Применение технологии нейро-нечетких систем для управления плотностью асфальтобетонных смесей в процессе их укладки

Аннотация


Увеличение количества легкового и грузового транспорта и интенсивность его использования напрямую отражаются на асфальтобетонных дорожных покрытиях автомобильных дорог. Это проявляется в сокращении межремонтных сроков эксплуатации и больших финансовых затратах. Повышение качества и увеличение срока службы асфальтобетонных покрытий автомобильных дорог является народно-хозяйственной проблемой. Эта проблема решается за счет совершенствования нормативной базы, улучшения свойств дорожных материалов, оптимизации и автоматизации технологических процессов в дорожном строительстве. Системы контроля и управления плотностью дорожными катками базируются на технологиях интеллектуального уплотнения (Intelligent Compaction) и непрерывного контроля уплотнения (Continuous Compaction Control). В Российской Федерации качество строительства дорожных покрытий во многом зависят от результатов работы асфальтоукладчиков, которые обеспечивают приемку, укладку и уплотнение смесей. Многие дефекты покрытий при их эксплуатации устраняются за счет обеспечения качественного уплотнения. Системы автоматического контроля и управления процессом уплотнения для асфальтоукладчиков не разработаны. Целью исследования является построение системы управления плотностью на основе интеллектуальной системы автоматического управления с обратной связью. За счет прогнозирования в режиме реального времени значения объемной плотности слоя организуется эффективное ручное (оператором) и автоматическое управление плотностью для достижения требуемых показателей качества. В статье представлены результаты разработки новой системы интеллектуального управления плотностью асфальтобетонных смесей укладчиками. В состав системы автоматического управления с обратной связью входит система непрерывного контроля плотности, предназначенная для вычисления показателя качества уплотнения на базе реализации алгоритма нейросетевой структуры в режиме реального времени, а также нейро-нечеткий ПИД-регулятор. В исследовании рассмотрена система с моделями объектов управления высокого порядка – четвертого и шестого порядков. Предложена структура нейронечеткой сети типа ANFIS. Генерация системы нечеткого вывода выполнена на основе метода решетчатого разбиения. Обучение ANFIS выполнено гибридным методом по массиву переменных, полученных в результате моделирования системы автоматического управления с аналоговым ПИД-регулятором. Возможные режимы использования интеллектуальной системы управления уплотнения: непрерывный автоматический контроль с ручным управлением рабочими режимами уплотнением; автоматическое управление плотностью. Автоматизация контроля плотности и управления режимами уплотнения направлена на улучшение качества асфальтобетонных покрытий автомобильных дорог и повышение эффективности технологических процессов дорожного строительства.

Полный текст

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.

Об авторах

А. П. Прокопьев

Сибирский федеральный университет

Список литературы

  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.

Статистика

Просмотры

Аннотация - 130

PDF (Russian) - 78

Ссылки

  • Ссылки не определены.

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах