[发明专利]一种模拟路面结冰的试验系统及方法有效
| 申请号: | 202210079793.5 | 申请日: | 2022-01-24 |
| 公开(公告)号: | CN114562944B | 公开(公告)日: | 2023-01-10 |
| 发明(设计)人: | 阳恩慧;杨钦隆;狄海波;罗蕾;陈强;李杰;邱延峻 | 申请(专利权)人: | 西南交通大学 |
| 主分类号: | G01B11/06 | 分类号: | G01B11/06;G01N25/06;G01W1/02;G06F30/27;G06N3/04;G06N3/08 |
| 代理公司: | 成都智言知识产权代理有限公司 51282 | 代理人: | 李勇 |
| 地址: | 610038 四*** | 国省代码: | 四川;51 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 模拟 路面 结冰 试验 系统 方法 | ||
1.一种模拟路面结冰的试验系统,其特征在于:包括低温控制箱(1)和计算机,所述低温控制箱(1)中设置有环境模拟组件、车辙板组件、路面状况观测组件及手持测试仪器,所述的环境模拟组件、车辙板组件和路面状况观测组件安装布置在低温控制箱内部,所述的计算机设置在低温控制箱外部,所述计算机与路面状况观测组件连接;
所述低温控制箱(1)通过电源线与电源连接,低温控制箱(1)的箱体内侧壁安装有制冷器,低温控制箱(1)的底部设置有排水孔,低温控制箱(1)的外部设置有温控开关;
所述环境模拟组件包括小型风扇(4)、辐射灯(2)和蓄水壶,所述的小型风扇安装在低温控制箱(1)内的一侧,所述的辐射灯(2)安装在温控制箱(1)内顶部;
所述车辙板组件包括车辙板试件(7)和车辙板安放承台(9),所述车辙板安放承台(9)安装在低温控制箱(1)中部,所述车辙板试件(7)安装在车辙板安放承台(9)上;
所述路面状况观测组件包括高清摄像机(5)、摄像机支架(6)和结冰传感器(8),所述高清摄像机(5)安装在摄像机支架(6)上,所述的摄像机支架(6)安装在车辙板安放承台(9)侧面,所述结冰传感器(8)安装在车辙板试件(7)内部并与车辙板试件(7)表面平齐,所述高清摄像机(5)和结冰传感器(8)与计算机连接;
所述手持测试仪器包括风速仪、辐射仪、量筒、红外测温仪、温湿度传感器、温度计和喷壶;
所述试验系统进行的路面结冰试验方法,包括以下步骤:
步骤1:设定试验的相关参数;
步骤2:制作车辙板试件:在成型后的车辙板试件中央钻孔,孔内埋入结冰数据采集器,并确保结冰数据采集器表面与车辙板试件表面平齐;
步骤3:将车辙板试件所处位置调整到设定风速和设定辐射强度,并使高清摄像机镜头对准车辙板试件表面,准备就绪后关闭小型风扇、辐射灯和高清摄像机;
步骤4:将低温控制箱调节到设定温度,等待车辙板试件温度与低温控制箱内温度一致,同时用温湿度传感器监控低温控制箱内温湿度变化;
步骤5:测定车辙板试件表面温度,确保车辙板试件达到设定温度,测定蓄水壶中水的温度,确保水温达到预设温度;
步骤6:开始结冰模拟试验,开启小型风扇、辐射灯、高清摄像机和结冰传感器,量取预设降雨量水平的水并喷洒到车辙板试件表面模拟降雨,观察计算机上结冰传感器分析的数据变化以及高清摄像机的图像变化,待结冰完成后,记录结冰厚度与结冰时间;
步骤7:利用数学软件对观测结果进行回归分析,将每组试验的三个平行试验的均值作为该组试验的结冰数据,若存在与均值差距30%以上的离群值,则删去离群值再取均值,将多个因素的试验水平作为自变量输入,结冰时间和结冰厚度分别作为单因变量输出,使用软件中的回归分析工具箱建立基于多元多项式拟合的多因素路面结冰预测模型,使用软件中的神经网络拟合工具箱建立基于神经网络的多因素路面结冰预测模型,使用软件中的回归学习工具箱建立基于支持向量机回归的多因素路面结冰预测模型;
步骤8:对基于多元多项式拟合的多因素路面结冰预测模型、基于神经网络的多因素路面结冰预测模型和基于支持向量机回归的多因素路面结冰预测模型进行比选,以均方根误差越小、拟合优度越大为原则,选出该环境水平下最佳的路面结冰预测模型。
2.根据权利要求1所述的一种模拟路面结冰的试验系统,其特征在于:所述车辙板试件(7)为水泥板材质或沥青板材质。
3.根据权利要求1所述的一种模拟路面结冰的试验系统,其特征在于:当基于神经网络的多因素路面结冰预测模型针对结冰时间为效果最优时,该多因素路面结冰预测模型为3层神经网络结构模型,其中输入层的神经元数目为3,隐藏层的神经元数目为10,输出层的神经元数目为1,并且在训练该多因素路面结冰预测模型时,结冰数据分为70%训练集、15%验证集和15%测试集,训练算法采用Levenberg-Marquardt算法。
4.根据权利要求1所述的一种模拟路面结冰的试验系统,其特征在于:当基于神经网络的多因素路面结冰预测模型针对结冰厚度为效果最优时,该多因素路面结冰预测模型为3层神经网络结构模型,其中输入层的神经元数目为3,隐藏层的神经元数目为10,输出层的神经元数目为1,并且在训练该多因素路面结冰预测模型时,结冰数据分为70%训练集、15%验证集和15%测试集,训练算法采用Levenberg-Marquardt算法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西南交通大学,未经西南交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210079793.5/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种大尺寸铋纳米线及其制备方法
- 下一篇:一种改进型高效水草清理设备





