智能壓實(shí)間接指標(biāo)試驗(yàn)分析與壓實(shí)度預(yù)測(cè)

黃國(guó)卿, 嚴(yán)筱, 楊永剛, 牛迪

(云南省交通規(guī)劃設(shè)計(jì)研究院有限公司，云南 昆明 650041)

壓實(shí)度是路基施工過(guò)程中最重要的指標(biāo)之一，路基壓實(shí)度不足或壓實(shí)不均勻容易造成工后差異沉降，進(jìn)而導(dǎo)致路面出現(xiàn)裂縫、凹陷等病害。傳統(tǒng)的壓實(shí)度主要通過(guò)環(huán)刀法、灌砂法等手段進(jìn)行“點(diǎn)”檢測(cè)，效率低、全面性差及時(shí)效性差等問(wèn)題突出。智能壓實(shí)是根據(jù)土體與振動(dòng)壓路機(jī)相互動(dòng)態(tài)作用原理，基于連續(xù)量測(cè)振動(dòng)壓路機(jī)的響應(yīng)信號(hào)，采用壓實(shí)質(zhì)量實(shí)時(shí)評(píng)估指標(biāo)來(lái)實(shí)現(xiàn)對(duì)整個(gè)碾壓“面”壓實(shí)質(zhì)量的動(dòng)態(tài)監(jiān)測(cè)與控制。壓實(shí)強(qiáng)度和均勻性的判定是智能壓實(shí)系統(tǒng)的重要內(nèi)容，而智能壓實(shí)指標(biāo)是該系統(tǒng)中的關(guān)鍵。

20世紀(jì)80年代以后，路基連續(xù)壓實(shí)檢測(cè)技術(shù)逐漸成為國(guó)際研究熱點(diǎn)，瑞典、德國(guó)、美國(guó)、日本、中國(guó)等國(guó)家都相繼研發(fā)了相應(yīng)的檢測(cè)系統(tǒng)。目前，智能壓實(shí)指標(biāo)主要分為經(jīng)驗(yàn)反應(yīng)類的間接指標(biāo)和基于力學(xué)模型的直接指標(biāo)，前者代表性的有壓實(shí)密度值CMV、連續(xù)壓實(shí)值CCV及諧波總失真THD等，后者有動(dòng)態(tài)模量及動(dòng)態(tài)剛度。一般的經(jīng)驗(yàn)反應(yīng)類間接指標(biāo)都是基于振動(dòng)輪中心處垂向加速度，由于信號(hào)獲取相對(duì)簡(jiǎn)便，且無(wú)需復(fù)雜的力學(xué)模型，目前該類指標(biāo)在智能壓實(shí)中應(yīng)用廣泛，代表性的有瑞典Dynapa公司、德國(guó)Bomag公司、日本Sakai公司等。但理論研究和實(shí)際應(yīng)用均表明，智能壓實(shí)間接指標(biāo)與傳統(tǒng)壓實(shí)度的相關(guān)性不高，且多數(shù)研究側(cè)重于壓實(shí)強(qiáng)度的評(píng)價(jià)，關(guān)于表征壓實(shí)均勻性的研究較少。

該文在分析連續(xù)智能壓實(shí)系統(tǒng)組成的基礎(chǔ)上，首先介紹了3種智能壓實(shí)間接指標(biāo)的計(jì)算方法。同時(shí)，通過(guò)現(xiàn)場(chǎng)試驗(yàn)，對(duì)比分析各指標(biāo)表征不同壓實(shí)遍數(shù)下土體壓實(shí)強(qiáng)度和均勻性的能力；最后，基于3個(gè)智能壓實(shí)間接指標(biāo)，提出采用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)土體壓實(shí)度的方法，以提高智能壓實(shí)間接指標(biāo)的工程適用性。

1 連續(xù)智能壓實(shí)系統(tǒng)組成

基于智能壓實(shí)間接指標(biāo)的連續(xù)智能壓實(shí)系統(tǒng)如圖1所示。主要分為信號(hào)采集、信號(hào)預(yù)處理、間接指標(biāo)計(jì)算及壓實(shí)效果評(píng)價(jià)4個(gè)部分。

圖1 連續(xù)壓實(shí)控制體系

(1) 信號(hào)采集：將加速度計(jì)固定安裝在振動(dòng)輪的中心，實(shí)時(shí)采集壓路機(jī)工作時(shí)的振動(dòng)輪響應(yīng)信號(hào)。

(2) 信號(hào)預(yù)處理：壓路機(jī)的啟動(dòng)停止等會(huì)帶給振動(dòng)信號(hào)一定的噪聲和誤差。振動(dòng)信號(hào)預(yù)處理可以得到真實(shí)振動(dòng)壓實(shí)信號(hào)。預(yù)處理工作主要包括預(yù)濾波、零均質(zhì)、錯(cuò)點(diǎn)剔除以及消除趨勢(shì)項(xiàng)等。

(3) 間接指標(biāo)計(jì)算：將預(yù)處理后的信號(hào)作為輸入源，通過(guò)響應(yīng)的算法計(jì)算智能壓實(shí)間接指標(biāo)CCV、CMV和THD值，各指標(biāo)的定義和計(jì)算將在下文給出。

(4) 壓實(shí)效果評(píng)價(jià)：基于采集的智能壓實(shí)間接指標(biāo)，通過(guò)壓實(shí)的強(qiáng)度和均勻性兩個(gè)方面分別評(píng)價(jià)壓實(shí)的效果，進(jìn)而對(duì)土體壓實(shí)過(guò)程進(jìn)行反饋控制。

2 智能壓實(shí)間接指標(biāo)

振動(dòng)加速度信號(hào)在空振的情況下呈正弦周期信號(hào)，但當(dāng)土體對(duì)振動(dòng)輪產(chǎn)生抵抗力時(shí)，振動(dòng)加速度信號(hào)出現(xiàn)畸變，土體壓實(shí)程度越大畸變?cè)矫黠@，加速度信號(hào)的諧波分量也越多?；诖嗽?，智能壓實(shí)間接指標(biāo)通過(guò)諧波比值大小來(lái)反映路基壓實(shí)程度的振動(dòng)響應(yīng)。

(1) 壓實(shí)密度值CMV

瑞典Dynapa公司認(rèn)為振動(dòng)輪信號(hào)頻率中除了基頻信號(hào)外，一次諧波成分占了主要部分，定義壓實(shí)密度值CMV為基頻幅值a(w0)與二次頻幅值a(2w0)的比值來(lái)反映信號(hào)的畸變程度，如式(1)所示：

(1)

式中：C為一個(gè)靜態(tài)量，根據(jù)實(shí)際情況標(biāo)定，通常取C=300。CMV為一個(gè)無(wú)量綱的相對(duì)值，CMV越大，表明土體的壓實(shí)度越好。但由于實(shí)際上土體對(duì)壓路機(jī)鋼輪的作用不僅僅體現(xiàn)在二次頻信號(hào)上，可能還有其他的諧波，故CMV值一般只適用級(jí)配較為單一的路基土，具有一定的局限性。

(2) 連續(xù)壓實(shí)值CCV

日本曾對(duì)瑞典的壓實(shí)計(jì)法進(jìn)行過(guò)較細(xì)致的研究，發(fā)現(xiàn)振動(dòng)響應(yīng)信號(hào)頻譜成分極具復(fù)雜性，CMV在很多情況下并不能正確反映填筑體的壓實(shí)程度。因此，考慮多次諧波成分的連續(xù)壓實(shí)值CCV更適用于復(fù)雜級(jí)配的土體，如式(2)所示。CCV越大，表明土體的壓實(shí)度越好。然而，CCV值只是將不同諧波的振幅進(jìn)行了簡(jiǎn)單的累加，因此該指標(biāo)更適用于畸變信號(hào)明顯的場(chǎng)景，在壓路機(jī)弱振狀態(tài)下具有明顯的缺點(diǎn)。

CCV=

×100

(2)

(3) 總諧波失真THD

Mooney提出總諧波失真THD可作為填料壓實(shí)狀態(tài)的評(píng)價(jià)指標(biāo)，THD是碾壓輪n次諧波分量振幅的均方根與基波振幅的比值，定義如式(3)所示：

(3)

式中:a(w0)為加速度頻譜中的基頻振幅；a(nw0)為加速度頻譜中的n次諧波分量振幅。

總諧波失真THD越大，碾壓輪加速度的諧波分量越多，表明土層越堅(jiān)硬，壓實(shí)程度越高。但是，THD的n值并未明確給定，且該指標(biāo)錯(cuò)失了半諧波，對(duì)于含有剛性下臥層的路基土適用性較差。

3 智能壓實(shí)間接指標(biāo)試驗(yàn)分析

3.1 實(shí)例描述

選用國(guó)產(chǎn)單鋼輪振動(dòng)壓路機(jī)開(kāi)展路基土碾壓試驗(yàn)。試驗(yàn)對(duì)象為上海市寶山區(qū)某交叉口的新翻待碾雜填土，土質(zhì)松散較為均勻，屬于黏性土。選取現(xiàn)場(chǎng)50 m×6 m的矩形作為壓路機(jī)的活動(dòng)區(qū)域。

3.2 試驗(yàn)場(chǎng)景

采用環(huán)刀法測(cè)量土體的傳統(tǒng)壓實(shí)度，試驗(yàn)方案為每隔5 m放置一個(gè)采樣點(diǎn)，壓路機(jī)每碾壓一遍取一個(gè)環(huán)刀。試驗(yàn)選取了8個(gè)樣本點(diǎn)，碾壓3遍，一共收集24個(gè)有效樣本。

在試驗(yàn)中，記下壓路機(jī)壓過(guò)標(biāo)記點(diǎn)的絕對(duì)時(shí)間，讀取傳感器數(shù)據(jù)中該時(shí)刻前后0.2 s內(nèi)的加速度序列作為該點(diǎn)的壓實(shí)振動(dòng)反應(yīng)，并處理后得到智能壓實(shí)的間接指標(biāo)。

3.3 結(jié)果分析

3.3.1 不同壓實(shí)遍數(shù)

為了橫向比較不同智能壓實(shí)間接指標(biāo)在壓實(shí)遍數(shù)后的狀態(tài)，對(duì)收集的數(shù)據(jù)進(jìn)行歸一化處理：

(4)

式中：X為智能壓實(shí)間接指標(biāo)序列集合；x為序列集合的元素；x′為x歸一化后的數(shù)據(jù)。

CMV、CCV和THD3個(gè)間接指標(biāo)歸一化后隨壓實(shí)遍數(shù)的分布如圖2所示。在振動(dòng)碾壓輪作用下，土顆粒越來(lái)越緊密，土體的密實(shí)度越來(lái)越高，因此隨著壓實(shí)遍數(shù)的增加，土體的壓實(shí)度也增大。相鄰的碾壓遍數(shù)之間，如果歸一化后間接指標(biāo)的差值越大，則表明該指標(biāo)能表征壓實(shí)狀態(tài)的能力越強(qiáng)。，整體上看，CMV、CCV和THD都基本能區(qū)分土體的不同壓實(shí)遍數(shù)，但THD指標(biāo)在第2遍和第3遍的折線存在部分交織，故該指標(biāo)的性能比CMV和CCV更差。CMV和CCV指標(biāo)普遍呈現(xiàn)第2遍和第3遍之間的差值，比第1遍和第2遍更高的趨勢(shì)，表明振動(dòng)壓路機(jī)對(duì)土體的第3遍碾壓效果最好。

圖2 不同壓實(shí)遍數(shù)對(duì)智能壓實(shí)間接指標(biāo)的影響

3.3.2 不同的間接指標(biāo)

智能壓實(shí)間接指標(biāo)與傳統(tǒng)壓實(shí)度之間的關(guān)系如圖3所示。由圖3可見(jiàn)：① 3個(gè)間接指標(biāo)隨著傳統(tǒng)壓實(shí)度的增加而呈現(xiàn)增加的趨勢(shì)。從定性上看，3個(gè)間接指標(biāo)都基本能描述傳統(tǒng)壓實(shí)度的變化；② 用線性模型擬合這3種趨勢(shì)，不同間接指標(biāo)與傳統(tǒng)壓實(shí)度之間的相關(guān)性不同，3個(gè)指標(biāo)的相關(guān)系數(shù)表明對(duì)于該文試驗(yàn)的黏性土而言，整體上CMV的相關(guān)性最好，CCV次之，THD最差；CMV和CCV在第3遍(高壓實(shí)度)采集的數(shù)據(jù)較為離散，而THD在第1遍(低壓實(shí)度)采集的數(shù)據(jù)較為離散。這是因?yàn)橥恋男再|(zhì)、碾壓遍數(shù)都將影響土體對(duì)振動(dòng)輪的抵抗力，導(dǎo)致加速度信號(hào)的畸變程度不同，進(jìn)而影響各個(gè)間接指標(biāo)。因此，在智能壓實(shí)間接指標(biāo)實(shí)際使用時(shí)，應(yīng)該盡可能多取樣進(jìn)行相關(guān)性標(biāo)定，且應(yīng)該根據(jù)不同性質(zhì)的碾壓土選取更為合適的間接指標(biāo)。

圖3 智能壓實(shí)間接指標(biāo)與傳統(tǒng)壓實(shí)度之間的關(guān)系

3.3.3 壓實(shí)均勻性

壓實(shí)不均勻?qū)?dǎo)致路基在行車荷載作用下的不均勻沉降，因此同一路基填筑區(qū)域的壓實(shí)均勻性非常重要。在同一區(qū)域內(nèi)，可采用壓實(shí)同一遍的壓實(shí)指標(biāo)變異系數(shù)描述壓實(shí)的均勻性。變異系數(shù)越小，表明區(qū)域內(nèi)各點(diǎn)的壓實(shí)差異越小，則均勻性就越好，工后差異沉降的概率就越小。變異系數(shù)C的計(jì)算如式(5)所示：

(5)

式中：s為同一區(qū)域、壓實(shí)同一遍后的壓實(shí)值標(biāo)準(zhǔn)差；u為平均值。

表1為不同壓實(shí)遍數(shù)下各壓實(shí)指標(biāo)的變異系數(shù)。

表1 不同壓實(shí)遍數(shù)下各指標(biāo)的變異系數(shù)

由表1可見(jiàn)：隨著壓實(shí)遍數(shù)的增加，傳統(tǒng)壓實(shí)度的變異系數(shù)呈現(xiàn)越來(lái)越小的趨勢(shì)，到第3遍的變異系數(shù)僅為0.015，這表明只要壓路機(jī)行駛路徑覆蓋均勻，通過(guò)控制壓實(shí)遍數(shù)可控制土體壓實(shí)的均勻性。同時(shí)，CMV、CCV和THD3個(gè)智能壓實(shí)間接指標(biāo)的變異系數(shù)也隨著壓實(shí)遍數(shù)的增加而減小，因此定性上看，這3個(gè)指標(biāo)都能表征黏土壓實(shí)后越來(lái)越均勻的趨勢(shì)。但是，3個(gè)智能壓實(shí)間接指標(biāo)的變異系數(shù)是傳統(tǒng)壓實(shí)度的10倍，兩者基本相差了一個(gè)數(shù)量級(jí)，因此從均勻性的角度，單個(gè)智能壓實(shí)間接指標(biāo)表征土體壓實(shí)的均勻性仍不太理想。

4 基于BP神經(jīng)網(wǎng)絡(luò)的壓實(shí)度預(yù)測(cè)分析

4.1 模型的建立及預(yù)測(cè)

連續(xù)智能壓實(shí)系統(tǒng)中對(duì)土體壓實(shí)強(qiáng)度的判定是基于智能壓實(shí)間接指標(biāo)和傳統(tǒng)壓實(shí)度之間的相關(guān)性。BP神經(jīng)網(wǎng)絡(luò)是一種按照誤差逆向傳播算法訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò)，對(duì)多輸入-單輸出的映射關(guān)系具有較強(qiáng)的適用性。該文通過(guò)3層BP神經(jīng)網(wǎng)絡(luò)(3-5-1)建立傳統(tǒng)壓實(shí)度與CMV、CCV和THD之間的映射關(guān)系，如圖4所示。

(1) 輸入層：輸入層采用3個(gè)智能壓實(shí)間接指標(biāo)：CMV、CCV、THD。該文用前7個(gè)樣本點(diǎn)的3遍數(shù)據(jù)

圖4 BP神經(jīng)網(wǎng)絡(luò)建立傳統(tǒng)壓實(shí)度和智能壓實(shí)間接指標(biāo)的映射關(guān)系

(共21個(gè))作為訓(xùn)練的樣本數(shù)據(jù)。

(2) 隱含層：隱含層含有5個(gè)單元數(shù)量。

(3) 輸出層：用對(duì)應(yīng)的21個(gè)傳統(tǒng)壓實(shí)度數(shù)據(jù)作為訓(xùn)練網(wǎng)絡(luò)的輸出層。

該文采用第8個(gè)樣本的3遍壓實(shí)數(shù)據(jù)作為驗(yàn)證數(shù)據(jù)。同時(shí)，為了與各指標(biāo)線性模型的預(yù)測(cè)能力進(jìn)行對(duì)比，由21個(gè)數(shù)據(jù)分別擬合的CMV、CCV和THD與傳統(tǒng)壓實(shí)度的線性模型如式(6)～(8)所示。

CMV:y=3.824 7x-302.97,R2=0.647 9

(6)

CCV:y=2.208 3x-167.38,R2=0.587 3

(7)

THD:y=0.328 7x-24.52,R2=0.538 2

(8)

最終得到的BP神經(jīng)網(wǎng)絡(luò)和3個(gè)線性模型的預(yù)測(cè)值如表2所示。從預(yù)測(cè)值與真實(shí)值的誤差百分比來(lái)看，BP神經(jīng)網(wǎng)絡(luò)的誤差最小，預(yù)測(cè)能力最強(qiáng)；相比CMV、CCV和THD單指標(biāo)線性模型，BP神經(jīng)網(wǎng)絡(luò)的平均誤差可分別下降55%、67%和58%。

4.2 模型預(yù)測(cè)結(jié)果的均勻性

采用上述訓(xùn)練好的3層BP神經(jīng)網(wǎng)絡(luò)(3-5-1)預(yù)估各樣本的傳統(tǒng)壓實(shí)度值，并根據(jù)式(5)統(tǒng)計(jì)每遍的變異系數(shù)。最終，各指標(biāo)在不同壓實(shí)遍數(shù)下變異系數(shù)分布如圖5所示。由圖5可見(jiàn)，BP神經(jīng)網(wǎng)絡(luò)方法對(duì)應(yīng)的變異系數(shù)介于傳統(tǒng)壓實(shí)度和單指標(biāo)之間，變異系數(shù)都控制在0.1以下。圖5表明采用BP神經(jīng)網(wǎng)絡(luò)聯(lián)合CMV、CCV和THD3個(gè)指標(biāo)進(jìn)行壓實(shí)度綜合預(yù)測(cè)，更能貼近原來(lái)的傳統(tǒng)壓實(shí)度的均勻性，故BP神經(jīng)網(wǎng)絡(luò)模型適用性更強(qiáng)。

智能壓實(shí)間接指標(biāo)都是通過(guò)信號(hào)的畸變程度來(lái)側(cè)面反映路基的壓實(shí)狀態(tài)，由于CMV、CCV和THD的側(cè)重點(diǎn)不同，三者對(duì)不同土體的適應(yīng)性也不一樣。但是，這種經(jīng)驗(yàn)類指標(biāo)很難完全量化對(duì)各種土體的適應(yīng)性，而通過(guò)BP神經(jīng)網(wǎng)絡(luò)隱式關(guān)系將這三者綜合起來(lái)，將會(huì)增加預(yù)測(cè)土體壓實(shí)度的準(zhǔn)確性和魯棒性。從預(yù)測(cè)路基壓實(shí)的強(qiáng)度和均勻性上看，基于多指標(biāo)的BP神經(jīng)網(wǎng)絡(luò)模型比單一指標(biāo)更有效。該文數(shù)據(jù)量樣本較少，24個(gè)樣本量訓(xùn)練得到的BP神經(jīng)網(wǎng)絡(luò)模型在壓實(shí)強(qiáng)度預(yù)測(cè)誤差上能減少50%，變異系數(shù)能降低55%以上。在實(shí)際工程中，隨著實(shí)測(cè)數(shù)據(jù)有效樣本的增加，BP神經(jīng)網(wǎng)絡(luò)模型將得到更好的訓(xùn)練，輸入層和輸出層之間的隱式關(guān)系更為可靠。因此，在路基連續(xù)壓實(shí)系統(tǒng)中，采用人工智能算法建立智能壓實(shí)間接指標(biāo)與傳統(tǒng)壓實(shí)指標(biāo)的關(guān)系更為合理，工程適用性強(qiáng)。

表2 BP神經(jīng)網(wǎng)絡(luò)和3個(gè)線性模型的預(yù)測(cè)值

圖5 不同壓實(shí)遍數(shù)和不同指標(biāo)變異性的分布

5 結(jié)論

(1) 分析了連續(xù)智能壓實(shí)系統(tǒng)的組成，明確了壓實(shí)強(qiáng)度和均勻性的判定是智能壓實(shí)系統(tǒng)的重要內(nèi)容，介紹了3種智能壓實(shí)間接指標(biāo)計(jì)算方法。

(2) 采用同一區(qū)域內(nèi)智能壓實(shí)指標(biāo)的變異系數(shù)可描述壓實(shí)的均勻性，施工中填筑路基土應(yīng)進(jìn)行多遍壓實(shí)，但單個(gè)智能壓實(shí)間接指標(biāo)表征土體壓實(shí)強(qiáng)度和均勻性的能力有限。

(3) 通過(guò)3層BP神經(jīng)網(wǎng)絡(luò)建立了傳統(tǒng)壓實(shí)度與CMV、CCV和THD之間的映射關(guān)系，驗(yàn)證了采用人工智能算法可有效提高智能壓實(shí)間接指標(biāo)的工程適應(yīng)性。