Detailergebnis zu DOK-Nr. 72637
Abschätzung neuer Rollwiderstände mithilfe neuronaler Netze (Orig. engl.: Estimating new road rolling resistance using neural networks)
| Autoren |
C.A. Lenngren R. Salini |
|---|---|
| Sachgebiete |
11.1 Berechnung, Dimensionierung, Lebensdauer 14.4 Fahrzeugeigenschaften (Achslasten, Reifen) |
Bearing Capacity of Roads, Railways and Airfields: Proceedings of the 10th International Conference on the Bearing Capacity of Roads, Railways and Airfields (BCRRA 2017), Athens, Greece, 28-30 June 2017. Leiden u. a.: CRC Press, 2017, Paper No. 125, S. 935-940, 9 B, 3 T, 8 Q
Nachhaltige Fahrbahnbefestigungen gewinnen an Bedeutung. So werden inzwischen die Treibhausgasemissionen bei der Herstellung berechnet, aber bisher noch nicht die Verluste erfasst, welche durch die Wahl des Fahrbahnbelags für den Nutzer entstehen. Der Rollwiderstand ist bedingt durch Übertragungsverluste, Reifen-Hysterese, Reifen-Fahrbahn-Interaktion und Verformung der Fahrbahn. Hier wird speziell die Fahrbahnverformung für neue flexible Fahrbahnbeläge anhand neuronaler Netze und Sensitivitätsanalysen betrachtet, im Gegensatz zu einem anderen Artikel über feste Fahrbahnbeläge. Mit dem Fallgewichtsgerät (Falling Weight Deflectometer - FWD) werden Last-Verformungsmulden erzeugt. Eingabewerte sind die Last, Einsenkungen und rückgerechnete Stoffeigenschaften wie Elastizitätsmoduln. Ausgabewert ist die Verlustenergie aus dem Last-Verschiebungsdiagramm. Die Verlustenergie kann mit neuronalen Netzen erfolgreich nachgebildet werden. Der wichtigste Einflussparameter ist die Außendeflexion D6 beziehungsweise der E-Modul des Untergrunds. Im Gegensatz zu festen Fahrbahnbelägen ist das Ergebnis aufgrund der Asphalteigenschaften nicht so eindeutig. Feste Fahrbahnen haben eine geringere Rollreibung. Der Einfluss von Temperatur und Schichtdicken auf die Verformung kann nicht geklärt werden, da beide Parameter nur im begrenzten Umfang variieren. Ebenso sollte der Einfluss der Jahreszeiten untersucht werden.