袁 辉 丁 燕
(扬州大学建筑科学与工程学院,江苏 扬州 225127)
灰关联方法确定沥青混合料矿料级配细观评价指标★
袁 辉 丁 燕
(扬州大学建筑科学与工程学院,江苏 扬州 225127)
为了确定沥青混合料矿料级配细观评价指标,采集了三种典型级配的切割断面图像,提取四种细观特征参数,对绘制的级配曲线和设计级配进行了灰关联分析。结果表明:平均直径级配曲线更能表征沥青混合料矿料级配组成。
沥青混合料,细观结构,灰关联,图像处理技术
沥青混合料的矿料组成称为沥青混合料的级配。传统沥青混合料级配检验方法有抽提筛分法和燃烧筛分法。普遍存在的缺点是操作复杂、需要很长时间,并且所获得的数据准确性不高,试验数据严重依赖于试验者的操作水平。随着图像处理技术的发展,国内外不少学者开始探索图像级配检测方法,采集混合料断面图像,利用分析软件来分析矿料的分布情况。在国外,MASAD等[1,2]认为运用集料的等效直径可以区分各档集料。MOON等[3,4]在将图像处理技术应用于沥青混合料细观结构中,以像素点面积为尺寸标准对混合料的切面图像进行矿料筛选。国内,沙爱民等[5]采用图像处理技术,将等效短轴作为指标,进行差分修正后,最终提出一种基于图像处理技术的混合矿料组成检测方法。颜廷野[6]选取等效圆直径作为矿料特征参数,对马歇尔试件的切面图像进行处理,识别粗集料,进行修正后的识别误差控制在5%以内。
可见,从细观角度分析沥青混合料的矿料组成情况仍存在问题,即对矿料粒径的筛分,缺少统一的标准的矿料级配细观表征参数。为此,寻找科学可靠的矿料特征参数来表征混合料的实际尺寸是解决问题的关键。本文平面切割的方式,采集矿料的二维形态图像,选取颗粒短轴、箱型宽度、等效圆直径、平均直径作为矿料特征参数,从细观角度分析图像级配和沥青混合料设计级配之间的具体关系,采用灰关联确定沥青混合料矿料级配的细观评价指标,以期更真实地评价沥青混合料的矿料组成情况。
1.1 原材料
本试验选用的沥青为南京金陵70号道路石油沥青,SBS沥青采用成品改性沥青;SMA-13级配设计所用集料为镇江茅迪玄武岩;AC-20,SUP-20级配设计所用集料为镇江茅迪石灰岩,矿粉为石灰岩矿粉;木质素纤维是江苏理想环球新材料公司的PPMW型絮状木质素纤维,用量为沥青混合料总重量的0.3%。
1.2 级配设计
本文选用SMA-13,AC-20和SUP-20级配作为研究对象,表1是各级配的组成情况。
表1 沥青混合料设计级配
2.1 图像采集及预处理
江杰等人[7]采用切割断面和芯样曲面两种方式进行断面图像采集,对比发现切割断面获取参数较为准确。故本文采用平面切割方式获取试件,采集对象是切割试件水平面,通过CCD线阵扫描相机获取试件的表面图像,具体获取方式如图1所示。
由于所获得的图像不可避免出现模糊,质量不好的问题,需要利用计算机进行预加工处理。首先将图像剪裁为固定大小的图像,将图像杂讯去除,经色度调整,高反差等处理过程,强化图像对比成灰谐图像,然后将图像转换成8级灰度图像,再将图像进行分割处理,最后转换为极黑和极白的二值化图像。过程见图2。
2.2 图像级配曲线的绘制
通过IPP软件获取矿料颗粒的二维形态特征,经过统计分析可获得沥青混合料的矿料级配组成情况。最终选取颗粒短轴、箱型宽度、等效圆直径、平均直径这几种表征参数来绘制图像级配曲线。
事实上,试件切面图像尺寸和矿料实际尺寸是存在一定差距的,通过式(1)对切面图像的尺寸进行统一标定。
(1)
其中,Dr为矿料实际尺寸;dc为计算尺寸;lr为试件实际长度;dr为试件实际宽度;Ac为计算面积。
通过模拟实验室矿料筛分的过程,根据不同的矿料特征参数,按照式(2),式(3)计算获取各筛孔矿料颗粒的通过率,从而绘制出图像级配曲线,获得切面图像的矿料尺寸分布情况,以期能够更为直观的了解矿料的组成情况。
(2)
(3)
式(2)中分母表示所有矿料质量,分子表示某粒径下矿料质量;ρ为矿料密度;Nb为边界点的个数;Δh为颗粒平均厚度。
由于技术限制,对于较小的矿料颗粒,很难进行准确识别,故本文的统计对象是粒径不小于2.36 mm的矿料。以SMA-13为例,试验结果见图3。由于图3中无法明确看出规律,故本文选择灰关联分析法进一步分析。
灰色理论自提出之日起,便受到了广泛的应用。其中灰关联分析便是灰色理论中的一类重要方法。通过分析各因素之间的影响程度的强弱,从而找到对目标值最具影响的重要因素。具体步骤如下:首先确定参考数列;然后对上述数列进行均值化处理,获得参考数和比较数列;最后求关联系数和关联度。
按照灰关联分析方法,以设计级配为参考数列,颗粒短轴、箱型宽度、等效圆直径、平均直径为比较数列,以SMA-13级配为例,对不同粒径的沥青混合料的试验结果进行初值化等处理,均值化处理后的新数列见表2。
表2 均值化处理后的数列
将数据代入关联系数计算式(4)计算关联系数。灰关联系数试验结果见表3。计算灰关联度,试验结果见表4。
(4)
其中,ρ为分辨系数,在(0,1)内取值,通常取0.5。
表3 灰关联系数
表4 SMA-13矿料级配曲线与设计级配的灰关联度
同理,对AC-20和SUP-20级配进行不同矿料级配曲线与设计级配的灰关联度,计算结果见表5。
表5 不同矿料级配曲线与设计级配的灰关联度
由表5可知:通过这四种矿料特征参数得到的图像级配与设计级配关联度大小的顺序大致为:平均直径>等效圆直径>颗粒短轴>箱型宽度,则这四种矿料特征参数的表征效果依次为:平均直径>等效圆直径>颗粒短轴>箱型宽度。对于不同矿料级配的沥青混合料,可见以平均直径为特征参数得到的图像级配与设计级配关联度最高,可用于评价沥青混合料矿料组成情况。故确定平均直径作为矿料级配细观评价指标。
对不同细观特征参数确定的矿料图像级配曲线和设计曲线进行灰关联分析,确定平均直径为矿料级配细观评价指标,最能表征沥青混合料矿料组成情况。其他三种特征参数的表征效果依次为等效圆直径>颗粒短轴>箱型宽度。
[1] KHORASANI S,MASAD E,KASSEM E,et al.Nano-mechanical characterization of mastic,aggregate,and interfacial zone in asphalt composites[J].J Test Eval,2013,41(6):924-932.
[2] CASTILLO D,CARO S,DARABI M,et al.Studying the effect of microstructural properties on the mechanical degradation of asphalt mixtures[J].Constr Build Mater,2015,93(15):70-83.
[3] MOON K H,FALCHETTO A C.Microstrutural investigation of hot mix adphalt (HMA) mixtures using digital image processing(DIP)[J].Ksce J Civ Eng,2015,19(6):1727-1737.
[4] MOON K H,FALCHETTO A C,JEONG J H.Microstrutural analysis of asphalt mixtures using digital image processing techniques[J].Can J Civ Eng,2014,41(1):74-86.
[5] 沙爱民,王超凡,孙朝云.一种基于图像的沥青混合料矿料级配检测方法[J].长安大学学报(自然科学版),2010(5):1-5.
[6] 颜廷野.基于数字图像处理技术沥青混合料空隙及级配检测的研究[D].长春:吉林大学,2014.
[7] 江 杰,肖 鹏,丁 燕,等.沥青混合料矿料特征图像表征参数选取[J].扬州大学学报(自然科学版),2016(1):68-73.
[8] 康爱红,丁 燕,寇长江,等.灰关联方法确定SBS改性沥青宏观性能微观评价指标[J].河南科技大学学报(自然科学版),2016(4):6,56-59.
Micro-structure evaluating indicators of gray correlation method determining asphalt mixture mining grading★
Yuan Hui Ding Yan
(College of Building Science & Engineering, Yangzhou University, Yangzhou 225127, China)
In order to determine micro-structure evaluating indicators of asphalt mixture, the paper applies three kinds of typical grading cutting section image, extracting four kinds of micro-structure property parameters, and carries out gray correlation analysis of drawing grading curve and design grading. Results show that: average diameter grading curve can better express asphalt mixture grading composition.
asphalt mixture, micro-structure, gray correlation, image processing technology
1009-6825(2017)12-0094-03
2017-02-18★:大学生实践创新训练(331010411)
袁 辉(1995- ),男,在读本科生; 丁 燕(1992- ),女,在读硕士
TU525
A