Application of neuro-fuzzy systems technology for control the density of asphalt concrete mixtures in the paving process

Abstract


The increase in the number of cars and trucks, and the intensity of their use, directly affects the asphalt-concrete road surfaces of roads. This is manifested in the reduction of overhaul terms of operation and large financial costs. Improving the quality and increasing the service life of asphalt concrete pavements of roads is a national economic problem. This problem is solved by improving the regulatory framework, improving the properties of road materials, optimizing and automating technological processes in road construction. Road roller density monitoring and control systems are based on Intelligent Compaction and Continuous Compaction Control technologies. In the Russian Federation, the quality of road surface construction largely depends on the results of the work of pavers, who ensure the acceptance, laying and compaction of mixtures. Many defects in the operation of road surfaces are eliminated by high-quality compaction. Automatic control and control of the sealing process for asphalt pavers have not been developed.The aim of the study is to build a density management system for asphalt pavers based on an intelligent automatic control system with feedback. Real-time prediction of the volume density of the layer, effective manual (operator) and automatic density control is organized to achieve the required quality indicators.The results of the development of a new system for intelligent control of the density asphalt concrete mixtures by pavers is considered. The automatic control system with feedback includes a continuous density control system designed to calculate the seal quality index based on the implementation of the neural network structure algorithm in real time, as well as a neuro-fuzzy PID regulator. The study considers a system with models of control objects of high order – the fourth and sixth orders. The structure of a neuro-fuzzy network of the ANFIS type is proposed. The generation of a fuzzy output system is performed on the basis of the lattice partition method. ANFIS training is performed by a hybrid method on an array of variables obtained as a result of modeling an automatic control system with an analog PID controller. Possible modes of use an intelligent compaction control system: continuous automatic control with manual control of the operating modes of compaction; automatic density control. Automatic measure of density and control compaction modes is aimed at improving the quality of asphalt concrete pavements of roads and improving the quality of asphalt pavements efficiency of technological processes road construction.

Full Text

Повышение качества и увеличение срока службы асфальтобетонных (АБ) покрытий автомобильных дорог является народно-хозяйственной проблемой. За счет получения нормативной объемной плотности асфальтобетонных смесей при уплотнении асфальтоукладчиками и дорожными катками можно устранить до половины всех недостатков АБ-покрытий [1; 2].Асфальтоукладчики обеспечивают приемку АБ-смеси, транспортирование и распределение АБ-смеси по ширине покрытия, ровность поверхности и уплотнение АБ-смесей. Операторы, управляющие асфальтоукладчиками, испытывают значительные физические и умственные нагрузки, что может приводить к ошибкам принятия решений. Все процессы, за исключением процесса уплотнения, в асфальтоукладчиках автоматизированы. Современные асфальтоукладчики имеют высокую уплотняющую способность и могут соответствовать нормативным [3; 4]. Уплотнение АБ-смесей асфальтоукладчиками происходит при температуре 140 ÷ 130 С, когда сопротивление смеси воздействиям уплотнителей меньше. Дорожные катки легкого, среднего и тяжелого типов уплотняют АБ-смеси при 120 ÷ 80 С, что сопровождается повышенным сопротивлением смеси. С возрастанием плотности асфальтобетонных смесей увеличиваются её физико-механические свойства [5; 6]. Это подтверждается зависимостью модуля упругости АБ-смеси от показателя степени уплотнения при различных значениях температуры смеси. Так, при температуре смеси 90 С и степени уплотнения 95 % модуль упругости равен 850 МПа, при 100 С – 600 МПа, при 110 оС – 450 МПа, при 120 оС – 350 МПа, при 130 оС – 280 МПа [7]. С учетом этих экспериментальных данных рекомендуемый оптимальный диапазон температуры АБ-смеси для процесса уплотнения130 ÷ 100оС при изменении модуля упругости 280 МПа ÷ 600 МПа соответственно.За рубежом при строительстве верхних слоев покрытий применяются повышенные скорости укладки смеси. Так, в США скорость укладки составляет до 20 м/мин с обязательным использованием мероприятий по обеспечению уменьшения фракционной и температурной сегрегации смеси, а также автоматическим контролем температуры и нивелированием по ширине покрытия. В странах Европы скорость укладки смесей составляет до 6 ÷ 7 м/мин, а в Российской Федерации – 2 ÷ 5 м/мин. Поэтому в США и Европе повышенное внимание при строительстве уделяется рабочим процессам дорожных катков. Ведущими производителями катков разработаны системы интеллектуального уплотнения (IC – Intelligent Compaction,) и непрерывного контроля уплотнения (CCC – Continuous Compaction Control). Для строительства дорожных покрытий в Российской Федерации актуально применение на асфальтоукладчиках систем непрерывного контроля плотности и автоматического управления процессом уплотнения.

About the authors

A. P. Prokopev

Siberian Federal University

References

  1. Захаренко А.В., До С.Т., Чан В.Л. Рабочий орган асфальтоукладчика // Вестник Иркутского гос. техн. ун-та. – 2013. – № 10 (81). – С. 157–161.
  2. Захаренко А.В., Пермяков В.Б., Молокова Л.В. Дорожные катки: теория, расчет, применение: монография. – СПб.: Издательство «Лань», 2018. – 328 с.
  3. Böhmer P. Untersuchunger uber die Verdichtung – swirkung von Schwarzdecken–fertigern. Baumaschine und Bautechnik. – 1974. – № 7 – 8. – P. 233–238.
  4. Леонович И.И., Буртыль Ю.В. Взаимозависимости ровности покрытия и прочности дорожной одежды // Строительная наука и техника. 2011. – № 1.
  5. Костельов И.П., Пархоменко Д.В. Чем уплотнять асфальтобетон в покрытиях при смене его типа, состояния и толщины слоя // Дорожная техника 2007: каталог-справ. – СПб., 2007. – С. 70–85.
  6. Костельов М.П., Перевалов В.П., Пахаренко Д.В. До какого уровня (китайского, европейского или американского?) следует России поднимать качество строительства и сроки службы своих новых автомобильных дорог // Дорожная техника 2011: каталог-справ. – СПб.: ООО «Славутич», 2011. – С. 13–26.
  7. Improving asphalt pavement intelligent compaction based on differentiated compaction curves / P. Polaczyk, W. Hu, H. Gong, X. Jia, B. Huang // Construction and Building Materials. – 2021. – P. 124125.
  8. Костельов М.П. Функциональные достоинства и недостатки виброкатков для уплотнения асфальтобетона // Дорожная техника 2009: каталог-справ. – СПб.: ООО «Славутич», 2009. – С. 42–52.
  9. Новый метод нейросетевой системы контроля уплотнения асфальтобетонных смесей / А.П. Прокопьев, Ж.И. Набижанов, Р.Т. Емельянов, В.И. Иванчура // Современная наука: актуальные проблемы теории и практики. Серия: Естественные и технические науки. – 2021. – № 9. – С. 65–69.
  10. Прокопьев А.П., Набижанов Ж.И. Нейросетевая система управления процессом уплотнения дорожных материалов асфальтоукладчиками // Инженерный вестник Дона. 2021. – № 10.
  11. К вопросу создания системы непрерывного контроля уплотнения дорожных материалов для асфальтоукладчиков / А.П. Прокопьев, Ж.И. Набижанов, В.И. Иванчура, Р.Т. Емельянов // Программная инженерия. – Т. 12, № 8. – 2021. – С. 413–419.
  12. Прокопьев А.П. Киберфизическая система для управления отрядом дорожных машин в инфраструктурных проектах автомобильного транспорта // Инженерный вестник Дона. – 2022. – № 8.
  13. Data-Driven Platform Framework for Digital Whole-Process Expressway Construction Management / S.Y. Chen, J.X. Zhang, Q.C. Ni, M. Skitmore, P. Ballesteros-Pérez, Y.J. Ke, J. Zuo, H.J. Sun // Front. Neurosci. – 2022. – 16:891772. DOI: 10.3389/ fnins.2022.891772
  14. Piegat A. Fuzzy modeling and control // Stud. Fuzziness Soft Comput. – 2001. – 728 p. doi: 10.1007/978-3-7908-1824-6
  15. Jang J.-S.R. ANFIS: adaptive network based fuzzy inference system // IEEE Transaction Systems, Man and Cybernetics. – 1993. – Vol. 23. – 3. – P. 665–684. doi: 10.1109/21.256541
  16. Прокопьев А.П., Иванчура В.И., Емельянов Р.Т. Параметрический синтез системы управления для объектов высокого порядка // Журнал Сиб. федер. ун-та. Техника и технологии. – 2016. – Т. 9, № 7. – С. 987–993.
  17. Автоматизация неразрушающего контроля уплотнения дорожных материалов: монография / А.П. Прокопьев, Р.Т. Емельянов, В.И. Иванчура, Е.С. Турышева // Сиб. федер. ун-т. – Красноярск: СФУ, 2021. – 156 с.

Statistics

Views

Abstract - 144

PDF (Russian) - 82

Refbacks

  • There are currently no refbacks.

This website uses cookies

You consent to our cookies if you continue to use our website.

About Cookies