一种改性沥青与集料黏附性能的预测方法

本发明涉及材料性能，尤其指一种改性沥青与集料黏附性能的预测方法。

背景技术：

1、目前，沥青-集料界面粘附性的评价方法可分为定性、定量分析两类。定性分析法主要包括水煮法、水浸法；定量分析法主要包括光电比色法、溶剂洗脱法。

2、1、水煮法在我国应用相对广泛，适合在基质沥青、改性沥青以及经过热处理的掺加抗剥落剂的沥青。具体步骤是:把集料放置105℃±5℃烘箱中，加热沥青，把加热的集料颗粒放入沥青45s后拿出，放在实验架上15min。冷却后的集料颗粒放入沸腾状态的水中，3min后观察沥青脱落情况来判断沥青与集料的粘附性。由于存在定性对粘附性进行主观上的判断，而缺少定量指标。

3、2、水浸法是选用已经包裹了沥青的石料，浸泡在80℃的恒温水槽中30min，之后对沥青膜脱落面积的百分率进行判断。水浸法也由于存在主观因素而对沥青脱落率的评价影响大的不足。

4、3、光电比色法是指将一定数量的沥青混合料放到已知浓度的酚藏红花生物染料中，在60℃的情况下浸泡2h，拿出后放到试管中，用分光光度计来测量吸光度，由浓度和吸光度的关系曲线来得出染料的残留浓度，从而计算出原集料的吸附量与集料脱落后的吸附量，从而得出脱落率。

5、4、溶剂脱落法是把沥青与甲苯融合为2％浓度的溶液，让溶液在30℃恒温的矿料试验中对流经相同体积，但不同矿料种类的沥青进行测试，通过这种方式来测量出沥青和集料的粘附性，以粘附的沥青与脱离率来表示粘附性。

6、光电比色法与溶剂脱落法虽然能够定量得出脱落率，并通过脱落率来判定沥青与集料的粘附性的参数，但操作更加复杂，通常由于溶液中的藏红花粘附在沥青上而使获得的结果存在较大的偏差。

技术实现思路

1、本发明所要解决的技术问题是提供一种操作更简单、预测效果更好的改性沥青与集料黏附性能的预测方法。

2、为了解决上述技术问题，本发明采用如下技术方法：一种改性沥青与集料黏附性能的预测方法，包括：

3、步骤1、用mterials studio三维建模软件分别构建多种改性剂无定形晶胞模型、多种基质沥青分子单体结构模型以及导入多种不同的晶体的晶胞模型并对其构建晶面模型；

4、步骤2、用mterials studio三维建模软件分别构建不同掺量的改性沥青无定形晶胞模型，然后进行几何优化、弛豫、退火处理，选取出能量最低的不同掺量的改性沥青无定形晶胞模型；

5、步骤3、对步骤2得到的能量最低的不同掺量的改性沥青无定形晶胞模型与步骤1得到的多种晶面模型构建出不同掺量的改性沥青与集料的界面模型，然后进行不同温度下的分子动力学模拟，计算出界面黏附能；

6、步骤4、基于步骤3得到的界面黏附能模拟数据，以沥青体系、集料、改性剂、改性剂掺量、温度为输入变量及界面黏附能为输出变量构建样本数据；

7、步骤5、对步骤4得到的样本数据进行转换、归一化处理，然后计算各输入变量之间的相关系数并对强相关性的输入变量进行降维、更新；

8、步骤6、将经过步骤5处理的样本数据划分为训练集与测试集，选择高斯核函数搭建基于支持向量机的改性沥青与集料黏附能预测模型，基于训练集数据进行改性沥青与集料黏附能预测模型训练，并采用遗传算法优化预测模型参数，确定最优回归函数；

9、步骤7、基于测试集数据检验步骤6中训练好的改性沥青与集料黏附能预测模型，以平均绝对误差mae和确定系数r2测试预测模型的准确性。

10、进一步的，所述步骤1中，基质沥青分子体系包括aaa-1、aak-1、aam-1；改性剂包括sbs、pe、生物质油tg、胶粉；晶体包括cao、mgo、sio2、fe2o3、al2o3。

11、进一步的，所述步骤2中，改性剂掺量范围为0％～20％。

12、更进一步的，所述步骤3中，在进行分子动力学模拟时：温度范围设置为273k～373k，选用的参数为energy，利用相应的脚本和均值法计算不同掺量的改性沥青与集料的界面黏附能。

13、更进一步的，所述步骤5中，在对样本数据进行转换时：先将非数值型变量转化为数值型变量，再将数值型变量进行分段离散化。

14、再进一步的，所述步骤5中，归一化处理的公式如下：

15、

16、式中：z为样本数据的原始值；z*为样本数据归一化后的值；zmax和zmin分别为样本数据中的最大值和最小值。

17、再进一步的，所述步骤5中，利用皮尔逊相关系数反应输入变量之间的相关性，任意两个输入变量之间的皮尔逊相关系数＞0.8，则认为该两个输入变量之间存在强相关性，接着采用主成分分析法对存在强相关性的输入变量进行降维、更新。

18、更进一步的，所述步骤6中，设x为输入变量，y为输出变量；将经过步骤5处理的样本数据以8:2的比例划分为训练集与测试集n为训练集样本数量，i＝1,2,…n；xi和yi分别为训练集中第i个输入变量和输出变量，n为测试集样本数量，j＝1,2,…n；xj和yj分别为测试集中第j个输入变量和输出变量；接着采用如下方法搭建、训练、优化改性沥青与集料黏附能预测模型：

19、1)构建支持向量机函数为：

20、

21、2)确定支持向量机函数的约束条件为：

22、

23、式中：ω为权值向量；ωt为权值向量ω的转置；c为惩罚因子；ξi为松弛变量；φ()为支持向量机空间分类函数；b为位移项；

24、3)将分类函数φ(xi+b)映射到高维空间中，并构建高斯核函数为：

25、

26、式中：k()为高斯核函数；σ为平滑程度参数；

27、4)构建支持向量机回归函数为：

28、

29、式中：f()为支持向量机回归函数；αi,为lagrange乘子；

30、5)初始化参数c、σ并进行编码，构造成为第一代遗传群体，然后通过对当前一代群体算子进行交叉、变异遗传操作处理，产生下一代群体，重复该步骤，不断优化支持向量机的参数c和σ，直到这两个参数满足条件或达到最大迭代次数。

31、更进一步的，所述步骤7中：

32、1)平均绝对误差mae的计算公式为：

33、

34、式中：f(xj)为将测试集中输入变量xj代入支持向量机回归函数得到的预测值；

35、2)确定系数r2的计算公式为：

36、

37、式中：为测试集中所有输出变量的均值。

38、针对传统的沥青与集料黏附性能的评价方法存在主观上的判断，或缺少定量指标、结果存在较大的偏差以及成本高的问题，本发明提供了一种改性沥青与集料黏附性能的预测方法，该方法根据materials studio三维建模软件对多种改性沥青与集料界面模型在不同的改性剂掺量和不同的温度条件下进行模拟，进而模拟出相应的黏附能，以此作为数据集，然后以基质沥青、集料、改性剂、改性剂掺量、温度为特征构造输入变量，黏附能为输出变量，建立了基于支持向量机算法的改性沥青与集料黏附性能的预测模型。该方法可以对不同改性沥青-集料界面在所涉及范围内的不同的改性剂掺量与不同温度条件下的黏附能进行预测(比如，随机选取基质沥青为aak-1、集料为sio2、改性剂为sbs、改性剂掺量为13％、温度为323k为输入变量即可得出相应界面的黏附能)，相比传统的界面黏附能测试实验减少了大量的财力、物力的浪费，操作更简单，且具有可靠的定量评价指标，预测效果更好。