(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 202210811252.7 (22)申请日 2022.07.11 (71)申请人 河北工业大 学 地址 300401 天津市北辰区西平 道5340号 (72)发明人 王雪菲　王文海　马国伟　李家乐　 (74)专利代理 机构 天津翰林知识产权代理事务 所(普通合伙) 12210 专利代理师 付长杰 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/23(2020.01) G06F 30/13(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) E01C 19/38(2006.01)G06F 111/10(2020.01) G06F 119/14(2020.01) (54)发明名称 一种基于机路协同的压实施工质 量迭代反 演控制系统 (57)摘要 本发明为一种基于机路协同的压实施工质 量迭代反演控制系统， 该系统包括压路机、 计算 处理单元和移动终端， 压 路机上安装有位移与加 速度传感器； 具体迭代反演过程是： 将压路机、 计 算处理单元与移动终端数据互联， 实时传输压 路 机的传感器信号与计算处理单元返回值， 在压实 施工过程中即时反馈； 建立复合神经网络， 所述 复合神经网络包括神经网络A和神经网络B两部 分， 两部分分别进行训练， 神经网络A的输 出连接 神经网络B的输入； 建立数值模拟模型， 将神经网 络B的输出连接数值模拟模型， 进行迭代反演修 正。 该系统对压实过程中路基力学性质变化振幅 变化的连续监测， 通过复合神经网络嵌入迭代反 演修正有限元计算， 获得土 体的实时压实指标。 权利要求书3页 说明书7页 附图3页 CN 115186586 A 2022.10.14 CN 115186586 A 1.一种基于机路协同的压实施工质量迭代反演控制系统， 其特征在于， 该系统包括压 路机、 计算处理单元和移动终端， 压路机上安装有位移与加速度传感器； 具体迭代反演过程 是： A.将压路机、 计算处理单元与移动终端数据互联， 实时传输压路机的传感器信号与计 算处理单元返回值， 在压实施工过程中即时反馈； B.建立复合神经网络， 所述复合神经网络包括神经网络A和神经网络B两部分， 两部分 分别进行训练， 神经网络A以C MV、 土体密度、 级配为输入端， 土体压实度为输出端； 神经网络B以土体压实度、 土体密度、 级配为输入端， 以粘聚力、 摩擦角、 弹性模量、 泊松 比为输出端； 神经网络A的输出 连接神经网络B的输入； C.建立数值模拟模型， 将神经网络B的输出连接数值模拟模型， 将数值模拟模型给出的 压实后压实度、 压实后土体密度输入神经网络B后， 得到的旧土层新参数， 以旧土层新参数 作为下一次迭代计算的初始条件； 由当前次的实测压实度与数值模拟模型计算所得压实度 对比， 若相差超过差值阈值， 则反演修正模型土层厚度， 以修正后的厚度再次计算压实后压 实度， 再输入神经网络B用以进行迭代计算， 预测出下次数值模拟模型所需输入的粘聚力、 摩擦角、 弹性模量、 泊松比， 重复该 过程， 完成迭代反演修 正。 2.根据权利要求1所述的基于机路协同的压实施工质量迭代反演控制系统， 其特征在 于， 所述复合神经网络的训练过程是： 在系统于施工中使用前， 需对压路机振动特性进行收集， 并通过实验室对本批次施工 所用填土进行相关试验， 获取土体固有参数和有限元建模所需参数， 训练复合神经网络； CMV为连续压 实指标， 由压路机采集一次谐波信号振幅A1与压路机振动基频振幅A0通过 下述公式计算获得： 其中c为常系数； 实验室内对填土样本进行土力学试验， 获得工程所用路基填土一系列对应相应压实度 的粘聚力、 摩擦角、 弹性模量、 土体密度、 级配、 孔隙率数据； 其中， 土体压实度为土体干密度与标准最大干密度之比； 未碾压初始填土压实度K0即为 采样土体干密度与标准 最大干密度之比； 以CMV、 土体密度、 级配和对应的土体压实度作为一组数据， 不同批次的填土获得多组 数据， 构成训练神经网络A的数据集； 以土体压实度、 土体密度、 级配和对应的粘聚力、 摩擦角、 弹性模量、 泊松比作为一组数 据， 不同批次的填土获得多组数据， 构成训练神经网络B的数据集； 利用各自的数据集分别训练各自的神经网络， 获得训练后的复合神经网络 。 3.根据权利要求1所述的基于机路协同的压实施工质量迭代反演控制系统， 其特征在 于， 所述迭代反演修 正的具体过程是： 第一步， 建立数值模拟模型 所述数值模拟模型中压路机模型采用圆筒模拟， 输入包括压路机机轮材料、 尺寸、 振动权　利　要　求　书 1/3 页 2 CN 115186586 A 2特性的压路机参数， 根据实际施工方案要求， 获得填土厚度、 路基尺寸， 以工程中路基尺寸 并忽略压实中产生的横向变形来固定数值模拟模型边界， 按每50m为间隔分块划分计算区 域， 以表征计算中横向土体差异性， 模 型中将同一次填土划分为同一层土体单元， 每层土体 单元初始厚度为每次填土厚度， 不同次填土分别建模以表征各层填土各自在多次填土压实 中土体属性变化； 数值模拟 模型土体 材料初始参数设置时， 采用未碾压初 始填土压实度K0为输入条件， 每 分块内土体建模所需参数由未碾压初始填土 压实度K0经神经网络B后所 得参数表示； 将所建立的数值模拟模型与复合神经网络之间利用建模脚本程序连接起来； 之后， 自 动进行数值模拟计算； 第二步， 机‑路协同迭代反演 在复合神经网络训练完成后， 开始施工过程中通过移动设备输入级配和土体密度， 同 时使用压路机上 的位移与加速度传感器对第n次压实中的压路机 ‑路基体系振动监测一次 谐波信号振幅进行采集， 经数据处理后， 获得连续压实指标CMV， 将CMV、 级配和土体密度输 入复合神经网络中神经网路A获得此次碾压后压实度Kn′， 将Kn′作为实际施工中此次碾压后 实测压实度； 数值模拟过程中能够获得当前压实后各层网格变形、 各处位移及应力， 将各层网格变 形后的厚度 记为土层压实后的厚度， 再以厚度为依据换算压实度、 土体密度， 确定压实后压 实度和压实后土体密度； 同时以此计算出的各层土体压实后的厚度作为下一次数值模拟模 型计算的初始厚度； 若下次进 行填土则增加新填土单元于数值模拟模型上并在两层土单元 之间建立摩擦接触， 形成新的数值模拟模型， 新的数值模拟模 型用于下次的迭代计算； 在数 值模拟同时， 使用压路机在第n次压实施工工序中采集的CMV数据经复合神经网络中神经网 络A得出的此次碾压后压实度Kn′与数值模拟模型得出的压实度Kc进行比较， c表示压实数值 模拟迭代次数， c ＝n； 若Kc‑Kn′≤N， 则输出当前土层厚度、 压实后土体密度和压实后压实度； 若二者差值不小于N， 则需要对 数值模拟模型中的土层厚度进 行修正， 以修正后的土层厚度 作为输出并依次为依据换算相应的压实后压实度； N 为差值阈值。 4.根据权利要求3所述的基于机路协同的压实施工质量迭代反演控制系统， 其特征在 于， 所述以厚度为依据换算压实度、 土体密度的具体过程是： 数值模拟的压实后压实度Kc通过压实前压实度Kc‑1、 土层压实前厚度tc‑1与土层压实后 厚度tc换算得出： 土层压实前 厚度tc‑1为上一次迭代的土层厚度， 土层压实后厚度tc为通过数值模拟 模型 计算出的各层土体压实后的厚度； 当为第一次压实c＝ 1时， 土层压实前厚度tc‑1为施工现场 路基新填土厚度t0， 压实前压实度K0为未碾压初始填土 压实度； 土体压实后土体密度ρc通过压实前土体密度ρc‑1、 土层压实前厚度tc‑1与土层压实后厚 度tc换算得出： 将数值模拟模型给出的压实后压实度、 压实后土体密度输入神经网络B后， 得到的旧土权　利　要　求　书 2/3 页 3 CN 115186586 A 3