一种水性树脂聚合物改性乳化沥青性能预测方法及系统与流程

本发明涉及水性树脂聚合物改性乳化沥青材料，具体为一种水性树脂聚合物改性乳化沥青性能预测方法及系统。

背景技术：

1、当前中国公路建设里程位居世界首位，但随着交通量的增长，气候条件日益复杂，对道路的建设水平及养护品质提出更高要求，对道路建设材料的各项性能提出更高要求。传统沥青存在服役性能差，全寿命周期内污染物排放量多等缺点。近年来，聚合物改性乳化沥青凭借其绿色、环保、安全、节能等优点广泛用于预防养护封层领域，水性树脂聚合物改性乳化沥青更是当前路面养护材料研究热点。即在乳化沥青中加入不同比例的水性环氧树脂及一系列聚合物改性剂制成水性树脂聚合物改性乳化沥青，它不仅能综合提升沥青路面的服役性能，还凭借其环保、绿色的特点在路面全寿命周期内减少污染物排放，可有效提高路面服役性能，延长路面寿命。

2、水性树脂聚合物改性乳化沥青性能受改性剂类型、掺量、性能等多因素共同作用但当前关于水性聚合物改性乳化沥青性能与其改性剂组成及性能之间关联性的研究鲜有涉及，水性聚合物改性乳化沥青设计和选用需开展大量试错和性能验证试验，仍难以保证其实际使用性能与经济性，目前依赖于经验试错型路用材料设计和选用模式导致材料的开发周期长，而且开发过程中的试错成本巨大。

技术实现思路

1、针对现有技术中存在的问题，本发明提供一种水性树脂聚合物改性乳化沥青性能预测方法及系统，解决了依赖于经验试错型路用材料设计及选用模式的技术问题，补足了当前以结果为导向的水性树脂聚合物改性乳化沥青性能预测模型的技术空白。

2、本发明是通过以下技术方案来实现：

3、一种水性树脂聚合物改性乳化沥青性能预测方法，包括以下步骤：

4、步骤1，确定水性树脂聚合物改性剂的类型和性能，以及水性树脂聚合物改性剂在水性树脂聚合物改性乳化沥青中的质量分数；

5、步骤2，确定采用水性树脂聚合物改性剂制备的水性树脂聚合物改性乳化沥青的有效成分；

6、步骤3，确定步骤2中各水性树脂聚合物改性乳化沥青的性能；

7、步骤4：根据各水性树脂聚合物改性乳化沥青的有效成分、性能、水性树脂聚合物改性剂的质量分数，以及水性树脂聚合物改性剂的类型和性能，构建水性树脂聚合物改性乳化沥青材料特征性能数据库；

8、步骤5，确定各水性树脂聚合物改性乳化沥青性能影响因素；

9、步骤6，将各水性树脂聚合物改性乳化沥青的特征性能数据和影响因素作为数据集；

10、步骤7，构建bp神经网络模型，采用数据集并结合粒子群算法pso优化，对bp神经网络模型进行迭代训练，得到训练后的pso-bp神经网络模型，进而对水性树脂聚合物改性乳化沥青性能预测。

11、优选的，步骤1所述水性树脂聚合物改性剂的类型和性能包括平均粒径、粘度、表干时间、实干时间、拉伸强度、断裂伸长率和吸水率。

12、优选的，步骤2中采用不同类型不同质量分数的水性树脂聚合物改性剂制备多种水性树脂聚合物改性乳化沥青，采用蒸发试验的方法，根据蒸发残留物确定各水性树脂聚合物改性乳化沥青的有效成分。

13、优选的，所述水性树脂聚合物改性乳化沥青的有效成分包括水性环氧树脂、阳离子型水性聚氨酯、阴离子型水性聚氨酯、非离子型水性聚氨酯、两种不同硬度的水性丙烯酸酯、羧基丁苯胶乳、阳离子型丁苯胶乳、苯乙烯-丁二烯-苯乙烯嵌段共聚物胶乳、乙烯-醋酸乙烯共聚物胶乳和基质沥青的质量分数。

14、优选的，所述水性树脂聚合物改性乳化沥青性能影响因素为：水性树脂聚合物改性乳化沥青材料的有效成分及水性树脂聚合物的性能。

15、优选的，步骤6中还包括以下过程：

16、采用matlab中的mapminmax函数对特征性能数据进行标准化处理，得到处理后的数据集，标准化的方法如下：

17、

18、其中，xi为标准化数据，x为样本数据，xmax为样本数据最大值，xmin为样本数据最小值。

19、优选的，所述bp神经网络模型进行迭代训练的方法如下：

20、s7.1、初始化粒子群算法参数，设定种群粒子数、迭代进化次数、学习因子，以及个体和速度的范围；

21、s7.2、更新粒子速度、位置、惯性权重和粒子速度，计算更新后粒子的适应度值；

22、s7.3、选取每次迭代的每个粒子的最优位置的适应度值，若最优位置的适应度值比上一次迭代更优，则其为该粒子的个体最佳位置；否则，该粒子的个体最佳位置取上一次迭代位置；从所有粒子中取出个体最佳位置最优的粒子位置，得到全局最佳位置；

23、s7.4、当误差精度达到要求或达到最大迭代次数时，得到bp神经网络的最优权值和阈值参数，得到pso-bp神经网络模型。

24、优选的，所述粒子速度的更新方法如下：

25、

26、其中，分别为在第k次迭代中第d维度上粒子i的速度，位置；w为惯性权重；为第k次迭代中第d维度上粒子i的最佳位置；为第k次迭代中第d维度上所有粒子的全局最优位置；random(0,1)为区间0～1的随机数。

27、优选的，所述粒子位置的更新方法如下：

28、

29、优选的，所述惯性权重的更新方法如下：

30、

31、其中：wmax为最大惯性权重，wmin为最小惯性权重，t为总迭代次数，k为当前迭代次数；

32、一种水性树脂聚合物改性乳化沥青性能预测系统，该系统运行时执行所述水性树脂聚合物改性乳化沥青性能预测方法的步骤。

33、与现有技术相比，本发明具有以下有益的技术效果：

34、本发明提供的一种水性树脂聚合物改性乳化沥青性能预测方法，该方法以水性树脂聚合物改性乳化沥青材料组成及所采用水性树脂聚合物的基本性能作为水性树脂聚合物改性乳化沥青性能影响因素，采用粒子群算法优化反向传播算法神经网络，获得优化神经网络，对优化神经网络进行训练，获得一种基于粒子群算法优化反向传播算法的水性树脂聚合物改性乳化沥青性能预测模型。具有学习速度快，适用范围广、预测精度高，预测结果稳定的特点。本发明首次将粒子群算法优化后的反向传播算法神经网络预估模型应用于水性树脂聚合物改性乳化沥青领域，基于水性树脂聚合物改性乳化沥青材料组成及所采用水性树脂聚合物的基本性能等相关数据预测水性树脂聚合物改性乳化沥青性能。

技术特征：

1.一种水性树脂聚合物改性乳化沥青性能预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种水性树脂聚合物改性乳化沥青性能预测方法，其特征在于，步骤1所述水性树脂聚合物改性剂的类型和性能包括平均粒径、粘度、表干时间、实干时间、拉伸强度、断裂伸长率和吸水率。

3.根据权利要求1所述的一种水性树脂聚合物改性乳化沥青性能预测方法，其特征在于，步骤2中采用不同类型不同质量分数的水性树脂聚合物改性剂制备多种水性树脂聚合物改性乳化沥青，采用蒸发试验的方法，根据蒸发残留物确定各水性树脂聚合物改性乳化沥青的有效成分。

4.根据权利要求3所述的一种水性树脂聚合物改性乳化沥青性能预测方法，其特征在于，所述水性树脂聚合物改性乳化沥青的有效成分包括水性环氧树脂、阳离子型水性聚氨酯、阴离子型水性聚氨酯、非离子型水性聚氨酯、两种不同硬度的水性丙烯酸酯、羧基丁苯胶乳、阳离子型丁苯胶乳、苯乙烯-丁二烯-苯乙烯嵌段共聚物胶乳、乙烯-醋酸乙烯共聚物胶乳和基质沥青的质量分数。

5.根据权利要求1所述的一种水性树脂聚合物改性乳化沥青性能预测方法，其特征在于，所述水性树脂聚合物改性乳化沥青性能影响因素为：水性树脂聚合物改性乳化沥青材料的有效成分及水性树脂聚合物的性能。

6.根据权利要求1所述的一种水性树脂聚合物改性乳化沥青性能预测方法，其特征在于，步骤6中还包括以下过程：

7.根据权利要求1所述的一种水性树脂聚合物改性乳化沥青性能预测方法，其特征在于，所述bp神经网络模型进行迭代训练的方法如下：

8.根据权利要求7所述的一种水性树脂聚合物改性乳化沥青性能预测方法，其特征在于，所述粒子速度的更新方法如下：

9.根据权利要求7所述的一种水性树脂聚合物改性乳化沥青性能预测方法，其特征在于，所述粒子位置的更新方法如下：

10.一种水性树脂聚合物改性乳化沥青性能预测系统，其特征在于，该系统运行时执行权利要求1-9任一项所述水性树脂聚合物改性乳化沥青性能预测方法的步骤。

技术总结
本发明公开了一种水性树脂聚合物改性乳化沥青性能预测方法及系统，该方法以水性树脂聚合物改性乳化沥青的有效成分、性能、水性树脂聚合物改性剂的质量分数，以及水性树脂聚合物改性剂的类型和性能，构建水性树脂聚合物改性乳化沥青材料特征性能数据库；确定各水性树脂聚合物改性乳化沥青性能影响因素；将各水性树脂聚合物改性乳化沥青的特征性能数据和影响因素作为数据集；构建BP神经网络模型，采用数据集并结合粒子群算法PSO优化，对BP神经网络模型进行迭代训练，得到训练后的PSO‑BP神经网络模型，进而对水性树脂聚合物改性乳化沥青性能预测；该方法可结合不同场景下的需求对水性树脂聚合物改性乳化沥青的组成及水性树脂聚合物的性能进行测试，并以此为样本进行PSO‑BP模型的训练和水性树脂聚合物改性乳化沥青的性能预测。

技术研发人员：冯雷,王志斌,王朝辉,李彦伟,何培楷,马健云,彭斯,陈谦,张少波,张志强,张莹,傅豪,张丹,杨新康
受保护的技术使用者：太行城乡建设集团有限公司
技术研发日：
技术公布日：2024/12/5