張海波 王富強(qiáng)

摘要：傳統(tǒng)的SBS含量檢測(cè)存在試驗(yàn)周期長(zhǎng)、人為因素干擾大、設(shè)備的試驗(yàn)精度不高和試驗(yàn)結(jié)果可信度偏低等問(wèn)題。文章建立改性瀝青的傅里葉衰減全反射紅外光譜與SBS含量的ANN預(yù)測(cè)模型，對(duì)改性瀝青中SBS含量進(jìn)行定量分析，并采用內(nèi)摻法制備檢測(cè)樣品驗(yàn)證該預(yù)測(cè)模型的可信度。檢測(cè)試驗(yàn)結(jié)果表明，實(shí)際值與預(yù)測(cè)值非常接近，基于ANN預(yù)測(cè)模型進(jìn)行數(shù)據(jù)分析預(yù)測(cè)可快速檢測(cè)SBS含量，可信度高。

關(guān)鍵詞：ANN預(yù)測(cè)模型;快速檢測(cè);改性瀝青;SBS含量

0 引言

SBS改性瀝青是基質(zhì)瀝青在高速剪切機(jī)機(jī)械剪切作用下結(jié)合使用膠體磨，并控制在一定溫度下將聚合物與SBS改性劑（下稱SBS）均勻混合的共混物[1]。SBS改性瀝青抗拉性能高、耐高溫抗凍、具有良好彈性性能，目前普遍用于我國(guó)高等級(jí)公路路面結(jié)構(gòu)的上面層、機(jī)場(chǎng)道路面層、橋面鋪裝等工程的建設(shè)與養(yǎng)護(hù)中[2]。改性瀝青中的SBS為聚苯乙烯-聚丁二烯-聚苯乙烯嵌段式聚合物，因其綜合了橡膠的彈性和樹脂的熱塑性兩大性能，體現(xiàn)為耐熱性能的熱軟化點(diǎn)和抗凍性能的硬化點(diǎn)均較高。這是因?yàn)榉肿咏Y(jié)構(gòu)顯現(xiàn)為線型，因此在重復(fù)受熱和冷卻的過(guò)程中，在復(fù)雜環(huán)境下均保持原有性能[3]，不產(chǎn)生化學(xué)反應(yīng)。大部分研究者認(rèn)為SBS改性劑對(duì)瀝青的改善作用最好，可以同時(shí)改善瀝青的高溫性能和低溫性能，并且還可以提高瀝青混合料的抗疲勞開裂和水穩(wěn)定性，因此被廣泛使用。SBS改性劑的含量直接影響改性瀝青的各項(xiàng)性能，是改性瀝青生產(chǎn)和運(yùn)用過(guò)程中質(zhì)量控制的關(guān)鍵因素，其質(zhì)量含量的監(jiān)控顯得尤為重要。

在正常使用環(huán)境條件下，SBS含量越高SBS改性瀝青的路用性能則越好。中國(guó)改性瀝青市場(chǎng)中SBS價(jià)格偏高，一些供應(yīng)商有意降低或虛報(bào)SBS含量從中獲取高額利潤(rùn)，危害道路工程質(zhì)量，給國(guó)家造成經(jīng)濟(jì)損失。如何快速準(zhǔn)確地檢測(cè)SBS改性劑含量，是中國(guó)改性瀝青市場(chǎng)進(jìn)一步成熟化、規(guī)范化的新挑戰(zhàn)。迄今為止，已有研究提出基于FTIR和線性回歸分析的SBS含量測(cè)試，建立SBS含量與FTIR的特征峰高比或峰面積比之間的簡(jiǎn)單線性回歸[4]。然而，由于紅外測(cè)量技術(shù)的不穩(wěn)定性，中紅外吸收值容易變化。生成的曲線可能不是線性的，數(shù)據(jù)可能具有高度的分散性，這限制了紅外光譜技術(shù)在SBS定量分析中的發(fā)展。近年來(lái)，研究學(xué)者基于PCR與PLS等化學(xué)計(jì)量方法對(duì)SBS含量進(jìn)行定量分析，在多元系統(tǒng)考慮非線性的情況下，現(xiàn)代模式識(shí)別技術(shù)如主成分回歸（PCR）、偏最小二乘法（PLS）、遺傳算法等研究越來(lái)越多。PCR與PLS均是基于線性關(guān)系的，但在實(shí)際應(yīng)用中，由于樣品的物理性質(zhì)與其化學(xué)性質(zhì)存在較大的差異，使得大多數(shù)的預(yù)測(cè)結(jié)果并非呈現(xiàn)出線性關(guān)系[5]。瀝青是一種非牛頓流體材料，其紅外光譜是非線性的，因此基于PCR與PLS等化學(xué)計(jì)量方法對(duì)SBS含量的定量分析，并不能快速準(zhǔn)確地檢測(cè)SBS改性劑含量。

人工神經(jīng)網(wǎng)絡(luò)（下稱ANN）能夠確定瀝青線性參數(shù)與非線性參數(shù)之間的關(guān)系，本文建立改性瀝青的傅里葉衰減全反射紅外光譜（下稱FTIR）與SBS含量的ANN預(yù)測(cè)模型對(duì)改性瀝青中SBS含量進(jìn)行定量分析。這種方法能夠簡(jiǎn)便、快速、準(zhǔn)確輸出計(jì)算結(jié)果，為準(zhǔn)確分析改性瀝青中SBS含量提供了可靠方法。

1 ANN預(yù)測(cè)模型的建立

ANN是得到了生物神經(jīng)網(wǎng)絡(luò)的啟發(fā)建立的一種數(shù)學(xué)和數(shù)值方法。ANN預(yù)測(cè)模型通常包含一個(gè)輸入層、一個(gè)或多個(gè)隱藏層和一個(gè)輸出層（如圖1所示），層與層之間按不同方式連接。其中隱藏層的作用是將一組輸入數(shù)據(jù)修改為一組新的輸出數(shù)據(jù)，預(yù)測(cè)模型將根據(jù)新輸出數(shù)據(jù)建立新的模式識(shí)別。ANN預(yù)測(cè)模型中的自適應(yīng)網(wǎng)絡(luò)，能夠在網(wǎng)絡(luò)訓(xùn)練過(guò)程中改變網(wǎng)絡(luò)的有效參數(shù)（權(quán)重、偏差、傳遞函數(shù)、中間層數(shù)、每層神經(jīng)元數(shù)等），直至模型誤差值達(dá)到最小。目前研究建立的ANN預(yù)測(cè)模型基本屬于傳播類型，該類型采用反向傳播算法訓(xùn)練預(yù)估出最佳的網(wǎng)絡(luò)權(quán)重和偏差量，能夠快速、準(zhǔn)確地顯示檢測(cè)樣品的預(yù)測(cè)結(jié)果，被研究者認(rèn)為是目前最先進(jìn)有效的方法之一。

采用MATLAB軟件進(jìn)行ANN建模，在軟件中使用反向傳播的方法進(jìn)行網(wǎng)絡(luò)訓(xùn)練。根據(jù)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)的原則，預(yù)測(cè)模型中設(shè)定權(quán)重?cái)?shù)不超過(guò)訓(xùn)練樣本數(shù)，本文進(jìn)行最優(yōu)的網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)，將隱含層節(jié)點(diǎn)設(shè)定為10。

本文建立ANN預(yù)測(cè)模型通過(guò)顯示非線性光譜特性關(guān)系，經(jīng)ANN預(yù)測(cè)模型計(jì)算出預(yù)測(cè)樣本的SBS含量，因此比其他檢測(cè)方法更準(zhǔn)確快速。為了防止ANN預(yù)測(cè)模型出現(xiàn)過(guò)擬合現(xiàn)象，本文使用交叉驗(yàn)證方法將檢測(cè)樣品分成訓(xùn)練集、驗(yàn)證集和測(cè)試集。其中80%的光譜數(shù)據(jù)作為ANN模型的訓(xùn)練集，10%的光譜數(shù)據(jù)作為驗(yàn)證集，10%的光譜數(shù)據(jù)作為測(cè)試集。訓(xùn)練集中分別用相關(guān)系數(shù)r、誤差均方根RMSECV、預(yù)測(cè)誤差均方根RMSEP來(lái)反映ANN預(yù)測(cè)模型的預(yù)測(cè)結(jié)果，分別按式（1）、式（2）、式（3）計(jì)算，依據(jù)驗(yàn)證集來(lái)評(píng)價(jià)訓(xùn)練集預(yù)測(cè)結(jié)果的準(zhǔn)確性。

2 ANN預(yù)測(cè)模型檢測(cè)試驗(yàn)

2.1 實(shí)驗(yàn)儀器及配套軟件

試驗(yàn)主要使用儀器及配套軟件如表1所示。

2.2 制備試驗(yàn)檢測(cè)的檢測(cè)樣品

制備試驗(yàn)檢測(cè)的檢測(cè)樣品采用的原材料有：SK90#道路石油瀝青和SBS（L-YY型），并配用穩(wěn)定劑，以上三種材料均為工業(yè)品材料。試件保持相同的原材料、相同的制作方式和加熱溫度，變化參數(shù)為SBS改性劑的摻入比例。

采用內(nèi)摻法，將基質(zhì)瀝青加熱至180℃，開啟高速剪切機(jī)，在基質(zhì)瀝青摻入SBS改性劑，摻入比例分別為：3.5%、4.0%、4.2%、4.5%、5.0%。低速攪拌5min至SBS改性劑均勻分散于基質(zhì)瀝青中。在（180±5）℃、4500r/min條件下剪切40min，之后置于烘箱內(nèi)發(fā)育1h左右。其中，摻入比例4.2%為測(cè)試樣本，用于比對(duì)和驗(yàn)證預(yù)測(cè)模型的可信度。

2.3 SBS含量的快速檢測(cè)與結(jié)果分析

采用Cary630FTIR光譜儀測(cè)定檢測(cè)樣品不同SBS含量下的紅外光譜圖。檢測(cè)樣品測(cè)量記錄的瀝青紅外光譜圖如圖2所示。

選擇60個(gè)檢測(cè)樣品光譜數(shù)據(jù)輸入ANN預(yù)測(cè)模型，目標(biāo)值為SBS改性劑的摻入比例：3.5%×15個(gè)檢測(cè)樣品，4.0%×15個(gè)檢測(cè)樣品，4.5%×15個(gè)檢測(cè)樣品，5.0%×15個(gè)檢測(cè)樣品。將60個(gè)檢測(cè)樣品光譜數(shù)據(jù)，即輸入和輸出數(shù)據(jù)隨機(jī)分成三組，80%作為訓(xùn)練集，10%用于驗(yàn)證集，10%用作測(cè)試集。ANN預(yù)測(cè)模型得到的目標(biāo)值與輸出值的關(guān)系見(jiàn)圖3。

由圖3（a）可以看出：全部檢測(cè)樣品的SBS改性劑摻入比例相關(guān)系數(shù)R為0.941，誤差均方根為0.448。

由圖3（b）可以看出：訓(xùn)練集的SBS改性劑摻入比例相關(guān)系數(shù)R為0.999，誤差均方根為0.264。

檢測(cè)樣品數(shù)據(jù)在ANN預(yù)測(cè)模型中進(jìn)行5次迭代得到輸出參數(shù)網(wǎng)絡(luò)的最佳驗(yàn)證性能，其結(jié)果見(jiàn)圖4。在ANN預(yù)測(cè)模型根據(jù)因變量FTIR數(shù)據(jù)與獨(dú)立變量SBS含量計(jì)算結(jié)果得出目標(biāo)值與輸出值，其目標(biāo)輸出誤差見(jiàn)圖5。由圖5可以看出：零誤差線在最高的柱狀圖形中心，表明ANN預(yù)測(cè)模型的目標(biāo)-輸出誤差最小。由此可知，未知樣本的因變量FTIR數(shù)據(jù)與獨(dú)立變量SBS改性劑摻入比例在ANN預(yù)測(cè)模型計(jì)算后，其目標(biāo)值與輸出值具有較好的相關(guān)性，可以利用ANN預(yù)測(cè)模型快速預(yù)測(cè)未知樣本的SBS含量。

2.4 SBS含量快速檢測(cè)的可信度驗(yàn)證

為了驗(yàn)證ANN預(yù)測(cè)模型的可信度，利用SBS含量為4.2%的FTIR光譜數(shù)據(jù)集，與ANN預(yù)測(cè)模型輸出的預(yù)測(cè)值相對(duì)比，[JP+2]驗(yàn)證其可信度。ANN預(yù)測(cè)模型SBS含量快速檢測(cè)的可信度驗(yàn)證數(shù)據(jù)見(jiàn)表2。由表2可知：SBS含量實(shí)際值與預(yù)測(cè)值非常接近，標(biāo)準(zhǔn)偏差為0.087，均方根誤差為0.123，可信度高。說(shuō)明通過(guò)ANN預(yù)測(cè)模型簡(jiǎn)便快捷地進(jìn)行數(shù)據(jù)分析，能夠準(zhǔn)確地預(yù)測(cè)SBS含量。

3 結(jié)語(yǔ)

傳統(tǒng)的SBS含量檢測(cè)存在試驗(yàn)周期長(zhǎng)、人為因素干擾大、設(shè)備的試驗(yàn)精度不高和試驗(yàn)結(jié)果可信度偏低等問(wèn)題。本文采用ANN預(yù)測(cè)模型可簡(jiǎn)便快捷地通過(guò)數(shù)據(jù)分析預(yù)測(cè)SBS含量，有如下結(jié)論：

（1）全部檢測(cè)樣品的SBS改性劑摻入比例相關(guān)系數(shù)R為0.941，訓(xùn)練集R為0.999，均>0.9，表明SBS含量與FTIR的相關(guān)曲線有著非常高的相關(guān)性。

（2）ANN預(yù)測(cè)模型快速檢測(cè)SBS含量，實(shí)際值與預(yù)測(cè)值非常接近，標(biāo)準(zhǔn)偏差為0.087，均方根誤差為0.123，可信度高。

參考文獻(xiàn)：

[1]蔡 健，石鵬程，韓靜云，等.基于FTIR的改性瀝青中SBS含量精確測(cè)試研究[J].公路，2016（3）：176-181.

[2]ZhangQ，WangT，F(xiàn)anW，etal.EvaluationofthepropertiesofbitumenmodifiedbySBScopolymerswithdifferentstyrenebutadienestructure[J].JournalofAppliedPolymerScience，2014，131（12）：469-474.

[3]孫大權(quán)，張立文.SBS改性瀝青中SBS含量測(cè)試方法研究[J].建筑材料學(xué)報(bào)，2013，16（1）：180-184.

[4]高妮妮.改性瀝青SBS劑量快速檢測(cè)方法研究[D].西安：長(zhǎng)安大學(xué)，2013.

[5]徐志榮，陳忠達(dá)，常艷婷，等.改性瀝青SBS含量的紅外光譜分析[J].長(zhǎng)安大學(xué)學(xué)報(bào)（自然科學(xué)版），2015，35（2）：7-12.