本发明属于抗剪切强度检测技术领域，尤其涉及一种沥青混合料抗剪切强度现场检测系统及检测方法。
背景技术：
沥青混合料是一种复合材料，主要由沥青、粗骨料、细骨料、填充料组成，有的还加入聚合物和木纤维素；由这些不同质量和数量的材料混合形成不同的结构，并具有不同的力学性质。由于抗剪切强度没有统一评价标准，没有检测试验仪器，造成无法控制沥青混合料质量。
综上所述，现有技术存在的问题是：抗剪切强度没有统一评价标准，没有检测试验仪器，造成无法控制沥青混合料质量；而且现有检测系统智能化程度低，监测的数据不准确；
现有的沥青混合料质量评价方法不能真正表达抗剪切强度的大小,不能综合反映压力和流量在控制沥青混合料质量中的动态过程评价问题。
技术实现要素：
针对现有技术存在的问题，本发明提供了一种沥青混合料抗剪切强度现场检测系统及检测方法。
本发明是这样实现的，一种沥青混合料抗剪切强度现场检测系统，所述沥青混合料抗剪切强度现场检测系统包括：加压装置、活塞丝网式沥青混合料样品膨体测试装置；所述加压装置与活塞丝网式沥青混合料样品膨体测试装置相交并位于活塞丝网式沥青混合料样品膨体测试装置下端；
所述加压装置设置有圆柱状的活塞，所述圆柱状的活塞外部包裹有圆筒状的活塞筒；所述圆筒状活塞筒下部螺纹连接由下压盖；所述下压盖通过螺栓固定在底座上；所述圆筒状的活塞筒内填充有沥青混合料样品；所述圆筒状的活塞筒与下压盖之间镶嵌有内压环和外压杯；所述内压环和外压环采用相互配合的锥型环；所述内压环和外压环之间镶嵌有不锈钢丝网；所述不锈钢丝网通过管道连通开在圆筒状的活塞筒上的电磁阀门；所述管道上镶嵌有沥青混合料样品流量感应器；所述沥青混合料样品流量感应器通过导线连接控制单元；所述控制单元通过螺栓固定在沥青混合料抗剪切强度现场检测系统的支架上；
所述圆筒状的活塞筒内镶嵌有沥青混合料样品压力感应器；所述沥青混合料样品压力感应器通过导线连接控制单元；
所述活塞丝网式沥青混合料样品膨体测试装置设置有测力计；所述测力计下部通过压力杆与圆柱状的活塞相交；所述测力计上部连接有螺杆，所述螺杆穿过所述支架上的横梁的螺母与把柄连接；所述把柄的上端通过螺栓连接有伺服电机；所述伺服电机、测力计均通过导线连接控制单元；
所述沥青混合料样品压力感应器的数字调制信号x(t)的分数低阶模糊函数表示为：
其中，τ为时延偏移，f为多普勒频移，0＜a,b＜α/2，x*(t)表示x(t)的共轭，当x(t)为实信号时，x(t)＜p＞＝|x(t)|＜p＞sgn(x(t))；当x(t)为复信号时，[x(t)]＜p＞＝|x(t)|p-1x*(t)；
所述沥青混合料样品流量感应器设置有沥青混合料样品流量感应器a、沥青混合料样品流量感应器b、沥青混合料样品流量感应器c；所述沥青混合料样品流量感应器a、沥青混合料样品流量感应器b、沥青混合料样品流量感应器c的量测模型相同，所述沥青混合料样品流量感应器a量测模型为：
ya(tk-1)、ya(tk)、ya(tk+1)分别为沥青混合料样品流量感应器对目标在tk-1,tk,tk+1时刻的本地笛卡尔坐标系下的量测值，分别为：
其中，y'a(tk-1)、y'a(tk)、y'a(tk+1)分别为沥青混合料样品流量感应器在tk-1,tk,tk+1时刻的本地笛卡尔坐标系下的真实位置；ca(t)为误差的变换矩阵；ξa(t)为沥青混合料样品流量感应器的系统误差；
所述控制单元通过内置的分析评价模块对测力计的数值进行评价和校正；具体包括：
建立综合信息评价系统，获得初始信息评价矩阵，通过矩阵运算和熵权法，计算得到信息熵值包括沥青混合料样品流量子信息熵、沥青混合料样品压力子信息熵；
建立沥青混合料样品信息熵模型，将沥青混合料样品流量子信息熵、沥青混合料样品压力子信息熵作为输入因子，通过bp神经网络作用，输出沥青混合料样品信息熵值；
根据信息熵理论与沥青混合料样品是否发生的关系，定义沥青混合料样品危险度等级标准，进而对沥青混合料样品进行最大抗剪切强度评价；
计算沥青混合料样品流量子信息熵、沥青混合料样品压力子信息熵的具体方法为：
首先，建立沥青混合料样品流量的综合信息评价体系，评价体系是由n个对象m个指标构成的系统，从而得到初始信息评价矩阵：
其中，i＝1,2,…,n；j＝1,2,…,m；
对a'中各指标归一化处理：
归一化的指标：
其中，i＝1,2,…,n；j＝1,2,…,m；
aij—规范性信息矩阵中对应于第i行j列的元素，规范性信息矩阵a表示为：
其中，i＝1,2,…,n；j＝1,2,…,m。
然后，根据规范性信息矩阵，确定第i个对象下第j项指标的指标值的比重：
其中，i＝1,2,…,n；j＝1,2,…,m；
最后，由熵权法计算第i个对象的熵值
其中，ti—定义为第i个对象的沥青混合料样品流量子信息熵；
pij—第i个对象下第j项指标的比重；
i＝1,2,…,n；j＝1,2,…,m；
同理，求得沥青混合料样品压力子信息熵，即：
其中si—定义为第i个对象的沥青混合料样品压力子信息熵；
qij—第i个对象下第j项指标的比重；
i＝1,2,…,n；j＝1,2,…,m；
建立沥青混合料样品信息熵模型的具体方法为：
将信息熵原理与bp神经网络算法相融合，建立沥青混合料样品信息熵模型，其模型的数学表达式：
式中，h(x)—沥青混合料样品信息熵模型；
x＝(x1,x2)—沥青混合料样品信息熵模型子集，x1为沥青混合料样品流量子信息熵，x2沥青混合料样品压力子信息熵，；
p(xi)—因子集x＝(x1,x2)中xi因子的比重，且满足
对沥青混合料样品信息熵值进行归一化处理，归一化公式：
根据信息熵理论与沥青混合料样品是否发生的关系，定义沥青混合料样品抗剪切强度等级标准，进而对沥青混合料样品进行最大抗剪切强度评价标准分为：
0.8≤hc≤1，极低；
0.6≤hc＜0.8，低度；
0.4≤hc＜0.6，中度；
0.2≤hc＜0.4，高度；
0≤hc＜0.2，极高。
进一步，所述bp神经网络算法为：
fij[n]＝sij；
uij[n]＝fij[n](1+βij[n]lij[n])；
θij[n]＝θ0e-αθ(n-1)；
其中，βij[n]为自适应链接强度系数；
sij、fij[n]、lij[n]、uij[n]、θij[n]分别为输入的沥青混合料样品流量和压力信号、反馈输入、链接输入、内部活动项及动态阈值，nw为所选待处理窗口w中的信息总数，δ为调节系数，选取1～3。
进一步，bp神经网络对沥青混合料样品流量和压力信号进行检测时，利用网络特性使灰度为sijmax的像素点火激活，再进行第二次神经网络迭代处理，把介于[sijmax/1+βijlij,sijmax]间的信息捕获激活，使两次激活的信息点对应的yij输出为1；然后对原噪声污染信息反白处理，再对处理后的信息sij进行迭代处理，并使对应的输出yij＝1，利用信息噪声点与周围信息相关性小，灰度差别大特性，当一个神经元的激发没有引起所在区域附近大多数神经元的激发时，该神经元对应信息是噪声点。
进一步，初步甄别出yij＝0对应的噪声点为信号点，予以保护；对yij输出为1的噪声点点在3*3模板范围内统计以输出yij＝1为中心邻域元素值为1的个数ny判别归类：1≤ny≤8，为噪声点。
进一步，控制单元通过内置的分析评价模块进行校正的方法包括：
采用模糊智能自整定pid校正，pid算法为：
在校正过程中，控制单元的参数需根据当前的状态进行调整：
式中αp，αi和αd分别为通过模糊推理计算出的修正系数，kp，ki和kd分别为基本的比例、积分和微分系数。
本发明的另一目的在于提供一种沥青混合料抗剪切强度现场检测方法包括：将浸泡的沥青混合料样品25±1克，装入圆筒状的活塞筒中，插入活塞，然后将安装好的整体放在底座上；
活塞的中心对准测力计压力杆的中心，转动伺服电机带动把柄缓慢加压，将圆筒状的活塞筒中三分之二的沥青混合料样品自下部的不锈钢丝网、电磁阀门挤出，此时测力计所显示的力值为沥青混合料样品的抗剪切强度。
本发明的优点及积极效果为：经多次试验证明该仪器操作方便、数据准确并且重复性强。能较准确地评判出不同沥青混合料样品的抗剪切性能差异。
本发明运用信息熵理论与bp神经网络理论相结合的方法，实现对沥青混合料样品的剪切强度的评价。该评价指标体系具有通用型。更具有现实意义。本发明的评价方法避免了评价中的人为主观性。本发明根据信息熵值大小划分具有明确物理意义的剪切强度等级。具有明确物理意义。
本发明利用神经网络的定位噪声点和信号点位置，无需设定检测阈值，噪声错检率和漏检率低，噪声检测精度较高；同时，相对于其他噪声迭代检测方法；本发明方法检测时间短，自动性强；可获得准确数值信息。
本发明pid校正方法具有校正效果好，准确率高的特点。
附图说明
图1是本发明实施例提供的沥青混合料抗剪切强度现场检测系统结构示意图；
图2是本发明实施例提供的控制单元连接原理图。
图中：1、圆柱状的活塞；2、圆筒状的活塞筒；3、下压盖；4、底座；5、螺栓；6、内压环；7、外压环；8、不锈钢丝网；9、沥青混合料样品；10、测力计；11、螺杆；12、手柄；13、支架；14、横梁；15、沥青混合料样品流量感应器；16、控制单元；17、沥青混合料样品压力感应器；18、伺服电机。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图对本发明的应用原理作详细的描述。
如图1和图2所示，本发明实施例提供的沥青混合料抗剪切强度现场检测系统，包括：压装置、活塞丝网式沥青混合料样品膨体测试装置；所述加压装置与活塞丝网式沥青混合料样品膨体测试装置相交并位于活塞丝网式沥青混合料样品膨体测试装置下端；
所述加压装置设置有圆柱状的活塞1，所述圆柱状的活塞外部包裹有圆筒状的活塞筒2；所述圆筒状的活塞筒下部螺纹连接由下压盖3；所述下压盖3通过螺栓5固定在底座4上；所述圆筒状的活塞筒2内填充有沥青混合料样品9；所述圆筒状的活塞筒与下压盖之间镶嵌有内压环6和外压杯7；所述内压环6位于外压杯7上部；所述内压环和外压环采用相互配合的锥型环；所述内压环和外压环之间镶嵌有不锈钢丝网8；所述不锈钢丝网通过管道连通开在圆筒状的活塞筒2上的电磁阀门(因限于版面未示出)；所述管道上镶嵌有沥青混合料样品流量感应器15；所述沥青混合料样品流量感应器15通过导线连接控制单元16；所述控制单元通过螺栓固定在沥青混合料抗剪切强度现场检测系统的支架13上；
所述圆筒状的活塞筒2内镶嵌有沥青混合料样品压力感应器17；所述沥青混合料样品压力感应17器通过导线连接控制单元16；
所述活塞丝网式沥青混合料样品膨体测试装置设置有测力计10；所述测力计下部通过压力杆与圆柱状的活塞1相交；所述测力计上部连接有螺杆11，所述螺杆11穿过所述支架13上的横梁14的螺母与把柄12连接；所述把柄的上端通过螺栓连接有伺服电机18；所述伺服电机通过导线连接控制单元16。
所述内压环6和外压环7采用相互配合的锥型环。其锥度为90度；不锈钢丝网8网片直径40毫米，钢丝直径为0.3毫米，丝网孔径为1.0毫米。圆环状内压环6、外压环7、活塞筒2、活塞1公称内径为25毫米。活塞1长度为55毫米；活塞筒2长度为60毫米。
测力计10为标准测力计，型号为sn-200型。下压盖3通过螺栓5固定在底座4上，底座4周围有3个螺栓5，调整螺栓5高度，使底座4处于水平状态。
利用本发明实施例提供的系统将浸泡一定时间的沥青混合料样品25±1克，装入活塞筒中，插入活塞，然后将安装好的整体放在仪器底座上，活塞轴向中心对准测力计加力杆的中心，转动上部手柄缓慢加压，将活塞筒中三分之二的沥青混合料样品9自下部的不锈钢丝网连通的电磁阀门挤出，实时监测沥青混合料样品的压力值和流出的流量值；这时测力计所显示的力值即为沥青混合料样品的抗剪切强度。抗剪切强度单位：牛顿n。
经多次试验证明该仪器操作方便、数据准确并且重复性强。能较准确地评判出不同沥青混合料样品的抗剪切性能差异。
下面结合应用原理对本发明作进一步描述。
所述沥青混合料样品压力感应器的数字调制信号x(t)的分数低阶模糊函数表示为：
其中，τ为时延偏移，f为多普勒频移，0＜a,b＜α/2，x*(t)表示x(t)的共轭，当x(t)为实信号时，x(t)＜p＞＝|x(t)|＜p＞sgn(x(t))；当x(t)为复信号时，[x(t)]＜p＞＝|x(t)|p-1x*(t)；
所述沥青混合料样品流量感应器设置有沥青混合料样品流量感应器a、沥青混合料样品流量感应器b、沥青混合料样品流量感应器c；所述沥青混合料样品流量感应器a、沥青混合料样品流量感应器b、沥青混合料样品流量感应器c的量测模型相同，所述沥青混合料样品流量感应器a量测模型为：
ya(tk-1)、ya(tk)、ya(tk+1)分别为沥青混合料样品流量感应器对目标在tk-1,tk,tk+1时刻的本地笛卡尔坐标系下的量测值，分别为：
其中，y'a(tk-1)、y'a(tk)、y'a(tk+1)分别为沥青混合料样品流量感应器在tk-1,tk,tk+1时刻的本地笛卡尔坐标系下的真实位置；ca(t)为误差的变换矩阵；ξa(t)为沥青混合料样品流量感应器的系统误差；
所述控制单元通过内置的分析评价模块对测力计的数值进行评价和校正；具体包括：
建立综合信息评价系统，获得初始信息评价矩阵，通过矩阵运算和熵权法，计算得到信息熵值包括沥青混合料样品流量子信息熵、沥青混合料样品压力子信息熵；
建立沥青混合料样品信息熵模型，将沥青混合料样品流量子信息熵、沥青混合料样品压力子信息熵作为输入因子，通过bp神经网络作用，输出沥青混合料样品信息熵值；
根据信息熵理论与沥青混合料样品是否发生的关系，定义沥青混合料样品危险度等级标准，进而对沥青混合料样品进行最大抗剪切强度评价；
计算沥青混合料样品流量子信息熵、沥青混合料样品压力子信息熵的具体方法为：
首先，建立沥青混合料样品流量的综合信息评价体系，评价体系是由n个对象m个指标构成的系统，从而得到初始信息评价矩阵：
其中，i＝1,2,…,n；j＝1,2,…,m；
对a'中各指标归一化处理：
归一化的指标：
其中，i＝1,2,…,n；j＝1,2,…,m；
aij—规范性信息矩阵中对应于第i行j列的元素，规范性信息矩阵a表示为：
其中，i＝1,2,…,n；j＝1,2,…,m。
然后，根据规范性信息矩阵，确定第i个对象下第j项指标的指标值的比重：
其中，i＝1,2,…,n；j＝1,2,…,m；
最后，由熵权法计算第i个对象的熵值
其中，ti—定义为第i个对象的沥青混合料样品流量子信息熵；
pij—第i个对象下第j项指标的比重；
i＝1,2,…,n；j＝1,2,…,m；
同理，求得沥青混合料样品压力子信息熵，即：
其中si—定义为第i个对象的沥青混合料样品压力子信息熵；
qij—第i个对象下第j项指标的比重；
i＝1,2,…,n；j＝1,2,…,m；
建立沥青混合料样品信息熵模型的具体方法为：
将信息熵原理与bp神经网络算法相融合，建立沥青混合料样品信息熵模型，其模型的数学表达式：
式中，h(x)—沥青混合料样品信息熵模型；
x＝(x1,x2)—沥青混合料样品信息熵模型子集，x1为沥青混合料样品流量子信息熵，x2沥青混合料样品压力子信息熵，；
p(xi)—因子集x＝(x1,x2)中xi因子的比重，且满足
对沥青混合料样品信息熵值进行归一化处理，归一化公式：
根据信息熵理论与沥青混合料样品是否发生的关系，定义沥青混合料样品抗剪切强度等级标准，进而对沥青混合料样品进行最大抗剪切强度评价标准分为：
0.8≤hc≤1，极低；
0.6≤hc＜0.8，低度；
0.4≤hc＜0.6，中度；
0.2≤hc＜0.4，高度；
0≤hc＜0.2，极高。
所述bp神经网络算法为：
fij[n]＝sij；
uij[n]＝fij[n](1+βij[n]lij[n])；
θij[n]＝θ0e-αθ(n-1)；
其中，βij[n]为自适应链接强度系数；
sij、fij[n]、lij[n]、uij[n]、θij[n]分别为输入的沥青混合料样品流量和压力信号、反馈输入、链接输入、内部活动项及动态阈值，nw为所选待处理窗口w中的信息总数，δ为调节系数，选取1～3。
进一步，bp神经网络对沥青混合料样品流量和压力信号进行检测时，利用网络特性使灰度为sijmax的像素点火激活，再进行第二次神经网络迭代处理，把介于[sijmax/1+βijlij,sijmax]间的信息捕获激活，使两次激活的信息点对应的yij输出为1；然后对原噪声污染信息反白处理，再对处理后的信息sij进行迭代处理，并使对应的输出yij＝1，利用信息噪声点与周围信息相关性小，灰度差别大特性，当一个神经元的激发没有引起所在区域附近大多数神经元的激发时，该神经元对应信息是噪声点。
进一步，初步甄别出yij＝0对应的噪声点为信号点，予以保护；对yij输出为1的噪声点点在3*3模板范围内统计以输出yij＝1为中心邻域元素值为1的个数ny判别归类：1≤ny≤8，为噪声点。
控制单元通过内置的分析评价模块进行校正的方法包括：
采用模糊智能自整定pid校正，pid算法为：
在校正过程中，控制单元的参数需根据当前的状态进行调整：
式中αp，αi和αd分别为通过模糊推理计算出的修正系数，kp，ki和kd分别为基本的比例、积分和微分系数。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。