基于不同纹理路面的多元回归摩擦力预测模型的建立与应用

目录

声明

1 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.2 路面抗滑性能的检测方法

1.2.3 路面抗滑性能的主要研究方向

1.3 研究内容及技术路线

1.3.1 研究内容

1.3.2 技术路线

2 路面抗滑性能的影响因素

2.1 道路因素

2.1.1 材料性质

2.1.2 级配类型

2.1.3 纹理构造

2.1.4 磨损程度

2.1.5 坡度

2.2 环境因素

2.2.1 路表温度

2.2.2 路面附着物

2.3 本章小结

3 沥青路面抗滑性能的试验设计

3.1 沥青车辙板的制作

3.1.1 原材料性质

3.1.2 级配类型

3.1.3 制作流程

3.2 室内试验环境的搭建

3.2.1 温度环境

3.2.2 附着物环境

3.3 室内试验数据的采集工作

3.3.1 摩擦系数的采集

3.3.2 构造深度的采集

3.3.3 温度的采集

3.3.4 坡度的采集

3.4 室外沥青路面数据的采集

3.5 本章小结

4 沥青路面抗滑性能的影响因素相关性分析

4.1 道路因素

4.1.1 级配类型与构造深度的相关性分析

4.1.2 构造深度与抗滑性能的相关性分析

4.1.3 坡度与抗滑性能的相关性分析

4.2 环境因素

4.2.1 温度与抗滑性能的相关性分析

4.2.2 水膜与抗滑性能的相关性分析

4.2.3 结冰与抗滑性能的相关性分析

4.2.4 污染物与抗滑性能的相关性分析

4.3 本章小结

5 多源数据的融合与清洗

5.1 数据的融合

5.2 数据的清洗

5.3 模型数据库的建立

5.3.1 多元线性回归模型经验数据库的建立

5.3.2 人工神经网络模型训练和验证数据库的建立

5.4 本章小结

6 多元回归摩擦力预测模型构建

6.1 AC-13路面摩擦力的分析预测

6.1.1 AC-13新路

6.1.2AC-13旧路

6.2 AC-16路面摩擦力的分析预测

6.2.1 AC-16新路

6.2.2AC-16旧路

6.3 SMA-16旧路摩擦力的分析预测

6.4 多元线性回归摩擦力的预测模型

6.5 本章小结

7 人工神经网络摩擦力预测模型构建

7.1 人工神经网络的介绍

7.2 BP神经网络的数据预测

7.2.1 BP 神经网络的原理介绍

7.2.2 BP 神经网络的数据预测

7.3 径向基函数神经网络的数据预测

7.3.1 径向基神经网络的原理介绍

7.3.2 径向基神经网络模型的数据预测

7.4 预测模型的验证

7.5 本章小结

8 研究结论及展望

8.1 主要研究结论

8.2 研究展望

参考文献

攻读硕士期间发表的学术论文与科研项目

致谢