Desarrollo de un probador de resistencia al corte de interfaz y un modelo que predice la tasa de aplicación óptima de la capa de adherencia
Autores: Kim, Dowan; Mun, Sungho
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Desarrollo de un probador de resistencia al corte de interfaz y un modelo que predice la tasa de aplicación óptima de la capa de adherencia
Categoría
Ciencias de los Materiales
Subcategoría
Materiales estructurales
Palabras clave
Capa de adherencia
Tasas de aplicación
Condiciones de prueba
Resistencia al corte
Pavimentos de asfalto
Porosidad
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 16
Citaciones: Sin citaciones
Las tasas de aplicación de la capa de adherencia y las condiciones de prueba difieren entre naciones y condiciones de construcción debido a la disponibilidad de varios materiales de capa de adherencia. En este estudio, se optimizan materiales más nuevos para su adición a pavimentos de asfalto poroso expuestos a lluvias torrenciales, que son comunes en Corea del Sur. Se utilizan pruebas de resistencia al corte en la interfaz (ISS) para definir las tasas de aplicación óptimas (OAR) de los materiales de capa de adherencia generalmente utilizados en Corea del Sur, haciendo referencia a la Norma de Diseño Coreana (KDS), la Norma de Construcción Coreana (KCS) y las características de la construcción de pavimentos y su unión. Realizamos pruebas de ISS utilizando mezclas de asfalto con porosidades del 3, 5 y 7% para explorar el efecto de la porosidad en la resistencia al corte. Las ISS asociadas con diferentes proporciones de capa de adherencia se determinaron anteriormente creando ecuaciones de regresión polinómica. Aquí, desarrollamos un modelo predictivo utilizando una función no lineal para estimar la OAR de la capa de adherencia y comparamos nuestro enfoque con el análisis de regresión polinómica anterior. Basándonos en las ISS, se aplicó el método de búsqueda de la sección áurea para definir las OAR proporcionadas por la función polinómica predictiva. Utilizamos el algoritmo de gradiente reducido generalizado para construir una función predictiva no lineal utilizando datos de las pruebas de ISS. Finalmente, nuestro análisis comparativo mostró que el modelo predictivo que utiliza la función no lineal fue superior al modelo polinómico en términos de tasa de error y tendencia predictiva.
Descripción
Las tasas de aplicación de la capa de adherencia y las condiciones de prueba difieren entre naciones y condiciones de construcción debido a la disponibilidad de varios materiales de capa de adherencia. En este estudio, se optimizan materiales más nuevos para su adición a pavimentos de asfalto poroso expuestos a lluvias torrenciales, que son comunes en Corea del Sur. Se utilizan pruebas de resistencia al corte en la interfaz (ISS) para definir las tasas de aplicación óptimas (OAR) de los materiales de capa de adherencia generalmente utilizados en Corea del Sur, haciendo referencia a la Norma de Diseño Coreana (KDS), la Norma de Construcción Coreana (KCS) y las características de la construcción de pavimentos y su unión. Realizamos pruebas de ISS utilizando mezclas de asfalto con porosidades del 3, 5 y 7% para explorar el efecto de la porosidad en la resistencia al corte. Las ISS asociadas con diferentes proporciones de capa de adherencia se determinaron anteriormente creando ecuaciones de regresión polinómica. Aquí, desarrollamos un modelo predictivo utilizando una función no lineal para estimar la OAR de la capa de adherencia y comparamos nuestro enfoque con el análisis de regresión polinómica anterior. Basándonos en las ISS, se aplicó el método de búsqueda de la sección áurea para definir las OAR proporcionadas por la función polinómica predictiva. Utilizamos el algoritmo de gradiente reducido generalizado para construir una función predictiva no lineal utilizando datos de las pruebas de ISS. Finalmente, nuestro análisis comparativo mostró que el modelo predictivo que utiliza la función no lineal fue superior al modelo polinómico en términos de tasa de error y tendencia predictiva.