩擦行为的分析基础上,建立粘附摩擦,摩擦和滞后,橡胶在轮胎胎面与路面之间。此外,r . Savkoor [3)进行了大量的橡胶摩擦测试在不同温度条件下通过线性摩擦试验机和系列摩擦测试系统,提出了一个现象学模型考虑橡胶滑动速度之间的关系,摩擦系数和静摩擦系数。

1.2。基于轮胎摩擦的摩擦模型的行为

轮胎之间摩擦的结构动态响应行为和沥青路面不能全面的特点是只有橡胶摩擦特性和轮胎静态接触特性。vehicle-pavement耦合系统,轮胎将发生明显的几何形状变化的行动下内部压力和外部人行道counter-forces剪切力、拉伸力,和挤压,使建立假设不再适用(4];此外,轮胎接触的受力分析变得更加困难,由于复杂的橡胶和沥青路面力学性能。为了深入调查tire-pavement摩擦机制,学者致力于车辆工程和公路工程提出了各种评价模型。

在车辆工程领域,奥登5)提出了一个指数decaying-type摩擦模型(见(1))的轮胎接触表面摩擦行为通过大规模测量数据,进行了稳态分析和验证的轮胎动态接触基于这一模型,通过有限元方法,认为该模型可以描述adhesion-sliding摩擦行为动态轮胎接触后。h·c·周和g·l·王等人比较了库仑摩擦模型,该模型通过有限元方法和表示,轮胎摩擦接触模型计算中发挥了决定性作用最大的制动力。此外,在比较与库仑摩擦模型,指数接近动态摩擦模型模拟制动条件下,最大制动力的变化规律,体现更多的是适用于防滑制动系统(ABS) (6]: 在哪里μk是动态摩擦系数对应的最大滑移速度,μ年代临界状态下的静摩擦系数,dc衰减系数是路面条件指定的用户,然后呢年代滑动速度。

此外,基于Grosch旋转式磨耗机,Dorsh [7)进行干砂纸的橡胶轮的摩擦性能试验在不同的负载条件下,速度,温度,提出了相应的现象学轮胎摩擦系数模型,并研究了摩擦行为之间的接触表面摩擦模型轮胎和光滑的路面通过有限元方法。作为一个功能相对于地面压力强度、滑动速度、和环境温度,该模型可以简单幂指数形式的特征如下: 在哪里c0,c1,c2都是相关的材料参数的轮胎接触。

路面防滑原则已经被许多学者探讨公路工程,和几个经典模型通常应用于路面现场测量了(8,9]。

亮氨酸和亨利10]提出了基于路面纹理的宾夕法尼亚州立大学路面摩擦系数模型和滑动速度: 在哪里μ滑动速度下的摩擦系数年代;μ0是一个常数描述路面微观结构,无量纲;和年代0是一个常数描述路面宏观结构,km / h。一个更大的μ0值代表更好的路面微观结构,和一个更大的年代0值表示更好的路面宏观结构。根据这个模型,路面摩擦系数随速度的增加逐渐减少。

像大多数车辆的平均运行速度60公里/小时,宾夕法尼亚州立大学模型稍微修正获得PIARC模型中,两个指标,即速度常数年代p摩擦系数和标准F60,使用。 在哪里Tx是路面的结构参数;一个和b回归系数;A、B和C是摩擦系数测试设备的系统校准参数;年代滑动速度,公里/小时;和FR年代摩擦系数测量滑动速度下吗年代。理论上来说,这个模型可以在任何测试速度改变摩擦系数的摩擦系数F60在标准测试速度60公里/小时。然而,这个模型的特点是通常full-locked状态下的路面摩擦系数,和大错误存在于实际应用11]。此外,显微组织没有充分考虑在上面常用的路面摩擦系数模型,这将影响摩擦系数的预测精度(12- - - - - -17]。虽然适用于工程检测,他们在评估使用时不够准确,研究路面防滑性能。

有鉴于此,为路面摩擦系数预测模型尚未全面调查。为了进一步揭示沥青路面的防滑机理,(1)tire-pavement静态特性试验首次实现了基于摩擦学的原理及路面结构等因素的影响,实际的负载,和轮胎压力的轮胎接触面积进行了探讨。(2)接下来,单因素分析进行滑动率等因素的影响,速度、接触面积、接触压力强度动态轮胎摩擦行为使用自主研发的动态轮胎摩擦系统。在此基础上,进行了正交试验对排名的影响程度的不同动态路面摩擦系数的因素进行了讨论。(3)基于上述研究结果,结合BP神经网络方法建立的预测模型的动态摩擦系数沥青路面。上述研究结果有一定的参考价值的预测防滑机理和沥青路面的防滑性能。

2。标本制作

针对的主要影响路面结构沥青路面防滑性能,选择不同类型的粗aggregate-asphalt混合物准备板标本30×30×5厘米的维度来研究宏观和显微组织的影响沥青路面的防滑性能。此外,层次来自玄武岩的粗骨料,石灰石,花岗岩沥青混合物AC13, SMA13,大13如表所示1。AC13 asphalt-aggregate比率,SMA13, OGFC13分别为4.8%,5.0%,和6.2%,分别。

表1
矿物骨料的级配沥青混合物。

3所示。方法

3.1。路面结构

3 d纹理扫描板的标本进行了使用线性激光扫描设备,与一系列±10毫米和±0.0025毫米的决议。扫描路径如图1。此外,macrotextures提取和显微组织在不同的精度水平。


图1
激光扫描测试。
3.1.1。Macrotexture测量

在充分考虑macrotexture维度和工作负载macrotexture测量、激光轮廓测量仪的采样间隔调整到0.2毫米,每个轮廓线的长度是100毫米(也就是说,有500个采样点在每个轮廓线),轮廓线的间距是0.2毫米,和200等值线扫描在一个矩形区域40毫米宽。通过这种方式,总共有500×200(100000)点在每个扫描区域了。在此基础上,有四个地区的400000点一个车辙板。预计,计算macrotext参数将代表。扫描路径如图2。


图2
扫描区域的测试。
3.1.2。显微组织测量

参照macrotexture扫描方向和准确性,五粗骨料粒径为13.2 -16.0毫米甚至表面,统一选择在每个标本的轮距胶带表面显微组织扫描的总表面轮廓线的长度是1厘米,采样间隔是5μm, 2000点海拔被获得在每个轮廓线。相邻等高线之间的距离是1毫米,和六个轮廓线进行扫描,共有12000个高程点每一个聚合。

3.2。静态测试的Tire-Pavement接触

富士压力与国际类型电影纸压在轮胎接触标本,和轮胎的静态接触测试进行介绍在不同路面纹理,上部荷载,和轮胎压力。可以找到更详细的介绍在苗族的研究等。17]。此外,轮胎静态接触特性分析基于实时的接触压力分布进行了强度和接触面积与fpd - 8010 p电影图像分析系统的压力。轮胎的静态展示在表测试条件2。测试在每个单因素试验条件下重复了三次。

表2
测试条件tire-pavement静态接触。
3.3。轮胎/路面摩擦系数的动态测试

动态轮胎摩擦测试实现的基础上介绍。列在表3首先,动态摩擦系数的单因素试验进行了基于运行速度和路面macro-texture,测试也在每个单因素试验条件下重复三次。

表3
动态摩擦系数的单因素试验条件。

4所示。结果和分析

4.1。静态接触性能的轮胎和路面
以下4.4.1。相关性的路面结构和上部荷载与实际接触面积

如图3SMA的MPD平均值大,和AC标本是0.46,1.29,和1.41,分别在x坐标。与MPD的增加,实际的轮胎接触面积减少。虽然整个轮胎接触面积明显扩大与上部荷载的增加,法律“MPD越大,接触面积越小”保持不变。


图3
基于不同的MPD的实际接触面积。
4.1.2。轮胎压力之间的相关性和实际接触面积

轮胎实际接触区域的九个标本在不同轮胎压力进行了测试,并进一步测试是在考虑实施的轮胎压力。标本提出了类似的法律,只有AC-13板试样以玄武岩为粗骨料是调查分析的实际接触面积的耦合影响下轮胎压力和上部荷载。

如图4,它可以推断出,首先,在同样的轮胎负荷、轮胎的接触面积达到最大值后开始逐渐下降为2.0条轮胎压力的增加,表明当轮胎压力升高1.5 ~ 2.0条酒吧,轮胎被从“放气”状态变为“放大”状态,及其与地面接触面积扩大;然而,随着进一步的充气加载,轮胎接触面积减少,展现不变下,实际的轮胎接触削弱外部负载的增加轮胎的力量。此外,在同样的轮胎气压,轮胎接触面积明显增大,轮胎载荷的增加,即150 - 250 N的阶段。然而,随着轮胎负荷进一步从250增加到300 N,接触面积的增加幅度不明显,甚至呈现持平,下降趋势。此外,图5清楚地表明,随着轮胎负荷达到300 N,轮胎接触带的宽度增大,但中央区域的分离区逐渐出现,表明轮胎强度不足的状态,从皇冠和承载区域逐步发展轮胎的侧壁。基于上述分析,后续研究应该进行合理的轮胎压力和负载范围内。在后续的测试中,轮胎压力被选为2条,2.5酒吧,和3酒吧,和轮胎载荷被选为150 N, 200 N, 250 N。


图4
基于不同的轮胎载荷的实际接触面积。
(一)
(一)
(b)
(b)
(c)
(c)
图5
轮胎的速度在路面摩擦系数的影响。(一)AC路面摩擦系数在不同轮胎的速度。(b) SMA路面摩擦系数在不同轮胎的速度。(c)大路面摩擦系数在不同轮胎的速度。
4.2。根据介绍动态轮胎与路面之间的摩擦特性
4.2.1。准备轮胎速度对动态摩擦系数的影响

如图5,AC的摩擦系数、SMA和大人行道都呈现一个明显的下降趋势随着车辆的增加速度。这些现象表明,加速度汇出embedding-squeezing轮胎和路面纹理之间的现象,从而导致弱tire-pavement粘连,,因此,有效的路面对轮胎提供的制动力降低。此外,它被发现通过比较不同类型的路面的防滑性能与SMA大保持平衡,并没有发现明显的优势的大。这可以归因于低浇水量在测试过程中,所以它的优势保持通过排水没有体现良好的防滑性能。换句话说,OFGC下只能发挥其防滑强度大的降水。通过比较不同岩性的混合物在摩擦系数,石灰岩的防滑性能没有明显不同于火成岩玄武岩和花岗岩等表明,瞬时制动条件下,岩石的耐磨性的防滑性能没有很大的影响。最后,进行了线性回归的车辆速度和摩擦系数在各种路面,并发现相关系数R2车辆speed-friction系数AC、SMA和大人行道是0.79,0.64,和0.53,分别。

4.2.2。路面结构在动态轮胎摩擦行为的影响

众所周知,路面macrotexture与防滑性能直接相关。此外,显微组织发挥了至关重要的作用在防滑性能,特别是路面摩擦系数的峰值。路面防滑性能的预测精度可以明显提高了显微组织纳入到研究路面防滑性能。因此,总显微组织使用纹理特征参数C太;的物理意义是显微组织的长宽比峰值,即高度差的比率两个相邻点的水平距离。一个更大的 值代表的尖峰和丰富的显微组织。在下列方程计算公式,计算结果见表4: 在哪里 显微组织系数, 波峰之间的垂直距离是两个相邻的显微组织(毫米),然后呢 是两个相邻显微组织的波峰之间的水平距离(毫米)。

表4
显微组织参数C 太粗骨料。

见表4、石灰石的最大值C太价值,其次是玄武岩和花岗岩,先后,表明石灰石最富有的显微组织,花岗岩是相对平坦的表面粗糙度较低在这个研究。

4.2.3。路面摩擦系数下多因素耦合

正交试验设计和实现使用7-factor和三级正交表来进一步研究路面结构的影响,负载,轮胎压力,速度,所以在人行道上防滑性能,表中列出的变量名称5。macrotextures是通过使用不同的骨料级配和显微组织控制控制。介绍摩擦系数进行了测试,每组四个进行平行试验。明显的异常值被排除在外,平均值为试验结果见表的右列6。相应的方差分析显示在表中7。

表5
水平的变量的正交试验。
表6
路面摩擦系数的正交试验。
表7
正交试验的方差分析分析。

从表可以看出7,在95%的置信水平P轮胎压力的值是0.415,大于0.05;因此,路面附着系数,影响微不足道的影响而影响水平的其他四个因素对摩擦系数都在0.00(小于0.01),表明极显著相关。此外,通过结合F值排名,上述因素的影响水平的路面防滑性能列为macrotexture > >显微组织>加载速度。

5。预测模型研究Tire-Asphalt路面摩擦系数

5.1。模型的预测沥青路面摩擦系数基于BP神经网络

BP神经网络是用来构造摩擦系数的预测模型。测试样本选择基于他们的影响力在正交试验在人行道上摩擦。考虑到轮胎压力的微不足道的相关摩擦系数,输入层节点的数目(独立变量)是4和输出层节点的数目(因变量)1神经网络在轮胎压力被排除在外。在此基础上,隐藏节点的数量最终被确认为4通过cut-and-trial方法。有一个BP神经网络输入层,包含4个节点;一个隐藏层,包含4个节点;和一个输出层,包含1个节点,因此该模型解决程序通过MATLAB编程实现了根据所需要的网络结构。的步骤如下。

一步我。正交试验数据保存在数据文件完成样本数据的输入。第一次被标准化的数据将输入数据转换成数字在0 - 1,避免造成不准确的预测的差异大小,和处理方法包括极大极小方法(见(6方法(见())和平均数量7)): 在哪里 在输入数据和最小数据 是最大的输入数据中的数据, 在哪里 输入数据的平均值和吗 输入数据的方差。

步骤二。层间被随机阈值和权值初始化根据网络结构决定的。

第三步。神经网络训练根据标准的培训过程中,不断修改重量值和阈值,模型训练使用80%的样本数量实现程序。

第四步。网络的基于模型的预测,即20%的样本数据,保留在预测模型的神经网络训练精度和确保训练的神经网络模型的准确性。

学习样本数据通过测试(比较图样本数据训练集和测试集预测结果)被输入到BP神经网络,和因素和摩擦系数的方程是通过MATLAB操作。系数表中可以看到8,导出方程中看到以下方程:x1macrotexture参数值(毫米),x2是负载值(N),x3是速度值(公里/小时),x4显微组织参数值(/), 是摩擦系数的预测值(/)。

表8
系数用于沥青路面摩擦系数的预测模型。

如图6,80%的18个训练样本数据,也就是说,14日在训练集数据,完全符合神经网络的预测价值,结果之间的误差是20%的训练样本数据,即4中的数据测试集,和输出值很小,绝对误差在0.05,表明神经网络的预测效果是准确的,和神经网络模型被用来预测训练样本数据时有效。为了进一步研究模型的验证,未经训练的样本数据与测量值进行了测试和比较。

(一)
(一)
(b)
(b)
图6
预测精度的基于BP神经网络的路面摩擦系数。(一)对比预测设置值和训练集的值。(b)对比预测集值和测试集的值。
5.2。模型精度测试

来验证这个摩擦系数模型的预测精度,板标本是捏造的摩擦系数测试。首先,显微组织参数 计算后的显微组织在骨料表面进行扫描,紧随其后的是计算macrotexture参数MPDmacrotexture后扫描。最后,板试样的摩擦系数在不同操作条件下测量与模型预测值进行比较,验证模型的精度,和测试条件,测量值和预测值如表所示9。

表9
精度测试路面摩擦系数的预测模型。

如表所示8,数据与相对误差的绝对值小于10%的占45.28%,那些相对误差的绝对值小于20%的占66.04%,与相对误差的绝对值小于30%的占81.13%。此外,所有数据的相对误差的绝对值在40%以内。预测值和测量值之间的关系建立了摩擦系数,如图7基于表8获得,它们的相关系数R2= 0.73,展现良好的模型预测精度。


图7
预测值和测量值之间的相关性的摩擦系数。

6。结论

第一次调查的轮胎的静态接触特点,沥青路面防滑性能测试基于轮胎摩擦耦合行为,和沥青路面摩擦系数的预测模型与BP神经网络构造的考虑路面宏观和显微组织参数。得出了具体的结论如下。

实际的轮胎接触面积与MPD的增加减少。然而,考虑到人行道与多个层次的差异,这个结论更适用于评价之间的关系人行道属于相同类型和摩擦系数。

轮胎的地面压力强度与上部荷载的增加逐渐增加。然而,它可以被添加压力电影扫描分析,当上负载太大,轮胎接地压力强度逐渐从王冠迁移到轮胎的侧壁。因此,轮胎气压应相应调整在不同负载下,确保轮胎的使用寿命和行车安全。

随着汽车速度加快,所有路面的摩擦系数呈现出明显的下降趋势。通过比较发现,大SMA具有等价的防滑性能,并且没有找到优势的大方面的防滑性能。推断,没有明显的水膜上形成的人行道,所以大的优势在drainage-based抗滑性不能完全体现。换句话说,大可以充分发挥它的防滑优势只有在大的降水。

与火成岩玄武岩和花岗岩相比,石灰石显示瞬时防滑性能方面的差异不显著,表明当聚集的有利的成角状,其耐磨性差不是防滑性能密切相关。

基于正交试验的轮胎摩擦系数在总体结构,充分考虑轮胎压力,速度,和负载,这些因素的影响程度的沥青路面防滑性能排序macrotexture > >显微组织>加载速度。

基于路面防滑性能的影响因素通过前面的结论,BP神经网络添加的回归预测模型对沥青路面摩擦系数。然后验证模型的有效性,和相关系数R2预测值和测量值之间获得0.73,代表着良好的摩擦系数模型的预测精度。

数据可用性

底层数据支持我们的研究结果是可用的http://d.wanfangdata.com.cn/thesis/ChJUaGVzaXNOZXdTMjAyMDEwMjgSCUQwMjAwODI3NxoIZW93czNrMXc%3D。

的利益冲突

作者宣称他们没有利益冲突的报道。

确认

这项工作是由中国国家自然科学基金资助(没有。51608085),广东省科技计划项目(没有。2018 b020207003),基础研究基金为中央大学、冠心病(没有。300102210506),中国博士后科学基金会(没有。2018 m633444),陕西省博士后科学基金会(没有。2018 bshedzz123)授予第一作者。