Облегченное усовершенствованное покрытие дорог это: ВСН 46-83 Инструкция по проектированию дорожных одежд нежесткого типа

Содержание

Строительство дорог – цена от 1050 руб. за м2

Укладка асфальтобетонной смеси (мелкозернистая, тип Б, марка I)

Укладка асфальтобетонной смеси

м2

от 420 ₽/м2

Строительство основания щебеночного

м2

от 190 ₽/м2

Устройство основания песчаного

м2

от 90 ₽/м2

Устройство корыта для дорожных одежд с вывозом грунта и планировкой территории под отметку

Устройство корыта для дорожных одежд

м2

от 350 ₽/м2

Укладка асфальтобетонной смеси (мелкозернистая, тип Б, марка I)

Укладка асфальта

м2

от 420 ₽/м2

Демонтаж текущего + устройство нового асфальтового покрытия

Замена асфальта

м2

от 600 ₽/м2

Укладка асфальтобетонной смеси (крупнозернистая, тип Б, марка I)

м2

от 420 ₽/м2

Устройство асфальтобетонного покрытия (ЩМА) (С использованием инновационных полимер-модифицированных технологий ORBITON)

м2

от 640 ₽/м2

Ямочный ремонт дорожного покрытия

Ямочный ремонт

м2

от 570 ₽/м2

Устройство основания из асфальтной крошки

м2

от 170 ₽/м2

Устройство бетонного основания с армированием сеткой

м2

от 590 руб/м2

Установка бортовых камней БР 100. 30.15

п.м.

от 700 руб/п.м.

Установка газонных камней БР 60.20.8

п.м.

от 500 руб/п.м.

Демонтаж бортового камня с погрузкой и вывозом

п.м.

от 160 руб/п.м.

Проливка основания битумной эмульсией ЭБА2

м2

от 10 руб/м2

Нарезка швов алмазными дисками

п.

м.

от 90 руб/п.м.

Выборка земляного корыта с последующим вывозом и планировкой территории под отметку

м3

от 350 руб/м3

Выборка и вывоз грунта вручную

м3

от 640 руб/м3

Планировка грунта в дорожном корыте под проектную отметку

м2

от 80 руб/м2

Погрузка и вывоз строительного мусора

м3

от 290 руб/м3

Устройство покрытия из тротуарной плитки (с материалом)

м2

от 1000 руб/м2

Ремонт поднятие горловин существующих колодцев ж/б кольцами до 20см

шт

от 2900 руб/шт

Устройство дренажной системы

п. м.

от 1800 руб/п.м.

Нанесение дорожной разметки шириной 10 см

п.м.

от 70 руб/п.м.

Устройство плодородного слоя

м2

от 150 руб/м2

Устройство газонов с посевом многолетних трав

м2

от 250 руб/м2

Multitran dictionary

✎ New thread | Private message Name Date
18  помогите с украинским  Medunitsa  28. 01.2022  5:01
53 1129  Снижение объемов заказов  | 1 2 all sir william  25.01.2022  11:13
3
63  shall be responsible for…the direction, supervision and management of the Company  Alex16  27.01.2022  1:34
19 141  checking-in behaviors  Ringoo  27.01.2022  16:31
304 10844  Предложения и вопросы по работе нового сайта  | 1 2 3 4 5 6 7 8 all 4uzhoj  15. 05.2019  11:02
4 64  effective to the end of a calender month  pipolina  27.01.2022  13:51
20 6883  lounge seating 
Nordic_Lady
 16.10.2012  22:04
6 100  releases  Alex16  25.01.2022  19:32
10 104  depression  Svetozar  26. 01.2022  17:18
2 78  Пневмоопоры/Пневматическая подвеска  lokilaufeyson  26.01.2022  10:50
1 38  industry information  LinGV  27.01.2022  12:24
858 15272  Ошибки в словаре  | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 all 4uzhoj  23.02.2021  13:36
8 89  bank authorizations letters  Alex16  25. 01.2022  22:51
10 98  acquisition в контексте трудоустройства  miko  26.01.2022  17:49
6 161  Имеются противопоказания, необходима консультация специалиста  augenschmerz  25.01.2022  15:45
1 54  portability letters  Alex16  25.01.2022  23:05
6 171  Система «Краб»?  zhigansky  26. 01.2022  0:49
7 100  make divestments, in any form, in tangible fixed assets  Alex16  25.01.2022  0:35
98  Помогите, пожалуйста, с переводом  lokilaufeyson  26.01.2022  13:08
8 328  помогите, пожалуйста, перевести  teachengl16  12.01.2022  10:24
19 222  are true  Alex16  24.01.2022  16:27
01.2022 19:00:13″>4 70  grant, create, assume or otherwise incur any Lien  Alex16  25.01.2022  7:20
1 82  Weight value word  LinGV  25.01.2022  4:41
10 325  Помогите, пожалуйста. понять смысл предложения.  ochernen  18.01.2022  16:18
4 77  Parental Rights Pending Adoption  ekaterina_ukr  24.01.2022  10:32
01.2022 22:21:30″>3 70  comply with any investigation, subpoena or information request  Alex16  24.01.2022  18:02
14 431  чисто грамматический вопрос  Perujina  20.01.2022  21:41
22 269  paste in the tin  CHichhan  22.01.2022  17:52
3 172  Smart  Destiny24  23.01.2022  11:25

220.

42.11.10 Автомагистрали, автомобильные дороги, в том числе улично-дорожная сеть, прочие автомобильные, велосипедные или пешеходные дороги, взлетно-посадочные полосы аэродромов / КонсультантПлюс

220.42.11.10

Автомагистрали, автомобильные дороги, в том числе улично-дорожная сеть, прочие автомобильные, велосипедные или пешеходные дороги, взлетно-посадочные полосы аэродромов

Эта группировка включает:

— автомагистрали (кроме автомагистралей на эстакадах), автомобильные дороги, в том числе улично-дорожную сеть, другие транспортные и пешеходные пути;

— дорожные ограждения и имеющие покрытие парковочные площадки, проезды, транспортные и пешеходные путепроводы над и под дорогой, велосипедные дорожки;

— взлетно-посадочные полосы аэродромов, включая подъезды такси и связанные с ними сооружения аэропорта, кроме зданий

Эта группировка не включает:

— автодороги, проходящие на эстакадах, см. 220.42.13.10;

— автодорожные тоннели, см. 220.42.13.10

220.42.11.10.110

Автомагистрали, кроме надземных автодорог (эстакад)

220.42.11.10.120

Дороги автомобильные, в том числе улично-дорожная сеть, и прочие автомобильные и пешеходные дороги

220.42.11.10.121

Дорога автомобильная с усовершенствованным капитальным типом дорожного покрытия

(введено Изменением N 1/2015 ОКОФ, утв. Приказом Росстандарта от 25.12.2015 N 2202-ст; в ред. Изменения N 3/2017 ОКОФ, утв. приказом Росстандарта от 04.07.2017 N 631-ст)

220.42.11.10.122

Дорога автомобильная с усовершенствованным облегченным или переходным типом дорожного покрытия

(введено Изменением N 1/2015 ОКОФ, утв. Приказом Росстандарта от 25.12.2015 N 2202-ст; в ред. Изменения N 3/2017 ОКОФ, утв. приказом Росстандарта от 04.07.2017 N 631-ст)

220.42.11.10.129

Дороги автомобильные, в том числе улично-дорожная сеть, и прочие автомобильные и пешеходные дороги, не включенные в другие группировки

(введено Изменением N 3/2017 ОКОФ, утв. приказом Росстандарта от 04.07.2017 N 631-ст)

220.42.11.10.130

Ограждения дорожные

220.42.11.10.140

Стоянки автомобильные с твердым покрытием

220.42.11.10.150

Дороги подъездные, транспортные и пешеходные путепроводы над и под дорогой, велосипедные дорожки

220.42.11.10.151

Дорога подъездная

(введено Изменением N 3/2017 ОКОФ, утв. приказом Росстандарта от 04.07.2017 N 631-ст)

220.42.11.10.152

Дорога внутрихозяйственная

(введено Изменением N 3/2017 ОКОФ, утв. приказом Росстандарта от 04.07.2017 N 631-ст)

220.42.11.10.159

Дороги подъездные, транспортные и пешеходные путепроводы над и под дорогой, велосипедные дорожки прочие

(введено Изменением N 3/2017 ОКОФ, утв. приказом Росстандарта от 04.07.2017 N 631-ст)

220.42.11.10.160

Полосы взлетно-посадочные аэродромов, включая рулежные дорожки и аналогичных сооружений аэродромов, кроме зданий

Виды дорог по покрытию


Виды дорожных покрытий

Практичность передвижения многих транспортных средств зачастую зависит от качества дороги. Такие сооружения получают несколькими путями, что приводит к значительной разнице в их технических параметрах.

Строительство дорожных покрытий производится согласно конкретной технологии, которая утверждена специальными органами. Более подробно узнать об этом процессе можно на сайте http://www. bavcompany.ru/production/kinds/rmi.

Нежесткие покрытия

Все виды дорог можно условно разделить на 2 основные группы, это конструкции с жестким и нежестким покрытием. Последние элементы можно разделить на несколько разновидностей:

  • Щебеночные покрытия. Такой вид поверхности предполагает использование щебня в качестве основной продукта для их покрытия. Подобный тип дорог используется в микрорайонах, парках или местах, где не требуется применение более качественных материалов, так как они не поддаются высоким нагрузкам.
  • Гравийные поверхности по большинству своих параметров напоминают предыдущий тип изделий, но отличаются только материалом для изготовления.
  • Грунтовые. Этот вид дорожек является зачастую декоративным элементом парков. Такие поверхности не предназначаются для постоянных и высоких нагрузок.

Жесткие покрытия

Дороги такого типа можно разбить на несколько типов:

  1. Сборные цементные конструкции применяются зачастую при производстве мостов. Отличаются высокой стойкостью к нагрузкам. Могут применяться в различных погодных условиях.
  2. Мощенные покрытия. Этот тип дорого предполагает обустройство их методом укладки натурального камня. Сегодня встречаются довольно редко и применяются в основном при строительстве дорожек в парках. Здесь используется та же брусчатка, которая плотно укладывается друг к другу.
  3. Асфальтовые покрытия. Этот тип дорог является одним из основных. Сегодня количество данных покрытий огромное, так как относительно простое в обустройстве и может эксплуатироваться довольно длительное время. Для увеличения стойкости, асфальт укладывают на специальные подушки, а также в несколько слоев в зависимости от размера фракции. В качестве связующих элементов применяются разные виды смол, которые хорошо переносят температурные колебания.

Следует понимать, что все эти разновидности дорожного покрытия позволяют эксплуатировать на них только определенные виды транспорта. Поэтому это и учитывается при их прокладке, что и привело к такому их разнообразию.

О защитных покрытиях для асфальта — в этом видео:

Твитнуть

Категории дорог. Классификация и назначение дорог :

Дорожное сообщение — это важнейшая часть экономики любой страны, ведь оно играет немаловажную роль в уровне развития промышленности и производства государства. И автомобильные дороги России в этом плане не являются исключением. В целях определения уровня качества и потокопроходимости разработан список определенных требований, предъявляемых к автодорогам. Те из них, что максимально полно отвечают предъявленным критериям, способны принимать транспортные потоки любой сложности и полноты и способствовать доставке пассажиров и грузов во всех направлениях и на любые расстояния. Именно поэтому стоит уделить самое пристальное внимание вопросу о том, какие именно категории автомобильных дорог вообще существуют и как проводится их классификация.

Как все устроено

Для увеличения безопасности движения и повышения проходимости современная автодорога обустраивается как сложное техническое сооружение и выполняется на специально выделенном для этого участке местности, называемом полосой отвода. Там и обустраивается сама проезжая часть, по которой и передвигаются транспортные средства. Для обеспечения повышенной пропускной способности, удобства езды и безопасности движения практически все виды дорог оснащают твердым покрытием: асфальтом, бетоном и др. строительными материалами. Ширина проезжей части для дороги с однорядным движением составляет не менее 7 метров. Небольшая часть полосы отвода при этом не имеет твердого покрытия и не входит в дорожное полотно — она используется как дополнительная площадь. Тут прокладываются объездные пути, велосипедные дорожки, также эта часть дороги отводится для движения тракторов и гужевого транспорта. Дополнительно в этой части полосы отвода обустраиваются водоотводные и лесозащитные сооружения, а при ремонте дорожного покрытия тут же складируют строительные материалы.

Кроме проезжей части, дорожное полотно включает в себя также и две обочины — слева и справа от проезжей части. Эти дополнительные полосы служат для съезда (как случайного, так и вынужденного) с основной части дороги, а также могут быть задействованы в качестве вспомогательной полосы при разъездах или ремонте дорожного покрытия. Разные виды дорог имеют обочины неодинаковой ширины: от 2 до 3,75 метров. Для стока воды от дождя и снега по обеим сторонам дороги устраиваются кюветы — канавы глубиной от 0,3 до 1 метра. Независимо от класса и категории все дорожные покрытия выполняют не плоскими, а в виде двускатной крыши с углом наклона от 1,5 до 4 градусов. Это позволяет дождевым водам не задерживаться на полотне, а свободно стекать в кюветы.

Разные категории

Категории автомобильных дорог в разных странах мира имеют разнообразные критерии оценивания, однако, немного обобщив их, можно составить примерно такой перечень:

  • Е — путепроводы европейского значения;
  • М — маршруты федерального значения;
  • Р — дороги, соединяющие административные центры;
  • А — федеральные и региональные автодороги, подъезды к крупнейшим транспортным узлам — аэропортам, морским и речпортам;
  • К — региональные дороги;
  • Н — прочие дороги местного подчинения.

Существует также еще несколько критериев, по которым можно классифицировать дороги разного назначения:

  • по ширине покрытия и количеству полос движения;
  • по принципу и способу пересечения с автодорогами разных видов;
  • по наличию или отсутствию разметки и разделительной полосы.

Именно последний разделительный принцип говорит о том, является ли дорога действующей, пересекается ли она с другими автодорогами и сколько раз, как осуществляется регулирование движения, сколько на ней поворотов и другие параметры.

Принципы классификации

В основном все автодороги подвергаются классификации прежде всего по принципу того, как осуществляется движение и насколько легкий доступ к ним обеспечен. Если рассматривать категории дорог с этой позиции, можно выделить 3 основных класса:

  • автомагистраль;
  • скоростное шоссе;
  • обычная дорога.

Каждая из них имеет свои подклассы, то есть подразделяется на виды в зависимости от географического положения:

  • районные;
  • областные;
  • территориальные;
  • региональные;
  • национальные;
  • международного сообщения;

Конечно, такое деление является довольно условным, на практике же все несколько сложнее. Дело в том, что каждая страна принимает свои категории и признаки деления — в России, например, категорий дорог пять, а на Украине — всего четыре.

Первая категория

К первой категории автодорог в России относятся автомагистрали, скоростные трассы и автострады. Такие путепроводы имеют ширину не менее 15 метров и оснащены разделительной полосой. В каждом направлении предусмотрено не менее двух полос движения, шириной не меньше 3,75 метров. Подобные дороги рассчитаны на высокую интенсивность движения и оснащены качественным бетонным покрытием, способным выдерживать большой наплыв автотранспортных средств. Пропускная способность таких путепроводов превышает 7 000 авто в сутки, при этом транспортные средства передвигаются со скоростью не менее 120 км/ч.

Вторая

Ко второй категории дорог относят автотрассы, оснащенные асфальтовым покрытием и соединяющие между собой промышленные, культурные и административные центры страны. Для таких путепроводов предусмотрена ширина не менее 7,5 метров, а пропускная способность более 3–3,5 тыс. авто в день. Скорость движения при этом также сохраняется на уровне 120 км/ч.

Третья

К третьей категории дорог относят трассы с гораздо менее интенсивной нагрузкой движения, не более 3 000 авто/сутки. Такие автодороги могут иметь ширину от 3,5 до 7 метров, а дорожное покрытие на них обустраивается по облегченным требованиям, также оно может быть и булыжным. Скорость движения по таким дорогам обычно не может превышать 100 км/ч, а транспорт, имеющий нагрузку более 6 тонн, и вовсе не допускается к проезду по ним.

Четвертая и пятая категории дорог

Четвертая категория автодорог отличается наличием покрытия довольно низкого качества. Из-за этого движение по ним может быть сильно затруднено, особенно в осенне-весенний период. Такие пути могут пропускать не более 1000 автомобилей в сутки, а скорость движения по ним ограничена 80 км/ч. Большегрузным же автомобилям проезд по таким дорогам чаще всего закрыт совсем, связано это с тем, что движение тяжелого транспорта приводит к быстрым и серьезным разрушениям дорожного покрытия.

Ярким представителем пятой категории является «классическая» проселочная дорога. Дороги этой категории чаще всего вообще не имеют какого-либо покрытия, а двигаться по ним со скоростью, превышающей 60 км/ч, вряд ли удастся.

Лесные дороги — классификация

Отдельным видом классификации можно назвать назначение дорог. Отдельным видом дорог в России являются лесные дороги. Как уже понятно из названия, обустраиваются они в лесных массивах и служат для беспроблемного доступа транспорта в эти части России. Лесные дороги тоже можно разделить на несколько видов в зависимости от их функционального назначения:

  • лесохозяйственные — предназначены для осуществления контроля за состоянием лесных массивов, именно по ним егеря обходят вверенные им территории;
  • лесовозные — обеспечивают транспортное сообщение при валке леса в промышленных и санитарных целях; так как по ним передвигается тяжелый грузовой транспорт — они дополнительно укрепляются для обеспечения повышенной проходимости большегрузных автомобилей;
  • противопожарные — призваны обеспечить доступ пожарных расчетов к очагам вероятных возгораний;

В прежние времена к этому перечню можно было бы добавить еще один тип дороги — лежневую, однако сейчас их практически не строят, а старые давно пришли в негодность. Дело в том, что дорожное полотно в этом случае представляет собой настил из цельных бревен. Построить такую дорогу можно быстро, однако это нецелесообразно — ведь древесина нынче недешева, а уйдет на подобный тракт ее очень много. Да и срок службы такого покрытия по сравнению, например, с асфальтным — невелик, древесина быстро гниет и портится в неблагоприятных погодных условиях.

Насколько важно проводить ремонт дорог

Как известно, далеко не все автомобильные дороги России могут похвастаться новым качественным покрытием, а ведь это один из важнейших факторов, которым не стоит пренебрегать. От качества дорожного покрытия зависит довольно много, ведь для обеспечения качественной жизни человека грузоперевозки (не говоря уже о пассажирах) должны осуществляться максимально быстро, безопасно и эффективно.

Часто несоответствие дорожного покрытия требованиям современных транспортных реалий и все увеличивающемуся потоку движения могут привести ко многим негативным последствиям: росту числа аварий, ускорению износа автотранспортных средств, перерасходу топлива, снижению скорости движения и многих других. Страшно даже представить, что, например, чья-то жизнь может зависеть от того, по какой именно дороге будет доставлен тот или иной медицинский препарат или насколько быстро сможет приехать пожарная машина. Так что покрытие дорог также играет в классификации далеко не последнюю роль.

Классификация дорог в зависимости от покрытия

В зависимости от типа дорожного покрытия можно выделить следующие виды:

  • мостовые;
  • цементобетонные;
  • покрытые гравием или щебнем;
  • грунтовые;
  • дегтебетонные;
  • асфальтобетонные;
  • покрытые материалами, содержащими органические вещества, имеющие вяжущие свойства.

Подытоживая вышесказанное, можно еще раз отметить важность и необходимость всех работ, связанных с обустройством и ремонтом дорого, а также поддержанием их в надлежащем состоянии. Новые технологии открывают массу возможностей для того, чтобы и проселочная дорога, и автомагистраль оставались на достойном уровне по прочности и качеству покрытия и были способны обеспечить высокую проходимость транспортных средств.

Основные типы покрытий дорог — Специальные виды работ в строительстве

Виды дорожного покрытия

Дорога неотъемлемо связывает нас, автомобилистов между собой. Каждый, кто имеет транспортное средство пользуется дорогой. Даже пешеходы иногда идут по дороге, когда нет пешеходной зоны. В данной статье мы расскажем, какие бывают виды дорожного покрытия и из чего их делают.

Основные виды дорог в Российской Федерации

На территории Российской Федерации принята следующая классификация видов дорог:

— автострада;

— автомагистраль;

— дороги с асфальтированным покрытием;

— простейшие дороги;

— дороги с покрытием менее 7 метров;

— дороги с покрытием низкого типа;

— дороги без покрытия.

В таблице ниже дано описание основным видам дорог, указаны их характеристики и размеры.

Усовершенствованные капитальные: цементобетонные, асфальтобетонные; из прочных щебеночных материалов, обработанных в смесителях вязкими битумами или дегтями; мостовые из брусчатки и мозаики на каменном или бетонном основании.

Усовершенствованные облегченные: из щебеночных и гравийных материалов, обработанных органическими вяжущими, из холодного асфальтобетона, из грунта, обработанного в установке вязкими битумами.

Переходные: Из щебеночных естественных каменных материалов и шлаков и гравийные; из грунтов и местных слабых минеральных материалов, обработанных жидкими органическими вяжущими.

Низшие — грунтовые, укрепленные различными местными материалами.

Для каждой категории дороги принимают определенные типы покрытия:

Дороги V категории с интенсивностью движения менее пятидесяти автомашин в сутки допускается устраивать без одежды. Следует, однако, учитывать, что дороги с покрытиями низшего типа в большинстве случаев ограничивают проезд автомобилей весной, осенью и в период интенсивных дождей.

Для стока поверхностных вод проезжей части и обочинам дороги, проложенным по гребню плотины, придают двухскатный поперечный уклон. Уклоны проезжей части должны быть 1,5-4%, причем меньшее значение для цементобетонных покрытий, а большее — для мостовых. Уклоны обочин на 10-20% больше уклонов проезжей части.

Рис.   31  Поперечные профили    дорожной одежды:

а — серповидная; б — корытная; в — полукорытная.

Одежда в покрытиях гребня плотины бывает серповидного, корытного и смешанного (полусерповидного) профиля (рис. 31). В серповидном и полусерповидном вариантах одежду укладывают по всей ширине гребня плотины, а в корытном — только в пределах проезжей части. Основание в одеждах наряду с передачей нагрузок на грунт тела плотины выполняет также роль выравнивающего, морозозащитного и дренирующего слоя. Материалом для основания служит крупный песок или гравий, имеющие большой коэффициент фильтрации.

Воду из дренирующего слоя корытного и полукорытного профиля отводят через дренажные воронки на откосы.

Воронки располагают по обеим сторонам корыта в шахматном порядке, на расстоянии 4-6 м друг от друга. Сверху воронки покрывают дерном (травой вниз) для защиты от засорения дренирующего материала. В выходной части воронок на низком откосе укладывают обратный фильтр, предупреждающий суффозионный вынос частиц грунта. В верхнем бьефе концевая часть воронки примыкает к обратному фильтру откосного покрытия.

Вдоль гребня плотины с обеих сторон устанавливают столбы или тумбы или другие ограждающие устройства из дерева, железобетона, камня и в исключительных случаях металла.

Пример оформления гребня плотины дорожным покрытием булыжной мостовой с ограждающими деревянными столбами  приведен на рисунке 32.

Рис. 32. Булыжная мостовая по гребню плотины: 1 — одиночная  мостовая;  2 — слой  крупного  песка =25 см;  3 — обратный фильтр из  щебня;  4 — дренажные воронки

Для других типов покрытий гребень плотины выполняется так же, только для серповидного профиля не делают корыто.

У плотин высотой до 10 м при отсутствии дороги гребень можно покрывать дерном или другим местным материалом. Если плотина сложена из глинистых грунтов, гребень следует защитить слоем из песчаного или гравийного грунта. Толщину защитного слоя, включая толщину покрытия, назначают в зависимости от глубины промерзания.

Вид дорогиОписание
АвтомагистральАвтомагистраль должна иметь ширину дорожного полотна не менее 15 метров. Посередине автомагистрали должна быть нанесена разделительная полоса, которой разделяют дороги на потоки с противоположными направлениями. У такой дороги продольный уклон не должен превышать 3 процента. Автомагистраль может пропустить в сутки свыше 7000 автомобилей. На автомагистралях не бывает пешеходных переходов, велосипедных дорожек, и по ней не могут ездить учебные автомобили. Благодаря этому автомагистраль может обеспечить бесперебойный поток транспорта. На автомагистрали нельзя ездить со скоростью менее 40 км/час.
Дорога с асфальтированным покрытиемТакая дорога имеет пропускную способность от 3000 до 7000 автомобилей в сутки. У такой дороги продольный уклон может составлять 4 процента. Ширина проезжей части дороги с асфальтированным покрытием должна составлять не менее 7,5 метров.
Дороги с простейшим покрытиемДорога с простейшим покрытием может иметь ширину дорожного полотна менее семи метров. У такой дороги продольный уклон может составлять до 6 процентов ее пропускная способность составляет от 200 до 1000 транспортных средств в сутки.
Дороги без дорожного покрытияДорога без дорожного покрытия может обладать продольным уклоном более 6 процентов. По такой дороге в сутки может проехать не более 200 транспортных средств.

Классификация дорожного покрытия

Дороги в Российской Федерации подразделяются еще и по видам дорожного покрытия. Классификация дорог по видам покрытия следующая:

— грунтовые дороги;

— гравийные дороги;

— дороги со стабилизированным грунтом;

— дороги с макадамом;

— асфальтовые дороги;

— портландцементные дороги.

Стабилизированный грунт для дороги изготавливается путем смешивания песка и глины в определенных пропорциях. Далее в эту комбинацию добавляют цемент. Данную смесь укладывают на место будущей дороги слоем в 6 и более сантиметров. После этого дорогу покрывают тонким слоем битума, который не дает высохнуть грунту до момента схватывания цемента.

Покрытие макадам – это несколько слоев щебня, который пропитуют водой при укладке и тщательно укатывают с помощью дорожного катка. После этого сверху укатывают слой мелкого щебня. Данное покрытие очень прочное. Иногда вместо воды для макадама используют битум, который сильнее связывает частицы щебня между собой.

[youtube url=»https://www.youtube.com/watch?v=lG-tJVHl9Bg» width=»560″ height=»315″] 

Основные элементы дороги в лесном массиве

Для устройства дороги в лесном массиве необходимо подготовить полосу в виде разрубленной и раскорчеванной просеки, где намечено проводить земляные работы.

Однако в местах, где высота насыпи превышает 0,5 м, достаточно пни спилить заподлицо с поверхностью земли; если высота насыпи превышает 1 м, пни высотой до 0,2 м разрешается оставлять. Необходимая ширина полосы указана в проекте.

Основными элементами дороги являются: специально подготовленное земляное полотно в виде профилированной грунтовой полосы, насыпи или выемки; дорожная одежда, устраиваемая на поверхности подготовленного земляного полотна; водопропускные сооружения — мосты или трубы. Ось дороги, проложенная и закрепленная на местности, называется трассой.

При проектировании дороги вычерчивают специальные чертежи (план, продольный и поперечный профили), по которым может быть построена дорога.

Верхнюю часть земляного полотна называют дорожным полотном. Здесь размещены проезжая часть и обочины. Проезжая часть предназначена для проезда автомашин. Эту полосу специально укрепляют, создавая дорожную одежду. В простейшем случае (например, у противопожарных дорог) проезжая часть представляет собой полосу из уплотненного грунта с уклонами для стекания воды. Обочины — это грунтовые полосы, прилегающие к проезжей части и отделяющие ее от бровки земляного полотна. Они обеспечивают боковой упор для дорожной одежды и используются для временных стоянок транспорта, а при недостаточной ширине проезжей части — для разъезда встречного транспорта.

Дорожная одежда представляет собой специальную конструкцию из материалов, способных сопротивляться воздействию движения и климатических факторов. Дорожная одежда должна состоять из нескольких конструктивных слоев. Верхний несущий слой (покрытие) устраивают из наиболее прочного материала, хорошо сопротивляющегося износу. Находящийся под ним слой (основание) сопротивляется только вертикальному давлению и климатическим факторам; его устраивают большей частью из местных дешевых материалов. Под основанием может быть подстилающий слой из песка, который является дренирующим, выравнивающим и морозозащитным элементом конструкции.

Дорожные покрытия разделяют на усовершенствованные, переходные и низшие. Усовершенствованные устраивают из цементо-асфальтобетона или из чернощебеночных высокопрочных материалов, укладываемых на дорогу в горячем состоянии. Такие покрытия применяют на лесовозных дорогах I категории. На лесовозных дорогах I и II категорий применяют облегченные усовершенствованные покрытия — чернощебеночные и гравийные, укрепленные вяжущими. К переходным относятся покрытия из щебня или гравия (с уплотнением при строительстве), из грунтов и местных малопрочных каменных материалов, обработанных вяжущими, а также мостовые из булыжного и колотого камня. Такие покрытия применяют на лесовозных дорогах всех категорий и на основных направлениях лесохозяйственных дорог (1-й тип). Низшие покрытия устраивают из грунтов, укрепленных или улучшенных различными местными материалами. Они применяются на лесохозяйственных дорогах 2-го и 3-го типов.

Все сооружения дороги следует устраивать так, чтобы дорожное полотно не размокало, т. е. вода должна стекать с него, не задерживаясь около дороги. Поэтому проезжая часть должна иметь уклон от середины в стороны 30—40‰, т. е. 3—4 см на 1 м ширины, а грунтовые обочины — 40—50‰, т. е. 4—5 см на 1 м ширины обочины. Откосы земляного полотна должны быть достаточно пологими, чтобы земля не осыпалась, а сами они не размывались стекающей водой. Крутизна откосов измеряется отношением высоты насыпи (или глубины выемки), которая принимается за единицу, к величине АС — проекции откоса. Для обеспечения достаточной устойчивости откоса при обычных грунтах его величина принимается равной 1 : 1,5 (полуторный). Однако при возведении насыпей бульдозерами или автогрейдерами допускается откос с уклоном 1 : 2,5, т. е. более пологий и, следовательно, более устойчивый; некоторое увеличение объема земляных работ компенсируется удобством их производства. В выемках в зависимости от вида грунтов устраивают и более крутые откосы, например в лессовых грунтах 1 : 0.5, а прискальных 1 : 0.2.

Насыпи возводят из грунта, подвезенного или находящегося рядом, и передвинутого на дорожную полосу бульдозером, автогрейдером, скрепером или экскаватором. Место, из которого берут грунт для строительства дороги, называют резервом. Глубина резервов допускается не более 1 м; при большей глубине может быть вскрыт слой грунтовых вод. Ширина резервов зависит от требующегося объема грунта. Чтобы текущая по резерву вода не подмывала дорогу, уклон его дна должен быть не меньше 20‰ (2 см на 1 м ширины резерва) в сторону от дороги, а продольный уклон — не меньше 5‰ (уклон — отношение разности отметок поверхности к длине участка).

Если насыпь возводят из привозного грунта, то с нагорной стороны вдоль дороги для отвода воды устраивают продольную водоотводную канаву (кювет). Размеры канав должны быть достаточными для пропуска всей притекающей воды: глубина не меньше 0,5 и ширина по дну не меньше 0,4 м. Чтобы канавы не заливала вода, их продольный уклон также должен быть не меньше 5‰. Поскольку в песчаных грунтах значительная часть поверхностных вод впитывается и протекает их меньше, сечение канав можно устраивать треугольным. Пропускная способность таких канав меньше, но устраивать их удобнее.

Поперечное сечение земляного полотна, вертикальной плоскостью изображенное в масштабе, называют поперечным профилем дороги. Валы из грунта, перемещенного из выемки (кавальера). должны отстоять от ее края не менее чем на 5 м. В выемке вдоль дорожного полотна с обеих сторон устраивают продольные водоотводные канавы, а с нагорной стороны — нагорные канавы, перехватывающие поверхностные воды, стекающие по склону. Нагорные канавы следует устраивать до разработки выемки, чтобы предупредить возможность заполнения ее водой при производстве земляных работ.

Если вы нашли ошибку, пожалуйста, выделите фрагмент текста и нажмите Ctrl+Enter.

АВТО Дело/Тенденции развития  современного автомобилестроения. Понятия об основных эксплуатационных свойствах. Рынок автомобилей и их классификация/Условия эксплуатации

АВТО Дело/Тенденции развития  современного автомобилестроения. Понятия об основных эксплуатационных свойствах. Рынок автомобилей и их классификация/Условия эксплуатации

3.1. Условия эксплуатации.

Автотранспортным средством называется машина, перемещение которой по поверхности земли осуществляется с помощью силы, создаваемой взаимодействием колес с дорогой или грунтом. К ним относятся одиночные автомобили, автобусы и автопоезда, состоящие из автомобиля-тягача и одного или нескольких прицепов (полуприцепов).

Наличие специфических свойств позволяет использовать автотранспортные средства при выполнении общей для транспортных средств производственной функции в условиях, при которых применение других транспортных средств является невозможным или менее целесообразным.

Качество автомобиля — это совокупность свойств, обусловливающих его пригодность удовлетворять определенные потребности в соответствии с его назначением.

Свойство – категория, выражающая некую сторону предмета, которая обуславливает его различие или общность с другими предметами и обнаруживается в его отношении к ним. Свойства вещей внутренне присущи им, существуют объективно независимо от человеческого сознания.

Эксплуатационные свойства – группа свойств, определяющих степень приспособленности автомобиля к эксплуатации в качестве специфического (наземного колесного, безрельсового) транспортного средства.

Основные эксплуатационные свойства автомобиля:

  • тягово-скоростные;

  • тормозные;

  • топливная экономичность;

  • проходимость.

Автомобиль является частью системы «автомобиль – водитель – дорога — среда», и его свойства проявляются во взаимодействии с элементами этой системы. Поэтому значимость определенного эксплуатационного свойства  в оценке качества или эффективности применения автомобиля зависит от условий, в которых это свойство проявляется, т.е. от условий эксплуатации.

Условия эксплуатации в целом определяются дорожными, транспортными и природно-климатическими условиями.

3.1.1. Дорожные условия.

Дорожные условия характеризуются следующими факторами: элементами профиля и плана дорог, рельефом местности, видом и ровностью дорожного покрытия, интенсивностью движения, помехами движению, стабильностью дорожного состояния, режимами движения.

Требования к автомобильным дорогам определяются Государственным Стандартом РФ ГОСТ Р 50597-93.

Автомобильные дороги, дороги и улицы городов и других населенных пунктов по их транспортно-эксплутационным характеристикам объединены в три группы:

  • Группа А – автомобильные дороги с интенсивностью движения более 3000авт/сут; в городах и населенных пунктах- магистральные дороги скоростного движения, магистральные улицы общегородского значения непрерывного движения.

  • Группа Б – автомобильные дороги с интенсивностью движения от 1000 до 3000 авт/сут; в городах и населенных пунктах – магистральные дороги регулируемого движения, магистральные улицы общегородского значения регулируемого движения и районного значения.

  • Группа В – автомобильные дороги с интенсивность движения менее 100 авт/сут; в городах и населенных пунктах – улицы и дороги местного значения.

Установленные стандартом требования должны обеспечиваться организациями, в ведении которых находятся автомобильные дороги, а также улицы и дороги городов и других населенных пунктов.

Все дороги РФ в зависимости среднесуточной интенсивности движения автомобилей в соответствии со СНиП 2.05.02-85 делятся на пять категорий.

  • Дороги I и II категории имеют капитальное основание и усовершенствованное покрытие (асфальто- или цементобетон), которые обеспечивают движение  по ним колесных транспортных средств с осевой нагрузкой, не превышающей 10т. Дороги имеют широкие полосы движения (3,75 м), ограниченные продольные уклоны (3-4%), увеличенные радиусы поворотов и широкие обочины. Они имеют высокую пропускную способность, обеспечивая круглосуточное и круглогодичное движение. К дорогам  I и II категории относятся автомагистрали с несколькими полосами  движения в каждом направлении и двухполосные дороги, имеющие по одной полосе движения в каждую сторону.

  • Дороги III категории имеют облегченное усовершенствованное покрытие (дегтебетон, битумоминеральные смеси), которое также рассчитано на движение по ним всех колесных транспортных средств с осевой нагрузкой, не превышающей 10т, однако с меньшей интенсивностью. Ширина полосы движения может быть уменьшена до 3,5 м, допускаются уклоны до 5%, а радиусы кривых в плане уменьшены до 400м.

  • Дороги IV категории имеют основание, которое легко размягчается грунтовыми водами, и неусовершенствованное твердое покрытие (булыжник, гравий), рассчитанное на осевую нагрузку не более 6т. Ширина полосы движения не превышает 3м, максимальные продольные уклоны достигают 6%, а минимальные радиусы поворотов 250 м. На таких дорогах зимой после уборки может оставаться слой снега и льда, весной часто вводят ограничения на движение определенных автомобилей. Ослабленное полотно дороги легко прогибается под нагрузкой, поэтому двигаться по такой дороге весной и после дождя нужно с большой осторожностью.

  • Дороги V категории прокладывают по естественному грунту, они не имеют покрытия. В распутицу и период снежных заносов такие дороги обычно становятся непроезжими. С наступлением морозов и летом в сухое время грунтовые дороги обладают хорошими качествами.

Таблица 2.1.7. Основные технические показатели автомобильных дорог общей сети.

Показатели Категории
I-а I-б,II III IV V
Расчетная интенсивность движения транспортных единиц в сутки Св.7000     Св. 7000;Св. 3000 до 7000 Св. 1000 до 3000 Св. 100 до 1000 До 100
Расчетная скорость движения, км/ч 150 (120;80) 120 (100; 60) 100 (80; 50) 80 (60; 40) 60 (40; 30)
Число полос движения 4; 6; 8 4; 6; 8; 2 2 2 1
Ширина полосы движения, м 3,75 3,75 3,5 3 ——-
Наибольшие продольные уклоны i, % 3 (4; 6) 4 (5; 7) 5 (6; 8) 6 (7; 9) 7 (9; 10)
Наименьшая расчетная видимость, м: 
Для остановки 300 (250; 200) 250 (200; 85) 200 (150; 75) 150 (85; 55) 85 (55; 45)
Встречного автомобиля —-(450; 350) 450 (350; 170)  350 (250; 150) 250 (170; 110) 170 (110; 90)
Наименьшие радиусы кривых, м: 
В плане 1200 (1000)(800; 250) 800(600)(600; 125) 600 (400)(300; 100) 300 (250)(150; 60) 150 (60; 30)
Выпуклых 30000(15000;5000) 15000(10000; 2500) 10000(5000; 2500) 5000(2500; 1000) 2500(1000; 600)
Вогнутых 8000(4000)(5000; 1000) 5000(2500)(3000; 600) 3000 (1500)(2000; 400) 2000 (1000)(1500; 300) 1500 (600)(1000; 200)

Проезжая часть дороги, предназначенная для движения автомобилей, имеет дорожную одежду, состоящую, как правило, из нескольких слоёв: покрытия (верхний, наиболее прочный слой дорожной одежды), основания и дополнительного слоя основания. На основе положений СниП 2.05.02-85 дорожная одежда должна отвечать определённым требованиям, предъявляемым к автомобильной дороге как транспортному сооружению. 

Применяются следующие четыре основных типа дорожных покрытий:

  • усовершенствованные капитальные (цементобетонные монолитные, железобетонные или армобетонные сборные, асфальтобетонные, мостовые из брусчатки и мозаики на бетонном основании) – для дорог  I-III категорий;

  • усовершенствованные облегченные (из щебня, гравия и песка, обработанных вяжущим, из холодного асфальтобетона) ѕ для дорог III-IV категорий;

  • переходные (щебеночные и гравийные, из грунтов и местных малопрочных каменных материалов, обработанных вяжущими, мостовые из булыжников) ѕ для дорог IV и V категорий;

  • низшие (из грунтов, укрепленных или улучшенных добавками) ѕ для дорог V категории.

3.1.2. Транспортные условия.

Транспортные условия характеризуются следующими факторами: видом груза, объемом перевозок, партионностью отправок, расстоянием перевозок, способами погрузки и выгрузки, режимами работы, видами маршрутов и организации перевозок, условиями хранения, технического обслуживания и ремонта.

Эти условия эксплуатации определяют специализацию автомобиля, а следовательно его технические параметры. Автомобили должны быть в максимальной степени приспособлены для перевозки одного или нескольких близких видов груза. Партионность груза определяет оптимальную грузоподъёмность, а объёмная масса груза – объём платформы. Показатели плавности хода должны обеспечивать условия сохранности груза. По дальности перевозки подразделяют на местные (до 50 км) и дальние (междугородные). Дальность перевозок, также как и остальные факторы транспортных условий должна учитываться при выборе и оценки показателей эксплуатационных свойств.

3.1.3. Природно-климатические условия.

Природно-климатические условия характеризуются следующими факторами: особенностями зон умеренного, холодного, жаркого и высокогорного климата.

В нашей стране несколько климатических зон, поэтому существенное влияние на эксплуатационные свойства автомобилей оказывают природно- климатические  условия. Укрупнённо территория РФ может быть условно разделена на три основные климатические зоны: умеренного климата, холодного климата, жаркого и высокогорного климата.  

Основной из характеристик этих зон, влияющих на эксплуатационные свойства, является температура окружающего воздуха.

Изменение атмосферных условий сказывается на работе двигателя, трансмиссии, шин, что приводит к изменению эксплуатационных свойств автомобиля.

Нормальному тепловому режиму двигателей соответствует температура охлаждающей жидкости и масла 80…1000С, обеспечиваемая соответствующими системами при стандартной температуре окружающего воздуха +200С. Существенное отклонение температуры окружающего воздуха от стандартной (как понижение, так и повышение) вызывает нарушение нормального теплового режима двигателя и как следствие – ухудшение показателей тягово-скоростных свойств и топливной экономичности. При повышении температуры на входе в двигатель на 100С его мощность снижается на 2…3% и увеличивается расход топлива на 1.5%. При увеличении относительной влажности на 10% эффективная мощность двигателя снижается на 0,75%.

От температуры окружающего воздуха зависит также время, необходимое для достижения установившейся температуры в агрегатах трансмиссии, а температуры масла в трансмиссии определяет сопротивление, т.е. КПД.

Температура окружающего воздуха оказывает существенное влияние на сопротивление качению шин.

При работе автомобилей в высокогорных условиях происходит снижение мощности двигателей вследствие уменьшения коэффициента наполнения цилиндров. В результате средняя скорость движения грузовых автомобилей в горных условиях примерно на 40..50% ниже, а расход топлива на 10..15% выше, чем в равнинных условиях.

Все это в целом свидетельствует о важности и необходимости учета влияния условий эксплуатации на эксплуатационные свойства автомобилей с целью обеспечения наибольшей приспособленности их к конкретным условиям эксплуатации.       


Microsoft Word — 6 Красиков 01.11.16

%PDF-1.4 % 169 0 obj > endobj 168 0 obj >stream Acrobat Distiller 10.1.0 (Windows)PScript5.dll Version 5.2.22016-12-07T12:25:21+03:002016-12-07T12:25:21+03:00application/pdf

  • Microsoft Word — 6 Красиков 01.11.16
  • sandomirskaya
  • uuid:d33de913-c269-4318-b920-7db4dd836a36uuid:8b70450e-220c-4e89-a8f2-7265db59bcdb endstream endobj 166 0 obj > endobj 48 0 obj > endobj 14 0 obj > endobj 49 0 obj > endobj 92 0 obj > endobj 87 0 obj > endobj 93 0 obj > endobj 97 0 obj > endobj 100 0 obj > endobj 103 0 obj > endobj 106 0 obj > endobj 111 0 obj > endobj 114 0 obj > endobj 117 0 obj > endobj 118 0 obj >stream hތUn0>8=T[* IL}\?`4ZxogSypQLqJ@! h#/))DOKs)p3L8?Bgڮ꽫rs» w0NW9ڢBţ>f~M ,BX}Au3)m;p8oE+]/QLavy(0G%H qK,ut6. «RI )g)ⴱDWWmc,߭Ӓv:TtE K6fSRFtLG>w1WTAr*8N0]Q@tlm\-2s?+493o6B-1%XbӸ %KS5o9)SҚTp۪pLadU&WZہG0W t;M ;[5x 

    Повышение гладкости дорожного покрытия | FHWA

    Еще в «старые добрые времена» и более простые времена начала 20-го века путешественники были счастливы просто иметь мощеную поверхность, чтобы защитить их от грязи. На самом деле целью раннего федерального законодательства о дорогах было просто вывести фермера из грязи, упростив доставку продуктов и товаров с фермы на рынок. Однако сегодня пользователи автомагистралей требуют более высоких стандартов; «проходной» недостаточно. Им нужна поверхность тротуара, обеспечивающая плавную и комфортную езду; они рассчитывают на безопасное шоссе; и они хотят попасть туда, куда направляются, вовремя, а это означает, что они не хотят сидеть в пробке.

    Откуда мы это знаем? В 1996 году Федеральное управление автомобильных дорог (FHWA) провело общенациональный опрос среди частых пользователей автомагистралей, в ходе которого задавали вопросы о том, чего они хотят от своего дорожного «продукта». Общественность очень четко заявила, что состояние дорог является их главным приоритетом, за которым следуют безопасность и уменьшение заторов.

    Кроме того, исследования показали, что с течением времени ровные дороги обходятся владельцу/агентству все меньше и сокращают эксплуатационные расходы пользователей автомагистралей. Таким образом, наши клиенты хотят не только ровных дорог для комфорта, ровные дороги стоят дешевле как для владельца/агентства, так и для пользователя.Поскольку наши клиенты требуют ровного дорожного покрытия, что также имеет экономический смысл, задача FHWA ясна — работать с государственными дорожными агентствами и другими владельцами автомагистралей над улучшением гладкости дорожного покрытия.

    Сегодня упор делается на измеримые цели. Поэтому нам нужно было найти способ измерить наш прогресс в улучшении состояния дорог. К счастью, в дорожном бизнесе лучший способ количественно оценить состояние дорожного покрытия — измерить его гладкость. Государственные дорожные агентства уже собирают данные о гладкости дорожного покрытия на основных дорогах в этой стране, поэтому отслеживание этой информации должно сказать нам, добиваемся ли мы прогресса в улучшении дорожных условий и насколько он достигнут.

    Получив четкое указание от наших клиентов и средства измерения прогресса, FHWA поставила перед собой цель значительно улучшить измеряемую плавность движения основных автомагистралей в этой стране к 2008 году.

    Таблица 1 – Результаты анализа чувствительности моделирования гладкости (NCHRP 1-31, Спецификации гладкости дорожных покрытий)

    Среднее процентное увеличение срока службы

    Уменьшение шероховатости

    10%

    25%

    50%

    Алабама PCC 11 28 55
    Аризона PCC 7 18 36
    Иллинойс CRC 5 11 22
    Миннесота PCC 6 15 30
    Иллинойс AC/PCC 4 9 18
    Алабама AC 8 20 39
    Аризона AC 3 9 18
    Миннесота AC 5 11 23
    PCC – бетон на портландцементе. CRC представляет собой непрерывно армированный бетон. АС — асфальтобетон.

    Инициатива по обеспечению гладкости дорожного покрытия

    Чтобы улучшить гладкость национальной сети автомагистралей, государственные дорожные агентства должны не только восстановить существующие шероховатые покрытия, но и выполнять своевременное и эффективное техническое обслуживание своей части сети, которая в настоящее время соответствует целям обеспечения гладкости. Это непростая задача. Эффективная программа обеспечения гладкости дорожного покрытия требует комплексного подхода, целью которого является обеспечение гладкости с самого начала.Для достижения этой цели программа повышения гладкости должна включать следующие компоненты:

    • Процессы, определяющие лучшие проекты по поддержанию и улучшению гладкости дорожного покрытия на всей сети автомагистралей.
    • Метод задания гладкости дорожной одежды при первоначальном строительстве.
    • Метод измерения гладкости дорожного покрытия на начальном этапе строительства.
    • Инструменты для подрядчиков по укладке гладких дорожных покрытий.

    Почему делается упор на исходную гладкость дорожного покрытия? Связано ли это с гладкостью дорожного покрытия в течение всего срока службы дорожного покрытия? Да! Исследования показали, что дороги, созданные для обеспечения гладкости, дольше остаются гладкими.Таблица 1 иллюстрирует увеличение срока службы дорожного покрытия за счет улучшения исходной гладкости.

    Поскольку пользователи автомагистралей страны хотят иметь ровные дороги, FHWA реализовала Инициативу по обеспечению гладкости дорожного покрытия. Эта инициатива является результатом совместных усилий FHWA, государственных департаментов транспорта и дорожно-строительной отрасли. Инициатива содержит области особого внимания, которые касаются компонентов эффективной программы обеспечения гладкости дорожного покрытия. Инициатива гладкости будет:

    • Продемонстрируйте методы управления, которые помогают добиться бесперебойной работы дорожных систем.
    • Разработайте спецификацию для измерения гладкости дорожного покрытия на начальном этапе строительства.
    • Провести демонстрацию новейшего оборудования для измерения профиля дорожного покрытия.
    • Поделитесь передовым опытом по устройству гладких тротуаров.

    Практика управления

    Рис. 1. Эффект применения спецификации гладкости в Висконсине, 1984 г. (NCHRP 1-31, Спецификации гладкости дорожного покрытия). (Показатель гладкости дорожного покрытия отображается по шкале от 0 до 5, где 0 соответствует наихудшей оценке, а 5 — наилучшей.)

    Данные о неровностях на дорогах, ежегодно собираемые штатами и сообщаемые в FHWA, показывают, что Департамент транспорта Джорджии (DOT) неизменно имеет одни из самых гладких тротуаров в стране. Очевидно, что DOT Джорджии делает что-то правильно, и FHWA считает, что другие могут повторить то, что делает Джорджия, чтобы обеспечить бесперебойную работу сети автомагистралей. Департамент транспорта Джорджии считает, что четыре стратегии имеют решающее значение для обеспечения бесперебойной работы дорожной сети:

    • Починить тротуары до того, как они рухнут.Джорджия обнаружила, что устранение повторяющихся незначительных проблем до того, как они станут большими проблемами, обходится дешевле, чем полная реконструкция. Выезжая туда рано, DOT Джорджии может лечить гораздо больше миль в год, чем если бы он ждал появления серьезного бедствия.
    • Используйте программу профилактического обслуживания и консервации. DOT Джорджии пытается ежегодно выполнять легкие работы по техническому обслуживанию примерно 10 процентов своей сети. Они могут поддерживать этот уровень лечения с течением времени, не тратя на поддержание значительно больше, чем в сопоставимых государствах.
    • Сокращение времени между выявлением потребности и заключением контракта на строительство или ремонт. Во многих случаях Департамент транспорта Джорджии заключает контракт в течение шести месяцев после определения проекта посредством обследования состояния.
    • Установка и соблюдение строгих требований к гладкости. DOT Джорджии устанавливает очень высокую планку гладкости. Нет никаких стимулов для превышения требований гладкости, но должны быть предприняты корректирующие действия, если дорожное покрытие более шероховатое, чем указано. Исторически Джорджия могла ожидать, что более 97 процентов дорожного покрытия будут соответствовать их строгим требованиям по гладкости.

    гладкость Характеристики>

    FHWA работает с рабочей группой экспертов, представляющей штаты, промышленность и академические круги, над разработкой спецификации гладкости, которую могут использовать штаты по всей стране. Исследования показали, что спецификация гладкости является одним из лучших способов получить улучшенные исходные результаты гладкости дорожного покрытия. Спецификация будет написана вокруг новейшего оборудования для измерения шероховатости дорожного покрытия. Эта новая спецификация поможет штатам и подрядчикам разработать последовательный подход к требованиям гладкости во время строительства.На рис. 1 показано, как реализация спецификации гладкости в Висконсине улучшила результаты гладкости бетонного покрытия по сравнению с аналогичными проектами, которые не содержали спецификации гладкости.

    Демонстрация оборудования

    По всей стране демонстрируются новые устройства, способные надежно и объективно измерять шероховатость дорожного покрытия. Эти устройства — легкие инерционные профилометры — представляют собой значительное улучшение по сравнению со стандартным оборудованием для измерения профилей, обычно используемым во многих штатах.Инициатива по обеспечению гладкости предоставила штатам возможность протестировать и оценить различные легкие устройства для профилирования. Как показатель интереса к этой области, FHWA получило в два раза больше запросов на участие в этой демонстрации, чем можно было удовлетворить с помощью имеющихся средств. На рис. 2 показан репрезентативный упрощенный профилировщик.

    Передовой опыт строительства

    После того, как проект выбран, планы подготовлены и разработан надежный способ измерения гладкости, проект все еще должен быть построен плавно, а это требует тщательного внимания к деталям.FHWA в тесном сотрудничестве с государственными дорожными агентствами и подрядчиками по укладке дорожного покрытия в Аризоне и Канзасе разработало рекламный пакет, в котором подчеркивается подход каждого штата к спецификации гладкости и делятся некоторыми из лучших советов, используемых подрядчиками в этих штатах для достижения отличных результатов в отношении ровности дорожного покрытия. .

    Каждая упаковка содержит видеокассету, предварительную спецификацию гладкости, основанную на том, что используется в Аризоне и Канзасе, а также рекламные материалы, помогающие распространить информацию о строительстве гладких дорожных покрытий.Видео, снятое Arizona DOT, показывает легенду гонок Ричарда Петти и рассказывает о гладкости асфальтового покрытия. В видео, снятом Kansas DOT, участвует футбольный телеведущий НФЛ и бывший тренер Джон Мэдден, а также рассказывается о гладкости бетонного покрытия.

    Инструменты, разработанные FHWA совместно с нашими государственными и отраслевыми партнерами, обеспечивают комплексный подход к улучшению гладкости дорожного покрытия по всей стране. Ровное покрытие имеет смысл с точки зрения агентства и с точки зрения пользователя, а гладкое покрытие — это то, что требуют наши клиенты — путешествующие люди.Вопрос, который вы должны задать, это не «Могу ли я позволить себе ровный тротуар?» но «Могу ли я позволить себе НЕ иметь ровный тротуар?»

    Для получения дополнительной информации об Инициативе по обеспечению гладкости дорожного покрытия свяжитесь с Марком Суонлундом по телефону (202) 366-1323 или по электронной почте [email protected] или с Дэвидом Лоу по телефону (803) 253-3886 или по электронной почте. напишите по адресу [email protected].


    Марк Сванлунд, , инженер по бетонным покрытиям в Управлении технологии дорожного покрытия в основном бизнес-подразделении инфраструктуры FHWA. Он отвечает за все вопросы, связанные с проектированием, строительством и восстановлением/ремонтом бетонных покрытий. Он является одним из руководителей Инициативы FHWA по обеспечению гладкости дорожного покрытия с 1998 года. Он тесно сотрудничает с такими организациями, как Американская ассоциация государственных служащих автомобильных дорог и транспорта (AASHTO), Совет по исследованиям в области транспорта (TRB) и отраслевыми ассоциациями по вопросам обеспечения гладкости дорожного покрытия. как другие обязанности технологии дорожного покрытия. Суонлунд присоединился к FHWA в 1987 году, и его карьера включала работу в программах федеральной помощи, проектирования и строительства.Он имеет степень бакалавра гражданского строительства Университета штата Вашингтон и является зарегистрированным профессиональным инженером в Колорадо.

     

     

    (PDF) Облегченная семантическая сегментация для распознавания повреждений дорожного покрытия на основе многомасштабного обучения

    Эта работа находится под лицензией Creative Commons Attribution 4. 0 License. Для получения дополнительной информации см. https://creativecommons.org/licenses/by/4.0/.

    Эта статья была принята к публикации в одном из будущих номеров этого журнала, но не была полностью отредактирована.Содержание может измениться до окончательной публикации. Информация для цитирования: DOI

    10.1109/ACCESS.2020.2998427, IEEE Access

    Author et al.: Подготовка статей для IEEE TRANSACTIONS and JOURNALS

    увеличивает производительность распознавания за счет создания виртуального изображения с меткой

    с использованием agenerative adgenerative adgenerative adgenerative adgenerative adgenerative adgenerative adgenerative adgenerative adgenerative adgenerative adgenerative adgenerative adgenerative adgenerative adgenerative adgenerative adgenerative adgenerative adgenerative adgenerative adgenerative

    ) ].

    Эти исследования были разработаны на основе большинства типов автокодировщиков

    [40], [41], и ожидается, что они смогут

    создать более быстрый и точный алгоритм при объединении

    с предлагаемым типом кодировщика. .Наконец, он может интегрироваться с обучением с подкреплением

    , которое активно исследуется в области

    системы транспортировки разведданных [42]. Также ожидается, что эта технология может быть применена к алгоритму распознавания повреждений дорожного покрытия, поскольку она имеет различные методы модификации

    для сегментации [43], [44].

    VI. ЗАКЛЮЧЕНИЕ

    В этой статье мы предложили новый алгоритм глубокой нейронной сети

    для распознавания объектов дорожного покрытия.Для разработки этого алгоритма

    стратегия обнаружения была изменена на семантическую сегментацию. Это связано с тем, что когда стратегия

    имеет форму ограничивающих прямоугольников, точное извлечение

    поврежденного участка дорожного покрытия затруднено, поскольку изображение

    содержит другие ненужные области, которые больше, чем

    поврежденного участка. Чтобы устранить этот недостаток, в этом исследовании был создан

    новых набора данных изображений для сегментации с 1650

    наборами изображений для обучения и проверки. Затем на основе этих наборов изображений

    был разработан новый семантический алгоритм сегментации

    . Вклад этого исследования включает предложение

    нового типа семантической сегментации. До сих пор в основе

    алгоритма было автокодирование; однако метод типа auto-encoder-

    имеет низкую скорость вычислений. Чтобы преодолеть этот недостаток, мы предложили стратегию семантической сегментации и модификации кодирующего типа для повышения точности и скорости вычислений.Стратегия была оценена

    по четырем показателям эффективности, чтобы определить ее

    точность по сравнению с существующим методом. Кроме того, мы

    измерили количество используемых параметров и прошедшее время, чтобы

    определить его скорость. Результаты показали, что ProposedNet

    имеет более высокие значения индекса производительности, чем другие глубокие нейронные сети

    со стратегией типа автокодировщика. Кроме того, количество параметров

    было значительно уменьшено, а скорость работы

    была увеличена. Наконец, мы применили разработанный алгоритм

    к различным изображениям и получили результаты

    , как показано в таблице 4. Это результат экспериментов

    на изображениях, которые показывают общее повреждение дорожного покрытия. На изображении дороги

    была сгенерирована наземная истина, которая представляет собой поврежденную область на изображениях

    , и результаты были сравнены с использованием четырех алгоритмов

    . Были использованы три модели глубокой нейронной сети

    с типом автоматического кодировщика, а другая представляла собой тип кодировщика

    с использованием предложенной здесь модели глубокой нейронной сети

    .Как указано, результаты в отношении кодировщика типа

    больше похожи на наземную правду, чем результаты автокодировщика типа

    .

    ССЫЛКИ

    [1] J. Nakane и M. Farevaag, «Уход за пожилыми людьми в Японии», Perspectives (Geronto-

    логическая ассоциация медсестер (Канада)), vol. 28, нет. 1, стр. 17-24, 2004.

    [2] Т.Л. Лоуренс, «Медицинские учреждения для пожилых людей в Японии», International Journal of Health Services,

    , vol.15, нет. 4, стр. 677-697, 1985.

    [3] А. Аргирос, П. Георгиадис, П. Траханиас и Д. Цакирис, «Полу-

    автономная навигация роботизированной инвалидной коляски», Journal of Intelligent

    Роботизированная система, том. 34, нет. 3, стр. 315-329, июль 2002 г.

    [4] Ю. Кобаяши, Ю. Кинпара, Т. Шибусава и Ю. Куно, «Роботизированная инвалидная коляска

    на основе наблюдений за людьми с использованием встроенных датчиков»,

    в проц. 2009 Международная конференция IEEE/RSJ «Интеллектуальные роботы и системы

    », Санкт-Петербург.Louis, MS, USA, pp. 2013-2018, October 2009.

    [5] C. Ilas, «Электронные сенсорные технологии для автономных наземных транспортных средств: обзор

    », в Proc. 8-й Международный симпозиум по передовым темам в электротехнике

    (ATEE), Бухарест, Румыния, стр. 1-6, май 2013 г.

    [6] Т. Ким и С.К. Рю, «Обзор и анализ метода обнаружения выбоин

    ods», J. Emerging Trends in Computing and Information Sciences, vol. 5,

    нет. 8, стр. 603-608, 2014.

    [7] С. Рю, Т. Ким и Ю. Ким, «Обнаружение выбоин на основе признаков в двумерных изображениях», Отчет о транспортных исследованиях, 2528 (1), стр. 9-17,

    2015.

    [8] Г. Ли, Дж. Ван, С. Хе, К. Лю и Б. Ма, «Полууправляемая семантическая сегментация

    с использованием состязательного обучения для обнаружения трещин в дорожном покрытии», в

    IEEE Access, об. 8, pp. 51446-51459, 2020.

    [9] X. Yang, H. Li, Y. Yu, X. Luo, T. Huang и X. Yang, «Автоматическое обнаружение трещин на уровне пикселей

    и измерение с использованием полностью сверточной сети»,

    Computer-Aided Civil and Infrastructure Engineering, vol.33, нет. 12, стр.

    1090-1109, 2018.

    [10] A. Akagic, E. Buza, S. Omanovic и A. Karabegovic, «Обнаружение трещины в дорожном покрытии

    с использованием порогового значения Otsu для сегментации изображения», в Proc. . 41st

    Международная конвенция по информационным и коммуникационным технологиям,

    Электроника и микроэлектроника (MIPRO), май 2018 г., стр. 1092-1097.

    [11] Х. Ли, Д. Сонг, Ю. Лю и Б. Ли, «Автоматическое обнаружение трещин в дорожном покрытии с помощью многомасштабного объединения изображений

    », IEEE Transactions on Intelligent Transportation

    Systems, vol.20, нет. 6, стр. 2025-2036, 2019.

    [12] Р. Амхаз, С. Шамбон, Дж. Идье и В. Бальтазар, «Автоматическое обнаружение трещин

    на двумерных изображениях дорожного покрытия: алгоритм, основанный на

    минимальный выбор пути», IEEE Transaction on Intelligent. Транспорт

    Система, том. 17, нет. 10, стр. 2718-2729, октябрь 2016 г.

    [13] Ю. Ши, Л. Цуй, З. Ци, Ф. Мэн и З. Чен, «Автоматическое обнаружение

    дорожных трещин с использованием леса», IEEE Transactions on Intelligent

    Transportation Systems, vol.17, нет. 12, с. «SSD: однократный многоблочный детектор», в Proc. 14-я Европейская конференция

    по компьютерному зрению (ECCV), Амстердам, Нидерланды, стр.

    21-37 октября 2016 г.

    [15] Дж. Редмон, С. Диввала, Р. Гиршик и А. Фархади, «Вы смотрите только один раз:

    Унифицированное обнаружение объектов в реальном времени», в Proc. 29-я конференция IEEE по

    компьютерному зрению и распознаванию образов (CVPR), Лас-Вегас, Невада, США,

    стр.779-788, июль 2016 г.

    [16] С. Рен, К. Хе, Р. Гиршик и Дж. Сан, «Быстрее R-CNN: к обнаружению объектов в режиме реального времени

    с сетями предложений регионов», в проц. Advances

    in Neural Information Processing Systems 28 (NIPS), Монреаль, Канада,

    , стр. 91–99, декабрь 2015 г.

    [17] J. Li, X. Zhao, and H. Li, «Method for обнаружение повреждений дорожного покрытия

    на основе глубокого обучения», Health Monitoring of Structural and Biological

    Systems XIII.Международное общество оптики и фотоники, с. 109722D,

    2019.

    [18] AG Howard, M. Zhu, B. Chen, D. Kalenichenko, W. Wang, T. Weyand,

    M. Andreetto и H. Adam, «Mobilenets: Efcient Convolutional нейронные сети

    для приложений мобильного зрения», 2017, arXiv:1704.04861. [На линии

    ]. Доступно: https://arxiv.org/abs/1704.04861.

    [19] Х. Маеда, Ю. Секимото, Т. Сето, Т. Касияма и Х. Омата, «Обнаружение и классификация повреждений дороги

    с использованием глубоких нейронных сетей с

    изображениями смартфонов», Компьютерная гражданская инфраструктура Машиностроение,

    том.33, нет. 12, стр. 1127–1141, 2018.

    . [20] C. Szegedy, V. Vanhoucke, S. Ioffe, J. Shlens, and Z. Wojna, «Rethinking

    the Initial Architecture for Computer Vision», в Proc. . 29-я конференция IEEE

    по компьютерному зрению и распознаванию образов (CVPR), Лас-Вегас,

    NV, США, стр. 2818-2826, июль 2016 г.

    [21] В. Цао, К. Лю и З. Хе, «Обзор методов обнаружения дефектов дорожного покрытия

    », в IEEE Access, vol. 8, стр. 14531-14544, 2020.

    [22] З.Фан, Ю. Ву, Дж. Лу и В. Ли, «Автоматическое обнаружение трещин дорожного покрытия

    на основе структурированного прогноза с помощью сверточной нейронной сети

    », 2018 г., arXiv: 1802.02208. [Онлайн]. Доступно:

    https://arxiv.org/abs/1802.02208.

    [23] М. Д. Дженкинс, Т. А. Карр, М. И. Иглесиас, Т. Багги и Г. Морисон, «

    глубокая сверточная нейронная сеть для семантической попиксельной сегментации

    трещин на поверхности дорог и тротуаров», в Proc. 26th European Signal

    ТОМ 4, 2016 г. 9

    Surface Systems & Instruments, Inc.

    Краткий обзор

    Легкий профилировщик CS8700 имеет очень низкое отношение веса автомобиля к площади контакта шины с дорожным покрытием. Это позволяет проводить испытания профиля поверхности неотвержденного дорожного покрытия гораздо раньше, чем это возможно с более тяжелыми пикапами или фургонами. Получите доступ к сырому бетону за 24 часа или меньше или своевременно измерьте асфальт, чтобы катки отреагировали на участки с локализованными неровностями.

    CS8700 представляет собой изысканное сочетание специализированного оборудования, встроенной электроники ISO-9001 и многофункционального программного обеспечения.Приборы профилирования для CS8700 установлены на ведущем в отрасли легком грузовом автомобиле Polaris Ranger 570-EFI. В дополнение к подвеске, разработанной для плавной езды, специальные шины и колеса DOT являются одними из многочисленных приспособлений для подъема транспортных средств, которые SSI устанавливает на каждый автомобиль Ranger 570. Мы гарантируем, что готовый CS8700 будет полностью соответствовать требованиям испытаний на качество езды и сертификации оборудования.

    Внимание бетоноукладчикам, алмазным шлифовщикам и подрядчикам по фрезерованию: используйте только лазеры с широкой зоной охвата для достижения более точных измерений на покрытиях с агрессивными текстурами (тонированные, рифленые, фрезерованные или грубо текстурированные характеристики поверхности).Лазер с широким боковым отпечатком обеспечивает снижение значений IRI на 20-25% на поверхностях с наиболее агрессивными текстурными характеристиками. SSI предлагает лазер «Gocator» с широким основанием, который представляет собой модернизированную замену лазеру «Roline». SSI является производителем профилировщиков с наибольшим опытом интеграции новых датчиков Gocator в производственные профилировщики. У нас есть много систем, которые регулярно проходят сертификацию DOT. по всей территории США

    Другие устройства SSI квалифицируются как облегченные профилировщики.На легковые автомобили можно установить простой профилировщик CS9400 и переносной профайлер CS9300. Многоцелевой профилировщик CS9200, установленный на прицепе, также достаточно легкий, чтобы его можно было использовать при буксировке за подходящим транспортным средством.

     

    Основные атрибуты

    • Автомобиль Polaris Ranger 570 собирает данные на скорости до 80 км/ч.
    • Соответствует требованиям AASHTO E950 (класс I) и M328, R054, R056-057.
    • Интервал отбора проб 1 дюйм (25,4 мм) при всех скоростях сбора.
    • Встроенный датчик расстояния, установленный на приводном валу.
    • Лазеры с широким лучом: с лазером Gocator 5 кГц от LMI Technologies.
    • GPS с позициями, объединенными с станциями профиля; поддерживается навигация в реальном времени.
    • Акселерометры
    • ±5g. Точность 0,0001 г.
    • Предназначен для воспроизведения длин волн от ~0,25 фута (7,62 мм) до более 8000 футов (2438 метров).
    • Съемные основные датчики и электроника для использования в качестве высокоскоростных профилировщиков SSI CS9100 или CS9300.

     

    Соответствие требованиям и оборудование

    • Соответствует всем общепринятым спецификациям и протоколам сертификации оборудования для инерциальных профилемеров
    • Оснащен датчиками, кабелями и разъемами промышленного класса
    • Основная электроника, изготовленная на предприятии ISO 9001
    • Прочный компьютер с сенсорным экраном для всех систем
    • Специальное крепление для док-станции для удобства и доступа
    • Работает от стандартного автомобильного источника питания 12 В

     

    Эксплуатация, обучение и поддержка

    • Работа одного человека
    • Диапазон скоростей: 8–80 км/ч (5–50 миль/ч)
    • Диапазон рабочих температур окружающей среды: от 32° до 110° F (от 0° до 43° C)
    • Влага: компоненты профилирующей системы непроницаемы для влаги (качество данных ухудшается на мокром асфальте)
    • Доступно многоязычное обучение операторов по всему миру
    • Автоматическое обновление программного обеспечения с помощью SSI Profiler 3 v2019
    • Замена портативных модульных компонентов в полевых условиях
    • Гарантия и оперативная поддержка клиентов по всем компонентам и операциям системы профилирования

     

    Программное обеспечение

    • Операционная система Windows 7/8/10 Professional
    • Простые инструкции на экране для калибровки акселерометра и расстояния, проверки высоты лазера и теста на отскок
    • Визуальные средства на экране и быстрая отчетность о характеристиках профиля
    • GPS-метки — управление системой сбора данных без помощи рук
    • Поддержка Google Earth, Google Maps и Microsoft MapPoint
    • Навигация к местоположениям в данных профиля с использованием GPS-трекера в реальном времени и возможностей навигации/картографии
    • Выбираемые пользователем параметры для английских и метрических единиц измерения
    • Отображение в реальном времени данных профиля, расстояния, значений GPS и IRI
    • Запуск данных Electric Eye с каждой стороны системы на расстоянии 30+ футов (10+ метров)
    • Программируемые пользователем сочетания клавиш
    • Программное обеспечение SSI «Continuous Collection» приостанавливает сбор, когда скорость ниже 5 миль в час. Сбор возобновляется, когда скорость превышает 5 миль/ч (8 км/ч)
    • Области паузы интегрированы в коллекцию. Просмотр приостановленных областей отдельно или исключение
    • Множественные индексы профиля: IRI (международный индекс шероховатости), средний IRI (MRI), индекс езды на полуавтомобиле (HRI), индекс езды профиля (PRI), номер поездки (RN)
    • Несколько выходных данных для областей локализованной шероховатости: шероховатость на основе IRI на основе заданных пользователем пороговых значений; Поверочная линейка, шаблон Profilograph для неровностей, локализованная шероховатость Texas 1001-S
    • Необработанные данные перезаписываются: изменение параметров в любое время
    • Определяемые пользователем значения фильтрации для фильтров верхних и нижних частот
    • Запатентованная функция создания отчетов о нескольких трассировках
    • Экспорт данных в (PPF, ERD), PDF, Excel, CSV, PRO, CAD, Survey и Text
    • Данные зашифрованы в целях безопасности

     

    Опции

    • Одно-, двух- или трехгусеничные системы
    • Широколучевые лазеры Spot или Gocator (5 кГц)
    • Бортовой термопринтер
    • Закрытый грузовой прицеп
    • Улучшенный GPS: средний (2. 3 фута/0,7 м или 4 дюйма/10 см с подпиской) или высокое разрешение с коррекцией RTK (0,4–0,8 дюйма/1–2 см) с выходными форматами САПР
    • РЯДНАЯ HD-камера
    • Считывание текстуры средней глубины профиля в колесной дорожке

     

    Использование легких материалов для повышения термического сопротивления асфальтобетонной смеси для охлаждения асфальтового покрытия

    Это исследование направлено на повышение термического сопротивления асфальтобетонной смеси для охлаждения асфальтового покрытия.Четыре вида асфальтовых смесей были приготовлены путем замены базальтового заполнителя и минерального порошка известняка сланцевым керамзитом (SC) и ценосферой летучей золы (FAC) соответственно. Ряд экспериментов, в том числе тест на сканирующем электронном микроскопе окружающей среды, тест на теплофизические параметры, тест на облучение в помещении, тест на прочность на сдвиг и тест на колейность, был проведен для подтверждения цели этого исследования. Результаты показывают, что использование SC низкой плотности и FAC может производить легкие асфальтобетонные смеси, которые имеют более низкую теплопроводность, чем контрольная асфальтобетонная смесь.Испытание на облучение в помещении показывает, что полученные асфальтовые смеси имели более низкие температуры на глубине менее 4 см. Добавление СК отрицательно сказалось на прочности на сдвиг и динамической устойчивости асфальтобетонной смеси. Однако оба показателя увеличились за счет добавления FAC. Результаты, представленные в этом исследовании, показывают, что можно использовать легкий заполнитель для приготовления асфальтовой смеси с низкой теплопроводностью и использовать этот вид асфальтовой смеси для охлаждения асфальтового покрытия.

    1. Введение

    Асфальтовое покрытие имеет низкое солнечное альбедо менее 0,1 [1, 2], что обусловливает его высокую теплопоглощающую способность и высокую температуру покрытия. Например, сообщалось, что максимальная температура асфальтового покрытия летом может достигать более 65°С [3–5]. Высокотемпературная колейность очень легко возникает, когда дорожное покрытие подвергается тяжелым транспортным нагрузкам [6, 7]. Существующие решения по колееобразованию сосредоточены на улучшении высокотемпературных характеристик асфальтового вяжущего и смеси, такой как резинобитум [8], высокомодульный асфальт [9], полуэластичная асфальтобетонная смесь [10] и т. д.Однако обычно используемые материалы обычно не учитывают существенного влияния температуры дорожного покрытия на развитие колеи. Поскольку асфальтобетонная смесь чувствительна к температуре, следует применять холодное асфальтовое покрытие, чтобы противостоять колееобразованию.

    Существует множество технологий охлаждения асфальтового покрытия, таких как солнцезащитное отражающее покрытие [11], материал с фазовым переходом [12], водоудерживающее покрытие [13], коллектор солнечной энергии [14] и т. д. Кроме того, термически модифицированная асфальтобетонная смесь стала популярной темой при попытках охлаждения асфальтового покрытия, поскольку процесс теплопроводности в асфальтовом покрытии можно регулировать, изменяя тепловые параметры различных слоев асфальта [15]. Было установлено, что снижение теплопоглощения асфальтобетонного покрытия, достигаемое за счет повышения термического сопротивления асфальтобетонной смеси, должно было смягчить вышеуказанную проблему [16, 17].

    Существует множество способов повышения термической стойкости асфальтобетонной смеси, что всегда осуществлялось за счет увеличения содержания воздушных пустот в асфальтобетонной смеси [18, 19]. Наиболее используемой асфальтобетонной смесью с низкой теплопроводностью является пористая асфальтобетонная смесь, которая использовалась в проницаемом дорожном покрытии [20, 21].Однако было обнаружено, что шероховатая поверхность всегда приводила к низкому коэффициенту отражения солнечного света [22], повышая температуру дорожного покрытия в солнечные дни [23]. Таким образом, добавление легкого заполнителя или наполнителя в асфальтобетонную смесь стало потенциальным способом приготовления асфальтобетонной смеси с высокой термостойкостью.

    Насколько нам известно, для снижения теплопроводность асфальтобетонной смеси. Помимо вышеуказанных легких материалов, как сланцевый керамзит (SC), так и ценосфера летучей золы (FAC) также имеют большое содержание воздушных пустот. Однако сообщалось об очень ограниченных исследованиях по использованию SC и FAC для приготовления асфальтовой смеси и оценке тепловых и колейных характеристик асфальтовой смеси такого типа.

    2. Цель

    Данная работа направлена ​​на приготовление асфальтобетонной смеси с низкой теплопроводностью и оценку ее тепловых и колейных характеристик для облегчения ее применения в борьбе с колейностью.Разновидность легкого заполнителя SC была использована для замены базальтового заполнителя на основе концепции эквивалентного объема. Таким же образом, FAC с диаметром частиц менее 0,075 мм также использовался для замены минерального порошка известняка. Тепловые характеристики, включая теплофизические параметры и охлаждающий эффект, оценивались путем проведения испытаний на теплопроводность и облучение внутри помещений. Была измерена прочность на сдвиг, потому что колейность тесно связана с характеристиками сдвига асфальтовой смеси [6]. Также была измерена динамическая стабильность, чтобы непосредственно представить сопротивление колееобразованию разработанной асфальтобетонной смеси.

    Процесс разработки смеси и оценки эффективности показан на рисунке 1.


    3. Материалы и методы
    3.1. Материалы

    Асфальтовая смесь АС-13, состоящая из базальтового заполнителя, известнякового минерального порошка и базового асфальта, использовалась в качестве контрольной асфальтобетонной смеси. В качестве легкого заполнителя использовали СК, а в качестве легкого минерального наполнителя – ПКИ.Репрезентативные изображения морфологии FAC и SC показаны на рисунке 2.

    Всего было разработано четыре различных асфальтобетонных смеси с очень похожими градациями заполнителя. Их состав заполнителя и наполнителя представлен в Таблице 1. А градация заполнителя контрольной асфальтобетонной смеси показана в Таблице 2. Содержание асфальта в контрольной асфальтобетонной смеси составило 4,8%. Из-за более высокого коэффициента влагопоглощения СК, смеси, содержащие СК, неоднократно разрабатывались для определения их удельного содержания асфальта. Согласно результатам, содержание асфальта в смеси №1, смеси №2 и смеси №3 составило 5,2%, 5,3% и 5,2% соответственно.

    27 900262 900222
    9002 9002
    Тип смеси Базальтовый агрегат SC Известняковый порошок FAC
    5-15 мм 3-5 мм 0-3 мм 3-5 мм 0-3 мм
    Смесь управления 25 30 43 Na Na 2 Na
    Смесь # 1 27 37 Na Na Na 29 7 Na
    Смесь # 2
    29 25 Na 11 28 7 NA
    Смеси № 3 27 35 Na Na 33 NA 5
    9002 0
    20 9002

    Размер сита (мм) 16. 0 13.2 13.2 9.5 4.75 2.36 1.18 0,18 0.6 0.3 0.15 0.075
    Соотношение прохождения (мас.%) 100 960 82,0 48.8 27.8 27.8 20.6 15.1 9.9 7.6 6.1
    3.2. Методы испытаний
    3.2.1. Тест сканирующего электронного микроскопа окружающей среды (ESEM)

    Сканирующий электронный микроскоп окружающей среды Quanta 200 (ESEM) (FEI Co. Ltd., США) использовали для характеристики изображений внутреннего микроскопа SC и FAC. SC отламывали, чтобы получить, насколько это возможно, чистые и гладкие срезы. Полученные частицы сначала сушили более 2 часов, а затем покрывали золотом. Для получения четких СЭМ-изображений напряжение для СК составляло 20,00  кВ, а для ПТ — 2,00  кВ. Все изображения были увеличены в 200 раз.

    3.2.2. Испытание на теплопроводность

    Каждый образец Маршалла разрезали на несколько ломтиков с гладкими поверхностями. Измеритель теплопроводности DRE-2C (Xiangtan Instruments and Meters, провинция Хунань, Китай), основанный на методе переходного плоского источника тепла, использовался для измерения теплопроводности и температуропроводности (рис. 3). В процессе испытаний тестовый зонд помещали между двумя кусочками смеси, и два кусочка находились в тесном контакте друг с другом. Удельную теплоемкость рассчитывали, используя значения насыпной плотности, теплопроводности и температуропроводности.


    3.2.3. Испытание на облучение внутри помещений

    Каждый образец асфальтобетонной смеси Marshall был теплоизолирован путем распыления вокруг него пены. Для имитации солнечного излучения использовали несколько ламп накаливания электрической мощностью 275 Вт, которые располагали над образцами асфальтобетонной смеси высотой 90 см (рис. 4). Облучение длилось 200 минут. Шероховатая верхняя поверхность всегда приводила к неравномерному распределению температуры, что затрудняло точное измерение фактической температуры поверхности переносным инфракрасным термометром.Так, профиль температуры верхней поверхности регистрировался тепловизором Е6 (FLIR Co. Ltd., США). Профили температуры на глубинах 2 см и 4 см и у поверхности дна регистрировались 16-канальным термологгером (TP700-16, Shenzhen Toprie Electronics Co. Ltd., Китай).

    3.2.4. Прочность на сдвиг

    Для проведения испытания на одноосное сжатие и испытания на растяжение при расщеплении использовался автоматический тестер прочности, в котором использовался стандартный образец Маршалла.Детальные скорости нагрузки составляли 2 мм/мин и 50 мм/мин соответственно в соответствии с китайской спецификацией JTG E20-2011 [29]. Прочность на сдвиг рассчитывали по уравнениям (1)–(4) на основе теории разрушения Мора–Кулона [30]: где σ UCT  = прочность при одноосном сжатии, МПа; σ СТ  = предел прочности на разрыв, МПа; C  = сцепление, МПа; и φ  = угол внутреннего трения.

    3.2.5. Испытание на колейность

    В соответствии с пропорциями разработанных асфальтовых смесей были приготовлены пластины для колейности (300 мм × 300 мм × 50 мм).Затем образцы нагревали в термошкафу с постоянной температурой 60°С не менее пяти часов. Наконец, образцы были испытаны на трекестере с плоскими резиновыми колесами в соответствии с китайской спецификацией JTG E20–2011 [29]. Для оценки колейной способности асфальтобетонной смеси использовали показатель динамической устойчивости, рассчитываемый по уравнению (5): где DS = динамическая устойчивость, раз/мин; т 1  = 45 мин; т 2  = 60 мин; d 1  = деформация образца в момент t 1 , мм; г 2  = деформация образца в момент t 2 , мм; и N  = 42 раза/мин.

    4. Результаты и обсуждение
    4.1. Свойства заполнителя и наполнителя
    4.1.1. Плотностные свойства заполнителей и наполнителей

    Физические свойства, включая кажущуюся удельную плотность, объемную удельную плотность и коэффициент влагопоглощения, SC измеряли теми же методами для заполнителя [31]. На самом деле испытанный коэффициент влагопоглощения может быть значительно ниже фактического. С одной стороны, большая воздушная пустота имела малую силу поверхностного натяжения, и поглощенная влага могла просачиваться из пор.С другой стороны, легкий заполнитель может быть не в состоянии достаточно поглощать воду только за счет физического поглощения при атмосферном давлении окружающей среды [32]. Физические свойства вышеуказанных материалов показаны в Таблице 3. Результаты показывают, что коэффициент влагопоглощения SC был более чем в десять раз выше, чем у базальтового заполнителя с тем же диапазоном размера заполнителя. Более высокий коэффициент влагопоглощения или более высокое содержание воздушных пустот в СК обеспечили этому материалу меньшую плотность и меньшую теплопроводность.Кроме того, мы можем обнаружить, что кажущаяся плотность ЭКИ была намного ниже, чем у порошка известняка, что могло обеспечить более низкую теплопроводность ЭКИ, чем порошка известняка.

    27 9002
    9002 9002
    Тип смеси Базальтовый агрегат SC Известняковый порошок FAC
    5-15 мм 3-5 мм 0-3 мм 3–5 мм 0–3 мм

    Кажущаяся удельная плотность 2. 633 2,641 2,543 1,378 1,385 2,788 0,413
    Насыпная плотность удельная 2,599 2,586 2,586 1,267 1,251 Н.А. Н.А.
    Коэффициент поглощения влаги (%) 0.49 0,49 0.81 3.33 6.42 8.61 Na Na
    4.1.2. ESEM-изображения заполнителей и наполнителей

    Для того, чтобы выявить внутреннюю характеристику пор SC и подтвердить результаты измерений в таблице 3, было получено ESEM-изображение сломанного участка SC, показанное на рисунке 5(a). Также была изучена морфология FAC.

    Было совершенно очевидно, что в СК много крупных пор. Эти поры привели к низкой плотности и высокому коэффициенту поглощения влаги SC, как показано в таблице 3. Рисунок 5 (b) показывает, что большая часть FAC выглядела как сферические частицы вместе с некоторыми осколками.

    4.2. Характеристика плотности асфальтовой смеси

    Объемная удельная плотность этих асфальтовых смесей показана в таблице 4. Из-за добавления пористого заполнителя объемная удельная плотность разработанной смеси была снижена более чем на 19%. С одной стороны, меньшая плотность позволила использовать этот вид смеси при строительстве мостовых покрытий. С другой стороны, меньшая насыпная плотность разработанной смеси снизит ее теплопроводность, что облегчит ее применение в охлаждающих покрытиях.

    9002

    Тип смеси Смесь управления Смесь # 2 Смеси № 2
    9008
    Массовая удельная плотность 2.332 1.884 1.827 1. 794

    4.3. Теплофизический параметр

    Измеренная теплопроводность и расчетная удельная теплоемкость приведены в таблице 5.

    9002 9002 9002

    Тепловой параметр Смесь управления Смесь # 1 Смеси № 2 Смеси № 3
    Теплопроводность (W / (M · K)) 1.2918 1.0449 0.9226 0.9226 0.9226 0.8356 0.8356
    Удельная теплоемкость Тепловой пропускной способности (W / (кг · к)) 717.73 1039.19 1119.2 1237.Таблица 5 показывает, что добавки SC и FAC снижают теплопроводность и повышают удельную теплоемкость. В частности, теплопроводность смесей № 2 и № 3 снизилась на 28,6% и 35,3% соответственно по сравнению с контрольной смесью. При этом удельные теплоемкости двух вышеуказанных смесей увеличились на 25,7% и 39,0% соответственно. Из таблицы 1 видно, что массовое содержание СК в смеси №2 было выше, чем суммарное массовое содержание СК и ПКИ в смеси №3.Тем не менее, тепловые характеристики Смеси №3 улучшились в большей степени, чем у Смеси №2. Результат был обусловлен меньшей плотностью ПКИ по сравнению с плотностью СК. По результатам, изложенным в работах [16, 17], применение битумной смеси с низкой теплопроводностью в верхнем слое предотвратит поглощение асфальтовой смесью солнечного тепла, что приведет к повышению температуры поверхности. Передача меньшего количества тепла в асфальтобетонное покрытие привела к снижению температуры в среднем и нижнем слоях.

    4.4. Распределение температуры

    Инфракрасные изображения верхней поверхности снимались каждые пять минут. Инфракрасные изображения в два разных момента показаны на рисунках 6(а) и 6(б) соответственно. Можно обнаружить, что температура распределялась неравномерно, что указывает на невозможность представить температуру поверхности с помощью одной температуры. Чтобы точно представить изменение температуры поверхности, все инфракрасные изображения были обработаны программным обеспечением FLIR Tools для получения их средних температур, а затем эти средние температуры были названы температурами поверхности (рис. 6(c)).Кроме того, температуры, зарегистрированные датчиками температуры, использовались для представления внутренней температуры образцов смеси. Подробные температурные профили в четырех различных точках по глубине показаны на Рисунке 7.

    На Рисунке 7 показано, что четыре типа асфальтовой смеси демонстрируют различное распределение температуры в разных местах. В частности, температура верхней поверхности и температура на глубине 2  см увеличивались с увеличением термического сопротивления асфальтобетонной смеси.Вместо этого температура на глубине 4 см и температура поверхности дна снижались с увеличением термического сопротивления асфальтобетонной смеси. Например, температура поверхности смеси №1, смеси №2 и смеси №3 была на 1,7°С, 2,1°С и 3,1°С выше, чем у контрольной смеси соответственно. А температуры Смеси №1, Смеси №2 и Смеси №3 на глубине 4 см были на 1,62°С, 3,13°С и 4,39°С ниже, чем у контрольной смеси соответственно.

    Из вышеприведенных результатов можно сделать вывод, что использование асфальтобетонной смеси с низкой теплопроводностью в верхнем слое асфальта неблагоприятно для смягчения эффекта городского острова тепла, но полезно для уменьшения колейности при высоких температурах, поскольку городской остров тепла Эффект напрямую связан с температурой верхней поверхности [33, 34], в то время как колейность очень легко возникает в среднем слое асфальта [35, 36].

    4.5. Прочность на сдвиг

    Результаты прочности на одноосное сжатие и прочности на растяжение при расщеплении показаны на рисунке 8. Результаты прочности на сдвиг, показанные на рисунке 9, были рассчитаны с использованием результатов, показанных на рисунке 8.



    Прочность на одноосное сжатие и прочность на растяжение при раскалывании показали аналогичные различные тенденции для разных асфальтовых смесей. В частности, смесь № 3 имела более высокую прочность на одноосное сжатие и прочность на растяжение при расщеплении, чем другие смеси, что в значительной степени связано с улучшенными характеристиками битумной матрицы в результате добавления FAC.Сравнение рисунков 8 и 9 показывает, что три показателя силы имели одинаковые изменяющиеся тенденции. Прочность на сдвиг смеси №1 и смеси №2 снизилась на 7,9% и 14,4% соответственно. Напротив, прочность на сдвиг смеси № 3 была немного выше, чем у смеси № 1, что было связано с добавлением FAC, который мог увеличить ее адгезионную прочность с битумным вяжущим [37, 38]. Хотя добавление легкого заполнителя может увеличить термическое сопротивление асфальтобетонной смеси, асфальтобетонная смесь с низкой теплопроводностью показала более низкую прочность по сравнению с контрольной асфальтобетонной смесью.В будущих исследованиях предлагается добавить некоторые армирующие добавки (например, волокна) для приготовления асфальтобетонной смеси с низкой теплопроводностью и высокой прочностью.

    4.6. Динамическая стабильность

    В соответствии с пропорциями смеси, показанными в таблице 1, для проведения испытания на колейность при 60°C были подготовлены образцы размером 300 мм × 300 мм × 50 мм. Результаты показаны на рисунке 10.


    Динамическая устойчивость имела переменную тенденцию, аналогичную тенденции прочности на сдвиг.Добавление СК в смесь № 2 и смесь № 3 снизило динамическую стабильность на 8,6% и 16,7% соответственно по сравнению с контрольной смесью. Точно так же динамическая стабильность смеси № 3 была самой высокой среди трех смесей с низкой теплопроводностью, приготовленных в этом исследовании.

    5. Выводы

    В этой работе использовались SC и FAC для замены равных объемов базальтового заполнителя и минерального порошка известняка, соответственно. Всего было приготовлено четыре вида асфальтобетонных смесей и проведена серия экспериментов по подтверждению возможности повышения термической стойкости асфальтобетонной смеси для охлаждения асфальтобетонного покрытия.

    SC и FAC отличаются низкой плотностью и высоким коэффициентом влагопоглощения, поэтому теплопроводность ниже, чем у базальтового заполнителя и известнякового минерального порошка соответственно. Тест ESEM показал, что в СК было много крупных пор, и большая часть ЭСК выглядела как сферические частицы. Использование SC и FAC позволяет производить асфальтобетонную смесь с низкой теплопроводностью. Теплопроводность асфальтобетонной смеси может снизиться до 35,3%, что может быть использовано для предотвращения передачи солнечной радиации вниз.Асфальтовая смесь с низкой теплопроводностью продемонстрировала максимальное снижение температуры на 4,39°C на глубине 4 см. Однако температура верхней поверхности увеличилась, поскольку на поверхности асфальтового покрытия аккумулировалось больше солнечного тепла. Тем не менее, механические характеристики по сопротивлению колееобразованию асфальтобетонной смеси с добавлением СК снижаются по сравнению с контрольной асфальтобетонной смесью, в то время как ФАС оказывает положительное влияние на эту характеристику.

    В целом, добавление легких материалов в асфальтобетонную смесь может улучшить термостойкость и снизить внутреннюю температуру асфальтового покрытия.Тем не менее, пониженная устойчивость к колееобразованию такой смеси говорит нам о том, что в будущих исследованиях необходимо добавить некоторые армирующие добавки для приготовления асфальтобетонной смеси с низкой теплопроводностью и высокой прочностью.

    Доступность данных

    Данные, использованные для поддержки результатов этого исследования, можно получить у соответствующего автора по запросу.

    Конфликт интересов

    Авторы заявляют об отсутствии конфликта интересов.

    Благодарности

    Эта работа выполнена при финансовой поддержке Научно-технического проекта Управления шоссейных дорог провинции Чжэцзян, Китай (номер гранта 2019h22) и Национального фонда естественных наук Китая (номер гранта 51808562).

    дорог и шоссе | транспорт

    Начиная с 1840-х годов быстрое развитие железных дорог фактически остановило строительство легких дорог Тресаге-МакАдам. В течение следующих 60 лет улучшения дорог в основном ограничивались городскими улицами или подъездными путями к железнодорожным станциям. Другие сельские дороги стали непроходимыми в сырую погоду.

    Первоначальный стимул для возобновления дорожного строительства исходил не от автомобиля, влияние которого почти не ощущалось до 1900 года, а от велосипеда, ради которого во многих странах в 1880-х и 1990-х годах началось улучшение дорог.Тем не менее, в то время как требования легкого низкоскоростного велосипеда удовлетворялись старыми «щебневыми» поверхностями, автомобиль начал предъявлять свои собственные, казалось бы, ненасытные требования, когда мир вступил в 20-й век.

    Новые материалы для мощения

    Когда мощение городских улиц получило широкое распространение во второй половине XIX века, обычными материалами для мощения были каменные блоки размером с копыто, деревянные блоки аналогичного размера, кирпичи, щебень МакАдама, а иногда асфальт и бетон.Щебень МакАдама представлял собой самую дешевую мостовую, но за его несвязанной поверхностью было трудно ухаживать, и она обычно была либо слизистой, либо пыльной из-за воды, погоды и обильного количества лошадиных экскрементов. Таким образом, дороги на рубеже 20-го века были в значительной степени неадекватными для требований, предъявляемых к ним легковым и грузовым транспортом. Поскольку скорость транспортных средств быстро увеличивалась, доступное трение между дорогой и шиной стало критическим для ускорения, торможения и прохождения поворотов. Кроме того, многочисленные разрушения дорожного покрытия показали, что требуются гораздо более прочные и жесткие материалы.Результатом стал постоянный поиск лучшего дорожного покрытия. Асфальт и бетон обещали.

    Асфальт представляет собой смесь битума и камня, а бетон представляет собой смесь цемента и камня. Асфальтовые пешеходные дорожки были впервые проложены в Париже в 1810 году, но этот метод не был усовершенствован до 1835 года. Первое использование асфальта на дорогах произошло в 1824 году, когда асфальтовые блоки были уложены на Елисейских полях в Париже, но первое успешное крупное применение было сделано в 1858 году на соседней улице Сент-Оноре.Первый успешный бетонный тротуар был построен в Инвернессе, Шотландия, в 1865 году. Однако ни одна из технологий не продвинулась далеко вперед без давления автомобиля, и обе они требовали наличия мощного оборудования для дробления, смешивания и распределения камней.

    Толчком к разработке современного дорожного асфальта послужили Соединенные Штаты, где было мало месторождений природного битума и поэтому инженеры были вынуждены изучать принципы поведения этого материала.Первые шаги были сделаны в 1860-х годах, когда бельгийский иммигрант Эдвард де Смедт работал в Колумбийском университете в Нью-Йорке. Де Смедт провел свои первые испытания в Нью-Джерси в 1870 году и к 1872 году производил эквивалент современного «хорошо отсортированного» асфальта максимальной плотности. Первые приложения были в Бэттери-парке и на Пятой авеню в Нью-Йорке в 1872 году. Де Смедт отправился в Вашингтон, округ Колумбия, в 1876 году в рамках желания президента Улисса С. Гранта сделать этот город «столицей, достойной великой нации». .Грант назначил комиссию для надзора за строительством дорог, и она провела свои первые испытания на Пенсильвания-авеню в 1877 году. Шестьдесят процентов испытаний использовали новый продукт де Смедта и имели большой успех.

    В 1887 году де Смедта сменил в качестве инспектора асфальтов и цементов Клиффорд Ричардсон, который приступил к разработке спецификаций для асфальтовых смесей. Ричардсон в основном разработал две формы асфальта: асфальтобетон, который был прочным и жестким и, таким образом, обеспечивал структурную прочность; и горячекатаный асфальт, который содержал больше битума и, таким образом, давал гораздо более гладкую и лучшую поверхность для автомобилей и велосипедов.

    Одним из очень удобных совпадений при разработке асфальта было то, что автомобиль работал на бензине, который в то время был просто побочным продуктом перегонки керосина из нефти. Еще одним побочным продуктом был битум. До этого времени большинство производителей использовали каменноугольную смолу (побочный продукт производства газа из угля) в качестве вяжущего для дорожного асфальта. Однако по мере роста спроса на автомобильное топливо росла и доступность битума и, следовательно, хорошего асфальта, разработанного в соответствии со стандартами де Смедта и Ричардсона. Это дало американским дорожникам большое преимущество перед их европейскими коллегами, которые все еще были преданы достоинствам различных природных асфальтов, например, из Невшателя, Швейцарии и острова Тринидад.

    Ричардсон опубликовал стандартный учебник по асфальтированию в 1905 году, и с тех пор практика не сильно изменилась. Самое большое изменение коснулось оборудования для производства, укладки и отделки материала, а не самого продукта. К концу века произошли значительные сдвиги в сторону использования переработанного асфальта, химических модификаторов для улучшения свойств битума и мелких волокон для повышения трещиностойкости.Кроме того, разработки в области испытаний и структурного анализа позволили спроектировать асфальтовое покрытие как сложный конструкционный композит.

    Первые современные бетонные дороги были построены Джозефом Митчеллом, последователем Телфорда, который провел три успешных испытания в Англии и Шотландии в 1865–1866 годах. Как и технология асфальта, строительство дорог из бетона было в значительной степени развито на рубеже 20-го века и ограничивалось больше доступной техникой, чем материалом. Проблемы также возникли при изготовлении поверхности, которая могла бы соответствовать характеристикам поверхности, почти случайно полученной из горячекатаного асфальта. В течение следующего столетия два материала продолжали острую конкуренцию, предлагая аналогичный продукт по одинаковой цене, и было мало свидетельств того, что один из них будет далеко опережать другой, продолжая свой путь постепенного улучшения. (Принципы современного проектирования дорожного покрытия описаны ниже в разделе «Дорожное покрытие».)

    Изменения в финансах

    От барщины до пошлины

    На протяжении тысячелетий ответственность за финансирование и строительство дорог и автомагистралей была как местной, так и национальной ответственностью в странах мира.Примечательно, что эта ответственность изменилась вместе с политическим отношением к строительству дорог и не легла легко ни на одну из сторон. Первоначально многие дороги были построены, чтобы предоставить правителям средства завоевания, контроля и налогообложения; в мирные периоды те же правители обычно старались переложить обязанности по содержанию на местные власти, окрестных землевладельцев или путников, пользующихся дорогой. Местные власти и землевладельцы обычно выполняли свои обязанности с помощью барщины, когда люди должны были жертвовать свой труд на дорожные работы.Барщина всегда была непопулярна и непродуктивна, но тем не менее была более эффективной, чем попытки прямого налогообложения.

    Последний вариант, взимающий плату с путешественников, привел к появлению платных дорог, системы, которая расцвела вместе с промышленной революцией. Частные магистральные тресты доминировали в строительстве и обслуживании британских дорог на протяжении 19 века, в конечном итоге охватив 15 процентов всей сети. В Соединенных Штатах многие платные дороги были построены в первой половине 19 века в соответствии с чартерами, выданными штатами.

    С местного на национальное финансирование

    Таким образом, на протяжении 19 века большая часть дорожного строительства управлялась и финансировалась на местной основе. Строительство британских дорог оставалось полностью местным, несмотря на явные доказательства того, что местные власти не обеспечивали адекватных дорог. Национальное правительство вмешалось в картину только благодаря усилению давления со стороны велосипедистов, кульминацией которого стало создание в 1909 году национального дорожного совета, уполномоченного строить и содержать новые дороги, а также авансы дорожным властям для строительства новых или улучшения старых дорог.

    За исключением National Pike, раннее строительство шоссе в Соединенных Штатах также осуществлялось местными органами власти. Конгресс выделил ряд земельных участков для открытия дорог для фургонов, но не контролировал расходование средств, в результате чего, как и в Британии, строительство дорог было осуществлено в незначительной степени.

    В 1891 г. в Нью-Джерси был принят закон, предусматривающий государственную помощь округам, и установлены процедуры сбора средств на уровне поселков и округов для строительства дорог.В 1893 году в Массачусетсе была создана первая государственная дорожная комиссия. К 1913 году большинство штатов приняли аналогичное законодательство, а к 1920 году все штаты имели свои собственные дорожные организации. Однако координации между штатами не было. Национальное финансирование началось в 1912 году с принятия Закона об ассигнованиях почтовых отделений, а Закон о федеральной помощи дорогам 1916 года установил федеральную помощь автомагистралям в качестве национальной политики. Бюро общественных дорог, созданное при Министерстве сельского хозяйства в 1893 г. для проведения «расследований, касающихся управления дорогами», было поручено выполнение программы и формула распределения, основанная на площади, населении и протяженности почтовых дорог в каждом штате. был принят.На строительство были выделены средства, а все расходы на содержание должны были взять на себя государства. Расположение и выбор дорог, которые должны быть улучшены, были оставлены на усмотрение штатов, и у этой договоренности были некоторые недостатки.

    С 1892 года национальное движение «Хорошие дороги» лоббировало создание системы национальных дорог, соединяющих крупные населенные пункты и способствующих развитию национальной экономики. Эта точка зрения была признана Федеральным законом о шоссейных дорогах 1921 года, который требовал, чтобы каждый штат определял систему государственных автомагистралей, не превышающую 7 процентов от общего пробега автомагистралей в каждом штате.Финансирование федеральной помощи было ограничено этой системой, которая не должна была превышать трех седьмых от общего пробега шоссе. Требовалось одобрение системы Бюро дорог общего пользования, а федеральная помощь была ограничена 50 процентами сметной стоимости.

    Новые магистрали

    Создание такой системы в эпоху автомобилей потребовало новой формы дороги. Он вырос из бульвара, у которого было много исторических прецедентов, но в его современном виде он был представлен в 1858 году благодаря работе ландшафтных архитекторов Фредерика Лоу Олмстеда и Калверта Во для Центрального парка в Нью-Йорке.Эта концепция получила дальнейшее развитие благодаря Уильяму Найлсу Уайту из Нью-Йорка в рамках программы защиты реки Бронкс в Нью-Йорке и округе Вестчестер. 15-мильная четырехполосная дорога с односторонним движением, известная как Bronx River Parkway, была построена между 1916 и 1925 годами. Защищенная с обеих сторон широкими полосами парков, которые ограничивали доступ, шоссе было расположено и спроектировано таким образом, чтобы причинять минимальное беспокойство пейзаж. Его использование было ограничено легковыми автомобилями, а перекрестки на уровне земли избегались.Успех концепции привел к созданию системы бульваров округа Вестчестер и Комиссии государственного парка Лонг-Айленда. В районе Нью-Йорка было построено больше бульваров, в том числе Мерритт-Паркуэй (1934–40), которая продолжала систему Вестчестер-Паркуэй через Коннектикут в качестве платной дороги, обеспечивающей разделенные проезжие части и ограниченный доступ.

    Автострада

    Успех системы бульваров привел к введению автострады, которая представляет собой разделенное шоссе без конфликтного движения транспорта и без доступа с прилегающих участков.В Германии между 1913 и 1921 годами группа под названием AVUS построила 10 километров бульвара через парк Грюневальд в Берлине. Их успешный опыт привел к тому, что в период с 1929 по 1932 год из Кельна в Бонн была построена первая в мире автострада. — Автобан Дармштадт-Мангейм-Гейдельберг. Одной из целей программы было сокращение безработицы, но дороги также апеллировали к немецкому национализму и имели сильную милитаристскую направленность.Вся система включала три маршрута с севера на юг и три маршрута с востока на запад. На шоссе были отдельные проезжие части шириной 7,5 метра (25 футов), разделенные средней полосой шириной 5 метров (16 футов). Дороги были рассчитаны на большие объемы движения и скорости более 150 километров (90 миль) в час, в обход городов и с ограниченным доступом. Около 1000 километров (600 миль) было завершено к 1936 году, и 6500 километров (4000 миль) использовались, когда строительство было прекращено в 1942 году.

    Жизнеспособность концепции автострады в Соединенных Штатах продемонстрировала Пенсильванская магистраль.Пенсильванская магистральная комиссия, созданная в 1937 году для сбора средств и строительства платной дороги через Аппалачи, обнаружила необычайно благоприятную ситуацию в виде заброшенной полосы отчуждения железной дороги с множеством туннелей и отличными уклонами на большей части маршрута. это позволило в 1940 году построить платную дорогу в соответствии со стандартами автострад. Магистраль обеспечивала две 24-футовые проезжие части и 10-футовую разделительную полосу без перекрестного движения на одном уровне и с полным контролем доступа и выезда на 11 транспортных развязках.Его выравнивание и уклоны были рассчитаны на большие объемы высокоскоростного движения, а его дорожное покрытие рассчитано на проезд самых тяжелых грузовиков. Благоприятная реакция общественности на этот новый тип автомагистралей послужила толчком для бума платных дорог в Соединенных Штатах после Второй мировой войны, способствовала началу крупной программы строительства автомагистралей между штатами и повлияла на развитие автомагистралей в других местах. Пенсильванская магистраль, первоначально шедшая из Гаррисберга в Питтсбург, позже была продлена на 100 миль на восток до Филадельфии и на 67 миль на запад до границы с Огайо, в результате чего ее длина составила 327 миль.Оригинальной особенностью магистрали, позже широко скопированной, было наличие ресторана и заправочных станций.

    Национальные и международные автомагистрали

    Римляне поняли, что скоординированная система дорог, соединяющих основные районы их империи, будет иметь первостепенное значение как для коммерческих, так и для военных целей. В современную эпоху страны Европы впервые представили концепцию систем автомобильных дорог. Во Франции, например, в 1716 было организовано Государственное управление дорог и мостов, а к середине 18 в. страна была покрыта разветвленной сетью дорог, построенных и содержащихся в основном за счет национального правительства.В 1797 году система дорог была разделена на три класса по убыванию важности: (1) дороги, ведущие из Парижа к границе, (2) дороги, ведущие от границы к границе, но не проходящие через Париж, и (3) дороги, соединяющие города. К началу 1920-х годов этот общий план оставался в основном таким же, за исключением того, что произошло постепенное изменение класса и ответственности. В то время система дорог была разделена на четыре класса: (1) национальные автомагистрали, улучшаемые и обслуживаемые национальным правительством, (2) региональные автомагистрали, улучшаемые и обслуживаемые департаментом при бюро дорожных служб, назначаемом Комиссией департамента ( 3) основные дороги местного значения, соединяющие небольшие города и села, построенные и содержащиеся за счет средств гмин дополненных грантами департамента, и (4) поселковые дороги, построенные и обслуживаемые самими гминами.

    Сенатор США Роберт Балкли из Огайо с картой предлагаемой федеральной сети, которая была предшественником системы автомагистралей между штатами США, февраль 1938 г.

    Коллекция Harris & Ewing/Библиотека Конгресса, Вашингтон, округ Колумбия (LC- DIG-hec-24067)

    В то время как британцы признали необходимость национальной поддержки автомагистралей и национальной системы еще в 1878 году, именно Закон о Министерстве транспорта 1919 года впервые классифицировал систему дорог на 23 230 миль дорог класса I и 14 737 миль дорог класса II. .Пятьдесят процентов стоимости дорог класса I и 25 процентов стоимости дорог класса II должны были нести национальное правительство. В середине 1930-х годов была признана необходимость национальной системы сквозного движения, и Закон о магистральных дорогах 1939 года, за которым последовал Закон о магистральных дорогах 1944 года, создали систему дорог для сквозного движения. Закон об особых дорогах 1949 г. разрешил классифицировать существующие или новые дороги как «автомагистрали», которые могут быть зарезервированы для особых классов движения. Закон об автомобильных дорогах 1959 года отменил все прежнее законодательство о дорогах в Англии и Уэльсе и заменил его комплексным набором новых законов.

    Гигантская система автомагистралей между штатами США (формально Национальная система автомагистралей между штатами и оборонными автомагистралями) была разработана в ответ на сильное общественное давление в 1950-х годах в пользу улучшения дорожной системы. Кульминацией этого давления стало учреждение президентом Дуайтом Эйзенхауэром Комитета глины в 1954 году. В соответствии с рекомендациями этого комитета Закон о федеральной помощи автомобильным дорогам и Закон о доходах от шоссе 1956 года предоставили финансирование для ускоренной программы строительства. Был установлен федеральный налог на бензин, средства от которого вместе с другими платежами пользователей автомагистралей были помещены в трастовый фонд шоссейных дорог. Соотношение федеральных и штатов для финансирования строительства Межгосударственной системы было изменено на 90 процентов федерального и 10 процентов штата. Ожидалось, что система будет завершена не позднее 1971 года, но увеличение стоимости и задержки в планировании увеличили этот срок примерно на 25 лет. Система выросла до общей протяженности более 45 000 миль, соединяя почти все крупные города в Соединенных Штатах и ​​пропуская более 20 процентов трафика страны по чуть более 1 проценту всей дорожной и уличной сети.

    Канадский закон о автомобильных дорогах 1919 г. предусматривал систему автомагистралей протяженностью 40 000 километров (25 000 миль) и предусматривал федеральное выделение средств на строительство, не превышающее 40 процентов стоимости. К концу века было построено более 134 000 километров (83 000 миль) автомагистралей, из которых примерно 16 000 километров (9 900 миль) приходились на автострады.

    Границы | Облегченная нейронная сеть для обнаружения трещин на бетонной поверхности в режиме реального времени в условиях тумана

    Введение

    Контроль качества бетонной поверхности — одна из основных задач, стоящих перед бетонной промышленностью. Бетонные поверхности высокого качества производят эстетически приятное впечатление, поэтому архитекторы и владельцы зданий предъявляют более строгие требования к качеству бетонных поверхностей (Chen et al., 2019; Wei et al., 2019). Трещины, один из наиболее распространенных факторов, влияющих на качество бетонной поверхности, оказывают значительное влияние на безопасность и устойчивость бетонных зданий. Таким образом, обнаружение трещин играет важную роль в обслуживании зданий.

    Традиционно визуальный осмотр человеком часто использовался для оценки дефектов на бетонных поверхностях (Peng et al., 2020). Тем не менее, оценочные выводы, сделанные разными людьми при одинаковых условиях конкретной поверхности, различны (Laofor, Peansupap, 2012). Кроме того, вышеуказанный метод обычно требует больше рабочей силы и времени и не дает последовательных количественных объективных результатов. Таким образом, автоматическая проверка дефектов чрезвычайно осуществима для более эффективной и объективной оценки дефектов.

    По сравнению с недостатками традиционных методов визуальной идентификации человека были проведены обширные исследования компьютерных методов.Ученые предложили массу методов обнаружения повреждений, основанных на методах обработки изображений (IPT). Очевидно, что ИПТ имеет преобладающее значение при выявлении различных поверхностных дефектов. Йеум и др. однажды применили IPT для обнаружения трещин (Yeum and Dyke, 2015) при интеграции с технологией скользящего окна. В настоящем исследовании отчетливо воплощены возможности ИПТ. В последние годы было проведено множество исследований (Nishikawa et al., 2012; Choi et al., 2017), основанных на IPT, чтобы заменить визуальный осмотр человека.Однако эффективность обнаружения несколько снижается, если интенсивность некоторых зашумленных пикселей ниже, чем у пикселей с трещинами. Учитывая, что края и трещины морфологически в значительной степени схожи, многие исследователи (Salman et al., 2013; Zalama et al., 2014) применяют методы на основе фильтров, специально предназначенные для обнаружения краев, для обнаружения трещин в дорожном покрытии. Метод на основе IPT эффективен и быстр, но его надежности все еще недостаточно в случае шумов (в основном создаваемых освещением и искажениями), что серьезно влияет на результаты (Koziarski and Cyganek, 2017).Технология шумоподавления может решить эти проблемы. Шумоподавление изображения с полным изменением является преобладающим методом уменьшения шумов данных изображения, тем самым повышая возможность обнаружения краев изображений (Beck and Teboulle, 2009). Из-за значительных изменений в данных изображений, полученных в реальной инженерии, применение трансцендентных знаний в ИПТ ограничено. Эти традиционные методы обнаружения трещин явно несовершенны: каждый метод предназначен для конкретной базы данных или настройки.Детекторы взлома часто не работают после изменения настроек или базы данных. Кроме того, из изображений сложно извлечь семантическую информацию (ширину и расположение трещин и т. д.). Чтобы помочь инспекторам обнаружить дефекты, обычно используются алгоритмы обработки изображений. Но окончательные результаты по-прежнему получаются на основе ручного суждения (Oh et al., 2009).

    В настоящее время оборудование для получения изображений и вычислительные возможности совершенствуются, множество алгоритмов машинного обучения (таких как глубокое обучение) используются для распознавания объектов с приемлемыми результатами (Ciresan et al., 2012; Он и др., 2015; Крижевский и др., 2017; Чжан и др., 2021). Методы глубокого обучения — это подходы, основанные на данных, которые не требуют правил, разработанных вручную. При построении модели просто необходимо выбрать правильную структуру сети для оценки выходных данных модели и разумный алгоритм оптимизации. Широкое внимание привлекла сверточная нейронная сеть (CNN) как эффективный метод распознавания (Lecun et al., 2015). Кроме того, на него обращают внимание при классификации изображений и обнаружении объектов (Ren et al., 2017). Был разработан основанный на глубоком обучении метод для обнаружения дыр в бетоне (Wei et al. , 2019; Yao et al., 2019; Wei et al., 2021), трещин в бетоне (Chen and Jahanshahi, 2018; Dung and Anh, 2019). ; Sun et al., 2021; Tang et al., 2021a; Yao et al., 2021), трещины в дорожном покрытии (Ji et al., 2020; Mei and Gül, 2020; Guan et al., 2021) и другие дефекты. (Лин и др., 2017; Ча и др., 2018; Ли и др., 2019; Тан и др., 2021b; Цзян и др., 2021). Существующие методы обнаружения трещин, основанные на CNN, как правило, имеют проблемы, такие как сложные структуры сети и избыточные параметры обучения.Одной из важнейших технических проблем является баланс между эффективностью и точностью обнаружения.

    В настоящее время основная структура обнаружения объектов на основе глубокого обучения в основном делится на две категории: двухэтапная, основанная на идее предложения целевой области, и одноэтапная, основанная на идее регрессии. Сначала извлекаются предложения целевых регионов в двухэтапной категории, а затем на их основе обучается модель обнаружения (например, RCNN (Girshick et al. , 2013), Fast-RCNN (Girshick, 2015) и Faster-RCNN) ( Рен и др., 2017). Одноэтапная категория не имеет операции извлечения предложения целевого региона, а целевая категория и информация о местоположении напрямую генерируются сетью обнаружения (например, SSD (Liu et al., 2016), YOLOv3 (Redmon and Ali, 2018) и YOLOv4 (Бочковский и др., 2020)). Двухэтапный метод обеспечивает более высокую точность задачи, но более низкую скорость, в то время как одноэтапный может обеспечить производительность в реальном времени за счет точности. Таким образом, чтобы сбалансировать эффективность и точность обнаружения трещин на бетонной поверхности, концепция модуля GhostNet (Han et al., 2020) используется для справки, а архитектура магистральной сети YOLOv4 улучшена, чтобы использовать меньше параметров для создания большего количества функций. Избыточность функций между сетями уменьшается, и вся сеть сжимается. Метод многомасштабного плавления используется для эффективного обнаружения трещин на бетонных поверхностях, значительно преодолевая трудности ручного обнаружения.

    В настоящее время наиболее важные исследования проводятся в условиях, когда информация об изображении четкая и очевидная.При частых неблагоприятных погодных условиях (таких как дымка) собранные изображения будут ухудшаться из-за потери подробной информации, искажения цвета и разрешения изображения. Метод распознавания сетевой модели в сцене четкого изображения кажется немного непрактичным. Когда целевые характеристики собранных изображений в тумане неясны, а разрешение проблематично, облегченная сетевая модель YOLOv4 напрямую используется для обнаружения трещин, и эффективность обнаружения снижается.Следовательно, в этой статье сетевая модель интегрирована с априорной концепцией темного канала (Kaiming et al., 2011) и начальным модулем (Szegedy et al., 2016). Особенности изображения трещин извлекаются в нескольких масштабах, а двусторонние ограничения BReLU применяются для поддержания локальной линейности. На основе модели атмосферного рассеяния (Nayar and Narasimhan, 1999) и улучшенной модели YOLOv4 трещины на бетонных поверхностях можно эффективно обнаруживать в тумане. Предлагаемая сетевая модель сравнивается с алгоритмом YOLOv3 по показателям субъективного зрения и объективной оценки.Результаты показывают, что предложенный метод имеет лучшую производительность обнаружения, а параметры модели и объем вычислений значительно сокращаются.

    Облегченная модель для обнаружения трещин в бетоне

    Принципы YOLOv4

    Магистральная сеть CSPDarknet53 YOLOv4 является ядром алгоритма и используется для извлечения целевых функций. CSPNet может поддерживать точность и уменьшать узкие места в вычислениях и затраты на память, будучи упрощенной. Основываясь на опыте CSPNet, YOLOv4 добавляет CSP к каждому большому остаточному блоку Darknet53.Он делит отображение объектов базового слоя на две части, а затем объединяет их через иерархическую структуру с несколькими этапами, чтобы уменьшить объем вычислений при обеспечении точности. Функция активации CSPDarknet53 использует функцию активации Mish, а последующая сеть использует функцию Leaky ReLU. Эксперименты показали, что эта настройка имеет более высокую точность обнаружения объектов. В отличие от алгоритма YOLOv3, использующего FPN для повышения частоты дискретизации, YOLOv4 опирается на идею циркуляции информации в сети PANet.Во-первых, семантическая информация о функциях слоя распространяется в низкоуровневую сеть путем повышения дискретизации, а затем объединяется с информацией высокого разрешения о базовых функциях для улучшения эффекта обнаружения небольших целей. Далее путь передачи информации снизу вверх увеличивается, а пирамида признаков расширяется за счет понижения дискретизации. Наконец, карты объектов разных слоев объединяются для прогнозирования. Конкретная сетевая структура показана на рисунке 1 (Бочковский и др., 2020). ResBlock_body — это остаточный блок CSPDarknet53, который может извлекать целевые функции изображения и уменьшать узкие места в вычислениях и затраты памяти. Конкретная внутренняя архитектура модуля показана на рисунке 2 (Yao et al., 2021).

    РИСУНОК 1 . Сетевая архитектура YOLOv4.

    РИСУНОК 2 . Структура модуля ResBlock.

    Принципы модуля Ghost

    Модуль Ghost может использовать меньше параметров для создания большего количества карт объектов.В частности, ввиду большого количества избыточности в картах промежуточных признаков, рассчитанных основной CNN, глубокая нейронная сеть делит обычный сверточный слой на две части. В первой части количество сверток строго контролируется, а присущие карты признаков извлекаются обычными операциями свертки. Во второй части используется ряд простых линейных операций для создания дополнительных карт объектов. По сравнению с обычной сверточной нейронной сетью общее количество параметров и вычислительная сложность, необходимые в модуле Ghost, уменьшены без изменения размера выходной карты объектов.Конкретная реализация показана на рисунке 3 (Han et al., 2020).

    РИСУНОК 3 . Обычная операция свертки и работа модуля Ghost.

    Анализируются преимущества памяти и вычислений, достигнутые с помощью модуля Ghost. Входные данные имеют вид X∈Rc×h×w, где c — количество каналов, w — ширина и h — высота. Y∈Rn×h×w — выходная карта признаков с n каналов, а f∈Rc×k×k×n — размер ядра свертки.FLOP, необходимые для обычного процесса свертки, составляют n×h×w×c×k×k.

    Модуль Ghost полагает, что выходные карты объектов преобразуются несколькими оригинальными картами объектов с помощью некоторых дешевых операций, таких как линейное преобразование. Размер ядра обычной свертки равен f′∈Rc×k×k×m, где m≤n, а выходная карта признаков равна Y′∈Rh′×w′×m. Таким образом, чтобы дополнительно получить требуемые карты признаков n , используется ряд дешевых линейных операций для создания s повторяющихся карт признаков для исходной карты в Y ‘, и средний размер ядра каждой линейной операции d×d.Теоретический коэффициент ускорения при использовании модуля Ghost для обновления обычной свертки вычисляется по уравнению. 1 Величина d×d аналогична k×k и s≪c. Коэффициент сжатия параметра вычисляется по уравнению. 2 Коэффициент сжатия параметра примерно равен коэффициенту ускорения.

    rs=n×h′×w′×c×k×kns×h′×w′×c×k×k+(s−1)×ns×h′×w′×d×d=c×k× k1s×c×k×k+s−1s×d×d≈s×cs+c−1≈s(1)rc=n×c×k×kns×c×k×k+(s−1)×ns ×d×d≈s×cs+c−1≈s(2)

    Облегченная структура модели YOLOv4

    Улучшение модели YOLOv4 Framework

    Модуль Ghost применяется для создания того же количества карт объектов, что и обычный сверточный слой.Он может легко заменить сверточный слой и интегрировать его в существующую структуру нейронной сети, чтобы снизить вычислительные затраты. Модуль Ghost используется для создания структуры узкого места Ghost для замены структуры узкого места Resblock_body в сетевой модели YOLOv4, что может еще больше устранить избыточность функций.

    Узкое место Ghost, созданное с использованием концепции модуля Ghost, показано на рис. 4. Подобно базовому остаточному блоку в ResNet, оно объединяет несколько сверточных слоев и ярлыков.Структура узкого места Ghost в основном состоит из двух сложенных модулей Ghost. Первый модуль Ghost используется как дополнительный слой, увеличивающий количество каналов. Второй уменьшает количество каналов, чтобы они соответствовали пути быстрого доступа. Затем ярлык используется для соединения входа и выхода двух модулей Ghost, а концепция модуля MobileNetv2 используется для справки. Структура ReLU не используется после второго модуля Ghost. Для модуля Ghost с шагом = 2 путь быстрого доступа реализуется с помощью разделяемой свертки слоя понижающей дискретизации и шага = 2.

    РИСУНОК 4 . Модуль узкого места Ghost и структура Resblock_body: (A) Структура узкого места Ghost с шагом = 1,2 (B) Resblock_body.

    В этом разделе, учитывая преимущества базовой архитектуры SPP и PANet в модуле YOLOv4, узкое место Ghost используется для замены структуры Resblock_body в модуле YOLOv4. Конкретная структура замещающей сети показана на рисунке 5.

    РИСУНОК 5 . Облегченная структура модели YOLOv4.

    Алгоритм быстрого немаксимального подавления

    Традиционный алгоритм немаксимального подавления (NMS) (Neubeck and Gool, 2006) упорядочивает элементы в порядке убывания в соответствии с показателями достоверности обнаруженных целевых блоков. Он устанавливает пороговое значение Intersection over Union (IoU) и удаляет ограничивающие рамки, превышающие пороговое значение. Пока все прямоугольники прогнозирования не будут пройдены, оставшиеся ограничивающие прямоугольники принимаются в качестве окончательного результата обнаружения цели. Поскольку это последовательный обход, каждую категорию необходимо сортировать и фильтровать, что приведет к потере скорости алгоритма.В этом исследовании, учитывая характеристики изображения трещин на поверхности бетона, применяется параллельная обработка для экранирования и сохранения каждой граничной рамки параллельно. Во-первых, вводятся все нефильтрованные поля предсказания сети, которые располагаются в порядке убывания в соответствии с оценками достоверности. Выбираются только первые результаты обнаружения N . Затем рассчитывается IoU для результатов прогнозирования трещин, чтобы получить матрицу IoU. Диагональные элементы и нижний треугольник являются самопересекающимися и пересчитываемыми, и им присваивается значение 0.Рассчитывается максимальное значение матрицы IoU, и поля за пределами порогового значения отфильтровываются. В результате окончательный результат скрининга является окончательным результатом распознавания.

    Модель обнаружения трещин в бетоне в тумане

    При частых неблагоприятных погодных условиях, таких как дымка, качество собранных изображений ухудшается из-за низкого разрешения изображения и потери подробной информации. Сетевой модели YOLOv4 не хватает практичности при применении для обнаружения трещин в сценах с четким изображением, и ее эффективность обнаружения снизится.В этом разделе основное внимание уделяется ряду явлений деградации при получении изображений и низкой скорости обнаружения трещин в неблагоприятных погодных условиях. Предыдущий темный канал и начальный модуль используются для справки для интеграции в сетевую модель. Особенности изображения трещин извлекаются в нескольких масштабах, а двусторонние ограничения BReLU применяются для поддержания локальной линейности. Четкая сцена трещины восстанавливается на основе модели атмосферного рассеяния, а структура трещины эффективно обнаруживается в сочетании с улучшенной сетевой моделью YOLOv4.

    Модель атмосферного рассеяния

    Существуют два основных фактора, приводящих к ухудшению качества изображения в туманную погоду. Во-первых, атмосферный свет рассеивается частицами атмосферной дымки, создавая рассеянный свет, который влияет на разрешение изображения. Во-вторых, свет, отраженный от атмосферы к цели, вызывает ослабление света за счет поглощения и рассеяния взвешенных частиц, что обычно приводит к размытию деталей изображения и снижению контраста.На основе этих двух факторов Наяр и Нарасимхан предложили модель атмосферного рассеяния (Наяр и Нарасимхан, 2002). Ссылка на изображение показана на рисунке 6. Математическое выражение показано в уравнении. 3.

    I=Lobject⋅t+A=Lobject⋅e−βd+A∞(1−e−βd)(3)

    , где I и Loobject представляют интенсивность света туманных и солнечных изображений соответственно; t представляет коэффициент пропускания атмосферы; A представляет интенсивность атмосферного света; A∞ представляет интенсивность атмосферного света на бесконечности; β представляет собой коэффициент экстинкции рассеяния и поглощения; d представляет собой расстояние между целью и системой визуализации.уравнение 3 показывает, что для восстановления четкого изображения необходимо реконструировать два параметра: коэффициент пропускания атмосферы t и интенсивность атмосферного света на бесконечности A∞.

    РИСУНОК 6 . Ссылка на изображение атмосферного рассеяния.

    Предыдущий темный канал

    Предыдущий темный канал (Kaiming et al., 2011) — это априорная теория, полученная на основе статистики большого количества изображений без тумана. В большинстве локальных областей изображений без тумана всегда есть один или несколько пикселей, значение серого которых близко к 0.Математическое выражение показано в уравнении. 4.

    Jdarkobject=miny∈Ω(x){minc∈{r,g,b}[Lcobject]}→0(4)t(i,j)→1−minc(miny∈Ω(x)(I( i,j)A∞))(5)

    где Ω(x) – локальная площадь изображения без тумана; Lcobject и Jdarkobject представляют исходное изображение и изображение, обработанное темным каналом, соответственно. На рис. 7 представлено изображение темного канала без тумана. Атмосферное пропускание t может быть быстро получено путем замены концепции темного канала в уравнении. 4 в модель атмосферного рассеяния, после чего четкое изображение может быть восстановлено.Математическое выражение представлено в виде уравнения. 5 Извлечение уроков из характеристик концепции темного канала и их интеграция в модель нейронной сети помогает восстановить четкие изображения и обеспечивает более высокую скорость обнаружения трещин на бетонных поверхностях.

    РИСУНОК 7 . Четкое изображение и изображение темного канала.

    Каркас модели обнаружения трещин

    Улучшение каркаса модели

    В этом разделе архитектура модели YOLOv4 улучшена для завершения обнаружения трещин на бетонных поверхностях в тумане.Структура входных данных представляет собой конкретное изображение тумана RGB, и ожидается, что карта пропускания соответствующего изображения тумана будет выведена в середине. Информация о положении пикселей изображения остается неизменной, и затем оценивается интенсивность атмосферного света на бесконечности. Модель атмосферного рассеяния используется для восстановления изображения, а трещины на поверхности бетона обнаруживаются в сочетании с облегченной структурой модели YOLOv4. Конкретная улучшенная модель сети показана на рисунке 8.

    РИСУНОК 8 . Каркас модели обнаружения трещин в тумане.

    Первый уровень сети — это слой извлечения признаков, который может эффективно извлекать признаки туманных изображений. В сочетании с предшествующим методом темного канала функция активации свертки и Maxout используется в качестве первого уровня сети. Во-первых, входное туманное изображение состоит из 16 фильтров с размером ядра свертки 3 × 3. Затем, основываясь на идее темного канала изображения, выбирается функция нелинейной активации Maxout для реализации функции фильтрации локального минимума, а извлеченная выводится карта объектов.

    Maxout делит полученную сверткой карту признаков z на группы по k значений, после чего блок Maxout выводит среди них наибольший элемент. Он определяется как h=zj. Можно видеть, что функция активации Maxout достигает аппроксимации выпуклой функции, отделяя клемму k и принимая ее максимальное значение. На основе блока Maxout первый уровень сети разработан, как показано в уравнении. 6.

    F1i(x)=maxj∈[1,k]f1i,j(x),      f1i,j=W1i,j×I+B1i,j(6)

    , где W1i,j — обратный фильтр с центром значение −1 и размер 3 × 3.Это означает, что максимальный выходной сигнал после активации функции Maxout является минимальным значением цветового канала, что является идеей темного канала. Автоматическое изучение признаков темного канала осуществляется путем извлечения признаков из первого слоя.

    На втором уровне многомасштабная сверточная нейронная сеть используется для извлечения признаков цели. Чтобы повысить надежность извлечения признаков при различных разрешениях, используется возможность многомасштабного извлечения структуры модуля Inceptionv3, а адаптивность к ширине и глубине сети увеличивается.Видно, что пространственные фильтры (5×5, 7×7) с большей вычислительной мощностью заменены ядром свертки (3×3) с меньшей вычислительной мощностью в структуре сети второго уровня, что не только уменьшает количество параметров, но и ускоряет вычисления. Интеграция межканальной информации может быть реализована путем разработки структуры уменьшения размерности ядра свертки 1 × 1, за которым следует ядро ​​свертки 3 × 3. Выходы соседних ответов активации сильно коррелированы, и способность локального представления не снижается при уменьшении количества этих эффектов активации перед агрегированием. В то же время ядро ​​свертки 3 × 3 разлагается на два одномерных ядра свертки 1 × 3 и 3 × 1 с помощью схемы разложения ядра свертки. Это не только может ускорить вычисления, но также может увеличить глубину и нелинейность сети.

    В третьем слое пространственная инвариантность достигается выбором максимального значения окрестности. Более того, локальный экстремум также согласуется с предположением, что в туманную погоду пропускание среды локально постоянно, и шум в изображении пропускания может быть подавлен.На четвертом уровне, вдохновленном функциями активации ReLU и Sigmoid, функция активации BReLU используется для нелинейной активации. Диапазон пропускания атмосферы t составляет 0–1, что не может быть бесконечным или бесконечно малым. И локальная линейность, и двусторонние ограничения поддерживаются ядром свертки 3 × 3. Изображение коэффициента пропускания атмосферы может быть нанесено на карту от начала до конца. В конечном итоге входное изображение тумана используется для оценки интенсивности атмосферного света на бесконечности, и можно восстановить четкое изображение. Облегченная сетевая модель YOLOv4 используется для обнаружения трещин на бетонной поверхности.

    Оценка интенсивности атмосферного света на бесконечности A∞

    Согласно модели атмосферного рассеяния по уравнению. 3 анализируется точность оценки интенсивности атмосферного света на бесконечности. Он напрямую определяет четкость восстановленной цели. Следовательно, интенсивность атмосферного света на бесконечности напрямую связана с четкостью изображения. В этой статье на основе темного канала изображения дымки и в сочетании с принципом пространственного индекса дерева квадрантов оценивается интенсивность атмосферного света на бесконечности.Рисунок 9 иллюстрирует принцип пространственного индекса дерева квадрантов. Конкретный метод оценки показан в таблице 1.

    РИСУНОК 9 . Принцип пространственного индекса дерева квадрантов.

    ТАБЛИЦА 1 . Метод оценки интенсивности атмосферного света на бесконечности.

    Интенсивность атмосферного света на бесконечности оценивается описанным выше методом, а передаваемое изображение реконструируется с помощью нейронной сети. Через комбинацию с атмосферной моделью рассеяния уравнения.3, можно восстановить четкое изображение бетонной трещины, а в сочетании с облегченной структурой сетевой модели YOLOv4 можно провести обучение и обнаружение трещин.

    Построение функции сетевых потерь

    Функция потерь сетевой модели состоит из следующих частей: потери оценки пропускания, потери регрессии, потери достоверности и потери классификации. Регрессионная потеря поля предсказания принимает функцию потерь CIOU сетевой модели YOLOv4.Математическое выражение показано в уравнениях. 7–9.

    LCIOU=1−IoU+d2c2+αv(7)v=4π2(arc⁡tanwgthgt−arc⁡tanwh)2(8)

    , где d представляет евклидово расстояние между центральными точками двух блоков предсказания, а c представляет диагональное расстояние закрытой области поля предсказания.

    Функция потери достоверности использует перекрестную энтропию и делится на две части: obj и noobj. Чтобы уменьшить вес вклада расчетной части noobj, потеря noobj увеличивает весовой коэффициент λnoobj. Это показано в уравнении. 10 Функция потерь при классификации использует перекрестную энтропию. Когда блок привязки и сети i отвечает за реальную цель, ограничивающая рамка, созданная этим блоком привязки, будет вычислять функцию потери классификации. Это показано в уравнении. 11 Оценка потери пропускания изучает взаимосвязь отображения между входным изображением и коэффициентом пропускания путем минимизации функции потерь между оцененным коэффициентом пропускания и фактическим коэффициентом пропускания.(c))log(1−pi(c))](11)Ltrans=[1m∑i=1m(12∥hw,b(x)−y∥2)]+λ2∑l=1nl−1∑i =1sl∑j=1sl+1(wji(l))2(12)

    В уравнении 12. Первый член в правой части уравнения представляет собой среднеквадратичную ошибку, а второй член является обычным членом. Регулярный член не имеет ничего общего со смещением bi(l) и может контролировать только размер веса, поэтому его также называют членом затухания веса. Параметр затухания веса λ в члене затухания веса можно использовать для определения пропорции двух элементов в функции потерь. Ключом к обучению является получение функции минимальной стоимости путем непрерывной корректировки веса wij(l) и смещения bi(l).

    В этом разделе функция потерь структуры модели обнаружения трещин в тумане определена как:

    Ltotal=LCIOU+Lconf+Lclasses+Ltrans(13)

    Эксперименты

    Создание базы данных изображений . Для сбора изображений мелких трещин на поверхности бетона все изображения делаются с расстояния 0.1 м между смартфоном и бетонной поверхностью. 2000 исходных изображений (3024 × 3024 пикселей) извлекаются с поверхностей бетонных зданий. Каждое исходное изображение можно обрезать, чтобы получить 139 изображений (256 × 256 пикселей). Однако некоторые обрезанные изображения не содержат трещин. В результате изображения с трещинами тщательно выбираются из набора обрезанных изображений. Наконец, для создания базы данных отбираются 10 000 изображений, соответствующих требованиям.

    Фактический коэффициент пропускания изображений предотвращения запотевания должен быть получен в качестве метки для обучения. Поскольку мишень для стрельбы в реальном тумане должна быть выровнена с положением пикселя мишени для стрельбы в солнечный день, ошибки при стрельбе быть не может, а построение слишком сложное. Соответственно, в этой статье изображения, сделанные в солнечные дни, вручную затемняются для создания базы данных. Matlab используется для реализации путем добавления разной степени белого шума к изображению пиксель за пикселем. Кроме того, со ссылкой на метод улучшения данных Mosaic YOLOv4, четыре изображения случайным образом выбираются из базы данных, произвольно масштабируются, а затем случайным образом распределяются для сшивания.Это может не только значительно расширить исходную базу данных, но и обогатить фон изображений. При случайном кадрировании, если часть поля с этикеткой в ​​образце обрезается, она будет отброшена, а неповрежденное поле с этикеткой будет сохранено после обрезки. В процессе случайного масштабирования добавляется множество небольших целей, чтобы сбалансировать проблему масштабирования исходной базы данных, и надежность сети повышается. Еще одним преимуществом улучшения данных Mosaic является то, что данные четырех изображений могут быть вычислены непосредственно во время обучения, а размер пакета может быть скрыто улучшен.Следовательно, размер мини-партии, установленный во время обучения, не обязательно должен быть большим, что снижает сложность обучения модели.

    С целью оценки обобщающей способности предлагаемой модели 10 000 изображений разбиты на пять частей по принципу пятикратной перекрестной проверки, из которых 80% используются для обучения и проверки модели, а остальные 20% используются тестировать. Точнее, 8000 изображений выбираются случайным образом из 10000 изображений, среди которых 7000 изображений используются для создания обучающего набора, а 1000 изображений используются для создания проверочного набора.Оставшиеся 2000 изображений, не выбранных для обучения и проверки, используются для создания тестового набора.

    Инициализация модели

    В процессе обучения сети, чтобы повысить эффективность и лучше сэкономить вычислительные ресурсы и время, в этом документе используется стратегия обучения с замораживанием некоторых слоев. Весь тренировочный процесс делится на два этапа. На первом этапе обучается только структура магистральной сети; на втором этапе обучается общая структура сети.В процессе обучения применяется стратегия скорости обучения Cosine Annealing, а гиперпараметры оптимизируются в соответствии с генетическим алгоритмом. Начальные настройки параметров первой ступени и второй ступени показаны в таблицах 2, 3 соответственно.

    ТАБЛИЦА 2 . Начальные параметры первой ступени.

    ТАБЛИЦА 3 . Начальные параметры второго этапа.

    Показатели оценки точности

    Для оценки точности любого метода обнаружения объектов предлагается и принимается множество критериев оценки.Наиболее часто используемой метрикой для обнаружения объектов является средняя средняя точность (mAP), которая в настоящее время используется для измерения того, как методы маркировки выполняют задачу. Прежде чем внедрять mAP, необходимо представить широко используемые метрики в области обнаружения объектов, такие как Intersection over Union (IoU), Precision и Recall. IoU — это отношение пересечения и объединения границы-кандидата и границы истинности основания, которое также называется индексом Жаккара. Проблема классификации обычно сортирует соответствующие классы в положительные классы, а другие классы в отрицательные классы.Результаты прогнозирования набора тестов могут быть правильными или неправильными, и эти результаты можно разделить на четыре категории: истинно положительные (TP), истинно отрицательные (TN), ложноположительные (FP) и ложноотрицательные (FN). Точность относится к количеству правильных распознаваний всех образцов, которые, по прогнозам, будут положительными. Согласно приведенной выше классификации, уравнения. 14–15 определяют точность и полноту соответственно.

    , где P — количество положительных образцов в наборе для тестирования. Отзыв отражает недостающую скорость модели.Precision и Recall не зависят друг от друга. Высокая точность означает, что скорость FP низкая, что может привести к большому количеству пропусков. уравнение 16 определяет комплексное значение оценки F1. Принимая отзыв за горизонтальную ось, а точность за вертикальную ось, можно получить кривую P-R и рассчитать среднюю точность (AP). Короче говоря, это для расчета среднего значения точности на кривой P-R. уравнения 17, 18 — формулы для АР и мАР соответственно.

    mAP=1|QR|∑q=1QRAP(q)(18)

    В этой статье, в дополнение к mAP, размер модели и FLOP вычислительной сложности используются для оценки алгоритма сжатия модели. Размер модели тесно связан с ее параметрами, которые можно использовать для измерения упрощения модели YOLOv4. FLOPs отражает количество вычислений алгоритма. Единицей FLOP является GMacs, что является сокращением от гига операций умножения-накопления в секунду. Он представляет количество операций с плавающей запятой в секунду, что может отражать производительность вычислений алгоритма.

    Результаты и обсуждение

    Легкая модель YOLOv4

    Для проверки характеристик обнаружения трещин на бетонной поверхности облегченной модели YOLOv4, предложенной в этой статье, экспериментальные результаты сравниваются с результатами исходной модели YOLOv4. Для оценки используются частота обнаружения (точность), комплексное значение оценки F1 и AP, как показано на рисунке 10.

    РИСУНОК 10 . Индексы исходной модели YOLOv4 и облегченной модели YOLOv4: (A) Точность исходной модели YOLOv4 (B) Точность облегченной модели YOLOv4 (C) F 1 исходной модели YOLOv4 (D) F 1 облегченной модели YOLOv4 (E) AP исходной модели YOLOv4 (F) AP облегченной модели YOLOv4.

    На рис. 10 показано, что характеристики обнаружения облегченной модели YOLOv4 в основном соответствуют характеристикам исходной модели YOLOv4, а кривые точности, F1 и AP аналогичны. Можно сделать вывод, что потери производительности после упрощения модели практически нет. Размер модели и FLOPs используются для проверки эффекта упрощения модели. В таблице 4 показано сравнение производительности облегченной модели YOLOv4 с исходной моделью YOLOv4 и моделью YOLOv3. Таблица 4 показывает, что в облегченной модели YOLOv4 вес снижен на 50 %, а число FLOP — на 93,5 %. По сравнению с моделью YOLOv3 производительность облегченной модели YOLOv4 имеет определенные преимущества с точки зрения mAP, веса и FLOP. Чтобы более наглядно продемонстрировать эффективность обнаружения предлагаемой модели, некоторые изображения, показанные на рис. 11, были случайным образом выбраны из базы данных для тестирования.

    ТАБЛИЦА 4 . Сравнение производительности облегченной модели YOLOv4 с исходной моделью YOLOv4 и моделью YOLOv3.

    РИСУНОК 11 . Результаты обнаружения трещин на поверхности бетона.

    Модель обнаружения трещин в тумане

    Для проверки производительности улучшенной модели YOLOv4 при обнаружении трещин на бетонной поверхности в тумане облегченная модель YOLOv4 и улучшенная модель в тумане были обучены с теми же экспериментальными условиями, той же базой данных тумана и тот же алгоритм оптимизации. Как показано на рисунке 12, для оценки используются точность, F1 и AP.

    РИСУНОК 12 .Индексы облегченной модели YOLOv4 и улучшенной модели в тумане: (A) Точность облегченной модели YOLOv4 (B) Точность улучшенной модели в тумане (C) F 1 облегченной YOLOv4 модель (D) F 1 улучшенной модели в тумане (E) AP облегченной модели YOLOv4 (F) AP улучшенной модели в тумане.

    На рис. 12 показано, что облегченная модель YOLOv4 плохо работает в условиях тумана, тогда как улучшенная модель работает лучше.Можно видеть, что AP имеет более высокое улучшение, что доказывает, что производительность усовершенствованной сетевой модели при обнаружении трещин на бетонной поверхности в тумане демонстрирует определенное улучшение. Размер модели и FLOP используются для проверки производительности улучшенной модели. В таблице 5 показано сравнение производительности облегченной модели YOLOv4 и улучшенной модели в условиях тумана.

    ТАБЛИЦА 5 . Сравнение производительности облегченной модели YOLOv4 и улучшенной модели в тумане.

    Таблица 5 показывает, что улучшенная модель в тумане немного выше, чем облегченная модель YOLOv4 с точки зрения веса и FLOP, но имеет большее преимущество в mAP, чем облегченная модель. Чтобы более наглядно показать производительность улучшенной модели при обнаружении трещин на бетонной поверхности в тумане, некоторые изображения были выбраны случайным образом из базы данных для тестирования, как показано в Таблице 6.

    ТАБЛИЦА 6 . Ввод и вывод облегченной модели YOLOv4 и улучшенной модели в тумане при обнаружении трещин на бетонной поверхности.

    Из Таблицы 6 интуитивно видно, что результат обнаружения облегченной модели YOLOv4 на первом изображении неточен, а некоторые особенности трещины не распознаны. Улучшенная модель в тумане имеет лучший эффект распознавания. На втором изображении из-за сильного тумана, тонкой структуры трещины и незаметных особенностей легкая модель YOLOv4 не может правильно идентифицировать, в то время как улучшенная сетевая модель является точной. Оба алгоритма могут правильно обнаруживать трещины на третьем изображении.Чтобы наглядно показать эффект восстановления сцены трещины в среднем слое улучшенной модели, было выбрано несколько тестовых изображений, иллюстрирующих эффект удаления дымки, как показано в таблице 7. Видно, что результаты восстановления трещины Структура с использованием улучшенной модели из этой статьи более четкая и очевидная, чем исходное изображение тумана, что более удобно для извлечения признаков с помощью последующей облегченной модели YOLOv4.

    ТАБЛИЦА 7 . Удаление дымки приводит к появлению трещин на поверхности бетона.

    Заключение

    Предложен метод обнаружения трещин на основе алгоритма YOLOv4, обеспечивающий более точный, эффективный и интеллектуальный метод обнаружения трещин на бетонных поверхностях. Смартфон используется для сбора 2000 необработанных изображений (3024 × 3024 пикселей) с поверхностей бетонных зданий. Для уменьшения вычислительной сложности процесса обучения собранные изображения обрезаются до размера 256×256 пикселей. 7000, 1000 и 2000 изображений используются для обучения, проверки и тестирования соответственно.Архитектура YOLOv4, подробно описанная в разделе 2.3, была упрощена для обнаружения трещин. Облегченная модель YOLOv4 достигла mAP 96,88% при 121 M и 1,95 GMac. Результаты показали, что предложенный метод может обеспечить хорошие результаты обнаружения трещин при меньшем весе обученной модели. В этой статье изображения, сделанные в солнечные дни, вручную затемняются для создания базы данных. Облегченная модель YOLOv4 была модифицирована для повышения эффективности обнаружения трещин в тумане, что подробно описано в разделе 3.3. Улучшенная модель для обнаружения трещин в тумане достигла mAP 96,50% с 132 M и 2,24 GMac. Результаты показали, что усовершенствованный метод может обеспечить лучшие результаты обнаружения трещин лишь при немного большем весе обученной модели. Производительность обнаружения предлагаемой модели была улучшена как в показателях субъективного зрения, так и в показателях объективной оценки, и она более эффективна при обнаружении трещин на бетонной поверхности в тумане.

    Несмотря на то, что предложенный в этой статье метод демонстрирует хорошие характеристики, для инженерных приложений еще предстоит пройти долгий путь.В ходе эксперимента мы обнаружили несколько направлений, которые можно попробовать и улучшить. Во-первых, чтобы сократить вычислительный процесс обучения, в модели используются только небольшие пиксельные изображения (256 × 256 пикселей). Если необходимо обработать большое количество изображений, изображения должны быть обрезаны или масштабированы. Это абсолютно не принципиальное решение проблемы. Стоит изучить подходы к улучшению алгоритма, чтобы адаптировать его к большим входным изображениям. Во-вторых, многие гиперпараметры необходимо искусственно корректировать при применении метода.Нам еще предстоит провести множество экспериментов, чтобы тщательно изучить влияние этих гиперпараметров на производительность модели. Наконец, необходимо собрать больше типов изображений дефектов на более сложном фоне, чтобы увеличить базу данных, что повысит точность и надежность предлагаемого метода.

    Заявление о доступности данных

    Необработанные данные, подтверждающие выводы этой статьи, будут предоставлены авторами без неоправданных оговорок.

    Вклад авторов

    Все перечисленные авторы внесли существенный, непосредственный и интеллектуальный вклад в работу и одобрили ее для публикации.

    Финансирование

    Эта работа была поддержана Национальным фондом естественных наук Китая (51608074), Фондами фундаментальных исследований для центральных университетов (2020CDJQY-A067) и Национальным ключевым проектом исследований и разработок (2019YFD1101005).

    Конфликт интересов

    Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

    Примечание издателя

    Все утверждения, изложенные в этой статье, принадлежат исключительно авторам и не обязательно представляют претензии их дочерних организаций или издателя, редакторов и рецензентов. Любой продукт, который может быть оценен в этой статье, или претензии, которые могут быть сделаны его производителем, не гарантируются и не поддерживаются издателем.

    Ссылки

    Бек, А., и Тебул, М. (2009). Быстрые основанные на градиенте алгоритмы для задач шумоподавления и устранения размытия изображения с полной вариацией с ограничениями. IEEE Trans. Процесс изображения. 18, 2419–2434. doi:10.1109/TIP.2009.2028250

    PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

    Бочковский А., Ван, К.Ю., и Ляо, Х. (2020). «YOLOv4: оптимальная скорость и точность обнаружения объектов», на конференции IEEE/CVF по компьютерному зрению и распознаванию образов (CVPR) 2020 г., Сиэтл, Вашингтон, США, 14–19 июня (Сиэтл, Вашингтон: arXiv:2004.10934v1).

    Google Scholar

    Ча, Ю.-Дж., Чой, В., Су, Г., Махмудхани, С., и Бююкёзтюрк, О. (2018). Автономный структурный визуальный контроль с использованием глубокого обучения на основе регионов для обнаружения нескольких типов повреждений. Компьютеризированная гражданская инфраструктура Eng. 33, 731–747. doi:10.1111/mice.12334

    Полный текст CrossRef | Google Scholar

    Чен Ф.-К. и Джаханшахи М.Р. (2018). NB-CNN: обнаружение трещин на основе глубокого обучения с использованием сверточной нейронной сети и наивного байесовского слияния данных. IEEE Trans. Инд. Электрон. 65, 4392–4400. doi:10.1109/tie.2017.2764844

    Полный текст CrossRef | Google Scholar

    Чен М., Тан Ю., Цзоу X., Хуанг К., Ли Л. и Хе Ю. (2019). Высокоточная многокамерная реконструкция, улучшенная адаптивным алгоритмом коррекции облака точек. Опц. Лазеры инж. 122, 170–183. doi:10.1016/j.optlaseng.2019.06.011

    Полный текст CrossRef | Google Scholar

    Чой, Дж.-И., Ли, Ю., Ким, Ю.Ю., и Ли, Б.Ю. (2017). Методика обработки изображений для обнаружения областей карбонизации бетона, обработанного раствором фенолфталеина. Строительные материалы. 154, 451–461. doi:10.1016/j.conbuildmat. 2017.07.205

    Полный текст CrossRef | Google Scholar

    Чирешан Д., Мейер У., Маски Дж.и Шмидхубер, Дж. (2012). Многоколоночная глубокая нейронная сеть для классификации дорожных знаков. Нейронные сети 32, 333–338. doi:10.1016/j.neunet.2012.02.023

    PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

    Дунг, К.В., и Ань, Л.Д. (2019). Автономное обнаружение трещин в бетоне с использованием глубокой полностью сверточной нейронной сети. Автоматизация в строительстве 99, 52–58. doi:10.1016/j.autcon.2018.11.028

    Полный текст CrossRef | Google Scholar

    Гиршик Р., Донахью, Дж., Даррелл, Т., и Малик, Дж. (2014). Богатые иерархии функций для точного обнаружения объектов и семантической сегментации. Комп. IEEE. Соц . doi:10.1109/CVPR.2014.81

    Полный текст CrossRef | Google Scholar

    Гиршик, Р. (2015). «Fast R-CNN», на Международной конференции IEEE по компьютерному зрению (ICCV), Сантьяго, ЧИЛИ, 11–18 декабря (IEEE), 1440–1448. doi:10.1109/ICCV.2015.169

    Полный текст CrossRef | Google Scholar

    Гуань Дж., Ян X., Дин, Л., Ченг, X., Ли, В.С.С., и Джин, К. (2021). Автоматическое обнаружение повреждений дорожного покрытия на уровне пикселей на основе стереозрения и глубокого обучения. Автоматизация в строительстве 129, 103788. doi:10.1016/j.autcon.2021.103788

    CrossRef Полный текст | Google Scholar

    Хан К., Ван Ю., Тянь К., Го Дж. и Сюй К. (2020). «GhostNet: больше возможностей от дешевых операций», на конференции IEEE/CVF по компьютерному зрению и распознаванию образов (CVPR) 2020 г., Сиэтл, Вашингтон, США, 14–19 июня (Сиэтл, Вашингтон: arXiv:1911.11907), 1577–1586 гг. doi:10.1109/cvpr42600.2020.00165

    Полный текст CrossRef | Google Scholar

    Хе, К., Чжан, X., Рен, С., и Сунь, Дж. (2015). Объединение пространственных пирамид в глубоких сверточных сетях для визуального распознавания. IEEE Trans. Анальный узор. Мах. Интел. 37, 1904–1916 гг. doi:10. 1109/TPAMI.2015.2389824

    PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

    Цзи А., Сюэ Х., Ван Ю., Луо Х. и Сюэ В. (2020). Комплексный подход к автоматическому обнаружению трещин на уровне пикселей и количественной оценке асфальтового покрытия. Автоматизация в строительстве 114, 103176. doi:10.1016/j.autcon.2020.103176

    CrossRef Полный текст | Google Scholar

    Цзян Ю., Панг Д. и Ли К. (2021). Подход глубокого обучения для быстрого обнаружения и классификации повреждений бетона. Автоматизация в строительстве 128, 103785. doi:10.1016/j.autcon.2021.103785

    CrossRef Полный текст | Google Scholar

    Козарский М. и Цыганек Б. (2017). Распознавание изображений с помощью глубоких нейронных сетей в присутствии шума — работа с искажениями и использование преимуществ. Ика 24, 337–349. doi:10.3233/ica-170551

    Полный текст CrossRef | Google Scholar

    Крижевский А., Суцкевер И. и Хинтон Г. Э. (2017). Классификация ImageNet с глубокими свёрточными нейронными сетями. Комм. АСМ 60, 84–90. doi:10.1145/3065386

    Полный текст CrossRef | Google Scholar

    Лаофор, К., и Пиансапап, В. (2012). Система обнаружения дефектов и количественной оценки для поддержки субъективной визуальной проверки качества с помощью цифровой обработки изображений: пример работы с плиткой. Автоматизация в строительстве 24, 160–174. doi:10.1016/j.autcon.2012.02.012

    Полный текст CrossRef | Google Scholar

    Ли, С., Чжао, X., и Чжоу, Г. (2019). Автоматическое обнаружение множественных повреждений бетонной конструкции на уровне пикселей с использованием полностью сверточной сети. Компьютеризированная гражданская инфраструктура Eng. 34, 616–634. doi:10.1111/mice.12433

    Полный текст CrossRef | Google Scholar

    Лин, Ю.-З., Ни, З.-Х., и Ма, Х.-В. (2017). Обнаружение структурных повреждений с автоматическим извлечением признаков посредством глубокого обучения. Компьютеризированная гражданская инфраструктура Eng. 32, 1025–1046. doi:10.1111/mice.12313

    Полный текст CrossRef | Google Scholar

    Лю В., Ангелов Д., Эрхан Д., Сегеди К., Рид С., Фу Ц.-Ю. и др. (2016). «SSD: Single Shot MultiBox Detector», 14-я Европейская конференция по компьютерному зрению, 2016 г., Амстердам, Нидерланды, 8–10 октября, 21–37. doi:10.1007/978-3-319-46448-0_2

    Полный текст CrossRef | Google Scholar

    Мэй, К., и Гюль, М. (2020).Экономически эффективное решение для проверки трещин дорожного покрытия с использованием камер и глубоких нейронных сетей. Строительные материалы. 256, 119397. doi:10.1016/j.conbuildmat.2020.119397

    CrossRef Полный текст | Google Scholar

    Наяр С.К. и Нарасимхан С.Г. (1999). «Видение в плохую погоду», в материалах Седьмой международной конференции IEEE по компьютерному зрению, Керкира, Греция, 20–27 сентября (IEEE), 820–827. doi:10.1109/ICCV.1999.7

    Полный текст CrossRef | Google Scholar

    Нойбек, А. и Ван Гул, Л. (2006). «Эффективное немаксимальное подавление», на Международной конференции по распознаванию образов, Гонконг, Китай, 20–24 августа, стр. 850–855. doi:10.1109/icpr.2006.479

    Полный текст CrossRef | Google Scholar

    Нишикава Т., Ёсида Дж., Сугияма Т. и Фуджино Ю. (2012). Обнаружение трещин в бетоне путем многократной последовательной фильтрации изображений. Компьютеризированная гражданская инфраструктура Eng. 27, 29–47. doi:10.1111/j.1467-8667.2011.00716.x

    Полный текст CrossRef | Google Scholar

    О, Дж.-K., Jang, G., Oh, S., Lee, J.H., Yi, B.-J., Moon, Y.S., et al. (2009). Роботизированная система для осмотра мостов с машинным зрением. Автоматизация в строительстве 18, 929–941. doi:10.1016/j.autcon.2009.04.003

    Полный текст CrossRef | Google Scholar

    Пэн К., Ян М., Чжэн К., Чжан Дж., Ван Д., Ян Р. и др. (2020). Трехпороговый метод обнаружения трещин в дорожном покрытии с использованием случайного структурированного леса. Строительные материалы. 263, 120080. doi:10.1016/j.conbuildmat.2020.120080

    CrossRef Полный текст | Google Scholar

    Редмон, Дж., и Али, Ф. (2018). «YOLOv3: постепенное улучшение», на конференции IEEE/CVF по компьютерному зрению и распознаванию образов (CVPR) 2018 г., Солт-Лейк-Сити, Юта, США, 19–21 июня (Солт-Лейк-Сити, Юта: arXiv:1804.02767).

    Google Scholar

    Рен С., Хе К., Гиршик Р. и Сун Дж. (2017). Быстрее R-CNN: на пути к обнаружению объектов в реальном времени с сетями региональных предложений. IEEE Trans.Анальный узор. Мах. Интел. 39, 1137–1149. doi:10.1109/TPAMI.2016.2577031

    PubMed Abstract | Полный текст перекрестной ссылки | Google Scholar

    Салман М., Матхаван С., Камаль К. и Рахман М. (2013). «Обнаружение трещин в дорожном покрытии с помощью фильтра Габора», 16-я Международная конференция Ieee по интеллектуальным транспортным системам, 2013 г., Гаага, НИДЕРЛАНДЫ, 6–9 октября 2013 г. (IEEE), 2039–2044 гг. doi:10. 1109/ITSC.2013.6728529

    Полный текст CrossRef | Google Scholar

    Sun, Y., Ян Ю., Яо Г., Вэй Ф. и Вонг М. (2021). Автономное обнаружение трещин и дыр в изображении бетонной поверхности на основе глубокого обучения. Доступ IEEE 9, 85709–85720. doi:10.1109/access.2021.3088292

    Полный текст CrossRef | Google Scholar

    Сегеди К., Ванхук В., Иоффе С., Шленс Дж. и Война З. (2016). «Переосмысление исходной архитектуры компьютерного зрения», Конференция IEEE/CVF по компьютерному зрению и распознаванию образов (CVPR) 2016 г., Сиэтл, Вашингтон, 27–30 июня (IEEE), 2818–2826.doi:10.1109/CVPR.2016.308

    Полный текст CrossRef | Google Scholar

    Тан Ю., Фэн В., Чен З., Нонг Ю., Гуань С. и Сунь Дж. (2021b). Поведение устойчивого материала при разрушении: переработанный бетон с резиновой крошкой из отходов при повышенных температурах. Дж. Чистый. Произв. 318, 128553. doi:10.1016/j.jclepro.2021.128553

    CrossRef Полный текст | Google Scholar

    Вэй Ф. , Яо Г., Ян Ю. и Сунь Ю. (2019). Распознавание и количественная оценка на уровне экземпляра для конкретной поверхности Bughole на основе глубокого обучения. Автоматизация в строительстве 107, 102920. doi:10.1016/j.autcon.2019.102920

    CrossRef Полный текст | Google Scholar

    Вэй, В., Дин, Л., Луо, Х., Ли, К. и Ли, Г. (2021). Автоматическое обнаружение дыр и оценка качества бетона с использованием обработки изображений и глубоких сверточных нейронных сетей. Строительные материалы. 281, 122576. doi:10.1016/j.conbuildmat.2021.122576

    CrossRef Полный текст | Google Scholar

    Яо, Г., Сан, Ю., Вонг, М., и Лев, X. (2021). Метод обнаружения трещин на бетонной поверхности в реальном времени на основе усовершенствованного YOLOv4. Symmetry 13, 1716. doi:10.3390/sym130

    CrossRef Full Text | Google Scholar

    Яо Г., Вэй Ф., Ян Ю. и Сунь Ю. (2019). Обнаружение ошибок на основе глубокого обучения для изображения бетонной поверхности. Доп. Гражданский инж. 2019, 1–12. doi:10.1155/2019/8582963

    Полный текст CrossRef | Google Scholar

    Йеум С. М. и Дайк С.Дж. (2015). Автоматическое обнаружение трещин на основе визуализации для осмотра мостов. Компьютеризированная гражданская инфраструктура Eng. 30, 759–770. doi:10.1111/mice.12141

    Полный текст CrossRef | Google Scholar

    Юньчао Т., Чжэн К., Ванхуэй Ф., Юмей Н., Конг Л. и Цземин К. (2021a). Комбинированное воздействие нанокремнезема и кремнеземного дыма на механическое поведение бетона из переработанного заполнителя. Nanotechnology Rev. 10, 819–838. doi:10.1515/ntrev-2021-0058

    Полный текст CrossRef | Google Scholar

    Залама, Э., Гомес-Гарсия-Бермехо, Дж., Медина, Р., и Ламас, Дж. (2014). Обнаружение дорожных трещин с использованием визуальных признаков, извлеченных фильтрами Габора. Компьютеризированная гражданская инфраструктура Eng. 29, 342–358. doi:10.1111/mice.12042

    Полный текст CrossRef | Google Scholar

    Чжан В. , Ли Х., Ли Ю., Лю Х., Чен Ю. и Дин Х. (2021). Применение алгоритмов глубокого обучения в геотехнической инженерии: краткий критический обзор. Артиф. Интел. Ред. 54, 5633–5673. дои: 10.1007/s10462-021-09967-1

    Полнотекстовая перекрестная ссылка | Google Scholar

    4. Трение дорожного покрытия и текстура поверхности | Руководство по трению дорожного покрытия

    Ниже приведен неисправленный машиночитаемый текст этой главы, предназначенный для предоставления нашим собственным поисковым системам и внешним системам очень богатого, репрезентативного для глав текста каждой книги с возможностью поиска. Поскольку это НЕИСПРАВЛЕННЫЙ материал, рассмотрите следующий текст как полезный, но недостаточный заменитель для авторитетных страниц книги.

    19 ГЛАВА 4. ТРЕНИЕ ПОКРЫТИЯ И ПОВЕРХНОСТЬ ТЕКСТУРА ТРЕНИЕ ПОКРЫТИЯ Определение Трение о дорожное покрытие — это сила, противодействующая относительному движению между шиной автомобиля и дорожным полотном. поверхность тротуара. Эта сила сопротивления, показанная на рис. 8, возникает при качении шины. или скользит по поверхности тротуара. Рис. 8. Упрощенная схема сил, действующих на вращающееся колесо. Сила сопротивления, характеризуемая безразмерным коэффициентом трения μ, представляет собой отношение тангенциальной силы трения (F) между резиной протектора шины и горизонтальной пройденной поверхности к перпендикулярной силе или вертикальной нагрузке (FW) и вычисляется с использованием уравнение 1.FW F=μ Уравнение 1 Трение о дорожное покрытие играет жизненно важную роль в удержании транспортных средств на дороге, поскольку оно дает водителям способность безопасно управлять/маневрировать своими транспортными средствами как в продольном, так и в боковые направления. Это ключевой элемент для геометрического проектирования шоссе, так как он используется в определение достаточности минимальной дистанции стоп-сигнала, минимальной горизонтальной радиус, минимальный радиус вертикальных кривых гребня и максимальный вираж в горизонтальные кривые. Вообще говоря, чем выше трение, доступное на дорожном покрытии, интерфейса шин, тем больше у водителя контроля над транспортным средством.Вес, ФВ Сила трения, Ф Направление движения Вращение

    20 Продольные силы трения Продольные силы трения возникают между катящейся пневматической шиной (в продольном направлении) и поверхности дороги при движении в режиме свободного качения или с постоянным торможением. В режиме свободного качения (без торможения) относительная скорость между окружностью шины и скорость дорожного покрытия, называемая скоростью скольжения, равна нулю. В режиме постоянного торможения скольжение скорость увеличивается от нуля до потенциального максимума скорости транспортного средства.Следующее математическое соотношение объясняет скорость скольжения (Meyer, 1982): уравнение 2 где: S = скорость скольжения, миль/ч. V = скорость автомобиля, миль/ч. VP = средняя окружная скорость шины, миль/ч. ω = угловая скорость шины, радиан/сек. r = средний радиус шины, футы. Опять же, в состоянии свободного качения шины VP равно скорости транспортного средства; таким образом, S нуль. Для заблокированного или полностью заторможенного колеса VP равно нулю, поэтому скорость скольжения или скорость скольжения равна равна скорости автомобиля (V).Состояние заблокированного колеса часто называют 100-процентным проскальзыванием. коэффициент, а состояние свободного качения — коэффициент скольжения, равный нулю. Следующие математические соотношения дают формулу расчета коэффициента скольжения (Meyer, 1982): уравнение 3 где: SR = коэффициент скольжения, %. V = скорость автомобиля, миль/ч. VP = средняя окружная скорость шины, миль/ч. S = скорость скольжения, миль/ч. Как и в предыдущем объяснении, в состоянии свободного качения шины VP равно скорость автомобиля и S равны нулю, поэтому коэффициент скольжения (SR) равен нулю процентов.Для заблокированного колеса, VP равно нулю, S равно скорости автомобиля (V), поэтому коэффициент скольжения (SR) равен 100%. На рис. 9 показана сила грунта, действующая на свободно катящуюся шину. В этом режиме наземные силы находится в центре давления в зоне контакта шины и смещена от центра на величину а. Этот смещение вызывает момент, который необходимо преодолеть, чтобы повернуть шину. Сила, необходимая для противодействующий этому моменту называется силой сопротивления качению (ПС). Значение a является функцией скорость и увеличивается со скоростью.Таким образом, FR увеличивается со скоростью. В режиме постоянного торможения (рис. 10) появляется дополнительная сила, называемая силой тормозного проскальзывания. (FB) требуется для противодействия добавленному моменту (MB), создаваемому торможением. Сила пропорционально уровню торможения и результирующему коэффициенту скольжения. Полная сила трения равна сумма силы сопротивления свободному качению (FR) и силы тормозного скольжения (FB). )68.0( rVVVS P ××−=−= ω 100100 ×=×−= В С В ВВСР П

    21 Рисунок 9. Сила сопротивления качению шины свободного качения с постоянной скоростью на голом грунте, сухая асфальтированная поверхность (Andresen and Wambold, 1999). Рис. 10. Силы и моменты колеса с постоянным торможением на голом сухом асфальтированном покрытии (Андресен и Вамбольд, 1999). а Сухопутные войска, ФГ Диаграмма свободного тела, стационарное состояние Вес, ФВ Радиус, г Направление вращения Движение Сопротивление качению Сила, Фр. Торможение Момент, МБ Сила проскальзывания при торможении, FB а Сухопутные войска, ФГ Диаграмма свободного тела, стационарное состояние Вес, ФВ Радиус, г Направление вращения Движение Сопротивление качению Сила, Фр.

    22 Коэффициент трения между шиной и дорожным покрытием изменяется при изменении проскальзывания, т.к. показано на рисунке 11 (Henry, 2000).Коэффициент трения быстро увеличивается с увеличение проскальзывания до пикового значения, которое обычно происходит между 10 и 20 процентами проскальзывания (критическое соскальзывать). Затем трение уменьшается до значения, известного как коэффициент трения скольжения, что происходит при 100-процентном проскальзывании. Разница между пиковым и скользящим коэффициентами трения может составлять до 50 процентов от значения скольжения и намного больше на мокрой дороге. тротуарах, чем на сухих покрытиях. Соотношение, показанное на рис. 11, лежит в основе антиблокировочной тормозной системы (АБС), который использует преимущество передней стороны пикового трения и минимизирует потери боковое/рулевое трение из-за скольжения.Автомобили с ABS предназначены для применения тормоза включать и выключать (т. е. прокачивать тормоза) несколько раз, чтобы пробуксовка удерживалась около вершина горы. Торможение отключается до достижения пика и включается в установленное время или процент проскальзывания ниже пика. Фактический ГРМ является собственной разработкой производителя. Рисунок 11. Зависимость трения от дорожного покрытия от проскальзывания шин. Боковые силы трения Другой важный аспект трения относится к боковому или боковому трению, которое возникает когда транспортное средство меняет направление или компенсирует поперечный уклон тротуара и/или боковой ветер последствия.Зависимость между силами, действующими на шину автомобиля и дорожное покрытие поверхности, когда автомобиль поворачивает по кривой, меняет полосу движения или компенсирует боковые сил выглядит следующим образом: уравнение 4 Пиковое трение Критическое скольжение Полный скользящий 100 (полностью заблокирован) 0 (свободный прокат) Пробуксовка шин, % Коэффициент трения Увеличенное торможение прерывистый скользящий е р ВФС = 15 2

    23 где: FS = боковое трение. V = скорость автомобиля, миль/ч. R = радиус траектории центра тяжести транспортного средства (также радиус кривизна в кривой), футы.e = вираж покрытия, фут/фут. Это уравнение основано на диаграмме усилия рулевого управления/прохождения поворота между дорожным покрытием и шиной, показанной на рис. 12. Он показывает, как коэффициент трения боковой силы действует как противовес центростремительной силе. разработан как транспортное средство, совершающее боковое движение. Рис. 12. Динамика автомобиля, движущегося по кривой постоянного радиуса с постоянной скоростью и силами, действующими на вращающееся колесо. Комбинированное торможение и прохождение поворотов При комбинированном торможении и прохождении поворотов водитель рискует либо не остановиться так быстро, либо потерять контроль за счет снижения боковых/боковых сил.При работе на пределе сцепления шин Взаимодействие продольной и поперечной сил таково, что с увеличением одной силы другие должны уменьшиться на пропорциональную величину. Применение продольного торможения значительно снижает боковую силу. Точно так же приложение большой боковой силы уменьшает продольное торможение. Эти эффекты показаны на рис. 13 (Gillespie, 1992). Обычно называемый кругом трения или эллипсом трения (Radt and Milliken, 1960), векторная сумма двух объединенных сил остается постоянной (круг) или почти постоянной (эллипс) (см. рис. 14).При работе в пределах сцепления шин величина торможения и компоненты трения при вращении могут изменяться независимо, если их векторная сумма компоненты не превышают пределов сцепления шин, определяемых фрикционным кругом или трением эллипс. Степень эллипса зависит от свойств шины и дорожного покрытия. Вт Масса автомобиля P Центростремительная сила (горизонтальная) FS Сила трения между шинами и поверхность проезжей части (параллельно дорожное покрытие) α Угол виража (tan α = e) R Радиус кривой α α Вт п ФС Направление путешествия Сила сопротивления Сила бокового трения (Коэффициент трения) Колесо измерения трения

    24 Рисунок 13.Тормозные (Fx) и боковые (Fy) силы как функция продольного скольжения (Гиллеспи, 1992). Рисунок 14. Боковая сила в зависимости от продольной силы при постоянных углах скольжения (Gillespie, 1992). Механизмы трения Трение о дорожное покрытие является результатом сложного взаимодействия двух основных сил трения. компоненты — сцепление и гистерезис (рис. 15). Адгезия – это трение, возникающее в результате мелкомасштабное склеивание/сцепление резины автомобильной шины с поверхностью дорожного покрытия, как они соприкасаются друг с другом.Это функция прочности поверхности раздела на сдвиг и площадь контакта. Гистерезисная составляющая сил трения возникает из-за потерь энергии из-за

    25 Рисунок 15. Основные механизмы трения дорожного покрытия о шины. к объемной деформации автомобильной шины. Деформацию обычно называют обволакивание шины вокруг текстуры. Когда шина давит на тротуар поверхности, распределение напряжения приводит к накоплению энергии деформации внутри резина.Когда шина расслабляется, часть накопленной энергии восстанавливается, а другая часть теряется в виде тепла (гистерезис), который необратим. Эта потеря оставляет чистое трение усилие, чтобы помочь остановить движение вперед. Хотя существуют и другие компоненты трения о дорожное покрытие (например, сдвиг резины шины), они незначительна по сравнению с составляющими силы адгезии и гистерезиса. Таким образом, трение можно рассматривать как сумму сил сцепления и гистерезисного трения. уравнение 5 Оба компонента во многом зависят от характеристик поверхности дорожного покрытия, контакта между шина и дорожное покрытие, а также свойства шины.Кроме того, поскольку резина шин является вязкоупругой материал, температура и скорость скольжения влияют на оба компонента. Поскольку сила сцепления возникает на границе дорожного покрытия и шины, она наиболее чувствительна к неровности микроуровня (микротекстура) частиц заполнителя, содержащихся в поверхность тротуара. Напротив, сила гистерезиса, развиваемая внутри шины, наиболее реагирует на неровности макроуровня (макротекстура), образующиеся на поверхности за счет смешения методы проектирования и/или строительства.В результате этого явления адгезия регулирует общее трение на гладких и сухих покрытиях, в то время как гистерезис доминирующий компонент на мокром и шероховатом дорожном покрытии. Гистерезис Зависит в основном от макро- ровная шероховатость поверхности Адгезия Зависит в основном от микроуровня шероховатость поверхности Резиновый элемент В Ф ХА ФФФ +=

    26 Факторы, влияющие на доступное трение дорожного покрытия Факторы, влияющие на силу трения о дорожное покрытие, можно разделить на четыре категории: характеристик поверхности дорожного покрытия, эксплуатационных параметров транспортного средства, свойств шин и факторы окружающей среды. В таблице 2 перечислены различные факторы, составляющие каждую категорию. Так как каждый фактор в этой таблице играет роль в определении сцепления с дорожным покрытием, трение необходимо учитывать как процесс, а не неотъемлемое свойство дорожного покрытия. Только когда все эти факторы полностью задают, что трение принимает определенное значение. Наиболее важные факторы выделены жирным шрифтом в таблице 2 и кратко обсуждаются ниже. Среди этих факторов те, которые считаются находящимися под контролем дорожного агентства, включают микро- текстура и макротекстура, свойства материалов дорожного покрытия и скорость скольжения.Таблица 2. Факторы, влияющие на доступное сцепление с дорожным покрытием (с изменениями из Wallman and Astrom, 2001). Поверхность тротуара Характеристики Эксплуатация автомобиля Параметры Свойства шин Окружающая обстановка • Микротекстура • Макротекстура • Мега-текстура/ неровность • Свойства материала • Температура — скорость скольжения — скорость автомобиля ¾ Тормозное действие • Ведущий маневр ¾ Поворот ¾ Обгон • Отпечаток стопы • Дизайн протектора и состояние • Состав резины и твердость • Инфляционное давление • Загрузить • Температура • Климат ¾ Ветер — Температура — Вода (дожди, конденсат) ¾ Снег и лед • Загрязняющие вещества ¾ Противоскользящий материал (соль, песок)  Грязь, слякоть, мусор Примечание. Критические факторы выделены жирным шрифтом.Характеристики поверхности дорожного покрытия Текстура поверхности Текстура поверхности дорожного покрытия характеризуется наличием неровностей на поверхности дорожного покрытия. Такие шероховатости могут варьироваться от шероховатости на микроуровне, содержащейся в отдельных агрегатные частицы до неровностей, простирающихся на несколько футов в длину. Два уровни текстуры, которые преимущественно влияют на трение, — это микротекстура и макротекстура. (Генри, 2000). Как показано на рис. 16, микротекстура — это степень шероховатости, придаваемая отдельными агрегатные частицы, тогда как макротекстура — это степень шероховатости, придаваемая отклонения между частицами.Микротекстура в основном отвечает за трение дорожного покрытия на низких скоростях, тогда как макротекстура в основном отвечает за снижение потенциала отделение шины от поверхности дорожного покрытия из-за аквапланирования и для создания трения вызванный гистерезисом для транспортных средств, движущихся на высоких скоростях. Дальнейшее обсуждение микро- Текстура и макротекстура представлены далее в этой главе под заголовком «Дорожное покрытие». Текстура поверхности.

    27 Рисунок 16. Сравнение микротекстуры и макротекстуры (Flintsch et al., 2003). Свойства материала поверхности Свойства материала поверхности дорожного покрытия (т. е. характеристики заполнителя и смеси, текстура узоры) помогают определить текстуру поверхности. Эти свойства также влияют на долгосрочную долговечность текстуры благодаря их способности противостоять полировке заполнителя и истирание/износ как заполнителя, так и смеси в условиях накопленного трафика и окружающей среды нагрузки. Эксплуатационные параметры автомобиля Скорость скольжения Коэффициент трения между шиной и дорожным покрытием меняется при изменении скольжения.Это быстро увеличивается с увеличением проскальзывания до пикового значения, которое обычно возникает между 10 и Промах 20 процентов. Затем трение уменьшается до значения, известного как коэффициент скольжения. трение, возникающее при 100-процентном скольжении. Свойства шин Дизайн и состояние протектора шин Рисунок протектора шины (т. е. тип, рисунок и глубина) и состояние оказывают существенное влияние. по отводу воды, скапливающейся на поверхности дорожного покрытия. Вода, попавшая между дорожное покрытие и шина могут быть удалены через каналы, предусмотренные тротуаром текстурой поверхности и протектором шины.Глубина протектора особенно важна для транспортные средства, движущиеся по толстой пленке воды на высокой скорости. В некоторых исследованиях (Henry, 1983) сообщили о снижении трения на мокрой дороге от 45 до 70 процентов для полностью изношенных шин по сравнению с новыми. те. Давление в шинах Недостаточное давление в шинах может значительно уменьшить трение на высоких скоростях. Недокачанные шины позволить центру протектора шины разрушиться и стать очень вогнутым, что приведет к сужение дренажных каналов в протекторе шины и снижение контактного давления.

    28 Эффект заключается в том, что шина задерживает воду на поверхности дорожного покрытия, а не позволяет ей течь. через гусеницы. Как следствие, снижается скорость аквапланирования. С другой стороны, чрезмерное давление в шинах вызывает лишь небольшую потерю сцепления с дорожным покрытием (Henry, 1983 год; Кулаковский и др., 1990). Перекачанные шины снижают эффект захвата и урожайность более высокое давление для нагнетания воды из-под шины автомобиля. Повышенное давление в шинах а меньшая площадь контакта с шиной приводит к более высокой скорости аквапланирования.Окружающая обстановка Тепловые свойства Автомобильные шины представляют собой вязкоупругие материалы, и их свойства могут быть значительно изменены. зависит от изменений температуры и других тепловых свойств, таких как термическая теплопроводность и удельная теплоемкость. Исследования показывают, что трение шин о дорожное покрытие обычно уменьшается с повышением температуры шины, хотя это трудно определить количественно. Воды Вода в виде дождя или конденсата может действовать как смазка, значительно снижая трения между шиной и дорожным покрытием. Влияние толщины водяной пленки (WFT) на трение минимален на низких скоростях (<20 миль/ч [32 км/ч]) и достаточно заметен на более высоких скоростях (>40 км/ч). миль/ч [64 км/ч]). Как показано на рисунке 17, коэффициент трения скольжения автомобильной шины над мокрой поверхностью дорожного покрытия экспоненциально уменьшается по мере увеличения WFT. Скорость, с которой коэффициент трения уменьшается, как правило, становится меньше по мере увеличения WFT. В Кроме того, эффект WFT зависит от конструкции и состояния шин, при этом изношенные шины наиболее чувствителен к WFT.Рис. 17. Влияние толщины водяной пленки на трение дорожного покрытия (Генри, 2000 г.). ВФТ, в Пт IC ты на 0 0,005 0,01 0,015 0,02 0,025 0,03 0,035 25 30 35 40 45 50 Изношенная ребристая шина Новая ребристая шина Гладкая шина

    29 Очень небольшое количество воды может значительно уменьшить трение дорожного покрытия. Результаты испытаний от исследование, спонсируемое FHWA (Harwood, 1987), показывает, что всего 0. 002 дюйма (0,05 мм) из вода на поверхности тротуара может снизить коэффициент трения на 20-30 процентов от сухой коэффициент трения. В некоторых случаях водяная пленка толщиной 0,001 дюйма (0,025 мм) может уменьшить трение значительно. Такая тонкая пленка может образоваться в течение любого часа, в течение которого по крайней мере Выпало 0,01 дюйма (0,25 мм) дождя. Аквапланирование может произойти, когда присутствуют относительно толстые слои или пленки воды, а транспортные средства едут с большей скоростью. Аквапланирование происходит, когда шина транспортного средства отрывается от поверхности дорожного покрытия давлением воды, которое создается на границе раздела дорожного покрытия и шины. (Horne and Buhlmann, 1983), в результате чего трение падает почти до нуля.это комплекс явление, на которое влияют несколько параметров, в том числе глубина воды, скорость транспортного средства, макротекстура дорожного покрытия, глубина протектора шины, давление в шинах и площадь контакта с шинами. Относительно толстые водяные пленки образуются на поверхности дорожного покрытия при недостаточном дренаже. во время проливных дождей или когда из-за колеи или износа дорожного покрытия образуются лужи. Потеря прямого контакт дорожного покрытия с шиной может происходить на скоростях от 40 до 45 миль/ч (от 64 до 72 км/ч) на лужи глубиной около 1 дюйма (25 мм) и длиной 30 футов (9 м) (Hayes et al., 1983). Макротекстура дорожного покрытия и глубина протектора шины влияют на возникновение динамического аквапланирования. двумя способами. Во-первых, они напрямую влияют на критическую скорость аквапланирования, поскольку обеспечить путь для выхода воды из зоны контакта дорожного покрытия с шиной. Во-вторых, у них косвенное влияние на критическую скорость аквапланирования, поскольку чем крупнее макротекстура, тем вода должна быть глубже, чтобы вызвать аквапланирование. Однако поверхность тротуара также должна иметь подходящую микротекстуру для обеспечения адекватного трения.Снег и лед Снег и лед на поверхности тротуара представляют собой наиболее опасные условия для автомобиля. торможение или поворот. Уровень трения между шинами и дорожным покрытием таков, что почти любое резкое торможение или внезапная смена направления приводит к блокировке колес и потеря курсовой устойчивости автомобиля. Веб-документ NCHRP 53 (Аль Кади и др., 2002 г.) отметил, что характеристики трения транспортного средства могут резко ухудшиться, если площадь контакта с шиной не достигает поверхности тротуара из-за льда и снега.Загрязнители Загрязнители, обычно встречающиеся на автомагистралях, включают грязь, песок, масло, воду, снег и лед. Любое загрязнение на границе дорожного покрытия и шины отрицательно скажется на трение между дорогой и шиной. Инородные материалы действуют как шарики в шарикоподшипнике или как смазка между поршнем и цилиндром в двигателе, уменьшая трение между двумя поверхности. Чем гуще или вязче загрязняющее вещество, тем больше снижается трение между дорогой и шиной. Эффект измельчения твердых загрязнений, таких как песок, ускоряется. скорость износа поверхности дорожного покрытия.

    30 ТЕКСТУРА ПОВЕРХНОСТИ ТРОТУАРА Определение Текстура поверхности дорожного покрытия определяется как отклонение поверхности дорожного покрытия от истинного плоская поверхность. Эти отклонения возникают на трех различных уровнях масштаба, каждый из которых определяется длина волны (О») и размах амплитуды (А) его составляющих. Три уровня текстура, установленная в 1987 году Постоянной международной ассоциацией дорожных Конгрессы (PIARC): • Микротекстура (λ < 0.02 дюйма [0,5 мм], A = от 0,04 до 20 мил [от 1 до 500 мкм]) — поверхность качество шероховатости на субвидимом или микроскопическом уровне. Это функция поверхностные свойства частиц заполнителя, содержащихся в асфальте или бетоне материал для мощения. • Макротекстура (λ = от 0,02 до 2 дюймов [от 0,5 до 50 мм], A = от 0,005 до 0,8 дюйма [от 0,1 до 20 мм]) — Качество шероховатости поверхности, определяемое свойствами смеси (форма, размер и градация заполнителя) асфальтобетонных смесей и способ отделка/текстурирование (перетаскивание, тонировка, канавка; глубина, ширина, расстояние и ориентация) каналов/канавок), используемых на бетонных мощеных поверхностях. • Мегатекстура (λ = от 2 до 20 дюймов [от 50 до 500 мм], A = от 0,005 до 2 дюймов [от 0,1 до 50 мм]) — Текстура с длинами волн того же порядка, что и на границе дорожного покрытия и шины. Он в значительной степени определяется повреждениями, дефектами или «волнистостью» поверхности дорожного покрытия. Длины волн, превышающие верхний предел (20 дюймов [500 мм]) мегатекстуры, определяются как шероховатость или неровность (Henry, 2000). Рисунок 18 иллюстрирует три диапазона текстуры, как а также четвертый уровень — шероховатость/неравномерность — представляющий длины волн длиннее, чем верхний предел (20 дюймов [500 мм]) мегатекстуры.Общепризнано, что текстура поверхности дорожного покрытия влияет на множество различных видов дорожного покрытия. взаимодействия шин. На рис. 19 показаны диапазоны длин волн текстуры, влияющие на различные взаимодействие транспортного средства с дорогой, включая трение, внутренний и внешний шум, брызги и брызги, сопротивление качению и износ шин. Как видно, на трение в первую очередь влияют микро- текстура и макротекстура, соответствующие адгезии и гистерезисному трению компонентов соответственно. На рис. 20 показано относительное влияние микротекстуры, макротекстуры и скорости на трения о дорожное покрытие.Как видно, микротекстура влияет на величину трения шины. в то время как макротекстура влияет на градиент трения и скорости. На малых скоростях микротекстура преобладает уровень мокрого и сухого трения. На более высоких скоростях наличие высоких макро- Текстура способствует отводу воды, так что клейкая составляющая трения обеспечивает микротекстура восстанавливается, находясь над водой. Гистерезис увеличивается с скорость экспоненциально, а на скорости выше 65 миль / ч (105 км / ч) приходится более 95 процентов трения (PIARC, 1987).

    31 Рисунок 18. Упрощенная иллюстрация различных диапазонов текстур, существующих для данного поверхность тротуара (Sandburg, 1998). Рис. 19. Влияние длины волны текстуры на взаимодействие дорожного покрытия и шины. (адаптировано из Henry, 2000 и Sandburg and Ejsmont, 2002). Шероховатость/неровность Справочная длина Короткая растяжка дороги Шина Мега-текстура Усиление ок. 50 раз Усиление ок.5 раз Усиление ок. 5 раз Дорога-шина Контактная зона Макротекстура Микротекстура Одинокий Чипирование 10-6 10-5 10-4 10-3 10-2 10-1 100 101 м Микротекстура Макротекстура Мегатекстура Шероховатость/Неравномерность Междунар. Шум Всплеск/распыление Сопротивление качению Повреждение шины/автомобиля Длина волны текстуры Примечание. Более темное затенение указывает на более благоприятное влияние текстуры в этом диапазоне. 0,00001 0,0001 0,001 0,01 0,1 1 10 100 футов Износ шин доб. Шум Трение

    32 Рисунок 20.Влияние микротекстуры и макротекстуры на сцепление дорожного покрытия с шинами при различных условиях. скорости скольжения (Flintsch et al., 2002). Факторы, влияющие на текстуру Факторы, влияющие на текстуру поверхности дорожного покрытия, которые относятся к заполнителю, вяжущему и смешивать свойства материала поверхности и любое текстурирование, нанесенное материалу после размещения, следующие: • Максимальные размеры заполнителя — размер самых больших заполнителей в асфальте. бетонное (AC) или покрытие PCC с открытым заполнителем обеспечит доминирующее макро- длина волны текстуры, если они расположены близко и равномерно.• Тип крупного заполнителя — выбор типа крупного заполнителя будет контролировать материал, его угловатость, коэффициент формы и долговечность. Это особенно критично для покрытий с переменным током и открытым заполнителем PCC. • Тип мелкого заполнителя — угловатость и долговечность выбранного мелкого заполнителя. Тип будет контролироваться выбранным материалом и его дроблением. • Вязкость и содержание вяжущего — вяжущие с низкой вязкостью склонны вызывать кровотечение. легче, чем более сложные сорта.Кроме того, чрезмерное количество связующего (все типы) может привести к кровотечению. Кровотечение приводит к уменьшению или полной потере дорожного покрытия. микротекстура и макротекстура поверхности. Поскольку связующее также удерживает заполнитель частицы на месте, связующее с хорошей устойчивостью к атмосферным воздействиям очень важно. • Градация смеси — градация смеси, особенно для пористых покрытий, влияет на устойчивость и воздушные пустоты дорожного покрытия. • Mix Air Voids — повышенное содержание воздуха обеспечивает повышенный отвод воды для улучшения трение и усиленный отвод воздуха для снижения шума.Низкая макротекстура, высокая микротекстура Высокая макротекстура, Высокая микротекстура Низкая макротекстура, Низкая микротекстура Высокая макротекстура, Низкая микротекстура Б. А™ Д’ C’ Sl я бы в г С э фф IC то есть нет о ф Ф ри кт ио н, Ф С Гладкая шина Постоянная темп. Испытательная скорость Предельная скорость Скорость скольжения, В

    33 • Толщина слоя — увеличенная толщина слоя для пористых дорожных покрытий обеспечивает большую объем для рассеивания воды. С другой стороны, увеличение толщины снижает частота пикового звукопоглощения.• Размеры текстуры — размеры покрытия РСС, канавок, шлифовки и дерна. перетаскивание влияет на макротекстуру и, следовательно, на трение и шум. • Расстояние между текстурами — расстояние между поперечным покрытием PCC и канавками не только увеличивает амплитуду некоторых длин волн макротекстуры, но может влиять на шум частотный спектр. • Ориентация текстуры — текстурирование поверхности PCC может быть ориентировано поперечно, продольно и по диагонали к направлению движения. Ориентация влияет на шину вибрации и, следовательно, шум.• Изотропный или анизотропный — постоянство текстуры поверхности во всех направлениях (изотропный) минимизирует более длинные волны, тем самым уменьшая шум. • Текстурная асимметрия — положительная асимметрия возникает из-за большинства пиков в макро- профиль текстуры, в то время как отрицательный перекос возникает из-за большинства впадин в профиле. В таблице 3 представлены сводные данные о том, как эти факторы влияют на микротекстуру и макроструктуру. текстура. Эти факторы могут быть оптимизированы для получения требуемых характеристик поверхности дорожного покрытия. для данной проектной ситуации.Таблица 3. Факторы, влияющие на микротекстуру и макротекстуру дорожного покрытия (Sandberg, 2002; Henry, 2000; Rado, 1994; PIARC, 1995; AASHTO, 1976). Тротуар Тип поверхности Фактор Микротекстура Макротекстура Максимальные размеры агрегата X Типы крупных заполнителей X X Тип мелкого заполнителя X Смешайте градацию X Содержание воздуха в смеси X Асфальт Связующее X Тип крупнозернистого заполнителя X (для незащищенного наполнителя PCC) X (для незащищенного заполнителя PCC) Мелкий заполнитель тип X Градация смеси X (для экспонированного агг. PCC) Размеры текстуры и расстояние X Ориентация текстуры X Конкретный Перекос текстуры X МЕТОДЫ ИЗМЕРЕНИЯ ТРЕНИЯ И ТЕКСТУРЫ Обзор Измерение трения и текстуры дорожного покрытия имеет первостепенное значение для последние 50 лет.Разработано и используется множество различных типов оборудования для измерения эти свойства и их различия (с точки зрения принципов и процедур измерения а также способ обработки и представления данных измерений) могут иметь большое значение.

    34 Только для испытаний на трение существует несколько серийно выпускаемых устройств, которые могут работать при фиксированном или переменном проскальзывании, на скорости до 100 миль/ч (161 км/ч) и при переменной испытательной шине условия, такие как нагрузка, размер, дизайн и конструкция протектора, а также внутреннее давление.Можно измерить текстуру поверхности дорожного покрытия, будь то микро-, макро- или мегатекстура. различными способами, включая резиновые скользящие контактные устройства, объемные методы и методы скорости дренажа воды. В этом разделе представлен обзор методов измерения трения и текстуры, а также наличие представительского оборудования. ASTM и AASHTO разработали набор поверхностных характеристические стандарты и стандарты практики измерения для обеспечения сопоставимости отчеты о текстуре и трении.Поскольку стандарты обеспечивают сопоставимость измерения для практических целей, методы и устройства обсуждаются в парах и сгруппированы в соответствии с измерениями, выполненными на скоростях движения по шоссе, и измерениями требующие закрытия полосы движения (т. е. низкоскоростные/пешеходные и стационарные устройства). В целом, измерительные устройства, требующие перекрытия полосы движения, проще и относительно недороги, в то время как скоростные устройства более сложны, дороже и требуют дополнительной подготовки для обслуживания и эксплуатации.С недавним развитием технологий в сборе данных, сенсорных технологиях и мощности компьютеров для обработки данных когда-то истинное превосходство в качестве данных для стационарных и низкоскоростных устройств уменьшается. Разрешение и точность данных, полученных с низкоскоростных или стационарных устройств, могут по-прежнему вытесняют высокоскоростные устройства, но с меньшими и меньшими запасами. Трение Два устройства, обычно используемые для измерения характеристик сцепления с дорожным покрытием в в лаборатории или на низких скоростях в полевых условиях используют британский маятниковый тестер (BPT) (AASHTO T 278 или ASTM E 303) и тестер динамического трения (DFT) (ASTM E 1911).Оба эти устройства измеряют фрикционные свойства, определяя потерю кинетической энергии скольжения маятник или вращающийся диск при контакте с поверхностью дорожного покрытия. Потеря кинетич. энергия преобразуется в силу трения и, таким образом, в трение о дорожное покрытие. Эти два метода очень портативный и простой в обращении. ДПФ имеет дополнительное преимущество, заключающееся в возможности измерить зависимость трения дорожного покрытия от скорости, измеряя трение при различных скорости (Saito et al., 1996). При измерении сцепления на высоких скоростях используются одна или две полномасштабные испытательные шины для измерения свойства сцепления с дорожным покрытием в одном из четырех режимов: заблокированное колесо, боковая сила, фиксированное скольжение или переменное скольжение. Как отмечает Генри (2000) и подтверждается исследованием штата, проведенным в этом исследования, наиболее распространенным методом измерения сцепления с дорожным покрытием в США является метод колеса (ASTM E 274). Этот метод предназначен для проверки фрикционных свойств поверхности в условиях экстренного торможения для автомобиля без антиблокировочной системы тормозов. в отличие методы боковой силы и фиксированного проскальзывания, испытания захода на посадку с заблокированными колесами при скорости проскальзывания, равной скорости автомобиля, что означает, что колесо заблокировано и не может вращаться (Генри, 2000).Результаты испытания с заблокированным колесом сообщаются в виде коэффициента трения (FN или коэффициента заноса). [SN]), который рассчитывается по следующему уравнению:

    35 FN(V) = 100 мк = 100 ×(F/W) Уравнение 6 где: V = скорость испытательной шины, миль/ч. µ = коэффициент трения. F = Тяговая горизонтальная сила, приложенная к шине, фунт. W = Вертикальная нагрузка на шину, фунт. Измерители трения с заблокированными колесами обычно работают на скоростях от 40 до 60 миль/ч (от 64 до 96 миль в час). км/час).Испытания можно проводить с использованием гладкой (ASTM E 524) или ребристой шины (ASTM E 501). Ребристая шина нечувствительна к толщине водяной пленки на поверхности дорожного покрытия; таким образом это нечувствительность к макротекстуре дорожного покрытия. С другой стороны, гладкая шина чувствительна. к макротекстуре. Метод боковой силы (ASTM E 670) измеряет способность транспортных средств сохранять управляемость в кривых и включает в себя поддержание постоянного угла, угла рыскания, между шиной и направление движения. Коэффициент боковой силы (SFC) рассчитывается следующим образом: SFC (V, ±) = 100×(FS/W) Уравнение7 где: V = скорость испытательной шины, миль/ч. α = угол рыскания. FS = Сила, перпендикулярная плоскости вращения, фунт. W = Вертикальная нагрузка на шину, фунт. Поскольку угол рыскания обычно небольшой, от 7,5 до 20 °, скорость скольжения также довольно низкая; это означает, что тестеры боковой силы особенно чувствительны к микротекстуре дорожного покрытия. но, как правило, нечувствительны к изменениям макротекстуры дорожного покрытия. Двумя наиболее распространенными приборами для измерения боковой силы являются Mu-Meter и Side-Force. Машина коэффициента дорожной инвентаризации (SCRIM).Основное преимущество боковой силы измерительные устройства — это возможность непрерывного измерения трения на протяжении всего испытания. раздел (Генри, 2000). Это гарантирует, что области с низким коэффициентом трения не будут пропущены из-за процедура выборки. Устройства с фиксированным скольжением измеряют трение, испытываемое транспортными средствами с антиблокировочной системой тормозов. Устройства с фиксированным скольжением поддерживают постоянное скольжение, обычно от 10 до 20 %. к испытательной шине прикладывается вертикальная нагрузка (Henry, 2000). Сила трения в направлении движение между шиной и дорожным покрытием измеряется, и процент проскальзывания рассчитывается как следует: уравнение8 где: Percent Slip = Отношение скорости скольжения к тестовой скорости, в процентах. V = тестовая скорость. r = эффективный радиус качения шины. ω = угловая скорость испытательной шины. Эти устройства также более чувствительны к микротекстуре, так как скорость скольжения низкая. 100)( ××−= В rVSlipPercent ω

    36 Устройства переменного скольжения (ASTM E 1859) измеряют силу трения при снятии шины. через заданный набор коэффициентов скольжения. Текстура Оборудование для измерения текстуры, требующее перекрытия дорожек, включает метод песчаных пятен. (SPM) (ASTM E 965), расходомер (OFM) (ASTM E 2380) и круглая текстура метр (CTM) (ASTM E 2157).SPM — это метод точечных испытаний, основанный на объемном анализе, который оценивает макро- текстуру за счет намазывания известного объема стекляруса по кругу на очищенную поверхность и измерение диаметра полученного круга. Объем, разделенный на площадь круга указывается как средняя глубина текстуры (MTD). OFM — это метод объемных испытаний, который измеряет скорость дренажа воды через Текстура поверхности и внутренние пустоты. Он указывает на потенциал поверхности к аквапланированию. относительно времени выхода воды из-под движущейся шины.Оборудование состоит из цилиндр с резиновым кольцом внизу и открытым верхом. Датчики измеряют время требуется, чтобы известный объем воды прошел под уплотнение или в дорожное покрытие. То параметр измерения, время истечения (OFT), определяет макротекстуру; высокие OFT указывает на гладкую макротекстуру и грубую макротекстуру с низким OFT. CTM — это бесконтактный лазерный прибор, который измеряет профиль поверхности на расстоянии 11,25 дюйма. (286 мм) диаметр круговой траектории поверхности дорожного покрытия с интервалами 0.034 дюйма (0,868 мм). Устройство для измерения текстуры вращается со скоростью 20 футов/мин (6 м/мин) и генерирует трассы профиля. поверхности дорожного покрытия, которые передаются и сохраняются на переносном компьютере. Два по этим профилям можно вычислить различные индексы макротекстуры — средняя глубина профиля (MPD) и среднеквадратичное значение (RMS). MPD, который представляет собой двумерную оценку трехмерный MTD (Flintsch et al., 2003), представляет собой среднее значение самого высокого профиля пики, возникающие в пределах восьми отдельных сегментов, составляющих круг измерения.Среднеквадратичное значение — это статистическая величина, которая предлагает меру того, насколько фактические данные (измеренный профиль) отличается от наилучшего соответствия (смоделированного профиля) данных (МакГи и Флинч, 2003). Высокоскоростные методы определения текстуры поверхности дорожного покрытия обычно основаны на методы бесконтактного профилирования поверхности. Пример бесконтактного профайлера для использования в характеризующим текстуру поверхности дорожного покрытия, является Анализатор дорожного покрытия (РОСАНВ), разработанный FHWA. РОСАНВ представляет собой переносную, устанавливаемую на транспортном средстве, автоматизированную систему для измерение текстуры дорожного покрытия на скоростях шоссе вдоль линейного пути.РОСАНВ включает в себя лазерный датчик, установленный на переднем бампере автомобиля, и устройство может быть работает на скорости до 70 миль / ч (113 км / ч). Система рассчитывает как MPD, так и оценочная средняя глубина текстуры (EMTD), которая является оценкой MTD, полученной из MPD используя уравнение преобразования. Автоматизированная система измерения обеспечивает большое количество ценных и менее дорогие текстурные данные, при этом значительно снижая проблемы с безопасностью и контролем трафика

    37 присущих ручным объемным методам.Некоторые из приложений РОСАНВ включает в себя следующее: • Измерения текстуры для систем управления дорожным покрытием (PMS). • Измерения текстуры для конкретных площадок для исследований безопасности. • Измерения контроля качества (КК) нового дорожного покрытия для сертификации дорожного покрытия. соответствие контрактным спецификациям по текстуре и ограничениям сегрегации заполнителя. • Сочетание оборудования для испытания на трение, такого как прицеп с бортовым поворотом, с системой ROSANV для одновременное измерение поверхностного трения и текстуры. • Измерения текстуры и деталей поверхности (канавки, тонировка) при исследовании шума исследования. Краткое изложение методов испытаний и оборудования Оборудование для измерения высокоскоростного трения описано и проиллюстрировано в таблицах 4 и 5. и низкоскоростное или стационарное фрикционное оборудование, требующее закрытия полосы движения, показано в таблицах 6. и 7. Таблицы 8 и 9 содержат сводную информацию для высокоскоростного измерения текстуры. устройств, а таблицы 10 и 11 предоставляют то же самое для низкоскоростных текстурных устройств.

    38 Таблица 4. Обзор методов испытаний на сцепление дорожного покрытия на скоростных автомагистралях.Контрольная работа Метод Связанный Стандарт Описание Оборудование Заблокировано- Рулевое колесо ASTM E 274 Это устройство установлено на прицепе который буксируется за измерительным транспортное средство с типичной скоростью 40 миль в час (64 км/ч). Вода (0,02 дюйма [0,5 мм] густой) наносится перед тестом шина, испытательная шина опускается как Нужна и тормозная система вынужден заблокировать колесо. Затем измеряется сила сопротивления и в среднем через 1-3 секунды после тестовое колесо полностью заблокировано. Измерения можно повторить после колесо достигает состояния свободного качения снова.Для тестирования требуется буксир автомобиль и заперт- трейлер скида колеса, оснащен либо ребристая шина (ASTM E 501) или гладкая шина (АСТМ Е 524). То гладкая шина больше чувствителен к асфальту макротекстура и ребристая шина больше чувствителен к микро- изменения текстур в тротуар. Боковая сторона- Сила ASTM E 670 Устройства для измерения трения с боковым усилием измерить боковое трение о дорожное покрытие или угловая сила перпендикулярна направление движения одного или двух перекошенные шины. Вода ставится на поверхность тротуара (4 галлона/мин [1.2 л/мин]) и один-два косых, свободных вращающиеся колеса тянутся за поверхности (обычно со скоростью 40 миль/час [64 км/ч]). Боковая сила, нагрузка на шину, расстояние, и скорость автомобиля регистрируются. Данные обычно собирается каждые 1-5 дюймов (25 до 125 мм) и в среднем по 3 фута (1- м) интервалы. -Британский мю-метр, показано справа, измеряет боковую силу разработан двумя рыскателями (7,5 градусов) колеса. Шины могут быть гладкими или ребристый. -Британский переулок Коэффициент силы Рутинное расследование Машина (СКРИМ), показанный справа, имеет угол поворота колеса 20 градусов.Фиксированный- Соскальзывать Различные устройства с фиксированным скольжением измеряют сопротивление вращению гладких шин проскальзывание с постоянной скоростью проскальзывания (от 12 до 20 процентов). Вода (0,02 дюйма [0,5 мм] толстый) наносится перед втягивающаяся шина, установленная на прицепе или транспортное средство обычно движется со скоростью 40 миль/час [64 км/ч]. Вращение тестовой шины заблокировано в процентах от скорости автомобиля на цепной или ременный механизм или гидравлическая тормозная система. Рулевое колесо нагрузки и силы трения измеряется датчиками силы или устройства для измерения натяжения и крутящего момента.Данные обычно собираются каждые 1-2 5 дюймов (от 25 до 125 мм) и в среднем более Интервалы 3 фута (1 м). -Проезжая часть и взлетно-посадочная полоса тестеры трения (РФЦ). — Поверхность аэропорта Тестер трения (ASFT), показано справа. -Тестер трения Saab (SFT), показанный справа. -СОЕДИНЕННОЕ КОРОЛЕВСТВО. Гриптестер, показан справа. -Финляндия БВ-11. — Дорожный анализатор и Регистратор (РЕВ). — ASTM E 1551 определяет тестовая шина подходит для использование в устройствах с фиксированным скольжением. Переменная- Соскальзывать АСТМ Е 1859 г. Устройства с переменным скольжением измеряют трение как функция скольжения (от 0 до 100 процентов) между колесом и шоссе поверхность.Вода (0,02 дюйма [0,5 мм] толстый) наносится на дорожное покрытие поверхности, и колесо может свободно вращаться. Постепенно испытательное колесо скорость снижается, и автомобиль скорость, пройденное расстояние, вращение шин скорость, нагрузка на колесо и сила трения собираются на уровне 0,1 дюйма (2,5 мм) интервалы или меньше. Необработанные данные записывается для последующей фильтрации, сглаживания, и отчетности. -Французский ИМАГ. -норвежский скандинавский РУНАР, показано на правильно. -РЕВ и СОЛТАР системы.

    39 Таблица 5.Дополнительная информация о методах испытаний на сцепление дорожного покрытия на скоростных автомагистралях. Метод испытаний Индекс измерения Применение Преимущества Недостатки Locked-Wheel Измеренная сила сопротивления и колесная нагрузка, приложенная к дорожному покрытию используются для расчета коэффициента трения, м. Трение сообщается как число трения (FN) или число скольжения (СН). Полевые испытания (прямой сегменты). Сетевой уровень трение мониторинг. Хорошо развитая и очень широко используется в США Более 40 штатов используют заблокированные колесные устройства.Системы пользовательские дружелюбный, относительно просто и не время потребление. Можно использовать только на прямые сегменты (нет кривые, Т-образные сечения или кольцевые развязки). Может пропустить скользкие места, потому что измерения прерывистый. Боковая сила Боковая сила, перпендикулярная плоскость вращения измеряется и усредняется для вычисления числа Мю, MuN, или коэффициент поперечной силы, СФК. Полевые испытания прямой сечения, кривые, крутые оценки. Данные в разные Приложения должно быть собрал по отдельности.Относительно хорошо контролируемый занос состояние похожее на устройство с фиксированным скольжением Результаты. Измерения непрерывный на протяжении всего теста участок тротуара. Метод обычно используется в Европе. Очень чувствителен к дороге неровности (выбоины, трещины и др.), которые могут быстро разрушить шины. Мю-метр прежде всего используется только для аэропортов в Соединенные штаты. Fixed-Slip Измеренная сила сопротивления и колесная нагрузка, приложенная к дорожному покрытию используются для расчета коэффициента трения, м. Трение обозначается как FN.Полевые испытания (прямой сегменты). Сетевой уровень трение мониторинг. Уровень проекта трение мониторинг. Непрерывный, высокий разрешение трения собранные данные. Устройства с фиксированным скольжением принимают показания в указанное время скорость скольжения. Их промах скорость не всегда совпадают с критическими значение скорости скольжения, особенно по льду и заснеженные поверхности. Использует большое количество вода в непрерывном режиме режим. Требуются квалифицированные данные снижение. Переменное скольжение При использовании для переменного скольжения измерения, система обеспечивает график взаимосвязи между скольжением число трения и скорость скольжения.То результирующие индексы: • Коэффициент продольного трения скольжения • Пиковое значение трения скольжения • Критический коэффициент проскальзывания — коэффициент скольжения • Коэффициент трения скольжения • Расчетное число трения Форм-фактор Rado При использовании для заблокированного колеса измерения, система обеспечивает значения ФН. Полевые испытания (прямой или изогнутый сегменты). Сетевой уровень трение мониторинг. Уровень проекта трение мониторинг. Может обеспечить постоянно любой желаемый фиксированный или переменное трение скольжения Результаты.Могу предоставить Rado коэффициент формы для подробная оценка. Большой, сложный оборудование с высоким затраты на техническое обслуживание и комплексная обработка данных и потребности в анализе. Использует большое количество вода в непрерывном режиме режим.

    40 Таблица 6. Обзор методов испытаний на сцепление с дорожным покрытием, требующих регулирования дорожного движения. Метод испытания Связанный Стандарт Описание Оборудование Остановка Расстояние Измерение ASTM E 445 Поверхность дорожного покрытия опрыскивают водой до насыщенный.Транспортное средство управляется с постоянной скоростью (40 миль в час). [64 км/ч] указано) в течение поверхность. Колеса заблокирован, а расстояние транспортное средство движется, достигая измеряется полная остановка. Как вариант, разные скорости и полностью включенный антиблокировочная система (АБС). Легковой автомобиль или легкий грузовик (не менее 3200 фунтов [желательно оборудованный с тяжелым подвесная система]) есть указано. Торможение система должна быть способный к полному и устойчивый тупик.Шины должен соответствовать ASTM E 501 ребристый дизайн. Замедление Ставка Измерение АСТМ Е 2101 Тестирование обычно проводится в зима загрязнена условия. Во время путешествия на стандартной скорости (от 20 до 30 миль/ч [от 32 до 48 км/ч]), тормоза применяются для блокировки колеса, до торможения тарифы можно измерить. То скорость замедления записывается для расчета трения. Механический или электронный оборудование, показанное на правильно, установлен на любой автомобиль для измерения и зафиксировать замедление скорость во время остановки.Портативный Тестеры АСТМ Е 303 АСТМ Е 1911 г. Можно использовать портативные тестеры. для измерения трения свойства дорожного покрытия поверхности. Эти тестеры используют теория маятника или ползунка измерить трение в лаборатории или в полевых условиях. Британский маятниковый тестер (BPT) производит низкоскоростной скользящий контакт между стандартный резиновый слайдер и поверхность тротуара. То высота, до которой рука качается после того, как контакт обеспечивает индикатор трения характеристики. Данные из пяти показания обычно собраны и записаны рука.Тестер динамического трения измеряет крутящий момент необходимо вращать три маленький, подпружиненный, резиновый колодки по круговой траектории поверхность тротуара на скорость от 3 до 55 миль/час (5 до 89 км/ч). Вода подается со скоростью 0,95 галлона/мин (3,6 л/мин) во время испытаний. Скорость вращения, об/мин крутящий момент и нисходящая нагрузка измеряются и записываются в электронном виде. — БПТ вручную эксплуатировался и задокументировано, как показано вверху справа. — ДПФ, показанный на внизу справа, это модульная система, которая контролируемый в электронном виде.Результаты обычно записываются в 12, 24, 36 и 48 миль/ч (20, 40, 60 и 80 км/ч), а скорость, отношение трения может быть построен. Он подходит в багажник автомобиля и есть в сопровождении воды бак и портативный компьютер.

    41 Таблица 7. Дополнительная информация о методах испытаний на сцепление с дорожным покрытием, требующих управление движением. Метод испытаний Индекс измерения Применение Преимущества Недостатки Остановка Расстояние Измерение Номер тормозного пути (SDN) или коэффициент трения (μ) определяется используя следующее уравнение: где: μ = коэффициент трения.v = скорость торможения транспортного средства, фут/сек (м/сек). g = ускорение свободного падения, 32,2 фута/сек2 (9,81 м/сек2). d = тормозной путь, футы (м). Полевые испытания (прямой сегменты). Крушение расследования. Самый простой метод для определения поверхность тротуара трение. Полученные тестовые значения не очень повторяемый. Управление дорожным движением обязательный. Замедление Ставка Измерение Измеренная сила замедления используется рассчитать площадь дорожного покрытия коэффициент трения, м.кв., с помощью уравнение: г onDeceleratiMeasured=μ где: μ = коэффициент трения. g = ускорение свободного падения, 32,2 фута/сек2 (9,81 м/сек2). Измеренное замедление может быть непосредственно измеряется для полного прекращает работу или определяется на частичная остановка как разница между начальное и конечное замедление, разделенное по времени торможения. Полевые испытания (прямой сегменты). Крушение расследования. Система проста в использовать, маленький, портативный, легкий, и легко установить и Удалить.Требуется внезапный тормозной маневр должен быть сделал и такое маневров может не быть оперативно желательно (Аль-Кади и др., 2002). Не может использоваться для оценка сети. Обычно требуется перекрытие полосы движения. Портативный Тестеры BPT представляет собой британский маятник. Число (БПН) на базе маятника высота качания калиброванного БПТ. Тестер динамического трения (DFT) производит числа ДПФ или трение коэффициенты и график трения коэффициент для различных скоростей вращения.Это устройство также сообщает о пиковом трение, связанная с ним пиковая скорость скольжения и Международный индекс трения (IFI), обозначены F(60) и SP. BPT предоставляет трения и микро- индикаторы текстуры для любого покрытия, будь то в поле или из лабораторный анализ с сердечником или подготовленные образцы. Он также используется для оценить эффект износа на трении и текстура. ДПФ может быть используется для полевых и лабораторные испытания за качество контроль/качество гарантия (КК/ОК), проект, и следственный данные трения коллекция.БПТ используется во всем мире как мера трения и текстура. это подходит для обоих лаборатория и полевая оценка. БПТ может быть используется для измерения оба продольных и боковой тротуар-шина трение. ДПФ обеспечивает хорошая повторяемость и воспроизводимость и не влияет операторами или ветер. Это также обеспечивает трение коэффициенты, которые являются репрезентативными высокой скорости ценности. Оно может производить МФУ статистика, и это хорошо коррелирует с БПН. Вариабельность BPN большая и могут быть затронуты операторские процедуры и эффекты ветра.Управление дорожным движением требуется для обоих портативные тестеры. Они не всегда имитация тротуара-шины характеристики. Оба устройства собирают только точечные измерения и нельзя использовать для оценка сети. К количественно определить данный раздел тротуар, несколько измерения должны быть производится на протяжении секция. г в М—М—= 2 2 ¼

    42 Таблица 8. Обзор методов испытаний текстуры дорожного покрытия на скоростных автомагистралях. Метод испытания/ Оборудование Связанный Стандарт Описание Оборудование Электрооптический (лазерный) метод (ЕОМ) АСТМ Е 1845 ИСО 13473-1 ИСО 13473-2 ИСО 13473-3 Бесконтактный очень высокоскоростной лазеры используются для сбора возвышения поверхности тротуара с интервалом 0.01 дюйм (0,25 мм) и менее. Этот тип система, таким образом, способна измерения дорожного покрытия макротекстура поверхности (от 0,5 до 50 мм) профилей и индексов. Системы глобального позиционирования (GPS) часто добавляются к этому система, помогающая найти тестовый сайт. Сбор данных и программное обеспечение для обработки фильтрует и вычисляет текстурные профили и прочее Текстурные индексы. Высокоскоростной лазер измерение текстуры оборудование (например, ФХВА РОСАН система показана на правильно) использует сочетание горизонтальное расстояние измерительный прибор и очень высокий скорость (64 кГц или выше) лазер датчик триангуляции.Вертикальное разрешение обычно 0,002 дюйма (0,5 мм) или лучше. То лазерное оборудование установлен на высоко- скоростное транспортное средство и данные собираются и хранится в портативном компьютер. Таблица 9. Дополнительная информация о методах испытаний текстуры дорожного покрытия на скоростных автомагистралях. Контрольная работа Метод/Оборудование Индекс измерения Преимущества Недостатки Электрооптический (лазерный) метод (ЭОМ) Используя измеренные профили текстуры, система EOM вычисляет среднее значение глубина профиля (MPD) как разность между пиковым и средним высоты для последовательных 2 дюймов (50- мм) сегментов, в среднем в 4 дюймах (100 мм) сегменты профиля.Оцененный MTD (EMTD) можно вычислить с помощью отношения, сложившиеся между MPD и MTD на Международном Эксперимент ПИАРК. среднеквадратичное макро- уровни текстуры также могут быть вычислены. Мощность длин волн текстуры может также определяется с помощью силы вычисление спектральной плотности. • Непрерывно собирает данные в высокие скорости. • Хорошо коррелирует с МПД. • Может использоваться для обеспечения постоянная скорость до сопровождают данные о трении. • Оборудование очень дорогое. — Требуются квалифицированные операторы для сбора и данных обработка.

    43 Таблица 10. Обзор методов испытаний текстуры поверхности дорожного покрытия, требующих регулирования дорожного движения. Метод испытания/ Оборудование Связанный Стандарт Описание Оборудование Песчаный участок Метод (СПМ) АСТМ Е 965, ИСО 10844 Это объемное пятно метод испытаний обеспечивает средняя высота дорожного покрытия макротекстура поверхности. То оператор распространяет известный объем стеклянных шариков в круг на очищенную поверхность и определяет диаметр и впоследствии означает глубина текстуры (MTD).Оборудование включает в себя: Ветрозащита, 1,5 дюйма3 (25 000 мм3) контейнер, весы, щетка и диск (2,5- до 3 дюймов [от 60 до 65 мм] диаметр). Стекло ASTM D 1155 бисер. Расходомер (ОФМ) ASTM E 2380 Этот метод объемных испытаний измеряет дренаж воды скорость через текстуру поверхности и внутренние пустоты. Это указывает на аквапланирование потенциал поверхности на относительно времени побега вода под движущейся шиной. Корреляции с др. Текстурные методы также были разработаны. Оборудование – это цилиндр с резиновое кольцо на дно и открытый верхняя.Датчики измерить время требуется для известного объем воды до проходить под печатью или в тротуар. Циркуляр Текстурометр (КТМ) ASTM E 2157 Это бесконтактное лазерное устройство измеряет текстуру поверхности в 11,25-дюймовом (286-мм) диаметр круглого профиля поверхность тротуара на интервалы 0,034 дюйма (0,868 мм), соответствующий путь измерения ДПФ. Он вращается со скоростью 20 футов в минуту. (6 м/мин) и обеспечивает следы профиля и среднее значение глубина профиля (MPD) для поверхность тротуара.Оборудование включает водоснабжение, портативный компьютер, и текстура измерительное устройство.

    44 Таблица 11. Дополнительная информация о методах испытаний текстуры поверхности дорожного покрытия, требующих управление движением. Контрольная работа Метод/Оборудование Индекс измерения Преимущества Недостатки Метод песчаного пластыря (СПМ) Средняя глубина текстуры (MTD) макротекстура вычисляется как: 2 4 Д ВМТД М—О = где: MTD = средняя глубина текстуры, в (мм) V = объем пробы, дюйм3 (мм3) D = средний диаметр материала, в (мм) • Простой и недорогой методы и оборудование.• В сочетании с другими данные, могут вызвать трения Информация. • Широко используемый метод. • Метод медленный и требует закрытие полосы движения. • Представляет только небольшую область. • Только макротекстура оценивается. • Чувствительность к оператору изменчивость. • Трудоемкая деятельность. Измеритель оттока (OFM) Время оттока (OFT) – это время в миллисекунд для оттока указанного объем воды. Более короткий отток время указывает на более грубую поверхность текстура. • Простые методы и относительно недорогой оборудование.• Обеспечивает индикацию потенциал аквапланирования в дождливая погода. • Метод медленный и требует закрытие полосы движения. • Представляет только небольшую область поверхности тротуара. • Выход не имеет хорошего корреляция с MPD или MTD Круглая текстура Метр (КТМ) Индексы, предоставленные CTM включить среднюю глубину профиля (MPD) и среднеквадратичное значение (RMS) макротекстура. • Измеряет тот же диаметр, что и ТПФ, позволяющая текстуру — сравнения трения. • Повторяемость, воспроизводимость, и не зависит от операторов • Хорошо коррелирует с МПД.• Измеряет положительные и негативная текстура. • Небольшой (13 кг [29 фунтов]) и портативный. • Время установки короткое (менее 1 минута) • Метод медленный (около 45 секунд до завершения) и требует закрытия полосы движения. • Представляет небольшую поверхность площадь.

    45 ПОКАЗАТЕЛИ ТРЕНИЯ Индексы трения используются давно. В 1965 году ASTM начала использовать Skid. Число (SN) (ASTM E 274) как альтернатива коэффициенту трения.В более поздние годы, AASHTO приняла метод испытаний E 274 и изменила терминологию с Skid Number. к числу трения (FN). В начале 1990-х PIARC разработала International Friction Индекс (IFI), основанный на международном исследовании гармонизации PIARC. Усовершенствованная модель IFI вскоре после этого был разработан как часть докторской диссертации. диссертация (Радо, 1994). Использование индексов трения позволило согласовать различную чувствительность различные принципы измерения трения для микротекстуры и макротекстуры.При условии ниже приведены краткие обсуждения этих первичных индексов трения. Номер трения Число трения (FN) (или число скольжения [SN]), полученное по стандарту ASTM E 274. устройство для испытания колес представляет собой средний коэффициент трения, измеренный в ходе испытания. интервал. Он рассчитывается с использованием уравнения 6, данного ранее. Диапазон отчетных значений от 0 до 100, где 0 означает отсутствие трения, а 100 — полное трение. Значения FN обычно определяются скоростью, с которой проводится испытание, и тип шины, используемой в тесте.Например, FN40R = 36 указывает на коэффициент трения 36, т.к. измерено при тестовой скорости 40 миль/ч (64 км/ч) и с ребристой (R) шиной. Так же, FN50S = 29 указывает на коэффициент трения 29, измеренный при испытательной скорости 50 миль/ч (81 км/ч) и с гладкой (S) шиной. Международный индекс трения В 1992 году PIARC спонсировала международное исследование гармонизации трения, в ходе которого приняли участие представители 16 стран. Эксперимент проводился на 54 площадках. в США и Европе и включает 51 различную систему измерения.Различные типы оборудования для испытаний на трение, включая блокировку колес, фиксированное скольжение, АБС, с переменным скольжением, боковой силой, маятником и некоторыми прототипами устройств. Текстура поверхности была измеряется с помощью песчаного пятна, лазерных профилометров (методом триангуляции), оптическую систему (метод светового сечения) и расходомеры. Одним из основных результатов эксперимента PIARC стала разработка Международного Индекс трения (IFI). IFI стандартизировал зависимость трения от шины. сообщается скорость скольжения.В качестве меры того, насколько сильно трение зависит от относительного скорость скольжения автомобильной шины, градиент значений трения, измеренных ниже и выше 37 миль/ч (60 км/ч) сообщается как значение экспоненциальной модели для IFI показатель. Этот градиент называется числом скорости (SP) и указывается в диапазоне от 0,6 до 310 миль/ч (от 1 до 500 км/ч). Эксперимент PIARC убедительно подтвердил, что SP является мерой макротекстуры. влияние на поверхностное трение. Макротекстура признана одним из основных факторов, влияющих на трение. характеристики безопасности по нескольким причинам.Наиболее известная причина – гидравлический

    46 дренажная способность макротекстуры для мокрого дорожного покрытия во время или сразу после дождь. Эта возможность также минимизирует риск аквапланирования. Другая причина что износ или полировка макротекстуры можно интерпретировать из SP, поскольку она меняет значение со временем для участка дороги. Ярко выраженная пиковая форма или крутой отрицательный наклон кривой трения-скорости скольжения являются считается опасным.Обычный водитель испытает неожиданную потерю торможения. мощность, когда педаль тормоза выжата до максимума, а мощность торможения не максимум. Наименьший возможный отрицательный наклон или даже плоская форма скорости трения-скольжения Поэтому кривая желательна и получается с надлежащей макротекстурой. IFI состоит из двух номеров — F(60) и SP — и обозначения и сообщения о этот индекс — IFI(F(60), Sp). IFI основан на математической модели (называемой PIARC). Модель трения) коэффициента трения в зависимости от скорости скольжения и макротекстуры.То Число скорости IFI и число трения рассчитываются с использованием следующих уравнений. (выражено в метрической форме, как указано в ASTM E 1960): SP = a + bà — уравнение TX. 9 где: SP = номер скорости IFI. a, b = константы калибровки, зависящие от метода измерения макротекстура. Для MPD (ASTM E 1845) а = 14,2 и b = 89,7. Для МПД (ASTM E 965) a = -11,6 и b = 113,6. TX = измерение макротекстуры (MPD или MTD), мм. уравнение 10 где: FR(60) = скорректированное значение измерения трения FR(S) при скорости проскальзывания от S до a скорость скольжения 60 км/ч.FR(S) = значение трения при выбранной скорости скольжения S. S = выбранная скорость скольжения, км/ч. F(60) = A + B×FR(60) + C×TX Ур. 11 где: F(60) = коэффициент трения IFI, полученный из корреляции уравнения 11. A, B = калибровочные константы, зависящие от устройства измерения трения. C = постоянная калибровки, необходимая для измерений с использованием ребристой шины. Предыдущее уравнение можно использовать для корректировки измерений, выполненных на скоростях, отличных от заданной. стандартная скорость 40 миль/ч (64 км/ч) с прицепом ASTM E 274 для расчета FN40 с использованием следующее уравнение: уравнение12 PS ПРОТИВ V eFNSFN −− ‹…=)( )60( )()60( ПС С eSFRFR †×=

    47 Например, измерение, выполненное на низкой скорости, скажем, 20 миль/ч (32 км/ч), или измерение, выполненное на высокая скорость 60 миль/ч (96 км/ч), можно отрегулировать до FN40, установив S равным 40 миль/ч. (64 км/ч) и V к скорости измерения (20 или 60 миль/ч [32 или 96 км/ч]). Какие бы единицы (миль/час или км/час) используются для S, а V также должен использоваться для SP. Использование IFI для оценки значений трения на любой скорости показано на рисунке 21.Имея измеренное значение SP и значение трения F(60) на скорости 37 миль/ч (60 км/ч), значение трения при любом другую скорость скольжения можно оценить, выбрав значение S. Кривая трения строится используя предыдущее уравнение, а F(60) и номер SP указаны на графике. Рисунок 21. Модель трения IFI. SP для поверхности дорожного покрытия может быть измерен устройством, которое измеряет макро- текстура. SP также можно получить, выполнив как минимум два цикла измерений поверхности при каждом прогоне с разной скоростью скольжения при одной и той же скорости автомобиля.Некоторое трение измерительные устройства измеряют как силу трения, так и макротекстуру в одном и том же измерение. IFI описывает трение, испытываемое водителем при экстренном торможении. (от блокировки колеса до остановки) с использованием тормозов без АБС, тогда как модель Rado (обсуждаемая далее) описывает тот же процесс торможения с использованием тормозов с АБС и имеет дело с трением имеет опыт работы с начальными тормозными механизмами. Модель Rado IFI Для оценки тормозного действия с тормозами с АБС максимальное значение трения, когда колесо все еще катится с низким коэффициентом скольжения, это важно.В таких условиях шина работают, чтобы дать транспортному средству управление направлением, а также выполнить торможение. В заблокированном колесе состояние, шина не может способствовать управлению направлением движения. 60 Скорость скольжения (с) 0 Пт IC ты на Н гм быть р 0 100 СП Ф(60)

    48 Модель трения Rado была разработана в дополнение к модели PIARC путем моделирования поведение максимального значения трения. Эта модель принимает следующий вид: уравнение 13 В этом отношении μmax — максимальное значение трения, а Smax — соответствующая скорость скольжения, также известная как критическая скорость скольжения.Другими словами, когда шина скользит по дорожном покрытии со скоростью проскальзывания Smax во время качения оно развивает трение μmax. $C — коэффициент формы, тесно связанный с константой скорости (SP) в модели PIARC. Параметр $C определяет скошенную форму полной кривой трения (см. рис. 22). Модель Rado также рассматривает μmax как функцию свойств поверхности и шины, измеряя скорость и скорость скольжения. Рисунок 22. Модели трения IFI и Rado IFI (Rado, 1994).Модель Rado позволяет определить фактическую кривую трения для процесса торможения. из состояния свободного качения в состояние заблокированного колеса. Устройства измерения переменного скольжения могут использовать это модели, чтобы охарактеризовать их измерение тремя параметрами, которые полностью описывают весь процесс трения (μmax, Smax, $C). Используя различные математические процедуры, эти три параметра могут быть оценены из необработанных измеренных данных. Это сокращает тысячи измеренные точки данных, составляющие кривую трения от измерения до трех чисел что вместе с математической формой может воссоздать всю кривую трения.( ) 2 ˆ п Максимум Максимум ŽŸâŽŸ ŽŸâŽŸ ŽŸ ⎠⎞ ⎜⎜ ⎜⎜ ✓ ⎠⎛ вяжущий ⎞ ⎜⎜⎠⎛ †×= С С С eS μμ 60 Скорость скольжения (с) 0 Пт IC ты на Н гм быть р 0 СП Ф(60) Sмакс. ¼ м топор Cˆ (форма) Модель Rado(μmax,SMAX, Cˆ) ‰ˆ IFI(F(60),SP)

    49 Техника характеризуется управляемым торможением колеса на измеряемой шине, при сохранении постоянной скорости движения. Измерительное колесо тормозится постепенно от свободного качения до заблокированного состояния в диапазоне доступных скоростей скольжения.Выбирая сотни значений трения при известных скоростях скольжения, можно построить кривую коэффициента трения. соответствуют полученным точкам данных. Уравнение для кривой числа трения имеет вид определенный. Также получено уравнение для максимальных значений трения. С помощью уравнения, значения трения могут быть оценены и представлены для любых скоростей скольжения и скольжения, а также разные скорости движения в одних и тех же условиях окружающей среды. Модель Rado может сообщать IFI, F(60) и SP напрямую. SP — производная кривой в точке F(60) при преобразовании к логарифмической форме.Максимальные значения трения можно предсказать для измеренной полосы на поверхности при всех других скоростях движения для того же шины с использованием этой модели. Отношения индекса За прошедшие годы было проведено множество исследований, чтобы соотнести различное трение и методы измерения текстуры. Установленные корреляции важны для определение того, как микротекстура и макротекстура влияют на сцепление шин с дорожным покрытием производительность в различных условиях дорожного покрытия. Ниже обсуждаются некоторые ключевые отношения.Микротекстура В настоящее время нет прямого способа измерения микротекстуры в полевых условиях. Даже в лаборатории, это было сделано только с очень специальным оборудованием. Из-за этого и из-за микротекстура связана с трением с низкой скоростью скольжения, для микротекстурирования используется суррогатное устройство. текстура. В прошлом наиболее распространенным устройством был BPT (ASTM E 303), который производил низкое число оборотов мокрого трения BPN. Более новым испытательным устройством является ТПФ (ASTM E 1911), который измеряет трение как функцию скорости скольжения от 0 до 55 миль/ч (от 0 до 90 км/ч).ДПФ в 20 км/ч (DFT(20)) в настоящее время все чаще используется во всем мире в качестве замены для БПН. Тестирование в мастерских NASA Wallops Friction Workshops показало, что DFT(20) более воспроизводимы, чем BPN (Henry, 2000). Макротекстура Основными показателями, используемыми для характеристики макротекстуры, являются MTD и MPD. Пока в международном эксперименте PIARC было установлено, что наилучший параметр для определения константы скорости (СП) МФИ является MPD, хорошие прогностические возможности были также наблюдается для МПД (Henry, 2000).Чтобы разрешить преобразование в любой из этих макро- индексы текстуры, следующие отношения (данные как в английской, так и в метрической форме, соответственно) были разработаны (PIARC, 1995):

    50 Для оценки MTD по измерениям MPD, полученным с помощью профилировщика (ASTM E 1845): Расчетное MTD (или EMTD) = 0,79à — MPD + 0,009 английское (дюйм) уравнение. 14 EMTD = 0,79×MPD + 0,23 Метрическая система (мм) Для оценки MTD по измерениям MPD, полученным с помощью CTM (ASTM E 2157): ЭМТД = 0.947×MPD + 0,0027 англ. (дюйм) ур. 15 EMTD = 0,947×MPD + 0,069 Метрическая система (мм) Для оценки MTD по времени истечения (OFT), измеренному с помощью устройства OFM (ASTM E 2380) (ПИАРК, 1995): EMTD = (0,123/OFT) + 0,026 английское (дюйм) уравнение 16 EMTD = (3,114/OFT) + 0,656 Метрическая система (мм) Трение (микротекстура и макротекстура) Было показано, что при использовании комбинации гладких (ASTM E 524) и ребристых шин (ASTM E 501) на скоростях шоссе (т. е. > 40 миль/ч [64 км/ч]), FN можно предсказать по микротекстура и макротекстура.Отношения (уравнения с 17 по 19) основаны на макротекстура, измеренная с использованием SPM (ASTM E 965) и BPN (ASTM E 303), в качестве заменитель микротекстуры. Аналогичные уравнения могут быть определены из других макротекстур. методы измерения (такие как MPD [ASTM E 1845]) и заменитель микротекстуры (например, DFT(20) [ASTM E 1911]). IFI предоставляет способ сделать это через следующие уравнения (Wambold et al., 1984): BPN = 20 + 0,405à — FN40R + 0,039à — FN40S Уравнение. 17 МПД = 0.039 – 0,0029à – FN40R + 0,0035à – FN40S Ур. 18 где: BPN = число британского маятника. FN40R = коэффициент трения при использовании ребристой шины при скорости 40 миль/ч. FN40S = Коэффициент трения при использовании гладкой шины при скорости 40 миль/ч. MTD = средняя глубина текстуры, дюйм. Совокупность уравнений показывает, что БПН (микротекстура) на порядок больше зависит от ребристой шины, чем от гладкой. Обратное верно для МПД (макро- текстура). На основе комбинированного набора данных (400 измерений) NASA Wallops. Friction Workshops, следующее соотношение со значением R2, равным 0.86 было разработано: FN40R = 1,19à – FN40S – 13,3à – МПД + 13,3 ур. 19 Таким образом, измерение трения и текстуры гладкой шины, выполненное для определения IFI, все еще может быть используется для прогнозирования FN40R для справки. Однако BPN не очень воспроизводима, и уравнения действительны только для BPT, используемого в корреляции. По этой причине следующие корреляции с DFT (20) и MPD (из CTM) были разработаны с использованием НАСА. Данные Wallops Friction Workshops:

    51 ФНС = 15.5Ã — MPD + 42,6Ã — DFT(20) — 3,1 ур. 20 FNR = 4,67 Ã — MPD + 27,1 Ã — DFT(20) + 32,8 экв. 21 И корреляция FN40R, как функция FN40S и MPD, следующая: FN40R = 0,735Ã — FN40S — 1,78Ã — MPD + 32,9 ур. 22

    Эта страница специально оставлена ​​пустой.

    .

    Добавить комментарий

    Ваш адрес email не будет опубликован. Обязательные поля помечены *