[發明專利]一種基于機器學習的瀝青動態黏彈特性預測方法

有效

• 申請號: 202110975355.2
• 申請日: 2021-08-24
• 公開（公告）號: CN113533133B
• 公開（公告）日: 2022-02-15
• 發明（設計）人: 單麗巖;王亞杰;楊金龍;王建杰
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G01N11/00
• 分類號: G01N11/00;G01N21/35;G06K9/62;G06N20/00
• 代理公司: 哈爾濱龍科專利代理有限公司 23206
• 代理人: 李智慧

本發明公開了一種基于機器學習的瀝青動態黏彈特性預測方法，所述方法采用動態剪切流變儀測試了樣本的動態黏彈特性，采用元素分析儀和紅外光譜儀測試了樣本的微觀組成結構；運用主成分分析法對微觀組成結構參數進行了特征提??；通過距離相關系數法確定了動態黏彈特性參數與微觀組成結構參數間的映射關系；建立了基于支持向量機機器學習算法的瀝青動態黏彈特性預測模型。該方法揭示了瀝青材料動態黏彈特性與微觀組成結構間的對應關系，有利于快速獲取瀝青的動態黏彈力學響應，為瀝青材料的設計生產提供了基礎理論支撐，對于指導瀝青及其他材料的按需設計具有積極意義。

技術領域

本發明屬于瀝青材料性能預測領域，涉及一種基于機器學習的瀝青動態黏彈特性預測方法。

背景技術

黏彈特性是瀝青材料的本質屬性，其力學行為對路用性能具有直接影響，采用黏彈性理論研究分析瀝青的力學響應規律，為解決瀝青與瀝青混合料評價及使用中存在的問題提供了積極參考。動態模量是反應動態黏彈特性的關鍵特性之一，該特性與路面永久變形、裂縫及車轍等病害息息相關，也是瀝青路面結構設計體系由靜態轉為動態的關鍵所在。瀝青的微觀組成結構對其動態黏彈特性有重要影響，開展微觀組成結構與宏觀性能的相關關系研究，是新材料研發過程中的關鍵步驟。

瀝青動態黏彈特性與微觀組成結構關系的建立是預測瀝青黏彈特性以及實現瀝青按流變設計的核心和關鍵。目前，瀝青黏彈特性與微觀組成結構關系主要分為組成與流變的多變量擬合函數關系和微觀-細觀-宏觀多尺度對應關系。然而，由于瀝青微觀組成結構的復雜性，現有關系模型主要存在以下問題：(1)模型預測的性能單一；(2)材料、環境等因素的改變會嚴重降低模型的準確性；(3)多尺度對應關系模型建立過程極其復雜，難以推廣應用等。

相對于傳統的統計計算方法，機器學習具有預測精度高、運算速度快等特點，逐漸成為科研領域工作人員的得力研究工具，其核心在于利用算法學習數據、解析數據、訓練模型，從而預測未知數據。目前，機器學習已被廣泛應用于材料宏觀性能定量構效關系的構建，在生物、化學、自動化等領域蓬勃發展。近些年，機器學習方法也被逐漸應用于道路領域，基于機器學習理論建立瀝青動態黏彈特性預測模型是目前建立瀝青微觀組成結構與黏彈性能關系的最有效途徑。

發明內容

針對瀝青宏微觀性質復雜導致難以建立相關關系的問題，本發明提供了一種基于機器學習的瀝青動態黏彈特性預測方法。該方法揭示了瀝青材料動態黏彈特性與微觀組成結構間的對應關系，有利于快速獲取瀝青的動態黏彈力學響應，為瀝青材料的設計生產提供了基礎理論支撐，對于指導瀝青及其他材料的按需設計具有積極意義。

本發明的目的是通過以下技術方案實現的：

一種基于機器學習的瀝青動態黏彈特性預測方法，包括如下步驟：

步驟一：采用動態剪切流變儀、元素分析儀、紅外光譜儀對不同瀝青樣本進行測試，建立基于CAM模型的動態模量主曲線，獲取樣本的元素含量及紅外光譜曲線；

步驟二：選擇各個樣本的動態模量主曲線移位因子參數C₁、C₂，形狀參數k、m_e，玻璃態動態模量G_g，以及交叉頻率f_c構建宏觀特征參數數據集，選擇各個樣本的C、H、N、S、O元素含量，C/H與C/N及紅外光譜特征峰峰高與峰面積構建微觀特征參數數據集；

步驟三：利用均值化方法對數據集數據進行去量綱處理，計算經均值化處理后數據的方差；

步驟四：計算步驟三得到的微觀特征參數的Pearson相關系數，基于主成分分析對選取的具有較大Pearson相關系數的微觀特征參數進行降維，替換為較少的新特征參數V₁、V₂…；