[發明專利]一種路基壓實參數調節方法、裝置、設備及可讀存儲介質

有效

• 申請號: 202110282047.1
• 申請日: 2021-03-16
• 公開（公告）號: CN112712302B
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 楊長衛;岳茂;張良;童心豪
• 申請（專利權）人: 西南交通大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/04;G06N3/04;G06N3/08
• 代理公司: 北京集智東方知識產權代理有限公司 11578
• 代理人: 陳亞斌;關兆輝

1.一種路基壓實參數調節方法，其特征在于，包括：

步驟S1、獲取當前壓實遍數下振動壓路機的第一實際振動參數和路基的第一實際土體參數，所述振動壓路機的第一實際振動參數包括振動壓路機的第一實際壓實遍數、振動壓路機的第一實際加速度數據、振動壓路機的第一實際頻率和振動壓路機的第一實際激振力，所述路基的第一實際土體參數包括路基第一實際沉降量和路基填料級配的第一實際曲率系數；

步驟S2、基于所述振動壓路機的第一實際加速度數據，得到路基的第一實際壓實能量指標；

步驟S3、利用GRNN神經網絡模型獲取所述路基的第一實際壓實能量指標、所述振動壓路機的第一實際振動參數和所述路基的第一實際土體參數，得到構建好的GRNN神經網絡模型；

步驟S4、獲取進行下一遍壓實時預測的振動壓路機的振動參數和預測的路基的土體參數，利用所述構建好的GRNN神經網絡模型，得到路基的第一壓實能量指標預測值；

步驟S5、基于所述路基的第一壓實能量指標預測值，得到需要調整的第一振動參數，以指導所述振動壓路機進行下一遍壓實時對振動參數的調整；

其中，所述步驟S4，包括：

獲取進行下一遍壓實時預測的振動壓路機的壓實遍數、預測的振動壓路機的加速度數據、預測的振動壓路機頻率和預測的振動壓路機激振力；

提取所述預測的振動壓路機的加速度數據中的最大值，得到預測的振動壓路機的加速度峰值；

獲取路基填料的曲率系數關于壓實遍數的擬合曲線；

基于所述預測的振動壓路機的壓實遍數和所述路基填料的曲率系數關于壓實遍數的擬合曲線，得到預測的路基的土體參數，所述預測的路基的土體參數包括預測的路基沉降量和預測的路基填料的級配曲率系數；

基于所述預測的振動壓路機的壓實遍數、預測的振動壓路機的加速度峰值、預測的振動壓路機頻率、預測的振動壓路機激振力和預測的路基的土體參數，利用構建好的GRNN神經網絡模型，得到路基的第一壓實能量指標預測值。

2.根據權利要求1所述的路基壓實參數調節方法，其特征在于，所述步驟S2，包括：

對所述振動壓路機的第一實際加速度數據進行經驗模態分解，得到分解量，對所述分解量行進希爾伯特-黃變換，得到Hilbert幅值譜；

對所述Hilbert幅值譜進行時間積分，得到振動信號的邊際譜曲線；

對所述振動信號的邊際譜曲線進行求和，得到路基的壓實能量指標。

3.根據權利要求1所述的路基壓實參數調節方法，其特征在于，所述步驟S3，包括：

提取所述振動壓路機的第一實際加速度數據中的最大值，得到振動壓路機的加速度峰值；

對所述路基的第一實際壓實能量指標、振動壓路機的第一實際壓實遍數、振動壓路機的加速度峰值、振動壓路機的第一實際頻率、振動壓路機的第一實際激振力和路基的第一實際土體參數進行歸一化處理，得到處理后的數據；

獲取GRNN神經網絡模型的參數設定值，所述GRNN神經網絡模型的參數包括所述GRNN神經網絡模型的光滑因子，得到設定之后的GRNN神經網絡模型；

利用設定之后的GRNN神經網絡模型獲取所述處理后的數據，得到構建好的GRNN神經網絡模型。