Detailergebnis zu DOK-Nr. 78538
Neuartiges Modell mithilfe eines künstlichen neuronalen Netzwerks zur Vorhersage der kritischen Dehnung im Semi-Circular-Bending-Test als Rissparameter für Asphaltmischungen (Orig. engl.: Novel model to predict critical strain energy release rate in semi-circular bend test as fracture parameter for asphalt mixtures using an artificial neural network approach)
| Autoren |
P. Barghabany J. Zhang L.N. Mohammad S.B. Cooper III S.B. Cooper Jr. |
|---|---|
| Sachgebiete |
9.1 Bitumen, Asphalt 9.14 Ind. Nebenprodukte, Recycling-Baustoffe 9.0 Allgemeines, Prüfverfahren, Probenahme, Güteüberwachung |
Transportation Research Record: Journal of the Transportation Research Board Vol. 2676, H. 1, 2022, S. 388-400, 8 B, 5 T, 35 Q. - Online-Ressource: verfügbar unter: https://journals.sagepub.com/home/trr
Die zunehmende Wiederverwendung von Asphalt führt zu den Bedenken, dass das derzeitige volumetrische Superpave-Design hinsichtlich der Dauerhaftigkeit versagen kann, die sich aus dem Ersatz eines Teils des neuen Bindemittels ergibt. Zur Begegnung dieser Einschränkung sind Performance-Prüfungen eingeführt worden, um das konventionelle volumetrische Design bei der Beurteilung der Rissbildung von Asphaltmischungen zu ergänzen. Mit den Spezifikationen des DOTD des US-Staates Louisiana ist ein Kriterium für die kritische Freisetzungsrate der Dehnungsenergie Jc festgelegt worden, die aus dem Halbkreisbiegeversuch (Semi-Circular-Bending-Test, SCB) zur Ergänzung für die Bewertung der Rissbeständigkeit von Asphaltmischungen ermittelt wird. Die Praxis erfordert jedoch das zeitaufwendige Verfahren, dass die SCB-Proben fünf Tage lang bei 85 °C gealtert werden müssen. Daher ist es von Vorteil, den SCB Jc-Wert für die gealterten Asphaltmischungen auf der Grundlage des SCB Jc-Werts an den im Werk hergestellten Asphaltmischungen festzustellen. Die Alterung von Asphaltmischungen ist ein komplexer Vorgang, bei dem verschiedene Variablen, darunter die volumetrischen Eigenschaften des Asphaltmischguts und die chemischen/rheologischen Eigenschaften des Bindemittels, eine Rolle spielen. Um mit der Eigenschaft des künstlichen neuronalen Netzes (ANN) komplexe Beziehungen zwischen Eingabe- und Ausgabevariablen zu berücksichtigen, zielt die Studie auf die Vorhersage des Bruchparameters SCB Jc von Asphaltmischungen mithilfe des ANN vorherzusagen. Insgesamt wurden 34 Asphaltmischungen für die Studie ausgewählt. Es wurden SCB-Tests und Bindemitteluntersuchungen zur chemischen und rheologischen Charakterisierung durchgeführt. Eine schrittweise Regressionsanalyse ist angewendet worden, um die signifikanten Parameter für die Korrelation mit SCB Jc-Werten zu bestimmen. Mit den ermittelten signifikanten Parametern des ANN unter Verwendung des Backpropagation-Ansatzes ist dann die Entwicklung und Validierung des Vorhersagemodells eingeleitet worden. Es wurde gezeigt, dass das entwickelte ANN-Modell in der Lage war, den Rissparameter SCB Jc von Asphaltmischungen genauer vorherzusagen als lineare und nicht-lineare Regressionsmodelle.