原文传递
基于微观技术及机器学习的集料指纹识别技术
| 论文题名： | 基于微观技术及机器学习的集料指纹识别技术 |
| 关键词： | 道路建筑材料;指纹识别;微观技术;机器学习 |
| 摘要： | 集料是道路建筑材料中使用最广的材料，在沥青混合料中其占百分之九十五左右之多，因此集料的质量直接影响着沥青混合料的性能。集料质量的控制是沥青混合料性能质量控制主要手段之一。目前对集料物理和力学性能的检查都需要一定的时间，因此限制了对集料的检查频率。本研究的目的是探索一种快速的集料分类的方法，为集料的质量管理和保证，特别是集料来源提供可靠依据，即利用红外光谱、X射线衍射等材料组份分析方法，利用机器学习技术，实现对集料的指纹识别。 为此，本文首先采集了来自5个不同产地的玄武岩、石灰岩样品及3个不同产地的花岗岩样品的衰减全反射傅里叶变换红外光谱(ATR-FTIR)及X射线衍射图谱，对图谱的规律进行探索。通过对图谱进行平滑、基线校正预处理，分别采用机器学习方法，主要包括主成分分析法、聚类分析法、线性判别分析法，结合图谱数据，研究它们对集料进行产地识别的可能性，建立定性的模型，并把未知样品代入模型中进行检验，来验证这些方法的可靠性；同时探究含泥量及集料粒径大小对其指纹识别技术的敏感性影响。另外应用多层感知器神经网络(MLP)方法对集料红外光谱指纹信息、X射线衍射指纹信息进行分析，分别建立了集料技术指标值的定量预测模型，最后利用未知样品的红外光谱、X射线衍射对两种定量分析模型的预测能力进行验证。主要研究结论如下： 1）利用ATR-FTIR或XRD都可以实现对集料产地的区分。但前者相比较后者，技术具有一定的优越性，测试速度更快、而且仪器便于携带。 2）聚类分析结果与主成分分析结果一致。主成分及聚类分析的模型能够区分集料的产地，Fisher判别函数可以对所有样品有效判别，原始组准确率在96%以上，交叉验证准确率均达94%。 3）集料的含泥量对集料指纹识别技术的影响不大，但是对其集料的粒径大小有要求，集料粒径要大于200目。 4）多层感知器神经网络模型预测集料常规指标有一定的可行性，集料实际值与预测值相关程度较高，平均误差率较低。 |
| 作者： | 王晨晨 |
| 专业： | 建筑与土木工程 |
| 导师： | 沈菊男;王丽丽 |
| 授予学位： | 硕士 |
| 授予学位单位： | 苏州科技大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
