摘要
基于智能颗粒传感器测试旋转压实过程中沥青混合料内部颗粒接触应力,提出了应力变化率指标Rs以及应力嵌锁点(LPS)判定方法。选取AC-13、AC-20与SMA-13这3种沥青混合料,进行旋转压实成型,测试粗集料接触应力,从细观力学角度识别混合料宏观力学嵌锁状态,并与传统基于旋转压实高度变化识别嵌锁点的结果进行对比。结果表明:① 位于试件上部与底部智能颗粒的测试信号存在频谱混叠和谐波干扰,建议将智能颗粒布置于受干扰小的试件中部进行测试;② 对于AC悬浮密实型沥青混合料,存在3个压实阶段:压实初始粗细集料相互接触挤压,Rs快速增大,进入快速压实阶段;随着悬浮在粗骨料周围的细集料与沥青胶结料开始承担荷载,Rs相对减小,进入蠕变阶段;当各组分间形成稳定内部结构,应力达到嵌锁状态;③对于SMA骨架密实型沥青混合料,可分为2个压实阶段:粗集料在初始压实作用下快速形成咬合骨架,并在外荷载作用下接触应力不断增强,进入紧固压实阶段,应力幅值与Rs呈增长趋势;当集料形成稳定骨架受荷结构时,达到应力嵌锁状态;④ SMA-13混合料压实可能会受温度离析影响,在拌和温度170℃条件下,颗粒应力幅值在紧固压实阶段产生波动,并非线性增加;⑤ 与传统基于试件高度变化的嵌锁点判定结果对比,基于Rs判定的LPS均滞后于体积嵌锁点。
高性能沥青路面(superpave)沥青混合料设计体系的总体理念认为,若生产拌合的沥青混合料经过施工碾压,在开放交通后能够达到一个最终密度,这个最终密度可以表征混合料形成了相互咬合嵌锁且稳定的骨架结
目前研究者们主要基于旋转压实过程试件高度变化来进行“嵌锁点”的判别。美国阿拉巴马州交通
智能颗粒传感器是一款集成了加速度、应力、温度和四元数(旋转姿态)测试元件的颗粒级传感
颗粒间非连续以及非均匀的排布形成了复杂的接触网络,从而形成了荷载传递路径——力链。力链作为颗粒物质研究中一个重要概念,它揭示了颗粒体系的结构层次以及力学性质的关系。需要说明的是,在外荷载影响下力链发生断裂和重构导致荷载传递路径变化,但是颗粒间接触网络(颗粒间拓扑关系)未必发生变
为了能够量化沥青混合料旋转压实特性的应力嵌锁点,本文通过智能颗粒测试压实过程中颗粒细观响应,基于颗粒接触应力提出一种沥青混合料旋转压实“应力嵌锁点”判别方法,从细观力学角度识别混合料宏观力学嵌锁状态,并与传统基于旋转压实高度参数的嵌锁点方法判别结果进行对比。主要工作包括:① 选取3种沥青混合料(AC-13、AC-20与SMA-13)作为研究对象;② 获取旋转压实过程中颗粒的细观运动响应和接触应力;③ 结合滤波方法提出一种基于颗粒接触应力的嵌锁点判别指标与方法;④ 分析颗粒传感器测试位置对于试验结果的影响;⑤ 分析不同结构类型混合料颗粒接触应力变化特征与压实状态演化间关系;⑥ 对比基于试件高度变化判断体积嵌锁点,分析与应力嵌锁点之间的关系。
智能颗粒是针对铁路有砟道床和公路路面的受力、变形以及稳定性等监测需求开发的颗粒级耐高温传感器(如

图1 智能颗粒(单位:mm)
Fig. 1 SmartRock(unit:mm)

图2 智能颗粒数据采集传输与记录
Fig. 2 Data transmission and collecting of SmartRock
传感器外壳与应变计紧密贴合,在压实过程中,压缩的智能颗粒外壳会产生轻微变形,应变计的电阻值也会发生变化。智能颗粒将荷载作用下传感器测试电压变化值转换得到的颗粒压应力值,转换式按照等
f=(U-U0-b lnT-c)/(aA) | (1) |
式中:f为应力值,N·
传感器编号 | 方向 | a | b | c | U0 |
---|---|---|---|---|---|
R1 | X | -0.047 71 | 0.093 67 | -0.717 80 | 2.28 |
Y | -0.053 77 | 0.127 00 | -1.137 00 | 2.30 | |
Z | -0.061 23 | 0.066 68 | -0.692 40 | 2.38 | |
R2 | X | -0.044 00 | -0.065 09 | 0.041 85 | 2.32 |
Y | -0.050 06 | -0.065 09 | -0.084 48 | 1.86 | |
Z | -0.052 62 | -0.022 23 | -0.395 90 | 2.04 | |
R3 | X | -0.053 48 | 0.092 08 | -0.660 90 | 2.30 |
Y | -0.067 35 | -0.020 64 | -0.415 60 | 2.44 | |
Z | -0.052 27 | 0.0031 75 | -0.423 90 | 2.00 |
智能颗粒还能测试颗粒温度、三向加速度以及旋转角。需要指出的是,智能颗粒测试数据均为局部坐标系条件下,可以通过旋转矩阵转换得到全局坐标系下相应测试
选择3种密级配沥青混合料(AC-13、AC-20与SMA-13),原材料来源于虹桥机场路面工程建设项目。其中,AC-20和AC-13沥青混合料采用重载沥青和石灰石骨料,SMA-13沥青混合料采用高弹沥青和玄武岩骨料。各种沥青混合料的配合比设计详见
混合料类型 | 不同粒径范围质量分数/% | 矿粉质量分数/% | 油石比/% | 聚酯纤维质量分数/% | ||||
---|---|---|---|---|---|---|---|---|
0~3mm | 3~5mm | 5~10 mm | 10~15 mm | 15~25 mm | ||||
AC-20 | 27 | 10 | 19 | 15 | 26 | 3 | 4.2 | 0 |
AC-13 | 31 | 16 | 31 | 19 | 0 | 3 | 5.1 | 0 |
SMA-13 | 14 | 5 | 34 | 37 | 0 | 10 | 5.7 | 0.35 |
沥青与集料的相关指标特性如
试验项目 | 针入度/0.1mm | 软化点/℃ | 延度/cm |
---|---|---|---|
标准要求 | 40~60 | ≥75 | ≥30 |
高弹沥青 | 47 | 92 | 54 |
重载沥青 | 48.5 | 98 | 38 |
沥青混合料 | 密度/(g·m | 最大理论密度/(g·m | 空隙率/% | 矿料间隙率/% | 有效沥青饱和度/% | 马歇尔稳定度/kN | 流值/0.1mm |
---|---|---|---|---|---|---|---|
SMA-13 | 2.51 | 2.62 | 4.1 | 16.9 | 75.5 | 11.3 | 34.0 |
AC-13 | 2.39 | 2.51 | 4.0 | 14.2 | 71.8 | 10.6 | 28.6 |
AC-20 | 2.43 | 2.55 | 4.4 | 13.4 | 67.2 | 11.1 | 33.6 |
采用PINE旋转压实仪(如

图3 沥青混合料旋转压实智能颗粒测试
Fig. 3 Testing of SmartRock for asphalt mixture gyratory compaction表5 试验安排
沥青混合料类型 | 试件质量/kg | SmartRock布置位置 | 拌合温度/℃ | 测试频率/Hz | 旋转压实次数 | |||
---|---|---|---|---|---|---|---|---|
165 | 170 | 180 | 190 | |||||
SMA-13 | 4.8 | 上部 | √ | 100 | 100 | |||
中部 | √ | √ | √ | |||||
下部 | √ | |||||||
AC-13 | 4.8 | 上部 | 100 | 120 | ||||
中部 | √ | |||||||
下部 | ||||||||
AC-20 | 4.8 | 上部 | √ | 100 | 120 | |||
中部 | √ | |||||||
下部 | √ |
根据智能颗粒测试得到的颗粒接触应力响应构建指标,用来够判别压实试件是否达到应力嵌锁点。在旋转压实过程中,颗粒传感器测得的压应力信号近似于正弦函数,其中部分信号如
Rs= = | (2) |
式中:Smax、Smin分别表示每次旋转压实测试值的极大值与极小值; Smean为每次旋转压实测试动态响应极大值与极小值的平均值。

图4 旋转压实过程中智能颗粒应力测试值
Fig. 4 Testing value of compressive stress of intelligent particles in the process of gyratory compaction
为了计算动态响应值变化幅度的波动情况,在计算Rs的基础上定义波动指标ΔRs,i。首先计算第i次至第i+m次Rs的平均值Rsmean,i与最大值Rsmax,i,i依次从1到m取值,m≥2,按
Rsmean,i = | (3) |
Rsmax,i =max(Rs,i,Rs,i+1,…,Rs,i+m) | (4) |
取i次Rsmax,i与Rsmean,i的差值作为第 i次Rs的波动指标,按
ΔRs,i =Rsmax,i-Rsmean,i | (5) |
计算ΔRs,i最小值ΔRsmin ,见
ΔRsmin =min(ΔRs,i ,ΔRs,i+1,…,ΔRs,i+m) | (6) |
最后,计算每i次Rs波动误差值E,按照
E=ΔRs,i -ΔRsmin | (7) |
当计算第j次误差值小于误差阈值ε时,即判定第j次为旋转压实“嵌锁点”,判断式如
E=ΔRs,j -ΔRsmin< ε | (8) |
试验中为了减少测试外部环境以及加载设备的噪声干扰,采用巴特沃斯带通滤波器对测试信号进行滤波降噪。根据滤波后的响应,按照

图5 应力嵌锁点判别流程
Fig. 5 Determination of stress locking point
另外,为了与传统基于旋转压实高度的嵌锁点判定方法对比,选取3类典型的判别方法汇总于
传统基于试件高度变化的嵌锁点判定方法 | 标识 |
---|---|
第1次出现连续3次旋转压实高度相同时的首次旋转次 | LP 3 |
第1次出现连续3次旋转压实高度相同且之前有2组连续2次高度相同时的首次旋转次 | LP 2-2-3 |
第3次出现连续2次旋转压实高度相同时的首次旋转次 | LP 2-3 |
考虑到旋转压实仪两端压头可能对沥青混合料试件压实响应特征产生边界效应影响,选取AC-20(拌和温度165℃)混合料与SMA-13(拌和温度180℃)混合料试件上、中、下部埋置智能颗粒传感器进行测试。

图6 AC-20(165℃)与SMA-13(180℃)混合料试件不同位置处应力测试结果
Fig. 6 Results of stress at various positions of AC-20 (165 ℃) and SMA-13 (180 ℃)

图7 AC-20(165℃)与SMA-13(180℃)混合料试件不同位置处测试应力频谱分析结果
Fig. 7 Analysis results of stress spectrum at various positions of AC-20 (165 ℃) and SMA-13 (180 ℃)
根据应力响应频域分析结果,通过带通滤波提取0.5Hz基频信号,得到降噪后AC-20和AC-13混合料的颗粒接触应力响应时程曲线,并计算对应Rs值,其结果如

图8 拌和温度165℃条件下AC-20和AC-13混合料颗粒应力与Rs值
Fig. 8 Stress and Rs of particles for AC-20 and AC-13 at 165℃
同样地,计算SMA-13在不同拌和温度条件下滤波后颗粒接触应力响应时程曲线及相应Rs值,其结果如

图9 不同拌和温度条件下SMA-13混合料颗粒应力与Rs值
Fig. 9 Stress and Rs of particles for SMA-13 at various compaction temperatures
根据

图10 根据试件高度变化判定AC-20与AC-13(165℃)混合料旋转压实嵌锁点
Fig. 10 Determination of LPS for AC-20 and AC-13 (165℃) based on the change in specimen height

图11 不同拌和温度下根据试件高度变化判定SMA-13混合料旋转压实嵌锁点
Fig. 11 Determination of LPS for SMA-13 based on the change in specimen height at various temperatures

图12 AC-20与AC-13混合料旋转压实应力嵌锁点判定
Fig. 12 Determination of LPS for AC-20 and AC-13

图13 不同拌和温度下SMA13混合料旋转压实应力嵌锁点判定
Fig.13 Determination of LPF for SMA-13 at various temperatures
可以发现,由上述基于试件高度变化方法判定的嵌锁点会因为方法的差异造成结果相差较大。结合3.2节颗粒应力状态分析,再根据基于颗粒接触应力变化率指标Rs判定的应力嵌锁点(LPS)则可以从细观力学尺度上解决基于体积参数方法无法统一的问题。计算Rs波动误差ERs,i判定AC-20与AC-13混合料应力嵌锁点(LPS)分别为97与96次,同样均小于试验规范要求的旋转次数(120次),结果如
另外,由于Rs反映了混合料压实变化周期波动以及总体趋势特征,对于AC混合料应力测试不同的压实状态,
相似地,计算Rs波动误差E判定不同拌和温度下SMA-13混合料应力嵌锁点(LPS)分别为94次(170℃)、94次(180℃)与92次(190℃),较接近试验要求旋转次数,结果如
基于智能颗粒传感器测试旋转压实过程中沥青混合料内部颗粒接触应力,提出了应力变化率指标Rs以及应力嵌锁点(LPS)判定方法。选取不同结构沥青混合料材料,在旋转压实试件不同测试位置、不同拌和温度条件下进行试验与分析,并与传统体积嵌锁判定方法结果进行对比,主要结论如下:
(1)位于试件上部与底部智能颗粒的测试信号存在频谱混叠和谐波干扰,建议将智能颗粒布置于试件中部进行测试,受干扰小。
(2)AC-20与AC-13悬浮密实型沥青混合料的压实成型可分为3个压实阶段:① 快速压实阶段,粗细集料相互接触挤压,粗集料应力幅值与Rs快速增大;② 蠕变阶段,悬浮在粗骨料周围的细小组分开始承担荷载,接触应力幅值与Rs相对减小;③ 当各组分形成稳定的荷载分担,达到应力嵌锁状态。
(3)SMA-13骨架密实型沥青混合料的压实成型可分为2个压实阶段:① 紧固压实阶段,粗集料在初始压实作用下快速形成咬合骨架,并随着外界压实功输入,颗粒间咬合作用不断增强,接触应力幅值与Rs均呈增大趋势;② 当集料形成稳定骨架受荷结构时,达到应力嵌锁状态。
(4)SMA-13混合料压实可能受温度离析影响,颗粒应力幅值在紧固压实阶段会产生波动,并非线性增加。对比170℃、180℃与190℃拌和温度条件,170℃条件下颗粒应力非线性变化现象较为显著。
(5)与传统基于试件高度嵌锁点判定结果进行对比,基于Rs判定的LPS均滞后于体积嵌锁点。
从颗粒细观尺度探索了AC与SMA 2种类型沥青混合料随旋转压实成型的骨架受力演化特征,并且提出的嵌锁点判定方法将传统体积嵌锁拓展到力学嵌锁,然而由于受智能颗粒尺寸限制,颗粒测试结果主要代表粗集料细观力学行为,后续将研发更小尺寸的微型颗粒传感器,从而实现细集料细观力学测试。另外,需结合离散元计算手段,揭示沥青混合料压实力学演化行为。
作者贡献声明
张 德:负责试验设计、数据分析与计算、论文撰写。
程志强:负责试验设计与论文修改。
谢胜加:负责实施试验与数据分析。
陆青清:负责试验设计与制定。
蒋 曦:负责数据分析与论文修改。
黄宝山:负责试验设计与论文修改。
参考文献
LI X, GIBSON N. Mechanistic characterization of aggregate packing to assess gyration levels during HMA mix design [J]. Journal of the Association of Asphalt Paving, 2011, 80: 33. [百度学术]
GAO L, NI F, CHARMOT S, et al. Influence on compaction of cold recycled mixes with emulsions using the superpave gyratory compaction [J]. Journal of Materials in Civil Engineering, 2014, 26(11): 04014081.1. [百度学术]
WANG X, REN J, HU X, et al. Determining optimum number of gyrations for porous asphalt mixtures using superpave gyratory compactor [J]. KSCE Journal of Civil Engineering, 2021, 25(6): 2010. [百度学术]
PROWELL B, BROWN E R, Superpave mix design: verifying gyration levels in the n design table [R]. Washington D C: Transportation Research Board, 2007. [百度学术]
MOHAMMAD L N, SHAMSI K A. A look at the bailey method and locking point concept in superpave mixture design [R]. Washington D C: [S.n.], 2007. [百度学术]
VAVRIK W R, PINE W J, Carpenter S H. Aggregate blending for asphalt mix design: Bailey method [J]. Transportation Research Record Journal of Transportation Research Board, 2002, 1789(1): 146. [百度学术]
BAHIA H U, FRIEMEL T P, PETERSON P A. Optimization of constructibility and resistance to traffic: a new design approach for HMA using the superpave compactor [J]. Journal of the Association of Asphalt Paving Technologists, 1998, 67: 189. [百度学术]
MASAD E, KASSEM E, CHOWDHURY A, et al. A method for predicting asphalt mixture compactability and its influence on mechanical properties [R]. Texas: Texas Transportation Institute, 2009. [百度学术]
VAVRIK W R, FRIE R J, Carpenter S H. Effect of flat and elongated coarse aggregate on characteristics of gyratory compacted samples [J]. Transportation Research Record Journal of Transportation Research Board, 1999, 1681: 28. [百度学术]
CHENG Z, ZHANG D, XIE S, et al. SmartRock-based research on gyratory locking point for stone mastic asphalt mixture [J]. Buildings, 2022, 12: 97. [百度学术]
MALLICK R B. Use of superpave gyratory compactor to characterize hot-mix asphalt [J]. Transportation Research Record, 1999(1681): 86. [百度学术]
VAVRIK W R, PINE W J, CARPENTER S H. Aggregate blending for asphalt mix design[J]. Transportation Research Record Journal of Transportation Research Board, 2002 (1789): 146. [百度学术]
Alabama Department of Transportation. Special Provision No. 02-0360(5)-2004—Amendment for Section 424[S]. Montgomery: Alabama Standard Specifications, 2004. [百度学术]
ANDERSON R M, TURNER P A, PETERSON R L. Relationship of superpave gyratory compaction properties to HMA rutting behavior [R]. Washington D C: Transportation Research Board, 2002. [百度学术]
POLACZYK P, HAN B, HUANG B, et al. Evaluation of the hot mix asphalt compactability utilizing the impact compaction method [J]. Construction and Building Materials, 2018, 30: 131. [百度学术]
POLACZYK P, HUANG B, SHU X, et al. Investigation into locking point of asphalt mixtures utilizing superpave and marshall compactors[J]. Journal of Materials in Civil Engineering, 2019, 9: 04019188.1. [百度学术]
POLACZYK P, SHU X, GONG H, et al. Influence of aggregates angularity on the locking point of asphalt mixtures [J]. Road Materials and Pavement Design. 2019, 20(1): S183. [百度学术]
POLACZYK P; HAN B, GONG H, et al. Influence of aggregate gradation on the compactability of asphalt mixtures utilizing locking point [J]. Journal of Materials in Civil Engineering, 2021, 33(3): 04021005. [百度学术]
程志强, POLACZYK P, 张德. 基于动态响应的沥青混合料冲击“嵌锁点”判别方法[J]. 中南大学学报(自然科学版), 2021, 52(7): 2232. DOI: 10.11817/j. issn. 1672-7207.2021.07.011. [百度学术]
CHENG Zhiqiang, POLACZYK P, ZHANG De, et al. A method for determininig impact locking point of asphalt mixtures based on dynamic response[J]. Journal of Centeral South University (Science and Technology), 2021, 52(7): 2232. DOI: 10.11817/j. issn. 1672-7207.2021.07.011. [百度学术]
LIU S S, QIU T, QIAN Y, et al. Simulations of large-scale triaxial shear tests on ballast aggregates using sensing mechanism and real-time (SMART) computing [J]. Computers and Geotechnics, 2019, 110:184. [百度学术]
LIU S S, HUANG H, QIU Tong, et al. Comparison of laboratory testing using smartrock and discrete element modeling of ballast particle movement [J]. Journal of Materials in Civil Engineering, 2016, 29(3): D6016001. [百度学术]
WANG X, SHEN S, HUANG H. Characterization of particle movement in superpave gyratory compactor at mesoscale using SmartRock sensors [J]. Construction and Building Materials, 2018, 175: 206. [百度学术]
WANG X, SHEN S, HUANG H, et al. Towards smart compaction: Particle movement characteristics from laboratory to the field [J]. Construction and Building Materials, 2019, 218: 323. [百度学术]
DAN H C, YANG D, LIU X, et al. Experimental investigation on dynamic response of asphalt pavement using SmartRock sensor under vibrating compaction loading [J]. Construction and Building Materials,2020, 247: 118592. [百度学术]
ZHANG D, CHENG Z, GENG D, et al. Experimental and numerical analysis on mesoscale mechanical behavior of coarse aggregates in the asphalt mixture during gyratory compaction [J]. Processes, 2021, 10(1):47. [百度学术]
SHI B, SHEN S, LIU L, et al. Estimation of vehicle speed from pavement stress responses using wireless sensors [J]. Journal of Transportation Engineering, Part B: Pavements, 2021, 147(3): 04021028. [百度学术]
WANG X, SHEN S, HUANG H. Meso-scale kinematic responses of asphalt mixture in both field and laboratory compaction [J]. Transportation Research Record, 2021, 2675(9):1631. [百度学术]
DAN H C, YANG D, ZHAO L H, et al. Meso-scale study on compaction characteristics of asphalt mixtures in superpave gyratory compaction using SmartRock sensors [J]. Construction and Building Materials, 2020, 262:120874. [百度学术]
FONSECA J, O’SULLIVAN C, COOP M R, et al. Quantifying the evolution of soil fabric during shearing using directional parameters[J]. Géotechnique, 2013, 63(6):487. [百度学术]
VAVRIK W R, CARPENTER S H. Calculating air voids at specified number of gyrations in superpave gyratory compactor [J]. Transportation Research Record, 1998, 1630(1): 117. [百度学术]
LEIVA F, WEST F. Analysis of hot-mix asphalt lab compactability using lab compaction parameters and mix characteristics [J]. Transportation Research Record, 2008, 2057(1): 89. [百度学术]