[發(fā)明專利]基于深度學(xué)習(xí)的水泥乳化瀝青混合料收縮行為預(yù)測方法在審
| 申請?zhí)枺?/td> | 202011015497.6 | 申請日: | 2020-09-24 |
| 公開(公告)號: | CN112185486A | 公開(公告)日: | 2021-01-05 |
| 發(fā)明(設(shè)計)人: | 王振軍;沙愛民;羅陽明;郭豪彥;童崢;陳華梁;劉佳 | 申請(專利權(quán))人: | 長安大學(xué) |
| 主分類號: | G16C60/00 | 分類號: | G16C60/00;G06N3/04;G06N3/08;G06K9/62;G06T7/00 |
| 代理公司: | 西安睿通知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 61218 | 代理人: | 惠文軒 |
| 地址: | 710064 *** | 國省代碼: | 陜西;61 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 深度 學(xué)習(xí) 水泥 乳化 瀝青 混合 收縮 行為 預(yù)測 方法 | ||
1.基于深度學(xué)習(xí)的水泥乳化瀝青混合料收縮行為預(yù)測方法,其特征在于,包括以下步驟:
步驟1,確定與水泥乳化瀝青混合料的微觀圖像、XRD圖譜對應(yīng)的圖像生成設(shè)計參數(shù)x1及收縮性能設(shè)計參數(shù)x2;將n組已設(shè)計完成的水泥乳化瀝青混合料數(shù)據(jù)作為待訓(xùn)練數(shù)據(jù),將每組已設(shè)計完成的水泥乳化瀝青混合料數(shù)據(jù)劃分為圖像生成數(shù)據(jù)和收縮性能數(shù)據(jù);構(gòu)建圖像生成訓(xùn)練樣本集;
其中,n>200;所述圖像生成設(shè)計參數(shù)x1包含CEAC配合比、水泥主要成分含量、水泥密度、凝結(jié)時間、乳化瀝青蒸發(fā)殘留物含量、集料主要成分含量和養(yǎng)護(hù)時間;每組圖像生成數(shù)據(jù)包含一組已設(shè)計完成的水泥乳化瀝青混合料的圖像生成設(shè)計參數(shù)或一幅真實微觀掃描圖像、一幅真實XRD圖譜;一組圖像生成數(shù)據(jù)為一組圖像生成訓(xùn)練樣本;所述收縮性能設(shè)計參數(shù)x2包含水泥3天抗壓強度、水泥28天抗壓強度、水泥主要成分含量、水泥凝結(jié)時間、瀝青的針入度、瀝青軟化點、瀝青延度、集料級配、表觀相對密度、壓碎值和磨耗值;每組收縮性能數(shù)據(jù)包含已設(shè)計完成的水泥乳化瀝青混合料的收縮性能設(shè)計參數(shù)和收縮率;圖像生成訓(xùn)練樣本集中的數(shù)據(jù)包含n組已設(shè)計完成的水泥乳化瀝青混合料的圖像生成設(shè)計參數(shù)x1和通過高斯隨機噪聲z擴充得到的n組參數(shù)x1′,高斯隨機噪聲服從N(0,1)分布,a為x1的維度;
步驟2,根據(jù)圖像生成訓(xùn)練樣本集,對應(yīng)構(gòu)建生成對抗網(wǎng)絡(luò)模型;采用圖像生成訓(xùn)練樣本集對生成對抗網(wǎng)絡(luò)進(jìn)行訓(xùn)練,得到訓(xùn)練完成的生成對抗網(wǎng)絡(luò)模型;
其中,所述生成對抗網(wǎng)絡(luò)模型包含兩個并行的生成對抗網(wǎng)絡(luò)GAN 1和GAN 2,GAN 1對應(yīng)生成XRD圖譜y1及GAN 2對應(yīng)生成微觀掃描圖像y2;
步驟3,根據(jù)收縮性能數(shù)據(jù),建立收縮性能訓(xùn)練樣本集,對應(yīng)構(gòu)建收縮性能深度神經(jīng)網(wǎng)絡(luò);采用收縮性能訓(xùn)練樣本集對收縮性能深度神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,得到收縮性能預(yù)測模型;
其中,每組訓(xùn)練樣本包含一組收縮性能數(shù)據(jù)和由訓(xùn)練完成的生成對抗網(wǎng)絡(luò)生成的對應(yīng)XRD圖譜y1及微觀掃描圖像y2;
步驟4,給定待預(yù)測水泥乳化瀝青混合料的圖像生成設(shè)計參數(shù)和收縮性能設(shè)計參數(shù),將圖像生成設(shè)計參數(shù)輸入訓(xùn)練完成的生成對抗網(wǎng)絡(luò),輸出生成XRD圖譜和生成微觀掃描圖像;將該輸出數(shù)據(jù)和收縮性能設(shè)計參數(shù)組合輸入收縮性能預(yù)測模型,輸出待預(yù)測水泥乳化瀝青混合料的收縮率預(yù)測值。
2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的水泥乳化瀝青混合料收縮行為預(yù)測方法,其特征在于,所述CEAC配合比包含水泥、瀝青和水占集料質(zhì)量的百分比;水泥主要成分含量為水泥主要成分的質(zhì)量分?jǐn)?shù),水泥主要成分包含SiO2、CaO、Al2O3、Fe2O3、MgO、SO3、f-CaO、C3S、C2S、C3A和C4AF;集料主要成分含量包含CaO的質(zhì)量分?jǐn)?shù)和SiO2的質(zhì)量分?jǐn)?shù)。
3.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的水泥乳化瀝青混合料收縮行為預(yù)測方法,其特征在于,所述生成對抗神經(jīng)網(wǎng)絡(luò)包含生成器和判別器,所述生成器為反卷積神經(jīng)網(wǎng)絡(luò),其由多個反卷積層、高斯隨機場和SVMs組成;所述判別器包含輸入層、卷積層、池化層、全連接層和輸出層。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于長安大學(xué),未經(jīng)長安大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202011015497.6/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 根據(jù)用戶學(xué)習(xí)效果動態(tài)變化下載學(xué)習(xí)數(shù)據(jù)的系統(tǒng)及方法
- 用于智能個人化學(xué)習(xí)服務(wù)的方法
- 漸進(jìn)式學(xué)習(xí)管理方法及漸進(jìn)式學(xué)習(xí)系統(tǒng)
- 輔助學(xué)習(xí)的方法及裝置
- 基于人工智能的課程推薦方法、裝置、設(shè)備及存儲介質(zhì)
- 基于強化學(xué)習(xí)的自適應(yīng)移動學(xué)習(xí)路徑生成方法
- 一種線上視頻學(xué)習(xí)系統(tǒng)
- 一種基于校園大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)方法、裝置及設(shè)備
- 一種學(xué)習(xí)方案推薦方法、裝置、設(shè)備和存儲介質(zhì)
- 游戲?qū)W習(xí)效果評測方法及系統(tǒng)





