基于人工神经网络的碳纳米管改性沥青水损害模型研究

• 作者: 杨军 黄鹏
• 来源期刊: 江苏交通科技
• 关键词: 原子力显微镜 粒子群优化算法 神经网络 碳纳米管改性沥青
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 道路工程
• 页码范围: 2-6,9
• 页数: 6页
• 语种: 中文

摘要

将不同学习算法与人工神经网络(ANN)相结合,研究在碳纳米管改性沥青胶结料中黏附力的建模应用.通过原子力显微镜(AFM)对270个数据样本在不同干湿条件下进行试验,获得纳米尺度下碳纳米管改性沥青胶结料的黏附力.采用基质沥青、基质+ 4％ SB(热塑性弹性体)、基质+ 4％ SBS(热塑性橡胶类材料)、基质+5％ SB、基质+5％ SBS共5种沥青胶结料,并对聚合物改性沥青进行了碳纳米管改性试验.将沥青与2种碳纳米管(单壁和多壁)混合,2种碳纳米管分别使用3个不同的百分比含量.采用粒子群算法(PSO)确定神经网络的最优结构,分别采用反向传播算法(BP)、粒子群算法(PSO)和模拟退火算法(SA)适应神经网络的连接权重.结果 表明,与BP-ANN、SA-ANN等神经网络相比,PSO-ANN的混合神经网络能更好地模拟碳纳米管改性沥青胶结料中的黏附力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨军	东南大学交通学院	210	2336	24.0	38.0
2	黄鹏	东南大学交通学院	17	52	4.0	7.0