论文部分内容阅读
[摘 要]为了研究土壤在压实过程中碾轮加速度与土壤压实度之间的关系，我们通过在长安大学大型土槽实验室进行土壤振动压实试验，利用环刀法测量土壤压实度，用数据采集仪采集碾轮的加速度信号，最后通过线性神经网络对压实度和加速度数据进行数据处理，得到两者之间的关系。
[关键词]加速度；压实度；线性神经网络
中图分类号：TP3 文献标识码：A 文章编号：1009-914X（2019）13-0058-01
1、引言
在道路施工的整个过程中，路基的压实是非常重要的一环。压实是通过机械作用使土壤小颗粒重新排列和紧挤在一起形成紧密状态的密实化过程，有效的压实不仅能很好的改善土壤的承载能力，提高土壤的不渗透性和密实性，并且可以大大降低由于土壤固结而引起的沉降[1]。因此压实度的好坏直接影响着整个工程的质量。现在我国对压实度的检测一般采用的是传统的检测方法，比如破坏性检测的环刀法、灌砂法，非破坏性检测的核子仪法、雷达检测法等。但是的传统检测方法一般是属于事后检測，并且是以点带面，具有一定的局限性[2]。因此开发出一套压实度实时连续检测系统就显得尤为重要。而研究碾轮加速度与压实度的关系是研究整个检测系统的前提。
2、振动压实试验[3]
本次振动压实试验是在长安大学“大型土槽实验室”内进行的，是通过振动压实试验得出碾轮加速度与土壤压实度之间的关系。其所需试验仪器有小形式手扶振动压路机、数据采集仪、笔记本电脑、加速度传感器、速度传感器、频率检测仪、环刀以及其他土工试验工具等。
在进行振动压实试验之前，我们应对试验土做击实试验，得到试验土的最佳含水量和最大干密度；另外，我们通过四个测点来确定加速度传感器合适的安装位置，保证信号采集的准确性。之后在土槽中取长12m，宽2m的试验路段进行翻土作业，深度为350mm，洒水闷透至最佳含水量时进行振动压实试验。试验时先对试验段静碾两遍，之后对数据采集仪进行初始化系统，设置相关参数；然后在振动频率30Hz，行驶速1.5km/h时进行振动压实试验，每振动压实两遍时用环刀法在其试验路段上等间距取5个点测量其压实度，该过程共碾压12遍；最后将数据采集仪里储存的加速度信号提取出来，通过MATLAB仿真软件带入原时域求解算法进行计算，获得其加速度值。压实数据如表1所示：
由表1的数据我们可以看出，在压实的过程中碾轮的加速度幅值和压实度的均值都随着压实遍数的增加而增大，但在12遍的时候，压实度均值和加速度幅值都略微减小，这表明在此之前压实已经达到了最好效果。因此，在之后的仿真时，我们把12遍的数据剔除，排除这种影响因素。
3、数据处理
线性神经网络是比较简单的一种神经网络，它是由一个或多个线性神经元组成，每个神经元的激活函数都是线性神经网络，它采用的是最小均方误差（LMS）算法学习规则。线性神经网络的目标是通过调节权值，使得mse从误差空间的某点开始，沿着mse的斜面向下滑行，最终使得mse的值达到最小。为了实现这个LMS算法，首先应进行初始化，即给各个连接赋予一个较小的随机值；其次输入一个样本，计算连接权值的调整量；之后调整连接权值，根据负梯度下降的原则，对网络权值和阈值进行修正；然后按照公式1计算均方误差；最后判断误差是否为零或者是否达到了自己预先设定的要求。若果到达了预先设定的要求，则结束LMS算法，否则输入下一个样本，返回继续求解。
线性神经网络设计的基本方法一般使用newlin函数来创建线性神经网络。首先根据问题来确定输入向量的取值范围、维数、网络层的神经元数等，用newlin函数创建线性神经网络；之后调用train函数来训练线性神经网络，在这个训练的过程中使得网络输出接近目标输出啊；最后用sim仿真函数对训练后的网络进行仿真，从而得到的仿真结果。下面我们用直接法线性神经网络对上述试验数据进行处理编程：
P=[8.43 9.64 10.52 11.26 11.81]；
T=[84.3 87.5 88.9 89.8 90.4]；
net=newlind（P，T）；A=sim（net，P）；
E=T-A SE=sse（E）
Pause plotep（net.iw{1，1}，net.b{1}，SE）；pause
echo off echo on plot（P，T，'r+'）；hold on；plot（P，A）；
通过上述程序在MATLAB中运行结果可知，我们可以得到碾轮加速度与压实度之间的关系如图1所示：
由图1的结果我们可知，拟合直线方程为y = 1.7427x + 70.134，R? = 0.9657>1。因此，土壤压实度与振动轮加速度之间有着良好的线性关系，即我们可以通过加速度的有效值来反映土壤的压实度，通过标定后将标定系数输入检测系统就可以进行检测。这就为以后的试验或者施工过程中连续检测土壤压实度提供了一个很好的测量方法。
4、结语
本文主要通过在长安大学大型土槽实验室做振动压实试验，得到压实数据结果，并利用线性神经网络对碾轮加速度与压实度的数据结果进行处理，得到二者之间呈线性相关，为之后的压实度的实时连续检测打下了理论基础。提高了生产效率，确保了道路质量，这种方法在道路施工过程中有着广泛的应用前景。
参考文献
[1]谢欣然.振动加速度与土壤压实状况关系分析[D].北京.中国科学技术信息研究所，2009.
[2]周烽.路基压实度检测系统研究[D].西安.长安大学.2018.
[3]申自名.振动压路机压实度实时检测技术研究[D].西安.长安大学.2017.
作者简介
陈博（1993-），男，汉族，河南省长葛市，硕士研究生，长安大学工程机械学院。
[关键词]加速度；压实度；线性神经网络
中图分类号：TP3 文献标识码：A 文章编号：1009-914X（2019）13-0058-01
1、引言
在道路施工的整个过程中，路基的压实是非常重要的一环。压实是通过机械作用使土壤小颗粒重新排列和紧挤在一起形成紧密状态的密实化过程，有效的压实不仅能很好的改善土壤的承载能力，提高土壤的不渗透性和密实性，并且可以大大降低由于土壤固结而引起的沉降[1]。因此压实度的好坏直接影响着整个工程的质量。现在我国对压实度的检测一般采用的是传统的检测方法，比如破坏性检测的环刀法、灌砂法，非破坏性检测的核子仪法、雷达检测法等。但是的传统检测方法一般是属于事后检測，并且是以点带面，具有一定的局限性[2]。因此开发出一套压实度实时连续检测系统就显得尤为重要。而研究碾轮加速度与压实度的关系是研究整个检测系统的前提。
2、振动压实试验[3]
本次振动压实试验是在长安大学“大型土槽实验室”内进行的，是通过振动压实试验得出碾轮加速度与土壤压实度之间的关系。其所需试验仪器有小形式手扶振动压路机、数据采集仪、笔记本电脑、加速度传感器、速度传感器、频率检测仪、环刀以及其他土工试验工具等。
在进行振动压实试验之前，我们应对试验土做击实试验，得到试验土的最佳含水量和最大干密度；另外，我们通过四个测点来确定加速度传感器合适的安装位置，保证信号采集的准确性。之后在土槽中取长12m，宽2m的试验路段进行翻土作业，深度为350mm，洒水闷透至最佳含水量时进行振动压实试验。试验时先对试验段静碾两遍，之后对数据采集仪进行初始化系统，设置相关参数；然后在振动频率30Hz，行驶速1.5km/h时进行振动压实试验，每振动压实两遍时用环刀法在其试验路段上等间距取5个点测量其压实度，该过程共碾压12遍；最后将数据采集仪里储存的加速度信号提取出来，通过MATLAB仿真软件带入原时域求解算法进行计算，获得其加速度值。压实数据如表1所示：
由表1的数据我们可以看出，在压实的过程中碾轮的加速度幅值和压实度的均值都随着压实遍数的增加而增大，但在12遍的时候，压实度均值和加速度幅值都略微减小，这表明在此之前压实已经达到了最好效果。因此，在之后的仿真时，我们把12遍的数据剔除，排除这种影响因素。
3、数据处理
线性神经网络是比较简单的一种神经网络，它是由一个或多个线性神经元组成，每个神经元的激活函数都是线性神经网络，它采用的是最小均方误差（LMS）算法学习规则。线性神经网络的目标是通过调节权值，使得mse从误差空间的某点开始，沿着mse的斜面向下滑行，最终使得mse的值达到最小。为了实现这个LMS算法，首先应进行初始化，即给各个连接赋予一个较小的随机值；其次输入一个样本，计算连接权值的调整量；之后调整连接权值，根据负梯度下降的原则，对网络权值和阈值进行修正；然后按照公式1计算均方误差；最后判断误差是否为零或者是否达到了自己预先设定的要求。若果到达了预先设定的要求，则结束LMS算法，否则输入下一个样本，返回继续求解。
线性神经网络设计的基本方法一般使用newlin函数来创建线性神经网络。首先根据问题来确定输入向量的取值范围、维数、网络层的神经元数等，用newlin函数创建线性神经网络；之后调用train函数来训练线性神经网络，在这个训练的过程中使得网络输出接近目标输出啊；最后用sim仿真函数对训练后的网络进行仿真，从而得到的仿真结果。下面我们用直接法线性神经网络对上述试验数据进行处理编程：
P=[8.43 9.64 10.52 11.26 11.81]；
T=[84.3 87.5 88.9 89.8 90.4]；
net=newlind（P，T）；A=sim（net，P）；
E=T-A SE=sse（E）
Pause plotep（net.iw{1，1}，net.b{1}，SE）；pause
echo off echo on plot（P，T，'r+'）；hold on；plot（P，A）；
通过上述程序在MATLAB中运行结果可知，我们可以得到碾轮加速度与压实度之间的关系如图1所示：
由图1的结果我们可知，拟合直线方程为y = 1.7427x + 70.134，R? = 0.9657>1。因此，土壤压实度与振动轮加速度之间有着良好的线性关系，即我们可以通过加速度的有效值来反映土壤的压实度，通过标定后将标定系数输入检测系统就可以进行检测。这就为以后的试验或者施工过程中连续检测土壤压实度提供了一个很好的测量方法。
4、结语
本文主要通过在长安大学大型土槽实验室做振动压实试验，得到压实数据结果，并利用线性神经网络对碾轮加速度与压实度的数据结果进行处理，得到二者之间呈线性相关，为之后的压实度的实时连续检测打下了理论基础。提高了生产效率，确保了道路质量，这种方法在道路施工过程中有着广泛的应用前景。
参考文献
[1]谢欣然.振动加速度与土壤压实状况关系分析[D].北京.中国科学技术信息研究所，2009.
[2]周烽.路基压实度检测系统研究[D].西安.长安大学.2018.
[3]申自名.振动压路机压实度实时检测技术研究[D].西安.长安大学.2017.
作者简介
陈博（1993-），男，汉族，河南省长葛市，硕士研究生，长安大学工程机械学院。