公路交通科技  2025, Vol. 42 Issue (4): 48-56

扩展功能

文章信息

许家璐, 薛斌, 阙云, 牟宏霖.
XU Jialu, XUE Bin, QUE Yun, MU Honglin
沥青路面智能压实监测及质量评价方法
Intelligent compaction monitoring and quality evaluation method for asphalt pavement
公路交通科技, 2025, 42(4): 48-56
Journal of Highway and Transportation Research and Denelopment, 2025, 42(4): 48-56
10.3969/j.issn.1002-0268.2025.04.007

文章历史

收稿日期: 2023-01-24
沥青路面智能压实监测及质量评价方法
许家璐1 , 薛斌1 , 阙云1 , 牟宏霖2     
1. 福州大学 土木工程学院, 福建 福州 350108;
2. 南平武沙高速公路有限责任公司, 福建 南平 353000
摘要: 目标 完善现有沥青路面智能压实质量评价方法和指标。方法 采用加速度传感和定位系统构建沥青路面智能压实系统, 提出适用于沥青路面的纵向分区碾压方案。在分析计算加速度信号得到振动, 压实值的基础上, 建立振动压实值与沥青路面压实度的关系模型, 并提出标准偏移率、最近邻点指数及变异系数指标, 对沥青路面压实质量进行全面评价。结果 随着压实次数的增多, 振动压实值的均值变化幅度逐渐减小, 沥青路面最大压实次数可参考振动压实值的变化。振动压实值与沥青路面压实度之间具有较好相关性, 相关系数为0.72。结论 标准偏移率考虑不合格区域的振动压实值与目标值的差值大小, 最近邻点指数考虑不合格区域的分散程度, 变异系数考虑不合格区域的变化幅度, 三者分别适用于评价沥青路面压实程度、均匀程度及稳定程度的压实质量, 优化了现有的沥青路面智能压实质量评价方法。
关键词: 道路工程    沥青路面    智能压实    压实质量评价    振动压实值    
Intelligent compaction monitoring and quality evaluation method for asphalt pavement
XU Jialu1, XUE Bin1, QUE Yun1, MU Honglin2    
1. College of Civil Engineering, Fuzhou University, Fuzhou, Fujian 350108, China;
2. Nanping Wuyixinqu-Shaxian Expressway Co., Ltd., Nanping, Fujian 353000, China
Abstract: Objective To improve the existing intelligent compaction quality evaluation methods and indicators for asphalt pavement. Method An intelligent compaction system for asphalt pavement was constructed by using acceleration sensing and positioning systems. A longitudinal zoning compaction scheme suitable for asphalt pavement was proposed. Based on the vibration compaction values obtained with analysis and calculation on acceleration signals, a relation model between vibration compaction values and asphalt pavement compaction degrees was established. The standard deviation rate, nearest neighbor index, and coefficient of variation indicators were proposed to comprehensively evaluate the asphalt pavement compaction quality. Result With the increase of compaction times, the variation amplitude of vibration compaction mean value gradually decreases. The asphalt pavement maximum compaction times can refer to the variation on vibration compaction value. There is a good correlation between vibration compaction value and compaction degree of asphalt pavement, with a correlation coefficient of 0.72. Conclusion The standard deviation rate considers the differences between vibration compaction value of unqualified area and target value. The nearest neighbor index considers the dispersion degree of unqualified area, and the coefficient of variation considers the variation amplitude of unqualified area. They are respectively applicable to evaluate the compaction quality of asphalt pavement compaction degree, uniformity degree, and stability degree, optimizing the existing intelligent compaction quality evaluation methods for asphalt pavement.
Key words: road engineering    asphalt pavement    intelligent compaction    compaction quality evaluation    vibration compaction value    
0 引言

压实度是沥青路面施工质量重要控制指标之一,通常采用钻孔法检测,此外现阶段国内外也开发出核子密度仪法、无核密度仪法等无损检测方法。然而这些方法均属于事后检测控制,不能及时反馈压实问题,且均为点式检测,费时费力且仅适用于样本均匀的情况。1976年,瑞典学者提出了利用振动压路机的振动轮在碾压过程产生的加速度信号来实时评价填筑体压实度的方法,这种连续检测的方法逐渐发展为智能压实技术并运用到道路工程中。智能压实技术的关键[1]在于:一是对加速度传感器采集到的振动轮加速度信号进行计算分析得到智能压实测量值,并建立其与碾压材料实测压实度的关系模型;二是提出合适的压实质量评价指标,评价填筑体整体压实质量。然而,受到现场材料、机械、传感器、下卧层情况等因素的影响,如何针对特定工程构建精准的智能压实测量值和可靠的压实质量评价指标仍有待深入研究。

智能压实最初主要以路基为研究对象,目前已提出多种适用于路基压实度监测的智能压实测量值,主要可分为2大类:一是基于振动轮的加速度信号随着填筑体压实状态的改变而逐渐产生畸变的现象,发展形成谐波比类指标,例如压实计值(Compaction Meter Value,CMV)、压实控制值(Compaction Control Value,CCV)和总谐波失真(Total Harmonic Distortion,THD)等[2-4];二是根据压实过程中随着填筑体逐渐变硬,即密度、刚度、模量增大,对钢轮的反作用力逐渐变大的原理,将加速度传感器采集到的加速度信号经过压路机与填筑体交互模型计算,并发展形成振动力学指标,例如刚度系数、振动能量值、振动压实值(Vibration Compaction Value,VCV)、振动压实能量值(Vibration Compaction Energy,VCE)等[5-7]

在沥青路面智能压实测量值的研究方面,Jia[7]采用CMV,CCV,VCE评价沥青路面上面层的压实质量时,发现相比于CMV和CCV,VCE描述压实状态的离散程度更小,稳定性更强,相关性更高。Zhang[8]通过CCV监测振动压路机碾压沥青路面下面层的过程,认为可以将CCV用作压实质量控制的增强工具。Yoon[9]采用CCV预测了不同压实遍数下的沥青路面压实度,发现CCV与第2次压实的压实度之间的相关系数达到0.707 1。Sivagnanasuntharam [10]采用CMV和CCV评价沥青路面压实质量时,发现比较难用单一的控制模型界定压实程度,并且认为沥青路面层底支撑条件是影响评价精确度的潜在原因。Hu[11]发现相比于CMV,1/CMV能减轻沥青层以下的干扰,从而与压实度具有更好的相关性。He[12]使用振动能量值试验时发现其与沥青路面压实度相关性并不高。

在压实质量评价指标方面,现有规程《公路路基填筑工程连续压实控制系统技术条件》(JT/T 1127—2017)对智能压实技术在路基压实质量评价方面的运用制订了相关规定,但相关指标是否适用于沥青路面仍有待进一步研究。目前尚未有统一的规范为智能压实技术在沥青路面上的运用提供相应指导。在沥青路面压实质量评价指标方面,Polaczyk[13]认为碾压遍数仍是沥青路面施工质量控制的关键,智能压实测量值与碾压遍数相结合能较好地评价压实的均匀程度。Chen[14]提出了压实均匀程度指数和压实程度指数来控制压实质量,并且建立了指标与现场测量的压实度、平整度之间的相关性,评估了指标的适用性。Hu[15]用正态分数转换后的半变异函数来判断不同沥青层间的空间变异性,并结合智能压实测量值综合评价了路面压实均匀程度和识别路面薄弱区域。

综上,当前沥青路面使用智能压实技术的工程案例仍较少,不同工程沥青路面结构和材料形式差异较大,仍有必要进一步探究相关智能压实测量值评价沥青路面压实度的适用性。另外,基于智能压实技术的沥青路面压实质量评价指标仍有待进一步完善。鉴于此,本研究依托福建省漳武高速公路某沥青路面试验段,探究采用振动压实值作为智能压实测量值的可行性,标定振动压实值与路面压实度之间关系。在此基础上,从压实程度、压实均匀程度及稳定程度3个方面分别提出适用于沥青路面压实质量评价的新指标,有助于推动沥青路面智能压实施工标准化。

1 智能压实测量值与压实质量评价指标 1.1 智能压实测量值

压路机碾压过程中,随着填筑体逐渐被压实,对钢轮产生的反作用力不断增大,这种反作用力变化将被安装在压路机振动轮上的加速度传感器所感应,产生不同的振动加速度信号。现场试验中得到的一段加速度传感器信号(见图 1(a)),显示了不同时间(采样点)下的加速度值,即时域加速度信号。由于时域图包含信息较少,只能看出信号的幅值特征,因此有必要对信号进一步处理。根据傅里叶变换原理,可将信号看作由不同频率、幅值和相位的正弦分量组成,此原理目前已广泛应用于信号处理、量子力学等领域。本研究利用Matlab软件中的快速傅里叶变换函数将采样得到的加速度信号拆分成许多不同频率、幅值和相位的正弦分量。根据幅值和频率结果,得到加速度信号的频域图,如图 1(b)所示。

图 1 时域和频域加速度信号 Fig. 1 Time domain and frequency domain acceleration signals

基于时域和频域信息,可分别提取加速度幅值和激振力频率f,并通过式(1)得到偏心块角速度ω,将所有参数代入式(2)中计算得到振动压实值V[16],该指标将作为本研究采用的沥青路面智能压实测量值。

(1)
(2)

式中,PfM分别为压路机的激振力幅值、激振力频率、振动轮质量;g为重力加速度;η为综合修正系数,由被压材料特性决定,本研究中取0.8;f(, ω)为关于ω的动态量。本研究后续计算的振动压实值代表的是压路机行驶1 s所经过区域的压实度,此区域的振动压实值是对应的1 s内振动压实值的算数平均值,无量纲。

1.2 压实质量评价指标

通过智能压实技术,《公路路基填筑工程连续压实控制系统技术条件》(以下简称为《规程》)从压实程度、压实均匀程度及压实稳定程度3个方面进行路基压实质量评价,但已有的评价指标存在一定的局限性。鉴于此,本研究基于这3个方面提出适用于沥青路面智能压实质量评价的新指标。

(1) 压实程度

《规程》规定当通过率不小于95%时,满足压实程度的要求,通过率计算方法为:

(3)

式中,Vi为第i个测试单元的振动压实值;Vo为目标振动压实值,对应于压实度检验合格的振动压实值。

此方法不能识别振动压实值过小的情况,这可能会导致沥青路面发生局部损坏。参考毕志刚等[17]采用标准偏移率指标来评价路基碾压面的压实程度,计算方法如式(4)~ (6)所示。

(4)
(5)
(6)

式中,Ai为第i个测试单元的振动压实值所对应的区域面积;A为检验区域的总面积;Bi为第i个测试单元与检验区域的面积比;qi为第i个测试单元的振动压实值偏离目标值的百分率;q为压实质量标准偏移率;qt为标准偏移率的目标值。公路工程质量检验评定标准要求沥青路面压实度检测不合格率为不大于5%,同一区域压实度变化率不大于3%。由于振动压实值与压实度相对应,即控制标准应一致,因此可计算对应压实程度检验合格的振动压实值偏移率目标值qt=5%×3%=0.001 5,即0.15%作为沥青路面压实程度评价的标准偏移率的目标值。

(2) 压实均匀程度

规程规定各测试单元的振动压实值不小于其平均值的0.8时,才可满足压实均匀性的要求,判断方法为:

(7)

式中V为振动压实值的平均值。

此方法容易忽略变异性的干扰,未充分考虑压实度不合格点相对整个碾压面的离散程度,而最邻近点方法通过最邻近点指数可以有效判断点的聚集特性,其计算方法如式(8)所示,可以用来评价沥青路面压实不合格点的聚集程度,即可评价压实的均匀性。

(8)

式中,R为最邻近点指数;n为区域内压实度不合格点的总数;rii点与最近点的距离。

本研究参考梁会民[18]研究居民点分布类型的标准,当最邻近点指数R≤0.5时为点聚集分布,0.5<R<1.5时为点随机分布,R≥1.5时为点均匀分布。在沥青路面压实施工中,要避免不合格区域分布过于集中导致沥青路面强度不足的情况发生,因此当振动压实值不合格点的分布不满足聚集分布时则认为压实均匀。

(3) 压实稳定程度

根据规程规定,同一区域的前、后2次振动压实值的变化率小于限定值3%时,则满足压实稳定性的要求,计算公式为:

(9)

式中,VnVn-1和分别为第nn-1次振动压实值;δ为同一区域的前、后2次振动压实值的变化率;δs为变化率的限制值,取值3%。

此方法并未考虑奇异点对整体压实质量的影响,尤其当沥青路面发生过压或者振动压路机在压实过程中发生跳振时,振动压实值会发生突变。因此,本研究采用变异系数来度量随机变量振动压实值的分散程度,进而综合评价沥青路面的压实稳定程度,计算公式为:

(10)
(11)

式中,σ为相邻2遍的振动压实值的标准差;Cv为第n遍振动压实值的变异系数;Cvs为变异系数控制值;En-1为第n-1遍振动压实值的期望。规程要求前、后2遍振动压实值变化率应不大于3%。另外,有研究[19]表明对于压实均匀的路面,其压实度分布服从正态分布,且本研究通过Jarque-Bera检验实测振动压实值,显著水平设置为0.05,其总体符合正态分布,因此可以估计振动压实值的期望为均值,将均值代入式(10)~ (11)近似得出变异系数控制值为3%。

2 沥青路面智能压实现场试验方法 2.1 沥青路面结构与材料

依托福建省漳武高速公路开展现场试验,试验路段上面层采用AC-16C中粒式改性沥青混凝土,厚度为4.5 cm;下面层采用AC-20C中粒式改性沥青混凝土,厚度为5.5 cm;上基层采用ATB-25沥青稳定碎石,厚度为14.0 cm;下基层采用级配碎石,厚度为15.0 cm;热沥青表处下封层,厚度为1.0 cm;底基层采用3%水泥稳定碎石,厚度为32.0 cm。道路结构总厚度为72.0 cm。智能压实试验针对沥青路面的AC-16C上面层碾压过程开展分析,采用的改性沥青为SBS改性沥青,针入度(25 ℃,5 s,100 g)为5.6 mm,延度(5 cm/min,5 ℃)为31 cm,软化点为88 ℃,集料级配信息如表 1所示,油石比为4.71%。

表 1 AC-16C集料级配 Tab. 1 Aggregate gradation of AC-16C
筛孔尺寸/mm 19.0 16.0 13.20 9.50 4.75 2.36 1.18 0.60 0.30 0.15 0.075
通过百分率/% 100.0 99.03 87.76 71.57 43.12 33.77 28.57 13.99 11.65 9.61 7.16

2.2 压实机参数与碾压方案

常规路基智能压实试验方案仅采用钢轮压路机,然后在横向分布的不同碾压区采用不同次数的振动碾压,但这种压实方案压实次数多且压实时间较长,容易造成沥青混合料温度下降,同时压实作用弱,导致压实度很难达到沥青路面验收要求。因此,本次试验增加了胶轮压路机,利用橡胶轮胎的揉搓作用,使沥青混合料中集料颗粒加强嵌挤,在增加密实度的同时减少碾压机械的总碾压次数。现场试验使用的振动压路机、胶轮压路机分别为BW230-AD双钢轮振动压路机与SPR300C-B型胶轮压路机。为了建立振动压实值与压实度的关系,将试验段沿着压路机前进方向分为4个试验区域,即重度碾压区、微重度碾压区、中度碾压区、轻度碾压区。此方案待压实区域摊铺完成即可开始碾压,防止温度下降过快对沥青路面压实试验及压实质量产生的不利影响。不同试验区采用的碾压方式及碾压次数不同,从而使不同区域的沥青路面材料达到不同压实度,碾压方案如图 2所示。由于沥青混合料一次摊铺长度有限,因此本研究将所有压实区域长度均设置为15 m,均采用一遍胶轮碾压和一遍钢轮静压,主要差异在于采用振动碾压的次数不同,从重度到轻度碾压区,振动压实次数由4次依次递减为1次,压实次数以压路机往返次数计算。

图 2 沥青路面碾压方案(单位:m) Fig. 2 Asphalt pavement rolling scheme (unit: m)

2.3 智能压实监测系统

智能压实监测系统由定位系统、采集系统和分析系统组成。本研究采用连续运行GPS定位服务系统(Continuously Operating Reference Stations,CORS)获取压路机的实时坐标和行驶速度。采集系统由量测设备、数据线及数据采集装置构成,量测设备为压电式振动加速度传感器。量测设备的动态性能应保持稳定,根据时域采样定理,采集传感器需要设置信号基波频率的5倍以上的采样频率才能避免失真。由于压路机的工作频率为50 Hz,因此本研究选取灵敏度为100 mV/g,量程为50g的加速度传感器,采样频率设置为2 000 Hz。分析系统主要接收量测设备传输的压实信息(包括加速度信号和坐标点),对现场记录的压实信息进行二次处理,包括对采集的坐标点进行处理得到压路机的行驶轨迹,对加速度信号进行计算得到振动压实值。相关数据通过无线传输方式上传至远程压实信息管理平台。

3 试验结果分析与讨论 3.1 振动压实值与压实度关系模型

待路面冷却后,每一个压实区域随机选取6个点钻取芯样,通过表干法测试芯样的密度,对比室内标准马歇尔密度计算得到压实度。依据每个取样点的坐标位置,确定该点处采集到的振动压实值。由于碾压试验中每秒生成1个振动压实值,压路机行驶速度基本稳定在1 m/s,钢轮宽度为2.2 m,因此得到的振动压实值对应于该检测点周围2.2 m2范围内的沥青路面压实度。不同碾压区域芯样的压实度和振动压实值如表 2所示。

表 2 芯样的压实度和振动压实值 Tab. 2 Compaction degrees and vibration compaction values of core sample
轻度碾压区 中度碾压区 微重度碾压区 重度碾压区
振动压实值 压实度/% 振动压实值 压实度/% 振动压实值 压实度/% 振动压实值 压实度/%
73.6 94.6 69.4 96.2 84.6 97.9 86.6 98.1
80.6 94.0 83.6 95.5 82.5 98.4 100.3 97.6
67.2 93.9 74.4 96.2 82.7 96.4 91.5 98.4
72.3 95.6 86.2 94.9 85.1 97.3 89.7 97.9
75.1 92.7 62.8 95.2 76.5 98.0 89.3 98.8
67.4 97.5 84.9 94.9 82.0 97.0 81.6 98.8

根据沥青路面施工技术规范,压实度验收合格标准应为实验室标准密度的96%以上。由表 2可见,采用振压1次和2次的轻度、中度碾压区的压实度基本小于96%;振压3次的微重度碾压区的压实度可达到97%~98%,基本满足验收要求;振压4次的重度碾压区的压实度可达到98%以上。总体上,振动压实值和压实度随着振压次数增多呈现出增长的趋势,振动压实值可以反映出压实状态的变化,因此沥青路面施工中压路机的最大压实次数设定可参考振动压实值的变化。通过线性回归模型确定沥青路面的压实度与振动压实值关系模型,结果如图 3所示。

图 3 压实度与振动压实值的关系模型 Fig. 3 Relation model of compaction degree and vibration compaction value

图 3可见,随着压实度增大,振动压实值基本呈线性增大趋势,二者具有较好的相关性,拟合方程为y=3.016 2x-209.967 7,相关系数R2为0.72。由于该路面验收要求路面压实度应达到96%以上,根据振动压实值与压实度关系模型,可以得到振动压实值的目标值为79.6。参考路基规范,路基压实度与智能压实测量值的相关系数应大于0.7,因此本研究采用的振动压实值检测符合规范要求。目前相关系数仍较低的原因可能包括:(1)芯样的选取属于点式取法,故实测压实度为该点的具体值,而传感器振动响应值受传感器采样频率的影响,所测值为块状区域的值,故二者可能存在一定的误差。(2)受路面摊铺宽幅的限制,不同压实程度区域为沿行车路线纵向分布,而非横向分析,压路机前进和后退的轨迹不一定完全重合,故该点的实际压实次数可能与检测压实次数存在误差。(3)为了达到胶轮组合的方式,钢轮压路机与胶轮压路机的轨迹并不总是重合,胶轮压路机对路面压实度也有较大影响。

3.2 振动压实值随压实次数的变化

不同振动压实次数下的振动压实值如图 4所示,其均值和方差统计结果如表 3所示。由图 4表 3可见,随着振压次数的增多,振动压实值的均值呈上升趋势但变化幅度逐渐减小。振动压实值的均值变化规律表明沥青混合料刚开始处于松散状态容易压实,随着压实度增加,颗粒嵌挤作用增强,沥青混合料趋于密实,故继续压实,压实度变化逐渐减小。另一方面,振压1次时沥青路面刚度较低,处于完全塑性变形阶段,振动轮与沥青混合料接触耦合,振动轮的压实功分散较为均匀,此时振动压实值的方差处于较低水平。随着振压次数增多,路面刚度逐渐变大,振动轮与沥青混合料的耦合程度降低,振动轮出现跳振概率增加,导致振动压实值出现波动,故方差变大。

图 4 不同振动压实遍数下的振动压实值 Fig. 4 Vibration compaction values with different vibration compaction passes

表 3 不同振动压实次数下的振动压实值的均值和方差 Tab. 3 Mean and variances of vibration compaction values with different vibration compaction passes
振压次数/次 均值 方差
1 70.308 10.615
2 76.167 22.013
3 85.503 21.092
4 88.818 26.645

图 4还可以看出,第3次和第4次振压出现振动压实值重叠现象,第4次振压方差增加幅度较大。这说明沥青路面可能存在过度压实的现象,导致出现振动压实值变化幅度过大的奇异点,当达到密实度后继续碾压,振动压实值可能出现降低。

3.3 压实程度

当测量区域的振动压实值大于等于目标振动压实值时,则可以认为该区域属于压实合格区域,压实合格区域占全部压实区域的比例即为通过率。在不同振压次数下,本研究选取39个采样点的振动压实值,计算其偏离目标值的百分率,结果如表 4所示。根据钢轮宽度及压路机行驶速度,振动压实值计算面域为2.2 m2,根据式(5)可计算得到Bi为0.024。因此,可进一步根据式(3)和式(6)计算得到对应于振动2~4次的沥青路面压实程度通过率分别为25.0%,94.2%,100%,而对应的标准偏移率分别为8.29%,1.85%,0%。

表 4 采样点的振动压实值及其偏离目标值的百分率 Tab. 4 Vibration compaction values at sampling points and their deviation percentage from target values
采样点 振压2次 振压3次 振压4次 采样点 振压2次 振压3次 振压4次 采样点 振压2次 振压3次 振压4次
振动压实值 偏离百分率 振动压实值 偏离百分率 振动压实值 偏离百分率 振动压实值 偏离百分率 振动压实值 偏离百分率 振动压实值 偏离百分率 振动压实值 偏离百分率 振动压实值 偏离百分率 振动压实值 偏离百分率
1# 74.2 0.068 88.8 0 94.4 0 14# 68.4 0.141 81.0 0 94.8 0 27# 79.4 0.003 82.7 0 94.0 0
2# 77.7 0.024 89.7 0 92.6 0 15# 75.5 0.052 86.2 0 105.4 0 28# 73.6 0.075 81.3 0 84.3 0
3# 75.4 0.053 81.2 0 81.5 0 16# 73.7 0.074 80.5 0 103.5 0 29# 75.6 0.050 85.1 0 89.8 0
4# 69.2 0.131 86.8 0 89.7 0 17# 73.6 0.075 84.4 0 100.3 0 30# 77.3 0.029 85.5 0 83.6 0
5# 71.8 0.098 81.4 0 91.7 0 18# 72.5 0.089 83.3 0 84.6 0 31# 68.8 0.135 82.0 0 91.2 0
6# 73.8 0.073 77.1 0.031 89.3 0 19# 76.2 0.043 82.7 0 82.0 0 32# 73.6 0.075 84.4 0 83.7 0
7# 72.7 0.087 84.5 0 86.9 0 20# 74.0 0.070 82.0 0 84.6 0 33# 77.3 0.029 81.5 0 86.7 0
8# 71.4 0.103 77.5 0.026 85.6 0 21# 74.4 0.065 84.4 0 81.8 0 34# 75.9 0.047 82.5 0 85.6 0
9# 78.3 0.016 78.5 0.014 93.8 0 22# 73.9 0.072 81.5 0 90.4 0 35# 78.6 0.013 81.7 0 90.0 0
10# 71.9 0.097 97.3 0 82.5 0 23# 73.6 0.075 81.7 0 85.6 0 36# 72.8 0.085 84.6 0 91.5 0
11# 71.8 0.098 89.1 0 81.6 0 24# 72.5 0.089 84.6 0 90.0 0 37# 71.6 0.101 86.7 0 93.7 0
12# 72.6 0.088 92.7 0 81.6 0 25# 73.2 0.080 83.9 0 91.5 0 38# 69.9 0.122 83.9 0 94.0 0
13# 74.4 0.065 89.8 0 86.6 0 26# 72.9 0.084 89.7 0 93.7 0 39# 73.5 0.077 89.7 0 84.3 0

从通过率来看,振压2次时沥青路面基本不满足压实程度的要求,振压3次时接近压实程度的要求,振压4次则满足压实程度要求。从标准偏移率上看,碾压面不合格区域的压实程度与目标值的差值越小或者碾压面不合格区域的面域越小,压实程度越好。虽然振压3次后通过率为94.2%,但十分接近95%,按原标准接下来只需采用钢轮压路机振静交替压实1次,通过率就能达到95%以上,但此时的标准偏移率较大,为1.85%。由表 4可见,6#和8#的采样点的振动压实值与目标值差值较大。相比于通过率指标,标准偏移率更好地识别了振动压实值偏离目标值过大的情况,有助于解决某些面域因压实度不够而导致路面局部损坏的问题。

3.4 压实均匀程度

可通过碾压轮迹上振动压实曲线的波动程度和振动压实值的分布特征进行判断压实均匀程度。规程规定当检测区域的振动压实值大于平均振动压实值的0.8倍时,即可认为该区域均匀程度符合要求,压实均匀程度分析结果如图 5所示。由图可见,各检测点的振动压实值均大于0.8倍的平均振动压实值,这表明基于本研究评价方法,振压3次和振压4次结果均满足均匀程度要求。

图 5 均匀程度分析结果 Fig. 5 Analysis results of compaction uniformity

由压实程度分析结果可知,当振压2次时,压实通过率仅为25%,压实度不合格区域占整个碾压面区域过大,此时计算最邻近点指数的意义不大。当振压4次时,各区域的压实质量均合格。因此,不讨论振压2次和4次最邻近点指数。当振压3次时,存在3个不合格点,将不合格的点的二维坐标(xy)输入到ARCGIS软件中,算得出各点与最近点的距离,结果如表 5所示,根据式(8)计算得到最近邻点指数R为2.17。按照最近邻点指数判断标准,R>1.5时点的分布才符合均匀性要求。因此认为振压3次时存在不合格点聚集的情况,可能会影响平整度或导致路面局部破坏。虽然此次碾压方案能使碾压面尽快达到压实度要求,压实度未达标的区域较少,但是最邻近点指数R在实际应用中可以协助判断不合格点是否有聚集现象,为路面是否需要补强提供指导。

表 5 不合格点的坐标及其与最近点的距离 Tab. 5 Coordinate of non-conforming points and their distance from the nearest point
不合格点 x坐标/m y坐标/m 与最近点的距离/m
1# 2 724 290.130 485 953.210 1.487 035
2# 2 724 287.625 485 957.343 3.530 227
3# 2 724 288.850 485 956.50 1.487 035

3.5 稳定程度

规程规定,当相邻2次压实的振动压实值相差在3%范围内,则认为压实稳定。相邻2次压实的振动压实值如图 6所示。由图可见,不同振动次数下的振动压实值均存在波动幅度较大的部分,但相对而言,振压1次和2次振动压实值变化比较均匀,振压2次和3次振动压实值变化较大,振压3次和4次振动压实值曲线存在较多重叠现象。

图 6 相邻2次振动压实的振动压实值 Fig. 6 Vibration compaction values for two adjacent vibrating compactions

压实稳定程度计算结果如表 6所示。振压2次和3次振动压实值变化率最大,为12.6%。另外,变异系数均大于标准值,且随着振压次数增多变异系数值呈上升趋势,路面压实稳定性变差。这是由于增加了胶轮压路机,虽然能大幅度提升路面压实度,但可能会降低振动压实值的稳定性。无论是胶轮压路机还是钢轮压路机,在施工中前、后2次碾压轨迹都不重叠,导致前、后2次振动压实值对应的路面区域并不一致。振压4次后,路面可能存在过压问题,使得振动压实值发生波动,部分振动压实值增大,而部分振动压实值出现降低现象,导致此时变异系数值明显高于振压3次和振压2次的变异系数值。相较于《规程》规定的变化率稳定程度指标,变异系数对智能压实值前、后的变化幅度更为敏感,可解决整个压实面智能压实值变化幅度过大的问题。

表 6 压实稳定程度计算结果 Tab. 6 Calculation results of compaction stability
振动次数/次 振动压实值的变化率/% 变异系数/%
1~2 8.4 9.96
2~3 12.6 14.35
3~4 9.2 16.10

4 结论

本研究通过福建省漳武高速公路智能压实现场试验,对沥青路面智能压实值及压实质量评价指标进行研究,得到结论如下。

(1) 提出适用于沥青路面的纵向分区碾压方案,振动压实值与沥青路面实测压实度具有良好的相关性,相关系数达到0.72,可用于沥青路面智能压实监测。

(2) 随着振压次数的增多,振动压实值的均值变化幅度逐渐减小,超过一定次数时振动压实值方差增加幅度较大,存在过压现象,建议沥青路面施工中最大压实次数可参考振动压实值的变化,以避免发生过压。

(3) 提出了标准偏移率、最邻近点指数、变异系数这3个沥青路面压实质量评价指标,弥补了现有规程关于压实程度、压实均匀程度和压实稳定程度的指标不足,可分别解决不合格区域振动压实值可能偏离目标值过大、不合格区域可能过于集中和整个压实面振动压实值变化过大的问题,优化了沥青路面智能压实质量评价方法。沥青混合料是种温度敏感性材料,温度会显著影响材料的力学性能进而影响材料与振动轮力学相互作用,因此沥青路面智能压实关系模型的精确度一定程度上受到温度的干扰,未来可进一步探究温度对沥青路面智能压实技术的影响。

参考文献
[1]
杨璐, 冯占强. 智能压实技术发展概况[J]. 工程机械文摘, 2011(1): 50-53.
YANG Lu, FENG Zhanqiang. Review of intelligent compaction technology development[J]. Construction Machinery Digest, 2011(1): 50-53.
[2]
安再展, 刘天云, 皇甫泽华, 等. 利用CMV评估堆石料压实质量的神经网络模型[J]. 水力发电学报, 2020, 39(4): 110-120.
AN Zaizhan, LIU Tianyun, HUANGFU Zehua, et al. Neural network model for evaluating compaction quality of rockfill materials by compaction meter value[J]. Journal of Hydroelectric Engineering, 2020, 39(4): 110-120.
[3]
周毅恒, 赵国强, 张宏杰. 适用于土石混填路基的智能压实技术应用研究[J]. 交通科技, 2021(1): 80-84.
ZHOU Yiheng, ZHAO Guoqiang, ZHANG Hongjie. Research on application of intelligent compaction technology for soil-rock mixed subgrade[J]. Transportation Science & Technology, 2021(1): 80-84.
[4]
MA Y, ZHANG Y, ZHAO W, et al. Assessment of intelligent compaction quality evaluation index and uniformity[J/OL]. Journal of Transportation Engineering, Part B: Pavements, 2022, 148(2): 04022024. https://doi.org/10.1061/JPEODX.0000368.
[5]
ZHAN Y, ZHANG Y R, NIE Z L, et al. Intelligent paving and compaction technologies for asphalt pavement[J/OL]. Automation in construction, 2023, 156: 105081. https://doi.org/10.1016/j.autcon.2023.105081.
[6]
马源, 方周, 韩涛, 等. 路基智能压实关键控制参数动态仿真及演变规律[J]. 中南大学学报(自然科学版), 2021, 52(7): 2246-2257.
MA Yuan, FANG Zhou, HAN Tao, et al. Dynamic simulation and evolution of key control parameters for intelligent compaction of subgrade[J]. Journal of Central South University (Science and Technology), 2021, 52(7): 2246-2257.
[7]
JIA T, HE T J, QIAN Z D, et al. An improved low-cost continuous compaction detection method for the construction of asphalt pavement[J/OL]. Advances in Civil Engineering (2019-06-26)[2022-09-01]. https://doi.org/10.1155/2019/4528230.
[8]
ZHANG W G, RAZA K A, YOON S J, et al. Investigation of the correlations between the field pavement in-place density and the intelligent compaction measure value (ICMV) of asphalt layers[J/OL]. Construction & Building Materials, 2021, 292: 123439. https://doi.org/10.1016/j.conbuildmat.2021.123439.
[9]
YOON S, HASTAK M, LEE J. Suitability of intelligent compaction for asphalt pavement quality control and quality assurance[J/OL]. Journal of Construction Engineering and Management, 2018, 144(4): 04018006. https://doi.org/10.1061/(ASCE)CO.1943-7862.0001401.
[10]
SIVAGNANASUNTHARAM S, SOUNTHARARAJAH A, GHORBANI J, et al. A state-of-the-art review of compaction control test methods and intelligent compaction technology for asphalt pavements[J]. Road Materials and Pavement Design, 2021, 24(1): 1-30.
[11]
HU W, SHU X, JIA X Y, et al. Recommendations on intelligent compaction parameters for asphalt resurfacing quality evaluation[J]. Journal of Construction Engineering and Management, 2017, 143(9).
[12]
HE R, SANDU C, MOUSAVI H, et al. Updated standards of the international society for terrain-vehicle systems[J]. Journal of Terramechanics, 2020, 91: 185-231.
[13]
POLACZYK P, HU W, GONG H R, et al. Improving asphalt pavement intelligent compaction based on differentiated compaction curves[J/OL]. Construction & Building Materials, 2021, 301: 124125. https://doi.org/10.1016/j.conbuildmat.2021.124125.
[14]
CHEN B, YU X, DONG F Q, et al. Compaction quality evaluation of asphalt pavement based on intelligent compaction technology[J]. Journal of Construction Engineering & Management, 2021, 147(9).
[15]
HU W, SHU X, JIA X Y, et al. Geostatistical analysis of intelligent compaction measurements for asphalt pavement compaction[J]. Automation in Construction, 2018, 89(1): 162-169.
[16]
徐光辉. 路基连续压实控制动力学原理与工程应用[M]. 北京: 科学出版社, 2016.
XU Guanghui. Dynamic principle and engineering application of continuous compaction control of subgrade[M]. Beijing: Science Press, 2016.
[17]
毕志刚, 汤新星, 王仪宇, 等. 粉质黏土路基连续压实质量评价方法[J]. 南昌大学学报(工科版), 2021, 43(3): 255-262.
BI Zhigang, TANG Xinxing, WANG Yiyu, et al. Evaluation method of continuous compaction control quality of silty clayed subgrade[J]. Journal of Nanchang University (Engineering & Technology), 2021, 43(3): 255-262.
[18]
梁会民, 赵军. 基于GIS的黄土塬区居民点空间分布研究[J]. 人文地理, 2001(6): 81-83.
LIANG Huimin, ZHAO Jun. Study on the spatial distribution characteristics of settlement in loess plateau by GIS[J]. Human Geography, 2001(6): 81-83.
[19]
徐光辉, 高辉, 王哲人. 路基压实质量连续动态监控技术[J]. 中国公路学报, 2007, 20(3): 17-22.
XU Guanghui, GAO Hui, WANG Zheren. Continuous dynamic monitor technology on subgrade compaction quality[J]. China Journal of Highway and Transport, 2007, 20(3): 17-22.