详情

原文传递高速公路沥青路面芯样的细观力学参数反演及开裂模拟

论文题名：	高速公路沥青路面芯样的细观力学参数反演及开裂模拟
关键词：	沥青路面;开裂行为;现场芯样;离散元法;细观力学参数;数值模拟
摘要：	长久以来，沥青路面开裂性能评价及预测一直是道路工程领域热点问题之一。传统的在役路面开裂性能评价是以宏观唯象试验为基础，基于材料均质化假设，虽能直接获得材料参数指标，但是与沥青混合料多相、非均质特性不符，无法揭示材料的细观破坏过程及机理。而离散元法作为最为常用的数值模拟方法之一，能够较好弥补室内试验的局限性，但是材料参数获取阻碍了研究者对于现场芯样离散元模拟的研究。一般而言，在离散元数值模拟中，将沥青混合料简化为集料、沥青砂浆和空隙三种介质，但是，区别于室内成型试件，现场芯样的各项介质的材料参数无法通过室内成型对应材料、对应级配的试件进行测试获得。而另一种的离散元材料参数的获取方法是“试错法”，其具有工作量大、盲目性强的局限性。　　因此，本文基于现场芯样试验获得的宏观试验数据，以离散元为研究手段，通过神经网络反演出现场芯样对应的细观力学参数，并将反演得到的细观力学参数输入到离散元劈裂模型中，通过数值模拟研究在役沥青路面现场芯样的开裂行为，为获取沥青混合料材料参数提供新的途径。同时，通过对在役沥青路面芯样开裂特性的数值模拟进行研究，为沥青混合料开裂行为研究进行新的补充，以及为沥青混合料数字化设计与检测奠定基础。本文主要研究内容以及获得的成果总结如下：　　（1）开展了现场芯样CT扫描试验，得到芯样内部细观结构以及各组分的分布情况，为数值模型的建立奠定了基础。随后，进行了芯样半圆弯曲试验，获得了宏观力学响应，为细观参数反演提供数据支撑。　　（2）提出了一种基于神经网络和离散元模拟的细观材料参数反演方法。通过离散元模拟不同细观参数组合下的试件力学响应情况，构建神经网络样本数据集，并对神经网络进行训练和调试，采用差异进化算法对神经网络进行改进，其预测精度达到90%以上，较之于BP神经网络提高约3%。最后，通过寻优算法进行参数反演，经过验证，其力学响应与室内试验具有较好的一致性。　　（3）建立了现场芯样劈裂试验离散元模型，其模拟结果与同路段芯样试验值峰值荷载误差分别为1.9%、3.0%和1.4%，其对应的位移误差分别为6.2%、23%和20.8%，进一步验证了反演参数的合理性。　　（4）从位移场、颗粒接触以及裂缝分布情况对芯样劈裂试验开裂机理进行分析，结果表明：劈裂过程中呈现出明显的端部效应，位移场随中轴线呈现出对称分布，而裂缝数量在峰值荷载之前增长缓慢，峰值荷载之后迅速增长，并且剪切裂缝数量约为拉伸裂缝的2.5倍。　　（5）对不同加载速率以及不同空隙率情况下的劈裂试验进行模拟，结果表明加载速率与峰值荷载之间存在正相关关系，而空隙率与峰值荷载之间存在负相关关系。
作者：	汪彪
专业：	道路与铁道工程
导师：	Robert L.Lytton
授予学位：	硕士
授予学位单位：	武汉理工大学
学位年度：	2022