一种非接触式纹理摩擦预测方法

    公开(公告)号:CN117074291B

    公开(公告)日:2024-01-02

    申请号:CN202311339148.3

    申请日:2023-10-17

    Abstract: 本发明公开了一种非接触式纹理摩擦预测方法,包括以下步骤:S1、设置试验路段,获取数据集;S2、使用数据集对纹理摩擦预测网络模型进行训练,得到训练好的纹理摩擦预测网络模型;S3、利用训练好的纹理摩擦预测网络模型对实际压实施工过程中采集的纹理数据进行预测,得到该路段的摩擦性能,完成非接触式纹理摩擦预测,本发明能够实现对刚施工完成的新路面的摩擦性能进行非接触式的准确识别,以判断该路段的初始抗滑性能,避免了接触式检测存在的耗费人工、损伤路面等问题,同时也为未来该路段的抗滑衰变过程提供数据支撑。(56)对比文件CN 116523129 A,2023.08.01CN 115753713 A,2023.03.07CN 115081813 A,2022.09.20CN 109101111 A,2018.12.28CN 103712909 A,2014.04.09JP H03281634 A,1991.12.12CN 111185660 A,2020.05.22CN 115760889 A,2023.03.07CN 110631849 A,2019.12.31US 2009030332 A1,2009.01.29JP 2006103618 A,2006.04.20US 2009116697 A1,2009.05.07US 2015083227 A1,2015.03.26CN 112710660 A,2021.04.27彭毅等.“基于区域三维纹理特征的路面抗滑性能评估”《.东南大学学报(自然科学版)》.2020,第50卷(第4期),第667-676页.彭毅“.基于现场实测三维高精度纹理数据的沥青路面抗滑性能预测研究”《.中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》.2023,(第2期),第1-142页 .Ai, CF et al“.Experimental study of anew modified waterproof asphalt concreteand its performance on bridge deck”《.ROADMATERIALS AND PAVEMENT DESIGN》.2018,第18卷(第S3期),第270-280页.Yang, GW et al.“Convolutional NeuralNetwork-Based Friction Model UsingPavement Texture Data”《.JOURNAL OFCOMPUTING IN CIVIL ENGINEERING》.2018,第32卷(第6期),第1-10页.

Patent Agency Ranking