Бабушкина Наталья Евгеньевна, аспирант кафедры «Информационные системы в строительстве»
ScopusID
344003, г. Ростов-на-Дону, пл. Гагарина, 1
1, Gagarin sq., Rostov-on-Don
Ляпин Александр Александрович, заведующий кафедрой «Информационные системы в строительстве»
ScopusID
344003, г. Ростов-на-Дону, пл. Гагарина, 1
1, Gagarin sq., Rostov-on-Don
Introduction. Determination of mechanical properties of layered structures of highways is an urgent task. This is due, firstly, to the need to control the quality of new sections during the construction of highways. Secondly, to assess the condition of existing roads with the accumulation of damage and defects is of interest. The formation of multiple defects (cracks) changes the averaged viscoelastic properties of the components of the structure, specifically, the surface asphalt-concrete layers. The article discusses the use of neural network technologies to improve the accuracy of the recovery of viscoelastic properties. This approach is based on experimental methods. As an example, we can give the definition of the dynamic deflection of a structure from a falling weight, FWD.
Materials and Methods. The elastic modulus of a three-layer structure was determined on the basis of a neural network. To find out the solution accuracy, it was compared to the results of mathematical modeling and experimental data.
Results. The experimental and calculated parameters of the elastic modulus of individual layers of the road structure turned out to be very close. The proposed approach to determining the mechanical properties of materials of road structures allowed us to apply the obtained results to examination of the condition of individual elements and the entire road structure.
Discussion and Conclusions. The prospects of using artificial intelligence to determine the mechanical properties of layered structures was shown. Further improvement of methods and tools for analyzing the behavior of road structures under dynamic loading will expand existing approaches to assessing the condition of road structures.
Введение. Определение механических свойств слоистых конструкций автомобильных дорог является актуальной задачей. Это обусловлено, во-первых, необходимостью контроля качества новых участков при строительстве автомагистралей. Во-вторых, представляет интерес оценка состояния действующих дорог при накоплении повреждений и дефектов. Образование множественных дефектов (трещин) меняет осредненные вязкоупругие свойства составляющих конструкции, особенно поверхностных асфальтобетонных слоев. В статье рассматривается использование нейросетевых технологий для повышения точности восстановления вязкоупругих свойств. Данный подход базируется на экспериментальных методах. В качестве примера можно привести определение динамического прогиба конструкции от падения груза (англ. determining the dynamic deflection of a structure from a falling weight, FWD).
Материалы и методы. На основе нейронной сети определены модули упругости трехслойной конструкции. Для выяснения точности решения его сопоставили с результатами математического моделирования и экспериментальными данными.
Результаты исследования. Экспериментальные и расчетные показатели модулей упругости отдельных слоев дорожной конструкции оказались очень близкими. Предложенный подход к определению механических свойств материалов дорожных конструкций позволяет применить полученные результаты для определения состояния отдельных элементов и всей дорожной конструкции.
Обсуждение и заключения. Показана перспективность использования искусственного интеллекта для определения механических свойств слоистых конструкций. Дальнейшее совершенствование методов и средств анализа поведения дорожной конструкции при динамическом нагружении позволит расширить существующие подходы к оценке состояния дорожных конструкций.
The authors declare that there are no conflicts of interest present.