طراحي مدل سرعت وسايل نقليه بر خرابي بحراني روسازي ‌انعطاف‌پذير

سرعت وسايل نقليه مي‌تواند بر عملكرد و خرابي روسازي ‌تأثيرگذار باشد، دو معيار مهم در خرابي‌هاي ناشي از عبور بار در روسازي انعطاف‌پذير، ترك‌هاي خستگي و شيارشدگي است. كرنش كششي زير لايه رويه و كرنش فشاري روي خاك بستر در برابر خستگي و شيارشدگي به عوامل مختلفي مانند خصوصيات بارگذاري وسايل نقليه نظير سرعت و مقدار بار عبوري وفشار سطح تماس بستگي دارد. در اين پژوهش از الگوريتم‌هاي يادگيري ماشين براي مدل پيش‌بيني خرابي بحراني روسازي انعطاف‌پذير مبتني بر سرعت وسايل نقليه استفاده شده است. در ‌فرآيند استفاده از شبكه‌هاي عصبي، داده‌هاي شبكه عصبي ابتدا يك سري مقادير تصادفي را به عنوان وزن‌ها و باياس‌هاي اوليه شبكه انتخاب مي‌كند و اين يكي از معايب آن است. در اين راستا از الگوريتم بهينه‌سازي ازدحام ذرات براي بهينه‌سازي وزن شبكه‌هاي عصبي استفاده مي‌شود. در مقايسه با الگوريتم‌هاي بهينه‌سازي، الگوريتم بهينه‌سازي ازدحام ذرات (PSO) براي پياده‌سازي ساده‌تر است و مي‌تواند نقطه بهينه را به سرعت پيدا كند. با توجه به نتايج در سرعت‌هاي پايين وسايل نقليه، احتمال وجود خرابي‌هاي خستگي، شيارشدگي و افت و خيزروسازي بيشتر مي‌شود و هرچه سرعت وسيله نقليه كمتر شود، تعداد تكرار بار منجر به خرابي نيز كاهش مي‌يابد و افزايش سرعت باعث مي‌شود كه خرابي در روسازي كمتر شود.