книги / Техническое нормирование макрошероховатости дорожных покрытий автомобильных и лесовозных дорог

мать показания с лазерных датчиков перемещений и обрабатывать полученные результаты по специальному алгоритму.

Результаты измерений расстояния от базовой плоскости до измеряемой поверхности дорожного покрытия. Для сравнения полученных значений необходимо указание и синхронизация отметок пройденного пути от мерного колеса на графике, полученном от лазерного датчика. Результаты измерения записываются в файлы и используются для дальнейшей обработки и анализа. В файле должны быть записаны измеренные изменения расстояний, полученные от лазерного датчика ТИРП-100, и показания мерного колеса.

Программное обеспечение должно обеспечивать внесение поправки в результаты измерения для компенсации возможной систематической погрешности, определяемой при сравнительных статических испытаниях лазерного датчика.

Результаты натурных измерений представлены на рис. 3.11.

Рис. 3.11. Результаты натурных измерений макрошероховатости краевой шумовой поверхностной обработки

Результаты вычисления среднего прогиба, дисперсии и среднеквадратического отклонения представлены в табл. 3.3.

Таблица 3.3

Результаты вычисления среднего прогиба, дисперсии и среднеквадратического отклонения

161

После наложения на полученную кривую полинома шестой степени, рассчитанной с помощью Excel-2000, получена формула аппроксимации:

На графике видно, что установка адекватно определяет профиль поверхности.

Используются методы бесконтактного лазерного измерения в динамическом и статическом режимах.

Средство измерения изготовлено на основе бесконтактного длиннобазового датчика ТИРП-100 (БелОМО). В формировании технических условий, методов контроля и проведении испытаний принимал участие автор на основе (рис. 3.12).

Рис. 3.12. Лазерный датчик ТИРП-100

162

Прибор может включаться в автоматизированную систему управления и контроля. Технические характеристики прибора приведены в табл. 3.4.

Были проведены экспериментальные исследования на специальном стенде, представляющем собой прямоугольный портал, на котором перемещается прямолинейно тележка. На тележке расположен лазерный датчик ТИРП-100 с элементами коммутации, АЦП Е-330 и микрокомпьютер. Лазерный датчик имеет погрешность 0,1 мм при измерении в диапазоне 220–280 мм при частоте 500 измерений в секунду. На поверхности расположена заготовка (тело вращения криволинейной формы) с фрезерованными рисками. Измерения производились через 1,0 мм. Во время эксперимента температура была в пределах 10–30 °С.

Была проведена аппроксимация путем наложения на рассчитанную кривую полиномиального тренда 6-й степени по формуле

163

С помощью штангенциркуля были произведены сравнительные замеры поперечного профиля контура заготовки.

На рис. 3.13 показан результат измерений штангенциркулем и аппроксимация лазерного датчика.

Рис. 3.13. Полиномиальная аппроксимация погрешностей измерений

Параметры среднего и среднеквадратического отличаются не более чем на 10 %. Максимальное значение погрешности измерений 3,0 мм.

Целью проведенного вычислительного эксперимента было выделение разноволновых составляющих и выделение цифрового ряда активной макрошероховатости.

Результаты выделения полиноминальной Yп и линейной Yл аппроксимации представлены на рис. 3.14.

Полученная полиноминальная аппроксимация имеет вид

Результаты выделения активной макрошероховатости (отклонение средней в виде полиноминальной Yп и линейной Yл аппроксимации) представлены на рис. 3.15.

Анализ полученных числовых рядов позволил подтвердить гипотезу о наличии в числовом ряде активной макрошероховатости и разновысотности активных высот выступов дополнительной периодической составляющей и зарегистрировать факт уменьшения разновысотности для конкретного участка ездового полотна. Длина полуволны оказалась попадающей в диапазон 0,4–0,8 м.

164

Практические исследования проводились с помощью сканера РФ620, работающего по принципу оптической триангуляции (рис. 3.16). Излучение от полупроводникового лазера формирует линию на дорожной поверхности.

Рассеянное от объекта излучение собирается двумерной CMOSматрицей. Изображение контура поверхности анализируется в сигнальном процессоре, который определяет координату Z (расстояние до поверхности) и координату Х для всех точек по лазерной линии на дороге.

Рис. 3.16. Применение сканера РФ620: а – проекция луча лазера на дорожную поверхность; б – расположение лазера на дорожной лаборатории

В настоящей работе в целом использован методический подход Невельсона-Катковника, использованный в работах А.В. Кочеткова, В.В. Ермолаевой, В.Е. Джундибаева, В.В. Каменева, А.В. Чванова. Он заключается в разделении числового ряда измеренного параметра на детерминированную, коррелированную и собственно случайную составляющую. Автором достигнут новый научный и производственный эффект определения параметров ровности длинных волн автомобильных дорог до 200 м на скорости передвижной дорожной диагностической лаборатории 110 км/ч, при этом в числовой ряд показателя ровности важной составляющей вошла случайная составляющая макрошероховатости дорожного покрытия.

Необходимость такой модели подтверждается существованием на автомобильных дорогах «горбатых» мостов, эстакад аэропортов, въездов и выездов на платформы железнодорожных вокзалов, железнодорожных переездов, складских эстакад.

Пример математического построения средней линии (прямой и аппроксимирующим полиномом) на графике шероховатой поверхности

166

приведен на рис. 3.1. Аналогично строятся средние линии относительно активных выступов и глубин впадин.

Автоматизированными средствами измерения при применении профильных методов являются портативные профилографы, относящиеся к измерительным дорожным преобразователям и регистрирующим портативным приборам.

Предлагается способ паспортизации и измерения геометрических параметров макрошероховатости на основе лазерной мыши (поставленной с ковриком вертикально по отношению к измеряемой поверхности) ноутбука. Подробно способ рассмотрен в разд. 5.

При обработке профилограмм в качестве вспомогательных устройств используют линейки измерительные, соответствующие требованиям ГОСТ 427, или линейки чертежные, соответствующие требованиям ГОСТ 17435.

3.1.4.Сканирование поверхности автомобильной

илесовозной дороги в 3D-формате

Всовременной России и за границей выпускают много различного оборудования по диагностике шероховатости дорожных покрытий, которые охватывают весь спектр задач по этой проблеме [125, 166, 187, 189]. Но эффективность измерения многих параметров автомобильных дорожных покрытий еще невысока. Как правило, нет возможности одновременного определения сразу нескольких параметров, сам процесс измерения проходит на низких скоростях, это значительно снижает производительность работ по диагностике, поэтому исследования по этому вопросу являются актуальными. Также весьма актуальны вопросы, связанные с совершенствованием математической обработки баз данных измерений различных параметров дорожного покрытия, полу-

ченных при скоростном движении диагностических лабораторий и нормативной документации по этим расчетам [2, 7, 42, 176].

Например, одним современным направлением по сбору массива данных макрошероховатости дорожного покрытия является фотографирование с двух сторон объекта для построения 3D-модели. Представление данных в 3D – это метод цифрового описания объектов в пространственных координатах. Графический формат позволяет реализовать представление пространственных данных. При этом показатели макрошероховатости рассчитываются автоматически по данной методике, используя численную базу данных 3D-модели.

167

Трехмерное моделирование макрошероховатых дорожных покрытий выглядит как процесс автоматизированного создания трехмерной математической модели макрошероховатости дорожного покрытия по результатам измерения координат точек их поверхностей в движении

иво время остановки.

Вгрунтовом канале лаборатории ПНИПУ были проведены эксперименты по снятию параметров микрошероховатостей асфальтового покрытия и создания 3D-модели поверхности.

Для этого в лабораторном грунтовом канале кафедры было изготовлено дорожное покрытие из сухой асфальтобетонной крошки и уплотнено до состояния ровной поверхности.

Далее были сфотографированы покрытия сверху и под углом 45° справа и слева к центру поверхности. Фотографирование производилось в статике и при движении лабораторной установки вдоль покры-

тия (рис. 3.17).

Рис. 3.17. Этапы проведения эксперимента: а – подготовка площадки и выравнивание щебня; б– укладкахолоднойасфальтовойкрошкииееуплотнениекатком; в– установка на державку фотоаппарата и камеры; г – съемка поверхности в статике и в движении

В результате были получены фото и видеофайлы, которые были обработаны фирмой ООО «Плаз» (г. Санкт-Петербург) и построены

168

3D-изображения и числовые массивы данных, описывающих эту поверхность (рис. 3.18). Эти данные можно обработать по новой методике расчета параметров шероховатости [36–38, 98].

Рис. 3.18.3D-модель поверхности асфальта в формате pdf

По итогам натурного эксперимента был сделан вывод о возможности создания лабораторной диагностической установки для проведения измерений с целью определения параметров шероховатости дорожного покрытия и определения коэффициента сцепления.

3.2.Автоматизация обработки данных измерений для определения

иконтроля геометрических параметров макрошероховатости дорожных покрытий автомобильных и лесовозных дорог и мостов

3.2.1. Синхронизация получения профиля и исходных данных дорожного макрошероховатого покрытия

Достаточно подробные математические модели вибронагруженности транспортных средств, например конечно-элементная модель шины, требуют знания возмущений от дорожных неровностей по нескольким параллельным сечениям дорожной поверхности. В настоящее время экспериментальных записей таких параллельных сечений очень мало, поскольку необходимость обеспечения синхронизации записи каждого сечения для участков большой протяженности требует сложного дорогостоящего оборудования.

Приводятся результаты экспериментов по записи пяти параллельных сечений для различных дорог большой протяженности. Подтверждается гипотеза о том, что дорожная поверхность – это однородное и изотропное гауссовское случайное поле, несколько растянутое поперек дороги.

169

Приводится алгоритм получения реализаций нескольких параллельных сечений такого случайного поля по заданной спектральной плотности одного сечения, полученного по фактической записи микропрофиля автомобильной дороги или по заданным спектральным плотностям, которые хорошо известны для различных классов дорог и нормированы, например, стандартом ИСО. Алгоритм осуществляется с применением модернизированной функции Бесселя второго рода первого порядка.

Применение данного алгоритма позволяет значительно упростить сбор исходных данных о профиле дорожного покрытия без потери необходимой информации.

На рис. 3.19 представлена функциональная схема блока приема и обработки информации дорожной лаборатории; обозначены: гироскопы – курсовой и гировертикаль; датчики пути – могут быть установлены на коробке передач автомобиля, на колесе автомобиля или на измерительном колесе; microPC промышленный одноплатный компьютер; сеть – сетевой кабель кат. 5 сети Ethernet 10/100Mb; ПК под WinXP – Notebook среднего класса; приемник GPS подключается через порт USB к ПК; файлы отчетов хранятся в ПК под WinXP.

Рис. 3.19. Функциональная схема блока приема и обработки информации

170