(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210628703.3 (22)申请日 2022.06.06 (71)申请人 邢台路桥建 设总公司 地址 054001 河北省邢台市桥 东区建业 南 路239号 (72)发明人 王春雷　王新超　陈博瀚　李仁增　 赵华平　冀晓晖　苏玉涛　代微微　 王鹏　刘彦彦　魏涛　刘俊峰　 (74)专利代理 机构 西安创知专利事务所 61213 专利代理师 马凤云 (51)Int.Cl. G06F 30/23(2020.01) G06F 30/27(2020.01) G06F 30/13(2020.01) G06N 3/08(2006.01)G06F 16/901(2019.01) G06F 119/14(2020.01) (54)发明名称 一种基于BP神经网络的沥青路面潜在破坏 参数计算方法 (57)摘要 本发明公开了一种基于BP神经网络的沥青 路面潜在破坏参数计算方法， 包括步骤： 一、 建立 沥青路面结构参数与路面结构应力状态的对应 关系； 二、 训练BP神经网络模型； 三、 利用待测沥 青路面的沥青路面结构参数获取待测沥青路面 的路面结构应力状态参数； 四、 计算待测沥青路 面的潜在破坏参数。 本发明利用现有沥青路面历 史参数构建沥青路面结构参数与路面结构应力 状态对应的第一数据库， 利用均匀设计安排参数 组合对沥青 路面应力分布进行有限元计算,结合 莫尔圆给出沥青 路面中不同深度应力状态， 得第 二数据库， 训练沥青路面结构参数与路面结构应 力状态对应的BP神经网络模型， 快速获取所需路 面结构应力状态参数， 进而快速计算出沥青路面 潜在破坏参数。 权利要求书2页 说明书4页 附图1页 CN 114970276 A 2022.08.30 CN 114970276 A 1.一种基于BP神经网络的沥青路面潜在破坏参数计算方法， 其特征在于， 该方法包括 以下步骤： 步骤一、 建立沥青路面结构参数与路面结构应力状态的对应关系： 根据现有沥青路面 的历史参数构建沥青路面结构参数与路面结构应力状态对应的第一数据库； 利用均匀设计安排参数组合对沥青路面应力分布进行了有限元计算,结合莫尔圆给出 沥青路面中不同深度的应力状态， 构建沥青路面结构参数与路面结构 应力状态对应的第二 数据库； 第一数据库和第二数据库组合形成沥青路面结构参数与路面结构应力状态对应的训 练数据库； 所述沥青路面结构参数包括沥青面层厚度、 沥青面层宽度、 沥青面层弹性模量、 沥青面 层泊松比、 沥青面层内聚力、 基层厚度、 基层宽度、 基层弹性模量、 基层泊松比、 基层内聚力、 底基层厚度、 底基层宽度、 底基层弹性模量、 底基层泊松比、 底基层内聚力、 路基厚度、 路基 宽度、 路基弹性模量、 路基泊松比和路基内聚力； 所述路面结构应力状态参数包括第一主应力σ1、 第三主应力σ3和莫尔圆的圆心至莫尔 破坏包络线距离d； 步骤二、 训练BP神经网络模型： 以训练数据库中的沥青路面结构参数为BP神经网络模 型的输入层节点， 以训练数据库中对应的路面结构 应力状态 参数为BP神经网络模型的输出 层节点， 训练BP神经网络模型； 步骤三、 利用待测沥青路面的沥青路面结构参数获取待测沥青路面的路面结构应力状 态参数： 利用BP神经网络模型 预测待测沥青路面的路面结构应力状态参数； 步骤四、 计算待测沥青路面的潜在破坏参数： 根据公式 计算待测沥青 路面的潜在破坏参数AP PDI； 其中， 当APPDI＜1时， 表明测试点的应力莫尔圆与莫尔破坏包络线不相交， 该测试点产 生弹性形变， 卸载后变形恢复； 当APPDI≥1且|σ1|＞|σ3|时， 表明测试点的应力莫尔圆与莫尔破坏包络线相交， 该测试 点以压应力为主， 即该测试点在外荷载作用下产生以压应力为主的拉亚复合剪切塑性变 形； 当APPDI≥1且|σ1|＜|σ3|且|σ3|＜|σt|时， 表明测试点的应力莫尔圆与莫尔破坏包络线 相切， 该测试点以拉应力为主， 即该测试点在外荷载作用下产生以拉应力为主的拉亚复合 剪切塑性变形； 当APPDI≥1且|σ1|＜|σ3|且|σ3|＞|σt|时， 表明测试点的应力莫尔圆与莫尔破坏包络线 相交， 该测试点以拉应力为主， 即该测试点在外荷载作用下产生以拉应力为主的拉破坏； 其中， σt为临界拉应力。 2.按照权利要求1所述的一种基于BP神经网络的沥青路面潜在破坏参数计算方法， 其 特征在于： 所述训练数据库中沥青路面结构参数与路面结构 应力参数形成的训练参数组数 量不少于300组。 3.按照权利要求2所述的一种基于BP神经网络的沥青路面潜在破坏参数计算方法， 其 特征在于： 步骤二中， 对所述训练数据库进行随机分类， 获得训练数据子库和测试数据子权　利　要　求　书 1/2 页 2 CN 114970276 A 2库； 所述训练数据子库中训练参数组数量和 测试数据子库中训练参数组数量之比为9:1。 4.按照权利要求1所述的一种基于BP神经网络的沥青路面潜在破坏参数计算方法， 其 特征在于： 所述现有沥青路面包括平西高速沥青路面、 济青高速沥青路面、 首都机场高速沥 青路面、 京津塘高速沥青路面和成渝高速沥青路面。权　利　要　求　书 2/2 页 3 CN 114970276 A 3