Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Nondestructive diagnostics and detection of subsurface cracks in non-rigid pavements with GPR

Batrakov Dmitry O., Batrakova Angelika G., Urdzik Sergey N., Danielyan Vadim R.

Diagnostyka

2021

Vol. 22, No. 2

85--95

The results of laboratory experiments that show the capabilities of modern georadars are presented. Analysis of GPR capabilities allowed to propose a new approach to solving the actual problem of detecting subsurface cracks. The proposed method for recording pulse signals and data processing is based on algorithms and software previously developed by the authors. With the help of this method and the experiments carried out, the possibility of agreed solution to the problem of choosing the optimal parameters of the GPR pulsed signals was shown. To confirm the effectiveness of the developed signal processing methods, a series of laboratory experiments were carried out. The new version of the program "GeoVizy-2020" made it possible to increase the efficiency of processing complex impulse signals, as well as to realize the possibility of calculating the quantitative values of the most important parameters of the road pavement layers - the relative permittivity and thickness. Also, to check the adequacy of the results obtained, a method was used, which is based on the procedure for direct measurement of the real layer thickness in laboratory and field conditions and comparison of the data obtained with the results of numerical simulation. As a result, evidence is presented of the advantages of using pulsed signals for assessing layer parameters, searching for subsurface cracks and processing the results of surveys of road surfaces is presented.

Prediction of the road pavement condition index using stochastic models

Batrakova Angelika G., Troyanovsky Vladimir V., Batrakov Dmitry O., Pilicheva Maryna O., Skrypnyk Nataliia S.

Roads and Bridges - Drogi i Mosty

2020

Vol. 19, no. 3

225--242

Mathematical models for prediction of road network condition based on the so-called Markov chains are presented in this article. The data for calculation of elements of the transition matrix from one condition to another are taken from visual evaluation as well as from instrumental reading. It is recommended to prepare data sets in the form of pavement management system data tables based on a representative sample of measuring sections. Discrete time intervals – of one year – are used when constructing the model of transition matrices. The procedure of forming Markov transition matrix with partially complete data sets is proposed also in paper. The basis of this procedure is information on the previous condition of the structure and the results of the instrumental evaluation, which enables correction of the predicted values. The final matrix takes into account not only the probability, but also the speed of transition from one condition to another. It is also possible to work with the initial data using appropriate databases or other software.

W artykule omówiono modele matematyczne prognozowania stanu sieci drogowej z zastosowaniem tzw. łańcuchów Markowa. Dane do obliczeń elementów macierzy przejścia pomiędzy stanami są uzyskiwane na podstawie oceny wizualnej oraz w wyniku pomiarów instrumentalnych. Zalecane jest przygotowanie zestawów danych w postaci tablic systemu zarządzania stanem nawierzchni drogowej sporządzanych na podstawie reprezentatywnej próby odcinków pomiarowych. Macierze przejścia pomiędzy stanami są tworzone w przedziałach czasu o długości jednego roku. W artykule przedstawiono także procedurę tworzenia macierzy przejścia na podstawie częściowo niepełnych zestawów danych, w których wykorzystano informacje o wcześniejszym stanie nawierzchni oraz wyniki pomiarów instrumentalnych, pozwalających na skorygowanie prognozowanych wartości. Uzyskana ostatecznie macierz uwzględnia nie tylko prawdopodobieństwo, lecz również prędkość przejścia pomiędzy stanami. Ponadto możliwe jest także przetwarzanie danych wejściowych z odpowiednich baz lub ich wykorzystanie przy zastosowaniu innego oprogramowania.