Resumen

En primer lugar, se investigaron las correlaciones entre la textura del pavimento y la presión de los neumáticos con el área de contacto real entre el neumático y la carretera según las características de contacto estático entre el neumático y la carretera; sobre esta base, se exploraron sistemáticamente los mecanismos de influencia de la velocidad y la textura del pavimento en el coeficiente de fricción del pavimento desde el ángulo de la dinámica del sistema de acoplamiento entre el neumático y la carretera a través del sistema de pruebas dinámicas de fricción entre el neumático y el pavimento desarrollado por la propia empresa. Integrando los factores de influencia mencionados, se aplicó el método de la red neuronal BP a la regresión del modelo de predicción del coeficiente de fricción del pavimento asfáltico. Mediante la comparación entre el valor medido del modelo y el valor estimado, su coeficiente de correlación R2 alcanzó el 0,73, lo que indica que este modelo tiene una precisión de predicción satisfactoria y es aplicable al diseño antideslizante del pavimento asfáltico.

• Materias:Análisis de suelos Hormigón Construcciones de hormigón Asfalto
• Subjects:Soil testing Concrete Concrete construction Asphalt
• Palabras claves:coeficiente de fricción del pavimento, textura del pavimento, área de contacto de la carretera, ángulo del neumático, características de contacto estáticas, precisión de predicción satisfactoria, mecanismo de velocidad, sistema de neumático, sistema de acoplamiento dinámico, coeficiente de correlación r2
• Keywords:pavement friction coefficient, pavement texture, road contact area, angle of tire, static contact characteristics, satisfactory prediction accuracy, mechanism of speed, system of tire, coupling system dynamic, correlation coefficient r2