W artykule przedstawiono wpływ ujemnej temperatury i opadów reprezentujących warunki zimowe na właściwości nawierzchni wykonywanej podczas ich występowania. W celu uchwycenia granicznych warunków atmosferycznych, po przekroczeniu których właściwości nawierzchni znacznie odbiegają od wymaganych, wyodrębniono cztery odcinki, na których wykonywano podbudowę z betonu asfaltowego AC22P oraz warstwę wiążącą z betonu asfaltowego AC16W, w różnych warunkach atmosferycznych. W artykule opisano wady nawierzchni powstałe na skutek wykonywania robót w nieodpowiednich warunkach pogodowych.
EN
The article presents the impact of adverse weather conditions occurring in winter on the properties of the pavement performed during such winter conditions. In order to try to capture the boundary atmospheric conditions, beyond which the properties of the pavement significantly differ from the required ones, four sections were distinguished on which the AC22P asphalt concrete foundation and the AC16W asphalt concrete binding layer were made, in various weather conditions. The article the surface defects caused by the execution of works in inappropriate weather conditions were demonstrated.
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
W artykule przedstawione zostały rezultaty identyfikacji grubości warstw asfaltowych nawierzchni podatnej odcinka próbnego, przy zastosowaniu Sztucznych Sieci Neuronowych (SSN). Korzystając z pomiarów przemieszczeń nawierzchni na odcinku próbnym, wykonanych ugięciomierzem FWD, zbiór uzyskanych wyników został podzielony na dwie części. Pierwszą cześć zbioru wyników wykorzystano do nauki jednokierunkowej, wielowarstwowej sztucznej sieci neuronowej. Druga część z pomiaru ugięciomierzem FWD, stanowiła zbiór do testowania wyuczonej sieci. Ostatecznie przy założeniu, że znane są tylko wyniki z pomiarów ugięciomierzem FWD, oszacowano grubości warstw asfaltowych nawierzchni na odcinku próbnym. Należy podkreślić, ze wartość średnia obliczonych grubości warstw należy do przedziału dokładności możliwej do zaakceptowania w drogownictwie.
EN
The paper presents the results of back-calculation that is used to evaluate the thickness of asphalt layers for flexible pavement of test section, using Artificial Neural Network (ANN). Making use of Falling Weight Deflection (FWD) measurements from test section, the obtained data set was divided onto two parts. The first part of data set was used in learning process of feed-forward multilayered ANN. The second part was to be a test set of input/output values that were introduced to already trained ANN. Finally, according that the only known values are those from FWD measurements, the thickness of pavement asphalt layers was estimated within acceptable tolerance in the field of road pavement activity.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.