2023-12-05
 
沥青混合料拌和过程实时监控
2023年12月05日   阅读量:112286

摘 要

为控制道路施工过程中沥青混合料的拌和质量与拌和状态,提出一种以非介入方式利用模板匹配识别算法实时提取骨料、粉料、沥青质量数据、拌和时间及温度等沥青混合料主成分数据信息的方法,根据识别到的沥青混合料数据信息建立了数据采集与传输的时序逻辑关系;在WEB监控中心下可视化显示了沥青混合料配合比误差、级配误差、拌和时间和温度等关键信息,并利用这些多模态信息融合策略评价了沥青混合料的拌和质量;根据施工过程中沥青混合料类型的先验知识分析了混合料数据的动态变化,在无人工干预的情况下自动识别了实时生产的沥青混合料类型;建立了骨料数据的模型分布,并结合拌和时间判断拌和设备的运行和筛分状态;存储实时接收到的数据,实现了沥青混合料历史数据跨时间查询和成本评判。研究结果表明:利用模板匹配识别算法采集沥青混合料字符数据时间为4.9ms,识别准确率达100%,满足了施工中沥青混合料拌和数据采集时间间隔小于0.02s的要求,实现了施工过程中沥青混合料数据的连续检测、自动识别、实时跟踪和可视化监控;当沥青混合料质量不合格或拌和设备出现故障时可实时预警,为综合评价沥青混合料拌和过程与实时掌控沥青混合料拌和质量提供了依据。


关键词

路面工程 | 沥青混合料 | 模板匹配识别 | 多模态 | 拌和质量 | 实时监控


0、引言

随着公路交通事业的快速发展,截至2017年底中国公路总里程达477.35万km,在高速公路快速发展的背景下,沥青路面施工质量得到越来越多的重视沥青网sinoasphalt.com。沥青路面施工全过程主要包括原材料的选择、拌和、出料、摊铺和压实等过程,现有研究主要集中在沥青混合料原材料结构模型[1-2]、沥青混合料级配设计[3-4]、沥青路面压实质量监控[5-8]和沥青路面病害等[9-13],而对施工过程中沥青混合料拌和质量的研究相对较少。


沥青混合料拌和设备作为高等级公路建设的重要设备之一[14-15],其生产的沥青混合料质量的好坏直接决定着路面施工的质量,进而影响路面车辙、塌陷和裂缝等道路病害问题[16],因此,监测沥青混合料拌和质量和拌和设备运行状态是保障路面施工质量的必要条件。每段道路的施工需要若干个沥青混合料拌和设备,其一般安装在较偏远地区,而不同路面需要的不同型号规格的沥青混合料的目标配合比参数是由工程试验人员提前交付给拌和设备操作人员,手动输入事先设计好的混合料标准质量参数进行生产,但在无法确定实际生产的沥青混合料是否符合标准的情况下将其铺设到施工道路上,无法保证其拌和质量,进而影响施工质量。同时管理人员无法及时亲临现场采样检测每台拌和设备的沥青混合料,及时了解沥青混合料生产过程中各种骨料、粉料和沥青的用量与拌和温度、时间是否满足设计要求,进而无法实时评价拌和质量是否满足国家标准。


《公路沥青路面施工技术规范》(JTG F40-2017)中明确要求沥青拌和设备必须配备打印机,并打印相关数据,但实际现场很少配备打印机,无法实时获取生产数据。李正中等提出了基于打印数据流解析的监控系统[17],但该方法在现场施工中的实时性和真实性较差,无法充分发挥作用;董刚等提出利用拌和站本地数据库采集数据[18],但该方法通用性差,且部分设备无本地数据库;宋胜利等提出基于压力传感器的监控系统[19],但该方法线路连接复杂,抗干扰能力差,且对称重传感器灵敏度要求严格。


为了在不影响正常施工的情况下解决沥青混合料拌和质量实时监控的问题,本文提出一种利用模式识别技术智能监控沥青混合料拌和质量的方法,以一种非介入方式实现事中监督生产和事后统计分析与评定考核,跟踪监测沥青混合料动态拌和过程与拌和设备的运行状况,实现沥青混合料拌和质量的智能远程监控。


1、沥青混合料拌和质量评价策略与监测方法设计


1.1建立多模态策略评价沥青混合料拌和质量


沥青混合料的拌和过程作为施工阶段中的关键环节,其拌和质量的好坏直接影响施工质量和后期道路是否容易出现车辙和拥包等病害问题[20]。根据《公路沥青路面施工技术规范》(JTG F40-2017)要求及现场施工规范要求,沥青混合料拌和质量动态评价标准包括多种因素,本文对其进行总结,根据现场施工要求提出影响沥青混合料拌和质量的主要因素误差范围,见表1。

沥青混合料拌和过程实时监控 沥青网,sinoasphalt.com

根据评价施工质量的主要因素,采用生产配合比与目标配合比的误差幅度[21]、生产级配的波动范围[22]、油石比含量、拌和温度和拌和时间等多源信息融合方式评价拌和质量[23],即采用多模态策略综合评价每盘沥青混合料的拌和质量,分析拌和设备的运行情况[24],具体评价策略为:若骨料配合比、粉料配合比或沥青中任一规格材料在连续大于等于x盘时超过指定的误差范围,则拌和质量不合格;在随机单盘数中若骨料配合比、粉料配合比或沥青含量中至少2种以上规格材料同时超过指定误差范围,则拌和质量不合格;若级配曲线在连续大于等于y盘时超出施工要求的上下限范围,则拌和质量不合格;若拌和温度连续大于等于x盘时持续远低或高于规定的拌和温度范围,则拌和质量不合格。


为了避免因偶尔单一因素不达标引起拌和质量不合格,当以配合比、油石比或出料温度作为评价指标时,采用连续x盘为评价单位,级配曲线采用连续y盘为评价单位,x和y可由实际情况设置,本文设置x=8,y=4,以拌和时间作为拌和设备的整体运行时间指标。


1.2监测方法设计


依据《公路沥青路面施工技术规范》(JTG F40-2017)要求,高速公路和一级公路施工中所采用的间歇式拌和设备必须配备控制计算机,拌和过程中逐盘打印各个材料用量数据,要求实时检查控制室中拌和设备各项参数的设定值和控制屏的显示值[25],核对计算机打印数据是否与显示值一致。通过以上要求可知,控制室内所配备的计算机设备实时显示真实的拌和数据,且此数据可作为打印记录数据的标定值,因此,在不影响正常拌和动态施工过程的情况下,充分考虑现场施工过程灰尘和高温等特殊情况,考虑系统设计的经济性和稳定性,实现分布式监控和集中化管理,系统监控方法见图1。


采用多模态策略综合评价每盘沥青混合料拌和质量,需实时采集每盘沥青混合料的拌和数据。在不影响正常施工的条件下,非介入采集数据装置利用视频信号分配器,一分为二控制信号,一路供施工现场所用,另一路通过模式识别技术实时连续地采集各相关拌和数据,具体采集装置见图2,采用4G网络传输动态数据到监控中心,监控中心实时分析混合料拌和质量、拌和设备的运行状态和混合料类型的变化,实现可视化监控和历史数据查询与存储等功能,实时监控与报警提醒,为管理者综合决策提供理论依据,指导现场生产。

沥青混合料拌和过程实时监控 沥青网,sinoasphalt.com

沥青混合料拌和过程实时监控 沥青网,sinoasphalt.com

2、沥青混合料拌和数据采集


2.1数据采集方法


在沥青混合料拌和设备的控制信号中,除了包括骨料、粉料与沥青用量和拌和时间及温度等主成分数据信息外,还包括其他干扰字符和文本信息,且拌和数据的可视变化约为0.02s。在整幅图像信息中检测识别混合料主成分字符数据时,存在耗时较多、误差范围较大和无法区别是否为混合料数据信息的问题,无法满足动态过程中的拌和数据实时检测。吉林省通化市某养护公路段和内蒙古赤峰市某高速公路段的沥青拌和设备控制图像信号见图3,可知:为提高识别主成分字符数据的实时性和准确率,需根据先验知识采用人工标注方法粗定位兴趣区域。


在提取兴趣区域后,将兴趣区域对应的图像位置信息数据、混合料类型和对应模板图像数据保存为roi文件,当程序正常运行时,可快速调用roi文件,迅速获取目标字符区域,减少运行时间。完成人工标记混合料字符数据后,分割其单个字符数据。在模式识别技术中,字符分割方法包括等间距字符分割、聚类法、连通域像素标记法和投影法等。根据拌和设备使图像中沥青混合料字符数据清晰,无粘连、歪斜等问题,水平和垂直方向字符间距均匀。选用投影法,其二值化字符图像投影效果见图4,可知:在有小数点的情况下可实现字符分割。

沥青混合料拌和过程实时监控 沥青网,sinoasphalt.com

沥青混合料拌和过程实时监控 沥青网,sinoasphalt.com

根据现场数据可知,字符数据大小约为8×12或6×10像素,图像局部特征相对较少,为了充分利用图像全特征,本文采用基于灰度的模板匹配识别算法[26]。假设经过预处理后的字符灰度图像I(k,l)为待识别字符图像,k、l分别为图像的行、列坐标;K、L分别为图像长、宽;TJ(k,l)为第J(J=1,2,…,J)个模板的灰度图像,J为模板总数。根据最小距离分类法得到决策函数DJ,根据查询的决策函数最小索引值得到待识别数据字符C为

沥青混合料拌和过程实时监控 沥青网,sinoasphalt.com

本文采集识别沥青混合料数据详细流程见图5,通过识别24h内生产的沥青混合料数据,对比基于BP神经网络算法[27]和k最近邻(k-NearestNeighbor Classification,KNN)算法[28],结果见表2,可知:模板匹配识别算法相较于BP神经网络算法和KNN算法虽耗时较长,但达到了拌和过程中混合料字符数据识别的时间要求,识别准确率达100%,满足对数据采集识别准确率和时效性的要求。

沥青混合料拌和过程实时监控 沥青网,sinoasphalt.com

沥青混合料拌和过程实时监控 沥青网,sinoasphalt.com

2.2数据提取与传输的时序逻辑


根据不同型号的沥青拌和设备分析拌和数据的时变信息,归纳出数据采集传输的时序逻辑关系。沥青混合料拌和设备搅拌过程以每盘为单位进行,包括2种计量方式:一种是投入到计量仓内累加计量;另一种是投入各自计量仓内单独计量。以骨料数据为例,在单独计量仓内按照并行方式采集不同粒径的骨料用量信息,当盘数变化时,采集数据通过4G网络传输至监控终端。而在累加计量仓内,各种粒径的骨料用量是动态累加的,若按照单独计量仓的采集方法无法提取对应的每种粒径的骨料用量,因此,根据骨料用量的动态累加信息设计骨料变化的采集时序逻辑关系,见图6,可知:在骨料1与骨料2计量间隔内,骨料1的计量呈非线性增加,迅速至顶峰然后回落至平稳状态(时刻1),此平稳状态为当前骨料用量的采集时间;因粉料和沥青规格型号相对骨料型号较少,当最后一种规格(骨料4)数据采集完成时,主成分数据通过4G网络传输至监控终端。

沥青混合料拌和过程实时监控 沥青网,sinoasphalt.com

3、沥青混合料数据实时分析与应用


3.1拌和质量评价


监控终端通过网络接收到混合料数据,根据提出的多模态评价策略评价沥青混合料的拌和质量。设gm(m=1,2,…,M)为型号规格为m的骨料实际用量,M为骨料规格数;sgm为型号规格为m的骨料标准用量,pn(n=1,2,…,N)为型号规格为n的粉料实际用量,N为粉料规格数;spn为型号规格为n的粉料标准用量;b为沥青用量;rgm和rpn分别为型号规格为m、n的骨料和粉料的实际生产配合比;rgm和rpn分别为型号规格为m、n的骨料和粉料的目标配合比;rb为实际生产油石比,则

沥青混合料拌和过程实时监控 沥青网,sinoasphalt.com

以内蒙古某高速公路段拌和施工为例,采用AC-20型混合料,其中骨料包括4种规格型号,即骨料1~4;粉料包括2种规格型号,即石灰和矿粉。根据式(4)和(6)可知各规格型号的骨料和粉料目标配合比,根据式(3)和(5)可知骨料和粉料生产配合比,见表3。


根据式(7)计算油石比为5.2%,根据试验设计的骨料标准值,利用式(3)计算骨料误差,以图形方式显示生产误差与允许最大误差的关系[29],结合级配曲线采用多模态策略分析拌和质量是否合格骨料1的配合比误差曲线和级配曲线见图7,可知:骨料1质量在14盘后持续增大,当其质量增大到1449kg时,其对应的生产级配曲线仍在允许最大误差上下限内,但骨料1实际生产配合比连续10几盘远超过最大误差上 限,符合大于等于评价单位x 盘的规定,根据评价策略判断拌和质量不合格;在质量1220kg处,骨料1配合比在允许误差范围之内,但其对应的生产级配曲线在筛孔孔径13.2mm处连续4盘超过误差上限,符合大于等于评价单位y盘的规定,根据评价策略判断拌和质量不合格。

沥青混合料拌和过程实时监控 沥青网,sinoasphalt.com

沥青混合料拌和过程实时监控 沥青网,sinoasphalt.com

3.2拌和设备运行与筛分状态


因在实际施工过程中拌和时间依据试拌情况决定,且施工人员对拌和设备的操作增加了每盘的间隔时间,根据经验设定拌和时间阈值为500s,若在阈值范围内监控终端正常接收混合料数据,表示拌和设备处于正常拌和状态,否则为停工状态。以吉林省通化市某养护公路的拌和设备为例,沥青混合料数据变化趋势见图8,可知:在48盘与47盘之间时间间隔达2359s,在58盘与57盘之间时间间隔为2176s,在157盘与盘间隔为1228s,可知时间间隔均超过500s,且设备无空转或故障现象,表明在该期间拌和设备处于停工状态;在其他拌和时间内,拌和设备处于正常拌和状态,实现了监测拌和设备的运行状态。

沥青混合料拌和过程实时监控 沥青网,sinoasphalt.com

振动筛用于处理烘干加热后的骨料分级,其筛分效率决定了各规格骨料分级质量,而筛分效率主要受流量和筛孔尺寸影响[30-32]。根据50盘后的骨料数据建立骨料分布模型,见图9,可知:骨料1、3服从高斯分布,符合机械拌和规律,对比50盘之前的骨料数据,骨料1流量相对减小,骨料3流量相对增加,表示流量的适量变化对筛分效率影响相对较小,实际施工过程中振动筛的筛分效率远未达到100%,为了提高筛分通过率,一般放大筛孔尺寸,可知骨料1仓和骨料3仓选择的筛孔尺寸符合不同规格的混合料生产,使筛分正常;骨料2不服从高斯分布,且平均流量远大于标准值,在流量变化相对较小且不影响筛分效率的情况下,可知骨料2质量严重偏离标准值的原因为骨料2仓的筛孔尺寸过大,使较大规格型号的骨料进入了骨料2仓中,导致筛分异常。通过骨料的分布模型和偏离程度可监测拌和设备筛分效率,判断拌和设备筛分是否正常。


3.3混合料类型识别


在实际施工过程中拌和设备可为路面的不同面层生产不同类型的混合料。根据图8可知:相比于48盘的混合料数据,49盘的骨料2、骨料4、粉料2和沥青数据明显变化较大,远超出误差范围,表明混合料数据整体出现变动。


表4为设备每盘的拌和开始时间、拌和温度、各骨料和粉料实时生产数据,由图8和表4可知:在47盘中,骨料1实际生产质量与其标准值误差为14.44%,随着拌和的继续,骨料1、骨料2的误差分别达到19.05%、16.90%,拌和过程严重不稳定;在9:2:34之前设备开启拌和,根据接收到的数据,在49盘后生产骨料类型从5种变为4种,且骨料质量标准值和实际生产质量数据完全改变,可知实际生产的骨料类型发生变化;在49盘之前温度为171℃~176℃,在49盘之后温度为154℃~166℃,拌和温度变化剧烈;根据混合料类型文件中的目标配合比先验知识搜索可知,沥青混合料从下面层的AC-25变为中面层的AC-20;157盘之后,当重新拌和时生产骨料类型仍为4种,且骨料标准值和拌和温度无变化,可推出实际生产的混合料类型无变化,实现了在无人工干预的情况下自动识别不同面层生产混合料的类型。

沥青混合料拌和过程实时监控 沥青网,sinoasphalt.com

沥青混合料拌和过程实时监控 沥青网,sinoasphalt.com

沥青混合料拌和过程实时监控 沥青网,sinoasphalt.com

沥青混合料拌和过程实时监控 沥青网,sinoasphalt.com

3.4数据服务与应用


采用MYSQL作为系统数据库平台[31],实现WEB客户端可视化监控浏览,见图10,可知:该功能可实时显示存储混合料数据、历史数据查询、总体成本核算和统计分析等,并可生成混合料数据历史文档记录,作为保障拌和施工质量的重要凭证。其主要功能为:根据多模态策略综合评价拌和质量,统计分析沥青混合料在规定时期内的拌和合格率,在吉林省通化市某公路施工现场中,通过该方法统计拌和合格率为84.38%;监测拌和站设备的运行和筛分状态,在拌和异常的情况下实现实时报警功能,指导现场施工人员根据拌和设备出现的故障及时采取相应措施,保证后续生产混合料的质量;根据先验知识,在无人工输入的情况下自动识别不同面层的混合料类型;实时显示每盘不同规格型号的混合料用量信息,在监控终端完成拌和数据信息的连续更新,实现拌和过程中数据可视化显示;实现在监控过程中监测信息的实时在线查询、存储和历史数据统计分析。


6h内混合料用量统计见图11,可知:该系统可统计指定时间内骨料、粉料和沥青等实际生产总量和理论生产总量,记录数据装置的可信度,为工程造价提供依据。

沥青混合料拌和过程实时监控 沥青网,sinoasphalt.com

沥青混合料拌和过程实时监控 沥青网,sinoasphalt.com

4、结语

(1)采用非介入模式识别技术采集拌和过程中沥青混合料的动态数据,采集时间为4.9ms,识别准确率为100%,能在不干扰正常施工的情况下,准确、实时、全面地采集拌和过程数据,解决了抽样单点检测滞后、片面的缺点。


(2)根据采集到的沥青混合料数据,建立基于生产配合比与目标配合比的误差、生产级配的波动范围、油石比含量、拌和温度和拌和时间等多源信息相互融合的多模态策略,评价沥青混合料拌和质量是否合格。


(3)基于混合料数据的统计分析,建立骨料数据的分布模型,实现了拌和设备运行与筛分状态的分析判断;利用目标配合比先验知识,实现了在无人工干预的情况下识别不同层面的沥青混合料类型。


(4)实现了沥青混合料配合比、级配、温度和拌和时间等WEB客户端可视化监控,及时反馈拌和质量和拌和设备运行状况,实现了混合料历史数据查询和统计分析功能,并可生成历史文档记录,满足了施工单位和管理部门对施工过程的实时动态远程监控和工程造价的评判。


(5)本文中仅分析了沥青混合料拌和过程中的质量评价和拌和设备运行及筛分的状态,后续将研究如何根据混合料拌和数据细粒度区分拌和设备运行的各种故障。


中网涂料 中网沥青 中网建材 中网化工 中网机械 中国牛涂网 中网机器人 中网塑料 中网橡胶 中网玻璃
免责声明: 本文仅代表作者本人观点,与中国沥青网无关。本网对文中陈述、观点判断保持中立,不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考,并请自行承担全部责任。本网转载自其它媒体的信息,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。如因作品内容、版权和其它问题需要同本网联系的,请在一周内进行,以便我们及时处理。邮箱:23341571@qq.com,客服QQ:23341571