Detailergebnis zu DOK-Nr. 81313
Bewertung und Modellierung des Rissverhaltens von Asphaltmischgütern mit Asphaltgranulat, die unterschiedliche Recyclingmaterialien enthalten, unter Verwendung eines neuronalen Netzes (Orig. engl.: Cracking performance evaluation and modelling of RAP mixtures containing different recycled materials using deep neural network model)
| Autoren |
M. Khorshidi M. Ameri A. Goli |
|---|---|
| Sachgebiete |
9.1 Bitumen, Asphalt 9.14 Ind. Nebenprodukte, Recycling-Baustoffe 11.1 Berechnung, Dimensionierung, Lebensdauer |
Road Materials and Pavement Design 25 (2024) Nr. 4, S. 716-735, 7 B, 12 T, zahlr. Q
Die Studie bewertet die Rissbeständigkeit von Asphaltmischgütern unter Verwendung von Asphaltgranulat, die Altöl, Gummigranulat und Stahlwerksschlacke als Zuschläge enthalten. Zur Bewertung dient der Illinois Flexibility Index Test (I-FIT). Leistungsindizes, die sowohl aus dieser als auch einer anderen Studie stammen, wurden mittels neuronaler Netze, linearer und polynomialer Regressionsmodelle und eines k-fachen Kreuzvalidierungsprozesses verglichen. Die I-FIT-Testergebnisse zeigten, dass Altöl, Stahlwerksschlacke und bestimmte Gummigranulat -Mischungsverhältnisse die Rissbeständigkeit verbessern, während der Einsatz von Asphaltgranulat sie verringert. In Bezug auf die Modellierung stellte sich heraus, dass das neuronale Netz das am besten geeignete Vorhersagemodell für die Datenstruktur der Studie ist. Eine Sensitivitätsanalyse identifizierte Altöl als entscheidend für die Performance bei hohen und mittleren Temperaturen (I-FIT). Gummigranulat hatte hingegen signifikanten Einfluss auf mittlere Temperaturen, während Asphaltgranulat die Feuchtigkeitsanfälligkeit beeinflusste. Dieses Modell erweist sich als zuverlässig und effizient und deutet auf sein Potenzial hin, die Performance von recycelten Asphalten vorherzusagen.