Research on K... halt Pavement - 贾通

博士学位论文
沥青路面智能压实系统关键技术研究
专业名称：交通运输工程
研究生姓名：贾通
导师姓名：钱振东教授
何铁军副教授
本论文获中央高校基本科研业务费专项资金（3221005737）和江苏省研究生科研与
实践创新计划项目（KYLX_0169）资助。
RESEARCH ON KEY TECHNOLOGIES OF
INTELLIGENT COMPACTION SYSTEM
FOR THE ASPHALT PAVEMENT
A Dissertation Submitted to
Southeast University
For the Academic Degree of Doctor of Engineering
BY
JIA Tong
Supervised by
Prof. QIAN Zhendong
A / Prof. HE Tiejun
Intelligent Transportation System Research Center

Southeast University
November 2020
东南大学学位论文独创性声明


本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果 

。
尽我所知，
除了文中特别加以标注和致谢的地方外，
论文中不包含其他人已经发表或撰写过


的研宄成果，也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我


同工作的同志对本研宄所做的任何贡献均己在论文中作了明确的说明并表示了谢意 

。
一
研究生签名 曰期：
：
一 

＇
东南大学学位论文使用授权声明


东南大学、中国科学技术信息研究所、国家图书馆、《中国学术期刊（
光盘版）》电子杂


志社有限公司、万方数据电子出版社、北京万方数据股份有限公司有权保留本人所送交学位


论文的复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的


内容和纸质论文的内容相
一
致。除在保密期内的保密论文外，
允许论文被查阅和借阅，
可以


论文的全部内容或中英文摘要等部分内容论文的公布


公布（包括以电子信息形式刊登）、
。
（包括以电子信息形式刊登）授权东南大学研宂生院办理 

。
研究生签＾ 导师签名
：


：
％


．
摘要
摘要
压实是沥青混合料密实成型和路用功能实现的关键环节，直接影响沥青路面的强度、
稳定性和抗疲劳性能。因此，沥青路面施工中必须重视和加强压实质量控制。目前，沥
青路面的压实质量管理仍以事后检验为主，难以及时了解压实状况并进行过程控制。因
而，能够连续监测和实时反馈压实状态的智能压实逐渐引起关注。本文以沥青路面施工
的碾压过程为对象，重点围绕“机-料”耦合系统建模分析、振动压实反馈信号处理、
压实状态感知和智能压实质量评价等内容进行智能压实系统关键技术研究。
首先，阐述了沥青混合料的压实机理，分析了压实过程中三种阻力的作用原理，提
炼了共振状态下压实效果较好的规律；采用一维流变模型分析了沥青混合料在碾压施工
过程中的流变力学行为，建立了振动压实“机-料”耦合系统非线性模型，并分别在线
性、非线性和一般情况下进行了模型分析。研究表明，当振动参数确定时，沥青混合料
对压实机具的抵抗力与振动轮的惯性力之间呈线性关系；通过量测振动轮反馈响应的变
化信息，可进一步分析沥青混合料结构的变化情况，进而获取压实状态，为智能压实监
测提供了理论基础。
其次，通过旋转压实试验，提取了碾压次数与压实度之间的对数关系；提出了一种
新型室外振动压实试验方法，克服了施工现场中试验设计的困难；进行了室外和现场试
验，采集了振动压实反馈信号。基于双处理器架构设计了车载检测单元，提出了一种低
成本协同定位方案，满足了碾压检测和定位的需求；开发了道路施工远程监控系统，实
现了沥青路面施工参数的连续实时无损监测。
然后，对振动压实反馈信号进行处理和分析。基于汉明窗设计了有限冲击响应数字
带通滤波器，有效地抑制了高频噪声成分，同时保证了原始信号的线性相位特性；采用
多项式最小二乘法进行趋势项消除，利用五点三次平滑法进行平滑处理，去除了零点漂
移和杂波毛刺，平滑了振动信号波形。针对振动反馈信号的非线性非平稳特性，采用集
合经验模态分解（EEMD）方法对信号进行分解，通过希尔伯特-黄变换（HHT）方法提
取了有效 IMF 分量，并进行时频分析。研究表明，经验模态分解方法以本征模态函数为
“基函数”重构信号，可提高信号质量，减小频谱泄露、栅栏效应等误差，具有自适应
性强、信噪比好等优点。
进而，根据 Parseval 能量守恒定理，提出基于能量分布的压实感知方法和新指标振
动压实能量值（VCVe）。在振动信号处理结果的基础上，计算获取了压实计值（CMV）、
连续压实值（CCV）、VCVe 值。研究表明，随着碾压次数的增加，CMV、CCV 和 VCVe
指标值均呈逐步增大趋势；VCVe 与碾压次数的相关关系优于 CMV 和 CCV，改善了谐
波分析指标的稳定性和一致性；VCVe、CMV、CCV 指标之间具有独立性，可单独或联
合用于压实监测；与常规取芯检测方法相比，CMV、CCV 和 VCVe 指标可以反映沥青
混合料压实状态的变化过程，虽不宜直接用作质量验收标准，但可用于压实状态感知和
压实质量过程控制。
I
东南大学博士学位论文
最后，融合多源压实监测数据，基于支持向量机（SVM）和隐马尔可夫模型（HMM）
进行智能压实质量评价。选择了训练样本特征，进行了数据预处理，基于实时动态（RTK）
GPS 标定系统进行了样本数据标识；采用模糊 C 均值方法计算了样本数据的隶属度，抑
制了噪声和孤立点的影响；设计了模糊支持向量机分类器，有效地进行了压实状态分类，
准确率可达 72.6%；利用 RTK-GPS 定位数据计算获取了隐含压实状态序列，采用 SVM
状态分类结果作为观察序列，基于最大似然估计算法计算了 HMM 参数；获取了转移概
率矩阵和观测概率矩阵，根据 HMM 解码算法计算了碾压施工过程的隐含状态序列，其
准确率为 78.3%；与 FSVM 压实状态分类相比，SVM-HMM 的准确率有较大改善，实
现了碾压全程的智能压实质量评价。
本文基本实现了沥青路面压实的连续无损感知和智能质量评价等初级智能压实技
术，对智能压实反馈控制系统尚未深入探索。未来，可结合人工智能、自适应馈控等理
论研究高级智能压实技术，促进交通基础设施智能建设的发展。
关键词：沥青路面智能压实；“机-料”耦合模型；经验模态分解；VCVe 指标；模糊支
持向量机；隐马尔可夫模型
II
ABSTRACT
ABSTRACT
Rolling is a key process in the compaction of asphalt mixtures and the realization of road
performance, affecting the strength, stability and fatigue resistance of asphalt pavements
directly. Therefore, it is necessary to pay attention to and strengthen compaction quality
control in the construction of asphalt pavement. At present, the compaction quality
management of asphalt pavement is mainly based on post-detection methods yet, which is
difficult to acquire the compaction status in time and achieve the process control. Therefore,
Intelligent Compaction, with ability of continuously monitoring and real-time feedback of
compaction status, has attracted attention gradually. This dissertation focuses on the rolling
process of asphalt mixture, and conducts research on the key technologies of Intelligent
Compaction System with "Roller-Material" coupling system model and analysis, vibration
feedback signal processing, compaction state perception and intelligent quality evaluation,
etc.
First, the compaction mechanism of asphalt mixtures was described, the action principles
of three resistances in the compaction process were analyzed, and a law that the compaction
effect is better under resonance was summarized; A one-dimensional rheological model was
selected to analyze the rheological behavior of the asphalt mixture during the rolling process,
and a nonlinear model of the "Roller-Material" coupling system of vibration compaction was
established. Then, model analysis was performed under linear, nonlinear and general
conditions. The results show that while the vibration parameters are determined, there is a
linear relationship between the resistance of the asphalt mixture to the compaction machine
and the inertial force of the vibrating wheel; By measuring change information of the
feedback response of vibrating wheel, the changes of the asphalt mixture structure can be
analyzed. Then, the compaction status is obtained, which provides a theoretical basis for
subsequent intelligent compaction monitoring.
Second, through the gyratory compaction experiments, it was concluded that there is a
good logarithmic relationship between rolling counts and the compaction degree; A new
outdoor vibration compaction test method was proposed and field tests were carried out to
obtain vibration feedback signals during the rolling process. A vehicle-mounted detector was
designed based on the dual-processor architecture, and a low-cost coordinated positioning
solution was proposed to meet the needs of rolling detection and positioning; A remote
monitoring system for pavement construction was developed to realize the real-time
non-destructive monitoring of construction parameters continuously.
Third, the vibration feedback signal collected from the experiments was processed and
III
analyzed. A finite impulse response digital band-pass filter was designed based on the
Hamming window, which suppressed high-frequency noise components effectively while
ensuring linear phase characteristics of the original signal; The polynomial least square
method was used to eliminate the trend terms, and the five-point three-times averaging
method was used as smoothing tool, removing the zero drift and burrs in the signal and
smoothing the vibration signal waveform. The Ensemble Empirical Mode Decomposition
(EEMD) method was selected to decompose the vibration feedback signal for the nonlinearity
and non-stationary. Based on Hilbert-Huang Transform (HHT), the effective IMF components
were obtained, and then performed time-frequency analysis. The researches show that EMD
method regards the IMF components as "basis functions" to reconstruct the signal which can
improve the signal quality, reduce the errors caused by spectrum leakage and fence effect, and
also has advantages of strong adaptability, as well as good Signal-to-Noise Ratio.
Fourth, according to the Parseval's law of energy conservation, a compaction state
perception method based on energy distribution was proposed, as well as a new index
Vibration Compaction Value (VCVe). Based on the results of vibration signal processing,
Compaction Meter Value (CMV), Continuous Compaction Value (CCV), and VCVe index
values were calculated. Researches show that, with the increase of rolling pass , CMV, CCV
and VCVe values show a gradual increase trend, improving the stability and consistency of
harmonic analysis indexes while describing of compaction state; The calculation of VCVe,
CMV and CCV index are independent of each other, and can be used for compaction
monitoring independently or jointly; Compared with conventional coring detection methods,
CMV, CCV and VCVe index can describe the compaction state change of asphalt mixture.
Although cannot be used as the acceptance criteria directly, it can be used for compaction
state perception and quality process control.
Finally, multi-source monitoring data was integrated, and intelligent compaction quality
evaluation was carried out based on Support Vector Machine (SVM) and Hidden Markov
Model (HMM). The characteristics of training samples were selected, the data was
preprocessed, and the sample data was identified based on the Real - time Kinematic (RTK)
GPS calibration system; The Fuzzy C-means Method was used to calculate the membership
degree of sample data, which suppresses the influence of noise and isolated points; Based on
Radial Basis Function kernel function, A Fuzzy Support Vector Machine classifier was
designed to classify the compaction state effectively, with the accuracy of 72.6%; Using RTK-
GPS positioning data to calculate the hidden compaction state sequence, taking SVM state
classification result as the observation sequence, the parameters of HMM were calculated
based on Maximum Likelihood Estimation algorithm; In the end, the transition probability
matrix and the observation probability matrix were obtained; Based on the HMM decoding
IV
ABSTRACT
algorithm, the hidden state sequence of the rolling construction process was calculate, and the
accuracy rate was 78.3%; Compared with the FSVM compaction state classification, the
accuracy of SVM-HMM was improved greatly, and the Quality Evaluation of the entire
rolling process was realized.
The research has basically realized primary intelligent compaction technology such as
continuous and non-destructive perception and intelligent quality evaluation during the rolling
process of asphalt pavement. Nevertheless, the feedback control of intelligent compaction
system has not been explored in depth yet; In the future, new technologies such as artificial
intelligence, adaptive feed control theory can be combined to achieve the advanced intelligent
compaction technology, promoting the development of intelligent construction for the
transportation infrastructure.
Key words： Intelligent compaction of asphalt pavement; “Roller - Material” coupling model;
Empirical mode decomposition; VCVe index; Fuzzy support vector machine; Hidden markov
model
V
目录
目录
摘要 ............................................................................................................................................. I
ABSTRACT ............................................................................................................................. III
目录 .........................................................................................................................................VII
图目录 ...................................................................................................................................... XI
表目录 ................................................................................................................................... XIII
第一章绪论 .............................................................................................................................. 1
1.1 研究背景及意义 ......................................................................................................... 1
1.2 国内外研究概况 ......................................................................................................... 1
1.2.1 智能压实发展和研究现状 .............................................................................. 1
1.2.2 沥青路面智能压实关键技术 .......................................................................... 2
1.2.3 振动压实机理和碾压模型研究动态 .............................................................. 3
1.2.4 压实参数检测和数据处理研究动态 .............................................................. 4
1.2.5 压实检测指标和质量评价研究动态 .............................................................. 8
1.3 主要研究内容及技术路线 ....................................................................................... 10
1.3.1 主要研究内容 ................................................................................................ 10
1.3.2 拟采取的技术路线及实施方案 .................................................................... 11
第二章沥青路面振动压实“机-料”耦合模型 ....................................................................... 13
2.1 沥青混合料压实机理和压实特性 ........................................................................... 13
2.1.1 沥青混合料压实机理 .................................................................................... 13
2.1.2 沥青混合料压实特性 .................................................................................... 14
2.2 沥青混合料振动压实“机-料”耦合模型 .................................................................. 15
2.2.1 振动压实原理与“机-料”耦合模型结构 ....................................................... 15
2.2.2 沥青混合料碾压流变特性与“机-料”耦合模型 ........................................... 17
2.3 沥青路面振动压实“机-料”耦合模型分析 .............................................................. 20
2.3.1 线性振动压实系统分析 ................................................................................ 20
2.3.2 非线性振动压实系统分析 ............................................................................ 22
2.3.3 一般情况下振动压实系统分析 .................................................................... 23
2.4 本章小结 ................................................................................................................... 25
第三章沥青路面振动压实试验设计与监测 ........................................................................ 27
3.1 室内压实模拟试验 ................................................................................................... 27
3.1.1 室内马歇尔击实试验 .................................................................................... 27
3.1.2 室内旋转压实试验 ........................................................................................ 29
3.2 室外压实模拟试验 ................................................................................................... 31
3.2.1 小型振动压路机 ............................................................................................ 31
3.2.2 小型试验路设计 ............................................................................................ 32
3.2.3 沥青混合料设计 ............................................................................................ 33
3.2.4 振动压实试验过程 ........................................................................................ 34
3.2.5 振动压实试验结果 ........................................................................................ 36
3.3 现场振动压实试验 ................................................................................................... 37
3.4 远程监控系统实现 ................................................................................................... 38
3.4.1 车载单元设计 ................................................................................................ 39
3.4.2 施工参数监测 ................................................................................................ 42
3.4.3 测速定位系统 ................................................................................................ 44
VII
3.4.4 监控管理系统 ................................................................................................ 47
3.4.5 客户端口设计 ................................................................................................ 48
3.5 本章小结 ................................................................................................................... 49
第四章基于 EMD 的沥青路面振动压实反馈信号处理 ..................................................... 51
4.1 信号采集和预处理 ................................................................................................... 51
4.1.1 振动信号采集 ................................................................................................ 51
4.1.2 振动信号滤波 ................................................................................................ 53
4.1.3 振动信号预处理 ............................................................................................ 59
4.1.4 滤波和预处理实例 ........................................................................................ 60
4.2 振动信号分析方法 ................................................................................................... 62
4.2.1 傅里叶分析 .................................................................................................... 62
4.2.2 短时傅里叶分析 ............................................................................................ 64
4.2.3 小波变换分析 ................................................................................................ 65
4.2.4 HHT 变换分析 ................................................................................................ 66
4.2.5 分析方法比较 ................................................................................................ 70
4.3 振动反馈信号处理分析 ........................................................................................... 72
4.3.1 EEMD 分解..................................................................................................... 72
4.3.2 瞬时频率分析 ................................................................................................ 74
4.3.3 时频频谱分布 ................................................................................................ 75
4.3.4 频谱参数提取 ................................................................................................ 76
4.4 本章小结 ................................................................................................................... 77
第五章基于能量分布的沥青路面压实状态感知方法 ........................................................ 79
5.1 压实质量检测指标 ................................................................................................... 79
5.1.1 传统检测指标 ................................................................................................ 79
5.1.2 智能压实指标 ................................................................................................ 81
5.1.3 压实指标比较 ................................................................................................ 83
5.2 室外试验压实状态感知 ........................................................................................... 84
5.2.1 压实背景试验分析 ........................................................................................ 84
5.2.2 静压振压影响比较 ........................................................................................ 87
5.2.3 压实遍数影响分析 ........................................................................................ 89
5.2.4 振动压实状态感知 ........................................................................................ 90
5.2.5 压实指标评价分析 ........................................................................................ 92
5.3 现场试验压实状态感知 ........................................................................................... 95
5.3.1 单点碾压结果分析 ........................................................................................ 95
5.3.2 整体碾压结果分析 ........................................................................................ 96
5.4 本章小结 ................................................................................................................... 97
第六章基于 SVM-HMM 的沥青路面智能压实质量评价 .................................................. 99
6.1 特征选择与预处理 ................................................................................................... 99
6.1.1 评价流程和特征选择 .................................................................................... 99
6.1.2 UWB/GPS 协同定位 ...................................................................................... 99
6.1.3 样本数据预处理 .......................................................................................... 103
6.1.4 样本数据标识 .............................................................................................. 106
6.2 基于 SVM 的智能压实状态分类 .......................................................................... 107
6.2.1 支持向量机原理 .......................................................................................... 107
6.2.2 模糊支持向量机 .......................................................................................... 110
6.2.3 智能压实状态分类 ...................................................................................... 112
VIII
目录
6.3 基于 HMM 的智能压实质量评价 ......................................................................... 114
6.3.1 隐马尔可夫模型 .......................................................................................... 114
6.3.2 智能压实质量评价 ...................................................................................... 116
6.4 本章小结 ................................................................................................................. 119
第七章结论与展望 .............................................................................................................. 121
7.1 主要研究工作与研究结论 ..................................................................................... 121
7.2 主要创新点 ............................................................................................................. 122
7.3 进一步研究设想 ..................................................................................................... 123
致谢 ........................................................................................................................................ 124
参考文献 ................................................................................................................................ 125
作者简介 ................................................................................................................................ 134
IX
图目录
图目录
图 1-1 本文研究技术路线图.................................................................................................. 11
图 2-1 振动轮激振力工作原理图.......................................................................................... 16
图 2-2 两自由度线性振动压实系统模型图.......................................................................... 17
图 2-3 沥青混合料粘弹塑性流变模型.................................................................................. 17
图 2-4 沥青混合料振动压实“机-料”耦合模型 ..................................................................... 19
图 2-5 单自由度激振系统受力图.......................................................................................... 24
图 3-1 马歇尔击实振动测试系统.......................................................................................... 27
图 3-2 马歇尔击实试验信号结果.......................................................................................... 28
图 3-3 旋转压实试验设备...................................................................................................... 29
图 3-4 Superpave20 沥青混合料压实曲线 ............................................................................. 30
图 3-5 室外模拟试验小型振动压路机.................................................................................. 31
图 3-6 小型试验路结构图...................................................................................................... 32
图 3-7 小型试验路模具板实物.............................................................................................. 33
图 3-8 室外振动压实模拟试验图.......................................................................................... 35
图 3-9 试验路成型试件脱模后结果图.................................................................................. 37
图 3-10 振动压实试件切割方案............................................................................................ 37
图 3-11 振动压实现场试验图 ................................................................................................ 38
图 3-12 沥青路面施工远程监控系统结构图........................................................................ 39
图 3-13 车载单元结构图........................................................................................................ 40
图 3-14 GPRS 远程数据通讯网络图...................................................................................... 40
图 3-15 SIM900A 模块图........................................................................................................ 41
图 3-16 车载单元电路板图.................................................................................................... 41
图 3-17 车载单元应用图........................................................................................................ 41
图 3-18 激光测距仪实物和应用图........................................................................................ 42
图 3-19 红外测温传感器实物和应用图................................................................................ 43
图 3-20 CT1010L 加速度传感器实物图 ................................................................................ 44
图 3-21 GPS/UWB 协同定位方案 .......................................................................................... 45
图 3-22 系统定位模组实物图................................................................................................ 45
图 3-23 碾压过程测速定位和遍数统计监测图.................................................................... 46
图 3-24 P3-DU 北斗组件和现场应用图 ................................................................................ 47
图 3-25 监控系统的浏览器网页终端.................................................................................... 48
图 3-26 手持显示终端............................................................................................................ 49
图 4-1 振动测量系统结构图.................................................................................................. 51
图 4-2 振动传感器安装位置图.............................................................................................. 52
图 4-3 振动量测量选择的参数范围...................................................................................... 52
图 4-4 FIR 数字滤波器设计流程图 ....................................................................................... 56
图 4-5 FDATool 滤波器参数设计图 ....................................................................................... 57
图 4-6 FIR 带通滤波器的幅频相频响应图 ........................................................................... 58
图 4-7 FIR 带通滤波器零极点图 ........................................................................................... 58
图 4-8 原始振动信号时域图.................................................................................................. 61
图 4-9 滤波和预处理后振动信号时域图.............................................................................. 61
图 4-10 FFT 算法基本原理图 ................................................................................................. 63
图 4-11 EMD 分解和筛选过程示意图 ................................................................................... 67
XI
图 4-12 VSEA10-3&SPPEA 振压第 6 遍第 1 段数据的时域图 ........................................... 72
图 4-13 IMF 分量的时域图 .................................................................................................... 73
图 4-14 IMF 分量的瞬时频率 ................................................................................................ 75
图 4-15 IMF 7 分量的希尔伯特谱分布 ................................................................................. 75
图 4-16 不同遍数振动反馈信号经验模态重构后的有效频谱分布.................................... 76
图 5-1 压实背景试验典型数据结果图.................................................................................. 86
图 5-2 振动压实反馈信号频率分布图.................................................................................. 88
图 5-3 压实反馈信号频谱分布图.......................................................................................... 89
图 5-4 不同压实遍数的试验方案和结果图.......................................................................... 89
图 5-5 振动压实过程中压实度指标结果及其变化趋势...................................................... 92
图 5-6 不同碾压遍数下压实度值的变化过程...................................................................... 96
图 6-1 智能压实质量评价流程图.......................................................................................... 99
图 6-2 碾压定位试验结果.................................................................................................... 102
图 6-3 典型位置的定位误差结果........................................................................................ 103
图 6-4 碾压次数提取过程图................................................................................................ 104
图 6-5 FSVM 训练样本分布图 ............................................................................................. 113
XII
表目录
表目录
表 1.1 传统压实质量检测方法特点 ........................................................................................ 4
表 1.2 在线压实质量检测方法特点 ........................................................................................ 4
表 1.3 典型连续压实控制系统的定位特性 ............................................................................ 7
表 1.4 现有典型连续压实检测指标 ........................................................................................ 8
表 2.1 常见压实材料的固有频率范围 .................................................................................. 14
表 3.1 旋转压实次数和压实度结果 ...................................................................................... 30
表 3.2 Meiwa-MG7 小型压路机特性参数 ............................................................................. 32
表 3.3 实验室试验沥青混合料配合比设计 .......................................................................... 34
表 3.4 室外模拟振动压实试验方案 ...................................................................................... 35
表 3.5 红外测温传感器的主要性能指标 .............................................................................. 42
表 3.6 CT1010L 型加速度传感器的主要性能指标 .............................................................. 43
表 3.7 沥青路面施工碾压速度要求 ...................................................................................... 44
表 3.8 P3-DU 模组动态精度参数........................................................................................... 47
表 4.1 FIR 滤波器和 IIR 滤波器比较 .................................................................................... 55
表 4.2 FIR 带通滤波器系数 .................................................................................................... 57
表 4.3 常用窗函数的频域性能参数 ...................................................................................... 64
表 4.4 现有主要数字信号处理方法比较 .............................................................................. 70
表 4.5 振压第 6 遍和第 12 遍反馈信号经验模态分解后的有效频谱结果 ........................ 77
表 5.1 沥青混合料试件密度确定方法 .................................................................................. 79
表 5.2 沥青混合料试件的压实度测试结果 .......................................................................... 80
表 5.3 不同遍数压实试件压实度测试结果 .......................................................................... 81
表 5.4 典型工况下压实背景主要频谱结果 .......................................................................... 86
表 5.5 静压和振压信号处理结果对比 .................................................................................. 88
表 5.6 不同遍数压实的厚度结果 .......................................................................................... 90
表 5.7 EAC10-2&VSEA 10-1 压实中间过程反馈信号的频域结果 ..................................... 90
表 5.8 振动压实过程中不同遍数的压实指标值 .................................................................. 91
表 5.9 振动压实过程中压实度指标变化趋势结果 .............................................................. 92
表 5.10 智能压实指标评价要求 ............................................................................................ 93
表 5.11 室外振动压实模拟试验拟合优度和相关系数结果 ................................................ 93
表 5.12 7＃试验路段典型位置压实度结果 ........................................................................... 95
表 6.1 碾压定位试验结果 .................................................................................................... 102
表 6.2 2#路段的碾压温度监测结果 ..................................................................................... 105
表 6.3 2#路段压实度指标结果 ............................................................................................. 105
表 6.4 常用的核函数 ............................................................................................................ 110
表 6.5 训练聚类隶属度结果 ................................................................................................ 113
表 6.6 2#路段压实状态分类准确率结果 ............................................................................. 114
表 6.7 压实状态分类规则示例 ............................................................................................ 118
XIII
第一章绪论
第一章绪论
1.1 研究背景及意义
沥青路面具有平整性好、行车振动弱、噪音低等优点，是我国高速公路路面主要的
铺装形式。随着经济和社会的进步，高速公路的建设迅速发展，但裂缝、车辙、坑槽等
病害仍时有发生，降低了高速公路服务水平，且需要耗费大量人力物力处治。造成沥青
路面质量不良的原因很多，其中压实质量不达标是主要原因之一[1]。压实是沥青路面施
工的最后一个环节，也是沥青混合料密实成型和路用功能实现的关键环节[2]。因此，为
了提高沥青路面的强度、稳定性及抗疲劳特性，必须重视和加强压实质量管理，特别是
碾压过程的控制[3]。
目前，沥青路面的压实质量管理仍以“事后抽样检验”为主，难以及时了解压实状
况并进行整体质量的控制[4]。因而，能够对沥青混合料压实状态进行连续监测和实时反
馈的智能压实逐渐引起关注[5, 6]。智能压实通过配置压实监测系统，并利用远程监控技
术，将施工质量管理由事后检验控制转变为信息化过程控制[7-9]，正逐渐成为道路建设
中质量保障的重要手段。
智能压实避免了费时费力的事后检测，能够及时控制漏压、欠压、过压等问题，实
现提质增效的目标；借助智能压实系统，能够以合理的碾压遍数完成压实任务，减少能
源消耗[10-12]。此外，当代高速公路建设正朝着工业化、信息化和智能化方向发展[13]。通
过智能压实可以全面记录铺筑材料、施工设备和施工过程等信息，实现数据共享，为交
通基础设施的运维管养提供支持[14, 15]。
1.2 国内外研究概况
本文首先阐述智能压实研究的发展和现状，然后从压实机理和碾压模型分析、压实
参数检测和数据处理、压实状态感知和质量评价等方面进行国内外研究的调研。
1.2.1 智能压实发展和研究现状
智能压实起源于欧洲，代表性国家有德国、瑞典、奥地利等，并形成了部分技术标
准和规范。然而，受社会发展和技术条件的限制，智能压实在 2000 年前发展缓慢，未
获得广泛推广和应用[16]。
2002 年，美国联邦高速公路管理局（Federal Highway Administration，FHWA）和
美国公路和交通运输协会（American Association of State Highway and Transportation
Officials，AASHTO）联合组队赴欧洲考察智能压实技术[17]。此后，智能压实研究在美
国开始获得重视，并在德克萨斯州、明尼苏达州及爱达荷州等地进行了实践，主要研究
机构包括伊利诺伊大学厄巴纳-香槟分校、俄克拉何马大学以及普渡大学等。自 2004 年
起，FHWA 资助实施了“智能压实研究计划”，借助车载计算机、传感器、定位系统和
1
监控软件系统，对土壤和沥青混合料的压实过程进行连续检测，并制定了相关规范[18]。
此后，智能压实的研究热度平稳上升，并在 2010 年后受到越来越多的关注，活跃的研
究人员主要有 George[19]、Soheil[20]、Michael[21]及 Adam[22]等人。此外，在智能压实研究
中，施工设备制造商也是值得关注的研究力量，代表性厂商有德国 Bomag 公司、瑞典
Dynapac 公司、美国 Catepillar 公司及日本 Sakai 公司等[23]。
目前，智能压实研究在美国、德国、瑞典和日本等发达国家取得了一定进展，国内
则有西南交通大学徐光辉团队[24-26]、中南大学聂志红团队[27-29]等从碎石路基压实检测研
究入手，对铁路路基形成过程进行监测和控制，形成了高铁路基连续压实控制理论，是
智能压实较早的倡导者。此外，天津大学刘东海团队[30-32]对土石坝碾压质量的监测和管
理进行研究，提出了压实监测值指标 CV，为土石坝碾压质量的控制提供了新方法。
由于道路工程和铁道工程发展的历史原因，过往智能压实研究大多关注于土壤和土
石混合物等岩土填料的压实和控制，在沥青路面压实上的应用相对较少。土工压实研究
对于沥青路面压实的研究具有借鉴意义，但由于结构组成和性能要求的不同，两者之间
的差异很大。目前，国内沥青路面智能压实的研究已经逐步展开，但尚属起步阶段，仅
有长安大学、交通部公路科学研究院等少数机构进行了探索性研究[33]。
1.2.2 沥青路面智能压实关键技术
智能压实是路面施工技术的一大进步，相对于传统的压实质量检测和控制，其突出
优点有：压实均匀性好，质量高；施工效率高，成本更低；施工智能化，管理系统化等
[34, 35]
。相应地，为实现上述优点，智能压实系统需要解决的关键技术如下。
（1）“机-料”耦合系统建模和分析
沥青混合料的压实过程与材料特性密切相关，也受温度、施工参数等因素影响。沥
青路面压实过程中，压路机和沥青混合料之间存在复杂的相互作用，压实状态的变化规
律尚未明确。因此，沥青混合料碾压过程中“机-料”耦合系统的建模和分析是智能压
实系统的关键技术之一。
（2）振动压实反馈信号处理和分析
智能压实系统通过压实检测单元获取振动幅度、振动频率、碾压温度及碾压位置等
参数，并进行信号处理和分析。由于沥青混合料的振动压实是非线性非平稳过程，且施
工环境复杂，作业模式多变，导致反馈信号属于非线性非平稳信号，且包含大量的噪声、
杂波等干扰。因此，振动反馈信号的处理和分析是智能压实系统的关键技术之一。
（3）压实状态感知和压实质量评价
智能压实系统主要根据振动轮反馈的加速度信号进行压实状态监测，从而需要在振
动信号处理结果和压实度之间建立联系。由于沥青混合料的非均匀性、温度敏感特性和
流变特性，导致压实检测指标确定、压实状态感知和压实质量评价的难度较大，是智能
压实系统的关键技术之一。
2
第一章绪论
1.2.3 振动压实机理和碾压模型研究动态
在公路建设中，路面压实方法经历了漫长的发展流程。最初，人类通过人工夯实的
方法进行压实，其效率和效果较低。随着工业革命的发展，人们开始使用机车滚轮慢速
滚过碾压层以压密填筑材料，即为静力压实方法，是筑路技术的“第一次革命”。然而，
压实过程中，静压力不应接近或超过路面材料强度的极限，且一定质量的静力压路机只
能产生一定的压实效果，导致静力压实的应用受到限制[36, 37]。随着技术的进步，振动压
实技术得到了应用，即利用振动轮偏心质量高速旋转产生的离心力对路面材料进行压实，
是筑路技术的“第二次革命”。振动压实的出现弥补了静力压实的不足，具有压实效果
好、生产效率高的优点，获得了快速发展，是目前路面碾压成型的主要方式[38, 39]。
在振动压实作用下，路面材料的压实反应通常可分为塑性模型和弹性模型两部分[40]。
韩丁等[41]据此分析了土壤的振动压实机理，采用弹塑性土体动力本构模型，通过有限元
方法和三轴压缩实验，对碾压模型的合理性、不同振动频率的压实效果进行了分析，表
明土壤压实的动态特性取决于压实度、压实力度及碾压次数等参数。龙运佳等[42]在土壤
弹塑性模型的基础上提出了混沌振动压实模型，研究了振动轮在不同条件下的运动规律，
通过仿真描述了土壤特性的变化过程。对于沥青路面压实，美国 AASHTO 协会发布的
铺装手册提出了典型沥青混合料适宜的压实工艺，包括压实机型、碾压遍数等参数，但
其方案不能根据压实度的动态变化及时调整，仅具有参考意义[43]。Kandil 等[44]通过对比
室内室外压实试验的结果，分析了沥青混合料级配对压实质量的影响。Saha 等[45]则利
用 X 射线图像，通过分形理论和最大类间方差法分析沥青混凝土的均匀性，并基于分形
维数进行压实质量评价。此外，沥青混合料压实过程也与施工温度密切相关，如
Delgadillo 等[46]通过室内试验和现场试验分析了温度对于沥青混合料压实的影响，结果
表明，沥青混合料获得密实的温度区间须在 70℃ ~ 80℃以上。
由于材料组成的多样和结构特性的动态变化，路面的振动压实成型是复杂的随机过
程。为了分析碾压施工中路面材料特性的变化过程，需要将压路机和路面材料作为整体
进行分析，即“压路机-路面材料”系统，通常可描述为多自由度的强迫振动系统[47]。
振动压路机工作时，振动轮产生的离心力可分解为水平、垂直和旋转三个方向进行分析
[48]
。郑书河等[49]认为，考虑压路机的前进工况，假定其匀速行驶，则压路机在水平方向
所受外力之和为零，从而在压实过程中可忽略水平方向的受力效果，简化振动压实系统
模型。此外，德州农工大学 Kim[50]、吉林大学闻邦椿[51]、福州大学林述温[52]等学者把
“压路机-路面材料”系统简化为两自由度的数学模型。根据振动力学理论，并由力的
平衡方程列出振动压实系统的运动方程进行分析。尽管两自由度模型是在简化条件下得
出的，但基本上可反映“压路机-路面材料”系统的动态响应，其数学处理也较为方便[53]。
目前，关于土壤、土石填料的振动压实机理和模型研究较多，而沥青混合料振动压
实机理和模型的研究相对较少，这主要归因于沥青的温度敏感性、集料的非均匀性以及
沥青混合料的流变特性[54, 55]。因此，需要对沥青混合料压实状态变化和压实效果进行研
究，为沥青路面压实参数检测提供理论基础。
3
1.2.4 压实参数检测和数据处理研究动态
1.2.4.1 压实检测发展概况
在路面压实施工的质量控制中，路面材料密实状况的检测十分重要。实际应用中，
通常使用压实度描述压实质量，其检测方法包括传统方法、在线方法和连续方法等[56]。
（a）传统压实检测方法
传统检测方法通常包括环刀法、灌砂法、核子法和钻芯法等，其特点如表 1.1 所示。
表 1.1 传统压实质量检测方法特点
方法环刀法灌砂法核子法钻芯法
对象细粒土基层，砂石路面，土壤，土石混合物，沥青路面，半刚性
路基土。混凝土。基层，水泥路面
优点使用仪器较少，操操作可控，测定值操作简单易行，准操作简单。
作简单易行。精确，代表性好。确无损高效。
缺点人为误差大，代表试验条件差，操作价格昂贵，需标定，有损检测
性差，适用面窄，复杂，速度慢，有湿度影响大，存在
有损检测。损检测。安全隐患。
综合抽样检测，不能全面反映压实的均匀程度；结果控制，通常在施工结束后进行，
评价不是过程控制；工作量较大，检测耗时长，影响施工进度；部分方法有损，部分方法
存在安全隐患。
如表 1.1，环刀法适用于细粒土的密度测试，但人为误差大，其结果不能描述整体
的密实度[57]；灌砂法适用于砂石路面及路基土等材料的压实度测定，但测试速度慢，且
容易出现误差[58]；核子法适用于现场施工质量的快速评定，但仪器损坏时会产生放射性
物质，需小心保管和使用[59]；钻芯法适用于沥青路面和水泥路面，操作简单，但亦是有
损抽样监测和事后检测，不能进行过程控制。
综上，传统压实质量检测方法简单易行，但均停留在结果检测，不具备充分的代表
性，难以实时反映压实状态。此外，环刀法、灌砂法、钻芯法属于有损检测，不但操作
繁琐，同时存在耗费大量人力物力等缺陷，从而实时无损的在线检测技术成为路面建设
的迫切需求[60]。
（b）在线压实检测方法
在线方法弥补了传统方法的不足，能够快速无损地检测压实度，通常有瑞雷波法[61,
62]
、无核密度法[63, 64]、落锤弯沉仪法[65, 66]以及探地雷达法[67, 68]等，其特点如表 1.2 所示。
表 1.2 在线压实质量检测方法特点
方法瑞雷波法落锤弯沉法无核密度法探地雷达法
对象土壤路基，大坝。土壤路基沥青路面沥青路面
优点快速无损，精度可质轻便携，操作简便。准确无损高效，安快速无损，操作简
靠。全可靠。单。
缺点现场铺设，需要标评价参数少，误差大。价格昂贵，需严格价格昂贵，分析复
定。标定。杂。
综合均为快速无损检测方法，但仅为在线检测，难以及时发现欠压和过压区域，不能过
评价程控制；部分方法工作量较大，检测耗时长，影响施工进度。
4
第一章绪论
如表 1.2，在土质条件确定的情况下，瑞雷波法通过瑞雷波波速与密度值的相关关
系来测量压实度，具有操作方便、快捷、准确等优点[69]。然而，由于土壤条件复杂，需
要进行大量的标定实验以满足不同土壤条件的变化，且此法的设备难以与压实设备集成
为一体。实际应用中，瑞雷波法通常用于填充厚度较大的路基压实度检测，不适合厚度
相对较小的沥青路面压实检测；无核密度法采用无线电磁脉冲检测路面材料的介电常数，
再通过电磁信号处理获得密实度。当检测不同类型沥青路面的密度时必须进行标定，其
缺点是电磁场受外界干扰较大；落锤弯沉法可进行实时、快速、无损的压实度检测，但
其评价参数较少，误差也比较大，且主要适用于土壤弹性模量测量和路基土壤的压实质
量评价；探地雷达法检测压实度过程简单，但其成本比较高，且计算过程比较复杂[70]。
综上，在线方法避免了传统检测方法的不足，能够对路基路面材料进行快速无损检
测。但在线方法亦属于抽样检测和结果控制方法，其检测结果具有片面性和滞后性，不
能及时发现欠压、过压区域，难以满足过程控制的要求[71]。为了对压实质量进行过程控
制，需要在碾压施工中实时在线地对进行全域监测，从而连续压实检测方法获得了发展。
（c）连续压实检测方法
随着碾压施工的进行，路面材料的密实程度不断增加，材料与振动轮之间的相互作
用力也不断增大，振动压实反馈的信号亦会相应地产生变化。因此，可通过检测碾压过
程中振动反馈信号的特征来分析路面材料的压实状态，即为连续压实检测方法[72]。连续
压实检测方法能够全面实时地获取压实状态信息，避免了结果检测，降低了检测成本，
进而可通过反馈调整施工参数，实现过程控制，逐渐受到关注。振动压路机与连续压实
检测技术的结合应用，被称为筑路技术的“第三次革命”。
伴随着道路工程建设的发展，连续压实检测方法经历了漫长的演变过程。20 世纪
40 年代初，第一台自行式钢轮振动压路机诞生，振动压实逐渐获得应用[73]；20 世纪 60
年代是连续压实检测方法的萌芽期，产生了利用压路机的动态响应信息检测压实质量的
想法，其中美国专利 N03053157[74]提出了利用振动轮垂直加速度的振幅测量压实程度的
方法；20 世纪 70 年代，Thurner 等[75]在进行路基压实监测研究时，提出了谐波分析法，
认为振动压实反馈信号在碾压过程中会产生变化，进而根据填筑材料和振动轮的相互作
用关系，分析反馈信号的谐波组成成分来判断压实效果。基于此，瑞典 Dynapac 公司与
Geodynamik 公司联合研制了机载压实计[76]。自 20 世纪 90 年代起，欧洲学者逐步提出
了连续压实控制技术，即根据土体变化自动调整压路机振幅和振频以优化压实过程，连
续压实检测开始向智能化检测与自动化控制方向发展。德国 Bomag 公司推出了
Omegameter 和 Tetrameter 压实计，通过采集振动轮上反馈的振动加速度信号，计算获得
压实度值，从此压实度仪开始获得了大量应用[77]。21 世纪 10 年代后，随着技术进步和
压实质量要求的提高，连续压实检测研究得到了快速发展。
在中国，连续压实检测方法的研究起步较晚[78]。自从瑞典开发了机载压实计后，国
内压实度连续检测研究成为热点。自 20 世纪 80 年代起，国内对压实计的工作原理展开
了探索，并研制了三种具有代表性的压实度仪[79]。徐州工程机械厂和宝应四明公司联合
5
开发了 SMC-960A 型压实计，通过加速度信号谐波分量与基波分量的比值获取土壤密实

度；水利水电科学院研制的 YS-1 型压实计，设计了频率选择开关，能够满足不同振动
参数要求的碾压施工任务，并在大坝工程中使用，但未能获得推广应用；苏州交通设计
研究院与江阴交通工程机械厂合作设计了 MSY-100 型压实计，根据压路机与土壤之间
相互作用力的关系分析土壤的压实过程[80]。此外，奥村运明等[81]针对车载压实检测设计
了振动信号采集模块，并通过虚拟仪器技术实现信号处理，具有编程简单、操作方便的
优点，但受硬件条件限制，其运算能力相对较弱。刘松等[82]采用 CygnalF0005 单片机实
现过程控制和数据运算，并与上位机通过 USB 接口通信，但实时性较差。总体而言，
目前连续压实检测系统的实时性能和过程控制能力仍需进一步优化和提升。
进入 21 世纪，中国的铁路建设获得了极大的发展，尤其是高速铁路的大规模建设
对铁路路基的压实质量提出了更高要求，同时也促进了连续压实检测技术在铁路建设上
的应用和发展。闫国栋等[83]进行了高铁路基连续压实检测的研究，结果表明动态连续的
压实计值（Compaction Meter Value，CMV）指标能够较好地反映高铁路基施工中压实
质量的均匀分布特性。在此基础上，范娟[84]等发现不同的碾压工艺会导致 CMV 值存在
较大的偏差，从而造成压实度检测误差。最终，由西南交通大学徐光辉团队主编的中国
首部连续压实控制技术行业标准《铁路路基填筑工程连续压实控制技术规程》在 2011
年颁布实施，并相继进行了《公路路基与基层填筑工程连续压实控制系统技术标准》以
及《铁路路基连续压实控制技术验收标准》的专项研究[85]。
目前国内连续压实检测和控制的应用主要集中于公路路基、铁路路基和土石大坝等
领域，在沥青路面上的应用研究则相对很少，其中张学金等[86]分析了 CMV 值与压实度
常规取样检测结果的相关关系，得出其与传统压实度指标之间相关性较弱的结论。因此，
还需要对沥青混合料的连续压实检测技术进行深入全面地研究。
1.2.4.2 压实检测定位技术
目前的高速公路施工过程仍以粗放式行为为主，导致沥青路面压实度的波动性很大。
为规避偶然因素的影响，提高沥青路面压实质量，提升行车体验和通行效率，需要考虑
沥青路面施工的均匀性和平整性。传统的事后检测方式只能获取少量检测结果，难以描
述施工路段内各位置的压实结果。因此，为获取全部施工路段的压实效果，需要将检测
结果与碾压位置相匹配。此外，在施工过程中，碾压遍数直接影响路基路面的压实质量，
其与压实度的正相关性十分显著。为准确统计碾压遍数，精确定位碾压位置，需要获取
压实设备的实时运行轨迹，从而对施工设备定位的精度提出了较高要求[87]。
目前，车辆定位技术主要有全球定位系统（Global Positioning System，GPS）、Galileo
定位系统、GLONASS 定位系统以及北斗定位系统等[88]。现有的连续压实控制系统大多
提供厘米级/亚米级定位精度以面向不同场合和压实标准的需求，其中典型系统的定位特
性如表 1.3 所示。
6
第一章绪论
表 1.3 典型连续压实控制系统的定位特性
国家厂家连续压实控制产品定位精度
瑞典戴纳派克 DCA（Dynapac Compaction 1）DGPS(亚米级，最高 1 米)
Analyzer）系统 2）RTK-GPS (厘米级)
德国宝马格 AM2（Asphalt Manager 2） 1）DGPS（亚米级，最高 20 厘米）
系统 2）ATS（Trimble)（厘米级，最高 5 厘米）
日本酒井 CIS2(Compaction 1）VRS network (Topcon)
Information System)系统 2）MC-R3GPS
美国悍马 HCQ （HAMM Compaction 1）DGPS（Trimble）
/维特根 Quality）Navigator 系统 2）OmniStar GPS(厘米级，5 厘米~10 厘米)
美国卡特彼勒 ACC（AccuGrade 1）SBAS (米级，1 米到 3 米)
Compaction Control）系统 2）MS952 RTK GPS(厘米级，1 厘米~3 厘米)
美国沃尔沃 Density Direct™系统 1）DGPS/GPS 3320 system（厘米级，最高 3
厘米）
美国凯斯 ACE(Ammann Compaction 1）MS 990（GPS+GLONASS）antennas
/阿曼 Expert)系统 2）MS972 RTK-GPS(Trimble)
由表 1.3 可知，GPS 系统最常用，其中民用 GPS 定位的误差一般在 10 米以上，难

以满足碾压精确定位的需求[89, 90]。GPS 的定位误差主要来自于时钟误差和信号传播误差，
通常采用差分全球定位系统（Differential Global Positioning System，DGPS）、实时动态
（Real Time Kinematic，RTK）GPS 等方法改善定位精度[91, 92]。DGPS 需要设置多个基
站，但其精度一般只能提升到 1m 左右，且接收机较复杂，成本较高。如 Eom 等[93]将三
部 DGPS 系统应用于无人驾驶，并采用最小二乘法修正测距结果，其动态定位误差低于
0.6m；RTK-GPS 系统具备高精度定位能力，其精度可达厘米级。如曹旻罡等[94]基于虚
拟参考系统开发了 RTK-GPS 接收机，其动态定位误差不超过 5cm，能够满足车辆快速
定位的需求。此外，Dynapac 和 Caterpillar 等厂家为获取压实设备的实时位置信息，将
GPS 系统集成到压实度检测系统中，实现了路面压实的远程定位和监控。
综上，DGPS 的定位精度受限于一定水平，且接收机较复杂；RTK-GPS 系统的定位
精度较高，但其成本较高，在一定程度上限制了推广和应用。
1.2.4.3 振动压实信号处理
沥青路面压实施工过程中，“压路机-沥青混合料”系统是一个非线性振动系统。
在激振力作用下，振动轮与沥青混合料之间产生复杂的相互耦合作用。进而，在振动轮
上可以获取振动反馈信号，其组成和特征反映了沥青混合料的压实状态。
为了获得振动反馈信号的特征，通常需要进行频谱分析。频谱分析可以将信号从时
域转换到频域内以分析其组成成分及各成分的分布，其中最常用的方法是傅里叶变换
（Fourier Transformation，FT）。由于 FT 计算的复杂度较高，实际应用中通常采用快速
傅立叶变换（Fast Fourier Transformation，FFT）算法实现频谱分析[95, 96]。在频谱分析后，
目前常用激励信号二次谐波与一次谐波信号幅值的比值来表征压实度，如张润利等[97]
通过对振动压路机不同工况下反馈信号的分析，提出了基波加二次谐波标定的方法获得
7
压实度参数，但此法参数单一，难以描述真实的压实状况。张智明等[98]基于大量的土壤
压实试验，分析了振动反馈信号在不同碾压遍数下的变化情况，并与常规取样方法的结
果进行对比，认为 CMV 指标可以用于土壤压实状态变化的描述。总体来说，为了更加
准确地测量铺筑材料的压实度，需要对振动反馈信号进行更全面深入的处理和分析。
目前，连续压实控制系统中振动反馈信号的处理大都基于传统的傅里叶分析方法进
行。然而，傅里叶分析方法的理论基础是基于三角“基函数”的空间变换，十分适合于
连续稳定周期信号的处理，难以准确地获取非线性非平稳信号的频谱特征。沥青混合料
的振动压实过程从本质上来讲是非线性非平稳的，因此需要寻找合适的信号处理方法准
确地描述振动信号的来源和分布。除了傅里叶变换外，常用的振动信号处理方法有短时
傅里叶变换（Short Time Fourier Transform，STFT）方法[99]、小波变换（Wavelet Transform，
WT）方法[100, 101]及逐渐受到关注的希尔伯特-黄变换（Hilbert-Huang Transform，HHT）
方法[102, 103]等。在傅里叶分析的基础上，易飞等[104]采用小波变换方法对振动反馈信号进
行处理，分析振动反馈信号的“奇异点”特征，以判断路基压实施工的异常状态，进而
间接地描述土壤压实度的变化情况。目前，STFT、WT 以及 HHT 方法在智能压实中的
应用仍较少，且在沥青路面压实振动信号的分析效果尚缺乏定论，有待深入研究。
1.2.5 压实检测指标和质量评价研究动态
（1）压实检测指标
随着连续压实检测方法的发展，压实质量评价指标也相应产生。最早的压实质量指
标于 20 世纪 70 年代在瑞典出现，其原理是通过傅立叶变换方法获得振动反馈信号的谐
波分布情况，并采用二次谐波与基波的幅值比反映压实程度，称为 CMV 指标，初步实
现了连续检测的目标。在此基础上，针对土壤压实和土石填料压实的需求，相继有研究
人员提出了压实控制值（Compaction Control Value，CCV）[105]、总谐波失真量（Total
Harmonic Distortion，THD）[106]等指标。进入 21 世纪后，连续压实检测方法得到快速
发展，各大研究机构和设备厂家先后提出了一系列压实检测指标，如表 1.4 所示[107-109]。
表 1.4 现有典型连续压实检测指标
指标机构公式原理
CMV Dynapac A2  采用振动轮加速度响应信号二次
CMV  300 
公司 A 谐波幅值与基波幅值的比值表征被压
材料的压实度结果。
CCV Sakai A0.5  A1.5  A2  A2.5  A3 分解振动轮加速度响应信号为多
CCV  100 
公司 A0.5  A 次谐波分量，通过基波频率和次谐波
频率确定被压材料的相对刚度指数。
THD 日本土木测量预埋传感器的加速度值，以

A2 2  A3 2   An 2
研究所 THD  100  二次以上所有“谐振加速度幅度谱的
A
均方根”与“基波振动加速度幅度谱”
的比值确定“应变率”指数。
Evib Bomag
Zd 
1     F
2
s 2  L
  1.8864  ln 
测量滚轮的激振力与位移等结
公司 EVIB L   B 果，根据滚轮的半径、长度等参数计
8
第一章绪论
算材料的振动模量。
Kb Ammann 在一定的激励频率下，测量滚轮
 m  me re cos 
公司/Case k b  4 2 f 2  d  振动幅度与偏心矩之间的关系，计算
公司  a  碾压综合刚度。
MDP Caterpillar  A  利用材料由松软变密实过程中滚
MDP  Pg  Wv Sin    (mv  b)
公司  g 动阻力会减小的特点，通过计算施工
设备的机械驱动功率来描述压实度。
R 长安大学 — 由压实材料的模量决定。
针对表 1.4 的部分指标，Adam 等[110]通过对已知静态模量的路基进行压实测量和比

较，发现压实度指标结果并不总是随着静态模量的变大而单调递增。此外，不同指标计
算公式的标定系数差异很大，缺乏广泛接受的标准，且与常规检测指标之间的相关性较
差。与此同时，部分压实度指标存在适用填筑材料类型少、只能搭配特定压实设备使用
等特点，因而其应用范围受到了限制[111]。尽管如此，根据各自国家内的实际应用情况，
欧洲形成了 BYA2004（瑞典），ZTVE-STB-2010（德国）以及 RVS 8S.02.6（奥地利）等
连续压实检测标准，目前欧盟正考虑建立统一的连续压实检测技术标准体系。
（2）施工质量评价
针对沥青路面的施工质量评价，美国 AASHTO 协会[112]分析了大量的公路试验数据，
发现在工程施工过程中通常存在变异性，且仅依靠少数点的检测结果来描述施工质量具
有缺陷，使用统计方法能够更好地描述施工结果。实际应用中发现，试验数据的分布通
常呈现或者接近呈现正态分布，从而可用正态分布理论来描述和估计公路施工的质量水
平。此外，Izeppi 等[113]采用视频技术监测沥青路面的压实质量，获取了路面图像的视觉
纹理参数，并利用主成分分析方法进行监测数据降维，结果表明，该方法能够有效获取
压实质量的分布情况。Lim 等[114]则在施工质量评估和管理中进行了专家系统设计，以
质量监管为核心，评估了监管体系的准确率，结果表明，此方法具有可靠性和实用性。
与国外相比，我国沥青路面施工质量评价的研究起步较晚。如赵楠等[115]根据级配
分形理论，设计了沥青混合料生产过程的动态监测系统，包括数据采集、传输和分析系
统，并总结了沥青混合料质量的可靠性标准。周文欢等[116]建立了沥青路面施工质量过
程控制体系，应用 W 检验方法分析了各施工参与单位的质量控制情况，实现了路面施
工质量的动态控制。李海滨等[117]通过德尔菲法收集了大量的专家意见，按照递阶结构
建立了指标体系，并采用层次分析法和模糊综合评价方法分析施工过程情况，最后对各
个指标进行赋值，使得施工控制中有据可依。
目前国内外关于沥青路面施工的质量评估和评价大都采用事后检验的方式进行，难
以对施工过程进行实时检测和评估。近年来，随着大数据、物联网、云计算以及移动互
联网等新技术的快速发展，施工质量评价与远程监控也获得了新的机遇，并逐渐迈向智
能化方向[118, 119]。沥青路面智能压实系统能够实时检测施工参数和沥青混合料状态信息，
并通过定位系统和远程监测系统获取施工情况，有利于全面和准确地评价施工质量，并
进行施工管理。
9
综合国内外连续压实检测指标和压实质量评价研究的情况，可得如下结论：
（1）用于描述压实状态的途径有多种，如振动轮加速度、振动轮激振力与位移、
机械驱动功率、瑞雷波波速等。鉴于振动反馈信号易于采集，振动信号采集和处理装置
易于和施工设备集成，基于谐波分析法的压实度指标如 CMV、CCV 等获得的关注较多，
但仍存在适用材料类型单一、与现有常规压实检测方法结果的相关度一般等缺点，需要
进一步深入研究和优化。
（2）现有的连续压实检测方法通常应用于土壤公路路基、碎石铁路路基、土石大
坝等场合，但由于沥青路面的厚度较小，沥青混合料是非均匀多相介质，集料颗粒的形
状不规则等因素，导致沥青混合料的振动压实压实过程中存在多种作用机理，是复杂的
非线性非稳定过程，与岩土填料的连续压实控制差异较大。因此，常用连续压实检测指
标对于沥青路面压实检测的适用性以及压实质量的评价仍需深入研究。
1.3 主要研究内容及技术路线
1.3.1 主要研究内容
为提高沥青路面压实施工质量和路用性能，本文研究智能压实系统的关键技术，包
括沥青混合料振动压实过程的建模分析、压实参数监测和振动反馈信号处理以及智能压
实质量评价等内容。
（1）振动压实“机-料”耦合模型分析
对沥青混合料的振动压实过程进行研究，分析沥青混合料的压实机理，并探索压实
过程中的状态变化；建立沥青路面振动压实“机-料”耦合模型，并分析耦合系统的动
态响应，建立振动轮响应反馈信号特征与沥青混合料压实状态之间的联系，为沥青路面
压实监测和质量评价提供理论基础。
（2）压实参数监测和振动信号处理
开发沥青路面施工远程监控系统，研制车载压实检测单元，设计数字滤波器系统，
并探索预处理方法以抑制杂波和噪声等干扰；通过室内外和施工现场的模拟试验，采集
碾压过程的振动反馈信号；最后，在传统时频分析方法的基础上，比较和选取适用于非
线性非平稳压实过程的方法进行振动反馈信号处理和分析。
（3）压实检测指标和压实状态感知
在现有连续压实检测指标特点的基础上，总结并定义新的压实度指标。结合室内外
和施工现场试验振动反馈信号的处理结果进行压实状态感知，比较压实度指标的特性和
效果。结合协同定位系统的使用，实现连续压实检测和沥青路面施工远程监控。
（4）智能压实状态分类和质量评价
融合多源压实监测数据，选择训练样本的特征，进行数据预处理，并进行样本数据
标识；设计基于支持向量机的状态分类器，基于振动信号处理的结果进行压实状态分类；
利用标定系统获取隐含压实状态序列，采用压实状态分类的结果作为观察序列，计算获
10
第一章绪论
取隐马尔可夫模型参数，进而实现智能压实质量评价。
1.3.2 拟采取的技术路线及实施方案
在充分调研国内外研究现状的基础上，拟建立振动压实“机-料”耦合模型，分析振
动反馈信号与沥青混合料压实状态的关系；设计车载检测单元和远程监控系统，通过室
内外和现场试验获取监测数据；在数字滤波和预处理的基础上，基于经验模态分解方法
进行振动反馈信号的处理和分析；基于能量分布方法定义新型压实指标，利用振动信号
处理结果进行压实感知；对压实监测数据进行特征选择和数据预处理后，基于
SVM-HMM 进行智能压实状态分类和质量评价。本文研究的技术路线如图 1-1 所示。
(2)
(1) 振动压实“机-料”耦合模型室内外试验现场试验振
压
“
机试
-
料数字滤波
验
和
”
动力学沥青混合料瞬时
耦分析和计算碾压特性分析
EEMD
信
合分解频谱
信号预处理号
模处
型理
研振动反馈与混合料压实状态关系研
究振动信号分析有效IMF分量
究
频谱能量特征选择碾压次数提取 (4)

表干法
分布分布
(3) 智
压能
压实度 CMV/CCV VCVe 数据预处理训练样本标识压
实
状实
态质
感沥青混合料压实状态感知量
基于SVM的压实状态分类评
知
研价
究室外试验现场试验研
压实感知压实感知基于HMM的智能压实质量评价究
图 1-1 本文研究技术路线图
（1）沥青路面振动压实“机-料”耦合模型研究
在振动压实系统的建模分析中，以非线性动力学理论为基础，探索沥青混合料在激
振力作用下的特性变化；建立“机-料”耦合系统的动力学模型，并探索振动反馈信号
与沥青混合料压实状态之间的关系；设计车载压实检测单元，开发沥青路面施工远程监
控系统，并通过室内外试验和施工现场试验获取振动压实反馈信号。
（2）基于经验模态分解的振动信号处理分析研究
设计数字滤波器以抑制原始振动信号中杂波和噪声的干扰，并采用趋势项消除和平
滑等方法进行振动信号预处理；比较 FT、STFT、WT 和 HHT 等数字信号处理方法的原
理和特点，并基于经验模态分解方法进行信号处理，通过时频分布特性选取有效本征模
态分量，最终获取振动反馈信号的有效频谱特性。
11
（3）基于能量分布的压实状态感知方法研究
在现有谐波分析法压实度指标的基础上，基于能量分布特征定义新型智能压实指标；
根据振动信号处理的结果计算获得压实度指标值，并与常规检测结果比较以对指标进行
评价；分析压实背景、碾压次数、静压振压、单点和整体等不同情况下沥青混合料的压
实状态，实现沥青路面的压实状态感知。
（4）基于 SVM-HMM 的智能压实质量评价研究
通过协同定位系统提取碾压次数，并对压实监测数据样本进行预处理和标识；通过
FCM 算法进行隶属度求解，并基于模糊支持向量机进行智能压实状态分类；通过
RTK-GPS 获取压实隐含状态序列，结合 SVM 压实状态分类结果，基于最大似然估计算
法估计 HMM 参数，并基于隐马尔可夫模型进行智能压实质量评价。
12
第二章沥青路面振动压实“机-料”耦合模型
前一章对智能压实的发展和关键技术的国内外研究现状进行了综述，确定了论文的
研究内容和拟采取的技术路线。本章则通过阐述沥青混合料的压实机理和状态变化规律，
归纳影响沥青混合料压实质量的因素；建立沥青路面振动压实施工的“机-料”耦合系
统非线性模型，进行耦合模型的动力学分析和计算；探索沥青混合料压实状态和振动压
实反馈信号之间的联系，从而为智能压实监测与质量评价提供理论基础。
2.1 沥青混合料压实机理和压实特性
2.1.1 沥青混合料压实机理
沥青混合料结构松散，通常呈“固-液-气”三相态，其中集料颗粒为骨架，颗粒之
间的孔隙为沥青和气体所占据。沥青混合料压实的目的在于使颗粒重新组合，彼此挤紧，
孔隙缩小，形成密实整体，最终使得沥青路面的强度增加，稳定性提高。
压实过程中，沥青混合料被限制在确定的范围内而不能四处移动。在集料被挤紧嵌
牢的同时，沥青混合料的空隙也相应地减少。实验室内，马歇尔击实试验法体现了良好
的“限制”性能，其中马歇尔试模限制了混合料的水平方向移动，并通过纵向外力冲击
作用使得沥青混合料被压实。在施工现场，“限制”条件的实现比较困难。对于沥青混
合料来讲，其下面的限制来自下承层，上面的限制来自压路机，周边的限制则来自碾压
区域内混合料抵抗流动和推移的作用。当碾压沥青混合料时，需要从路面外侧向路面内
侧进行碾压（直线路段），或者从内侧路肩开始逐步碾压至外侧路肩（曲线路段）。为
模拟沥青路面的振动压实过程，设计了小型试验路系统，充分考虑了各个方向上的“限
制”要求，详情见下文 3.2 小节内容。
沥青混合料在压实过程中主要克服三种阻力，即内摩擦力、粘附性和粘性阻力[120]。
内摩擦力主要受集料的性质影响，如含有天然光滑骨料的混合料，在压实时集料间容易
滑动，其内摩擦力比有棱角的碎石集料小；粘附性使结合料和集料结合在一起，除了受
沥青性质影响外，还与集料的表面特征和酸碱性有关；粘性阻力是沥青粘度和混合料温
度的函数，不利于压实时集料颗粒的重新组合，且温度越低阻力越大。当沥青混合料的
颗粒处于共振状态时，共振产生的频率与其固有频率一致。此时，混合料颗粒的振幅加
大，振动能量加大，上述三种阻力最小。因此，沥青混合料颗粒在共振时很容易压实。
相应地，与被压材料固有频率接近的频率是最佳压实频率。与此同时，大颗粒受高频冲
击而相互嵌挤，使空隙减少。压路机的重力产生静压力，使得沥青混合料的颗粒重新排
列，特别是小颗粒迅速进入大颗粒之间的空隙，并将空气挤出。
在震动波使得压实材料发生共振时，振动压路机的压实作用达到最佳状态。根据物
理学原理，不同材料的固有频率不同。常见压实材料的固有频率范围如表 2.1 所示[121]，
但对于具体的铺筑材料，需要通过试验选择最佳的振动压实参数。
13
表 2.1 常见压实材料的固有频率范围
压实材料频率/Hz 振幅/mm
路基 25~30 1.4~2.0
基层 25~40 0.8~2.0
厚层沥青 40~51 0.4~0.8
薄层沥青 51~70 0.2~0.6
实际应用中，压实设备的输出功率存在一定的限制，从而较小的振动幅度和较高的
振动频率具有相关性。对于厚度通常为 4cm~8cm 的沥青路面来讲，在同样的压实条件
下，高频压实通常比低频压实的压实度高，这主要是因为高频碾压能够尽可能避免骨料
被压碎，具有较好的压实效果，更适合于沥青路面的薄层碾压。
2.1.2 沥青混合料压实特性
压实的目的是提高沥青路面的承载能力和稳定性，减少路面在载荷作用下的变形，
并直接影响沥青路面的平整度和密实度。良好的路面质量最终要通过碾压来实现，以保
持路面结构稳定，避免水分、空气等外部物质的侵蚀，维持沥青路面的路用性能，延长
路面的使用寿命。
实际应用中，对沥青混合料压实施工质量产生影响的因素有很多，主要包括材料组
成、温度控制以及碾压参数等。
（1）材料组成
沥青混合料是沥青路面的组成成分，其优劣直接影响到沥青路面的质量。如果沥青
混合料不合格，后续所有的努力都是无用的。质量控制也是建立在沥青混合料合格的基
础上，否则也是无从谈起。
沥青混合料中的沥青应依据道路等级、结构层次、交通条件、气候水文等特点，结
合当地建筑材料的特性进行选择和确定。由于沥青的稠度越高，沥青路面的高温稳定性
越好，抗车辙能力越强，但低温抗裂性较差，所以沥青路面施工中可对石油沥青掺加改
性剂，提高路面的高温稳定性能和低温抗裂性能。此外，集料中的水分和泥沙应具有较
小比例，从而提高拌和楼的生产率，保证沥青混合料出料温度的稳定，提高矿料与沥青
的粘附性。除了材料特性因素，沥青混合料的级配和油石比等参数也会影响施工质量。
（2）温度控制
沥青具有温度敏感特性，导致沥青混合料的温度变化对路面施工质量具有重要影响。
从而，碾压施工应安排在气温较高的 2~3 个月内，同时应在气温较高的时段内进行。在
拌和生产阶段，当温度过低时，沥青包裹不均匀，易产生花白料。当温度过高时，会浪
费燃料，还容易使沥青老化。拌和生产温度的变化会引起摊铺温度和碾压温度的不稳定，
进而影响沥青路面的密实程度和平整度；此外，要趁沥青混合料处于高温时进行摊铺和
碾压，此时最容易达到高密度。为了保证沥青混合料的摊铺温度，需要控制混合料的出
厂温度和运输过程的保温措施，同时在碾压过程中实时监测沥青混合料温度，并考虑温
度效应对于压实状态的影响。
14
（3）碾压参数
碾压是形成沥青路面的技术手段，是通过外力作用，使沥青混合料颗粒紧密靠拢，
形成密实而稳定结构的过程。压实质量控制的好坏在一定程度上决定了沥青路面结构成
型后性能的良好与否。
沥青混合料的压实过程可分为初压、复压和终压三个阶段，应遵循“紧跟、慢压、
高频、低幅”的原则。此外，适度的碾压极为重要，碾压不足和过度碾压均不可取。碾
压不足会影响集料的嵌挤和稳定，且易使沥青流失或上、下部分沥青分布不均。过度碾
压则会导致骨料破碎，破坏集料的嵌挤过程，造成空隙减少，产生泛油现象。因此，应
根据集料等级、沥青标号、施工气温等因素确定合理的振动压实参数和碾压遍数。在沥
青混合料的压实过程中，振动压路机是主要的外力作用来源，选择合理的振动参数十分
关键。此外，在碾压过程中必须控制碾压速度。速度过快会产生推移、横向裂纹等问题，
影响压实的均匀性；速度过慢则会间断摊铺和压实工序的衔接，影响压实质量，增加压
实所需遍数。
考虑到沥青路面智能压实主要研究压实施工监测和过程控制，且课题组在沥青混合
料组成设计和特性分析上具有成熟的研究体系和成果，本文侧重于研究施工参数对于沥
青混合料压实过程的影响，同时监测沥青混合料从拌和、运输、摊铺到碾压成型全过程
的状态变化情况。在沥青混合料设计合理和温度控制良好的前提下，重点关注沥青混合
料压实过程中振动反馈信号、碾压温度以及碾压遍数的实时监测、振动信号处理、压实
状态感知以及压实质量评价等内容。
2.2 沥青混合料振动压实“机-料”耦合模型
2.2.1 振动压实原理与“机-料”耦合模型结构
振动压路机是综合利用振动压实和静力压实的压实机械，具有结构简单、工作质量
大、激振力大、爬坡能力强及生产效率高等特点，主要用来压实土壤、土石填料、沥青
混合料等材料，是公路、铁路、港口等工程施工的主要设备之一。在公路施工中，它多
用于路基路面的压实，是筑路施工中不可缺少的压实设备。
根据沥青混合料的压实机理，在施工阶段，沥青路面振动压实的基本原理是利用机
械自重以及激振器产生的激振力，对沥青混合料施加连续脉动冲击，以排除气体或液体。
通过克服粘聚力和内摩擦力，振动碾压过程使得沥青混合料颗粒相互楔紧，达到一定的
密实度和平整度，进而提高沥青路面的承载能力，延长路面的使用寿命。振动压实是静
载压实和动载压实的组合，具有压实能力强，压实效果好的特点，在公路工程施工中具
有不可或缺的作用。
振动压路机利用振动轴的高速旋转产生激振力进行能量输出，是沥青混合料振动压
实的主要外力来源，其结构如图 2-1 所示。当压路机工作时，振动轴带动偏心质量高速
旋转，产生强大的离心力。当振动轮与地面接触时，向地面反复输出冲击能量，从而使
15
得被压材料产生振动，最终达到压实的目的。
mf
r
P  M e 2
图 2-1 振动轮激振力工作原理图
图 2-1 中，振动轮的偏心质量通过旋转产生激振力，促使振动轮在碾压过程中进行
多方位的空间运动，但垂直于路面方向的压力才具有振动压实作用。根据郑书河等[49]
的研究，沥青路面施工过程中，当压路机匀速前进时，其在水平方向所受外力之和为零，
从而可忽略压实过程中水平方向上的受力效果。因此，在进行振动压实系统的建模时可
只考虑垂直方向的运动以简化模型。
由于沥青混合料材料特性的多变和施工现场环境的多样，沥青路面的碾压施工是复
杂的随机过程，但仍然遵循着一定的规律。为了探索碾压过程中沥青混合料压实状态的
变化情况，需要把压路机连同沥青混合料视作一个振动系统，即“机-料”耦合系统。
然后，根据实际情况进行简化，使其成为可进行数值分析的系统模型。数学模型建立后，
使用数学表达式描述振动压实系统的变化规律，分析振动压路机的动态反馈响应和沥青
混合料的状态变化，并建立彼此之间的联系，为沥青路面压实监测和质量评价提供理论
基础。
“机-料”耦合模型的建立原则有：首先，应使模型尽可能与实际施工状况相吻合；
其次，模型应力求简化，使得数学计算相对简单易行，进而具备实用价值。在当前的沥
青路面施工任务中，用于沥青混合料振动压实的压路机主要是双轮串联振动压路机。根
据机械振动理论，其通常具有 6~7 个自由度。当采用 6 个以上自由度的系统模型描述振
动压实系统时，理论上可以获得很高的精度。然而，由于沥青混合料的随机性和数学处
理方法的局限性，耦合模型的计算工作十分复杂，使得多自由度模型失去了精度意义，
实际应用效果未必很好。
针对压路机对土壤进行振动压实过程的分析，T.S.Yoo 和 E.T.Seling[122]采用弹簧-阻
尼系统描述被压土壤材料，提出了经典的二自由度线性“压路机-土壤”振动压实系统
模型，其结构如图 2-2 所示。
16
m1
x1
k1 c1
P sin t
m2
x2
k2 c2
F
图 2-2 两自由度线性振动压实系统模型图
如图 2-2，在振动压实系统中，压路机的上车、下车均简化为具有固定质量的集中
质量块，并采用弹簧-阻尼系统模拟减振器的工作特性以及振动轮对压实材料的动态作
用过程。
由于“压路机-被压材料”的动态响应模型基本相同，且经典的两自由度数学模型
基本上可真实反映“压路机-被压材料”系统的动态响应，数学处理也简单易行[123]。因
此，根据沥青混合料的材料特性，本章在两自由度数学模型的基础上进行沥青混路面振
动压实系统的分析。
2.2.2 沥青混合料碾压流变特性与“机-料”耦合模型
沥青混合料的压实是由松散状态转变为密实整体的过程。由于沥青和集料的材料特
性，沥青混合料在压实成型过程中具有粘弹塑特性。常见的沥青混合料流变模型有
Kelvin 模型、Maxwell 模型以及 Burgers 模型等，通常应用于沥青混合料成型后受压变
形、力学响应等问题的分析。然而，上述常见模型主要考虑沥青混合料的粘弹性特性，
对于沥青混合料碾压成型过程的分析存在一定的局限性。因此，本文采用一维流变模型
分析沥青混合料压实过程的流变力学行为，其结构如图 2-3 所示。
 eS 2
E1
e 1 e
E2
图 2-3 沥青混合料粘弹塑性流变模型
如图 2-3，根据流变模型中的串联、并联关系，可得碾压过程中沥青混合料的总应
变可表示为弹性应变 εe、粘弹性应变 εve 和粘塑性应变 εvp，即：
   e   ve   vp （2-1）
17
由于振动压路机的压实作用，沥青混合料的碾压成型过程中，当其所受应力超过屈
服应力时，产生塑性变形，此过程为粘弹塑性阶段；当沥青混合料不再产生塑性形变时，
进入粘弹性阶段，此时沥青混合料的密度基本不再变化，最后进入碾压终了的弹性阶段。
尽管如此，上述阶段的划分没有明显界限，只是对沥青混合料在压实过程中的不同状态
进行的粗略划分[124]。施工过程中，应该在粘塑性阶段进行碾压，而不是粘弹性阶段进
行碾压，尤其不能在趋于终了的弹性阶段进行碾压。根据郑健龙等[125]的研究，随着压
路机的碾压作用，沥青混合料在粘弹塑性阶段的本构关系为：
 2 d 2 d  d 2 e 1  E2 2  d e  e   eS
  2  1     （2-2）
E2 dt 2 dt E1 E2 dt 2 E2  E1 1  dt 1
e  e   eS   d  ve
粘弹性本构模型中的应变表示为：  e = ，  vp = t ，  ve = e  2 。
E1 1 E2 E2 dt
式（2-2）中：E1、E2 为弹簧的弹性模量；η1、η2 分别为 Kelvin 体和 Bingham 体粘

壶元件的粘滞系数；σe 为有效平均应力；σeS 为材料屈服应力；t 为时间。
当有效平均应力大于屈服应力时，并考虑沥青混合料空隙率变化的过程，经过推导，
可得沥青混合料碾压成型过程的流变本构方程为：

 e  e   E2    e   eS 

  t  =-   1  exp   t    t （2-3）

 E1 E2   2   1 

式（2-3）中，各参数都是随着振动压实过程而变化的相关参数，其中有效平均应
力由外部施加应力和沥青混合料空隙率共同决定。
由于沥青混合料在粘弹塑性阶段的温度一般是高于 100℃的，处于可塑流动状态，
从而其温度收缩和松弛应力趋近于零。因此，本文在沥青混合料处于粘弹塑性阶段的流
变力学分析中，忽略温度变化的影响，并选取与空隙率密切相关的有效平均应力进行分
析[126]，即：
 0 t 
 e t  = （2-4）
V t 
1 s
100
式（2-4）中，σ0(t)为振动轮施加给沥青混合料的应力（为反映应力的变化过程，采
用时变函数形式，下同），Vs(t)为碾压过程中沥青混合料的空隙率。根据沥青混合料空
隙率和压实度之间的关系，可得：
 e  t  =K  t   0  t  （2-5）
式（2-5）中，K(t)为沥青混合料的压实度，定义为试件毛体积相对密度与最大理论
相对密度的比值。
在实验室内，可通过材料试验系统（Material Testing System，MTS）的循环压实作
用获取混合料的压力-应变-时间曲线，进而拟合得到式（2-3）中的各参数。然而，对于
18
施工现场的振动压实过程来讲，受施工条件的限制，同时基于压实过程控制的需求，难
以通过类似于 MTS 设备测试的方法获取沥青混合料的特性变化参数。因此，需要通过
其他方式确定沥青混合料的压实状态。
考虑到沥青混合料在压实过程中的粘弹塑特性，本文建立碾压施工过程中的振动压
实“机-料”耦合系统模型如图 2-4 所示。
m1
x1
k1 c1
m2 P sin t
F x2
沥青混合料
0
图 2-4 沥青混合料振动压实“机-料”耦合模型
图 2-4 中，m1，m2 分别为压路机上车和振动轮的质量；x1，x2 分别为压路机上车和
振动轮的质心位移；k1，c1 分别为减振器的线性刚度和阻尼系数；F 是沥青混合料在振
动压实过程中的抵抗力；σ0 为振动轮施加给沥青混合料的应力；Psinωt 为作用在振动轮
上的激振力。
为便于分析，在沥青混合料的碾压过程中作出如下假设：
（1）沥青混合料各向同性，且在同一遍的压实过程中，各处被压材料是均质的；
（2）除压实层外，路面结构其它层均为弹性小变形，只考虑压路机荷载作用影响；
（3）压路机各部分质量均匀分布，且激振器与机架之间的连接是刚性的。
将压路机上车、下车质量的静平衡位置作为坐标原点，以垂直向下为正方向建立坐
标系。根据牛顿第二定律，并采用拉格朗日动力学方程进行推导[127]，可得沥青混合料
振动压实“机-料”耦合系统模型的动力学方程为：
m2 x2  c1 x2  k1 x2  F  c1 x1  k1 x1 =P sin t （2-6）
m1 x1  c1 x1  k1 x1  c1 x2  k1 x2 =0 （2-7）
P = M e 2 （2-8）
式（2-8）中，Me 为偏心质量的静偏心力矩，ω 为激振器的角频率转速；Me=mf ⁕r，

其中 mf 为偏心力，r 为偏心质量的偏心距。根据牛顿第三定律，振动轮对于沥青混合料
19
的压实力和沥青混合料对于振动轮的抵抗力是作用力和反作用力的关系，结合沥青混合
料的流变模型可得：
 e t 
F t    0 t  = （2-9）
K t 
式（2-9）建立了沥青混合料碾压过程中粘弹塑性性质与振动压实相互作用过程的
纽带，从而为通过振动压实反馈响应获取压实状态信息提供了新的途径和方法。
2.3 沥青路面振动压实“机-料”耦合模型分析
实际施工中，松散热态沥青混合料的弹性模量和刚度较小，且具有粘弹塑性，所以
可将塑性变形阶段和粘弹性变形阶段视作接触压实过程。根据力学分析和对施工现场的
观察，通常可将沥青混合料的振动压实过程分为三个阶段：压实前期的粘弹塑性阶段、
压实后期的粘弹性阶段和压实接近终了时可能出现的跳振阶段[128]。在粘弹塑性变形阶
段，由于沥青混合料处于松散状态，受混合料性质、振动轮加载、碾压温度等诸多因素
的影响，振动轮加载和卸载阶段的过程中路面的刚度不同，且处于变化过程，因此使用
非线性系数描述[129]；在粘弹性变形阶段，沥青混合料主要呈现弹性特性，可用线性模
型表示[130]；在跳振阶段，沥青混合料压实路面的刚度较大，或振动轮上的垂直反作用
力足够大，振动轮会跳起。因此，本文主要关注沥青混合料振动压实过程中的粘弹塑性
变形阶段，同时注意避免跳振情况的发生。
由于沥青混合料压实过程中粘弹塑性性质的非线性以及压路机振动压实中振动轮
和混合料之间相互作用过程的复杂性，由式（2-6）~式（2-8）组成的动力学方程本质上
是非线性弹塑性动力学方程，很难求得解答。虽然，上述方程可以采用非线性振动理论
进行数值模拟，但过程太复杂，难以获得工程实用性。因此，本文主要对其进行定性分
析，这也是目前处理非线性问题的普遍方法[131]。
本着从特殊到一般的思路，本文先从简单的线性系统入手对碾压过程进行分析，然
后进行非线性分析，最后进行一般情况下的分析。
2.3.1 线性振动压实系统分析
沥青混合料压实的线性情况对应着碾压后期阶段，此时，路面结构处于弹性状态，
振动压实系统为线性系统，其中压实抗力可采用弹簧 k2 和阻尼器 c2 的线性组合表示，
从而式（2-6）可调整为：
m2 x2  (c1  c2 ) x2  (k1  k2 ) x2  c1 x1  k1 x1 =P sin t （2-10）
联立式（2-7）、式（2-8）和式（2-10），求解微分方程，可得：
20
 1
x  P 2  A 2
 B2

2 2
  2 2 
C D 
1

 1
（2-11）
  A  B1 
2 2 2
 x2  P  12 2 

 C D 
式（2-11）中： A1 =k1  m1 ； A2 =k1 ； B1  c1 ； B2  c1 ；

2
C =m2 m1 4  m2 k1 2  m1k2 2  c1c2 2  k1k2  m1k1 2 ；
D =k2 c1  k1c2  m2 c1 3  m1c2 3  m1c1 3 。
振动压实过程中，振动轮会持续受到简谐激励振动的作用，其在垂直方向上的加速
度为：
x2 =  2 x2 （2-12）
根据振动压实系统模型的假设，可以认为在振动压实过程中，振动压路机上车、下
车的质量保持不变，压路机上车和下车之间的刚度和阻尼是固定的，偏心质量的大小和
偏心距也是固定的，且上述参数均可通过压实设备直接获取。从而，将式（2-11）代入
式（2-12），可得：
1
 A2  B12  2
x2 =P  12 2 
=f  , k2 , c2  （2-13）
C D 
根据式（2-13），在“机-料”耦合系统模型的假设条件下，若偏心质量的旋转角速
度 ω（对应振动轮的激振频率）确定，可得振动轮在垂直方向上的加速度只受 k2（沥青
混合料的刚度）和 c2（沥青混合料的阻尼）的影响。
根据黄志福等[132]的研究，沥青混合料在振动压实时的刚度为：
1
k2 =0.253
 2.5  e  2 1
sin    RL  0  3  d1
1  e  1   2  （2-14）
式（2-14）中，e 为孔隙比；υ 为泊松比；β 为振动轮触地角度；R 为振动轮半径；

L 为振动轮宽；σ0 为平均固结压力；εd 为应变。
根据式（2-14）可得，沥青混合料的刚度随着孔隙比减小而增大，而压实度则随着
孔隙比的减小而增大，从而沥青路面的压实度随着沥青混合料刚度的增大而增大，随着
沥青混合料刚度的减小而相应减小。
沥青混合料阻尼的计算公式为：
m2
c2 =0.265  2.33*103
 R3 （2-15）
21
式（2-15）中，ρ 为振动压实过程中的沥青混合料密度。根据式（2-15）可得，沥
青混合料的密度越大，其阻尼则越小。由于沥青混合料的密度与沥青路面的压实度成正
比，所以沥青路面压实度随着沥青混合料阻尼的减小而增大。
结合式（2-13）和式（2-14）可得，压路机振动轮的垂直加速度随着沥青混合料刚
度的增加而增加，即振动加速度与压实材料的刚度呈正相关关系；结合式（2-13）和式
（2-15）可得，压路机振动轮的垂直加速度随着沥青混合料阻尼的减小而增大，即振动
加速度与压实材料的阻尼呈负相关关系。因此，在粘弹性压实阶段中，当振动轮角频率
不改变时，其垂直加速度的变化能够可靠地反映沥青混合料的压实状况。
2.3.2 非线性振动压实系统分析
当振动压实系统的抵抗力为非线性时，其表达形式有多种多样。根据接触力学理论，
本文引入弹簧和小参数β来表达抵抗力，即为：
F =m202  x2   x23  （2-16）
式（2-16）表示的振动压实系统属于无阻尼非线性系统，其中弹簧为非线性弹簧，
并以β表征弹簧的变化性质。采用弹簧模式的目的在于可以求出振动响应的周期解，进
而揭示振动反馈响应信号中频率结构的复杂性，而引入小参数来表示振动幅值的大小，
则是非线性振动方程求解的一种手段。
将式（2-16）代入式（2-6），并与式（2-7）和式（2-8）联立，经过推导，可将动
力学方程转化为如下形式的方程：
u  02  u   u3  =q sin t （2-17）
式（2-17）中𝑢 = 𝑥2 ，𝑞 = 𝑃⁄𝑚2 ，此即为著名的的杜芬方程，由Duffing于1918年提

出[133]，是无阻尼情况下的非线性方程（此处采用新变量𝑢描述下车质心的位移𝑥2 ，是为
了避免下文对变量展开时引起误解，下同）。当然，沥青混合料振动压实过程可以采用
其他形式的非线性方程来表达，但其分析过程将更为复杂。
对于式（2-17）所示的方程，采用正规摄动法进行近似求解[134]。当β=0时，式（2-17）
转变为线性方程，即：
u  0 2u =q sin t （2-18）
式（2-18）表达的系统，通常称为原系统的派生系统，ω0为派生系统的固有频率。
当原始系统存在周期解时，可以在派生系统周期解u0(t)的基础上修正，构成原系统的周
期解𝑢(𝑡, 𝛽)[74]。
对周期解𝑢(𝑡, 𝛽)基于参数β进行幂级数展开，可得：
u  t ,   =u0  t    u1  t    2u2  t   L （2-19）
将式（2-19）代入式（2-18），比较方程两边参数ε同次幂的系数，可得线性微分方
程组如下：
22
  0 : u0  0 2u0 =q sin t
 1
  : u1  0 u1 =  0 u0
2 2 3
 2
  : u2  0 u2 =  30 u0 u1
2 2 2
（2-20）
  n :

组成式（2-20）的各个方程分别对应β的零次近似，一次近似，直至n次近似，其中
零次近似对应线性无阻尼受迫振动的方程。由于阻尼为零，所以振动轮上响应与激振力
之间无相位差，从而可得零次近似方程的解为：
q
u0 = sin t  A sin t
0   2
2 （2-21）
式（2-21）中，A为振幅。将u0代入一次近似方程，并利用三角函数的降幂公式进行
展开，推导可得：
3 1 
u1  0 2u1 =  0 2 A3  sin t  sin 3t  （2-22）
 4 4 
根据周期函数激励时的解法，并仿照零次近似方程的求解过程，可得一次近似方程
的解为：
30 2 A3 0 2 A3
u1 =－ sin  t  sin 3t =B1 sin t  B2 sin 3t
4 0 2   2  4 0 2  9 2  （2-23）
式（2-23）中，B1，B2分别为振幅。依此类推，求出所有各次近似方程的解，并代
入式（2-19），可得原系统的解为：
u =  A  B1  C1 2   sin t   B   C 
2 2
2
  sin 3t
  C3  2   sin 5t  （2-24）
对式（2-24）进行求导，可以相继得到速度和加速度的表达式，其结果与式（2-24）
类似。因此，非线性振动压实系统在角频率为ω的激振力作用下，出现了3ω，5ω等频率
的倍频响应。利用杜芬方程进行模拟的结果在一定程度上说明了沥青混合料的非线性性
质，但是没有出现2ω，4ω等频率，与实测的频率成分不完全一致。也从另外一个角度
说明了此模型不能完全真实地模拟振动碾压情况，而这实际上是由沥青混合料材料的复
杂性决定的。
2.3.3 一般情况下振动压实系统分析
在振动压实施工过程中，压路机的上车结构通常是固定的。因此，为了简化模型，
将上车和下车视为一个整体的刚体，并以振动轮为对象进行受力分析，建立单自由度激
振系统如图2-5所示。
23
P sin t
Mg
F
u
沥青混合料
图 2-5 单自由度激振系统受力图
如图2-5，考虑所有外力作用，并根据牛顿定律，可得：
F  t  =Mu  t   Mg  P sin t （2-25）
式（2-25）中，F(t)为沥青混合料对于振动轮作用的抵抗力，u(t)为振动轮的位移变
化，Psinωt 为作用在振动轮上的激振力。由于振动轮响应信号与激振力之间的相位差难
以测定，且随着混合料密实状态的变化，其力学性能不断提高，从而使得激振系统中激
励与响应的相位差不断变化，最终导致了式（2-25）中求解抵抗力过程的复杂性。
在式（2-25）中，抵抗力F(t)与加速度、激振力和质量M均呈一次方关系。因此完整
的抵抗力表达式应该符合F(t)=F(P，ω，M，𝑢̈ ，𝑢̇ ，𝑢)。对加速度求偏导数，可得：
F  t 
=M
u  t  （2-26）
由式（2-26）可得，抵抗力对于加速度的变化率为M。若质量M不变，则变化率为
常数，从理论上说明了沥青混合料对压实机具的抵抗力与振动轮的惯性力（非激振力）
之间呈线性关系。
在沥青混合料碾压过程中，振动轮的激振力和质量均保持不变。然而，振动轮的反
馈参量（加速度、速度和位移等）会变化，实质上是沥青混合料与振动轮之间相互作用
的变化引起的。因此，对于振动参数一定的压路机，通过量测振动轮反馈响应的变化信
息，可以进一步分析沥青混合料结构抵抗力的变化情况，进而获取沥青混合料的压实状
态信息。此外，由于在动态测试中，与位移和速度相比，加速度的变化相对更敏感，易
于监测，因此本文更多地关注振动轮反馈的加速度信息，详情见下文4.1小节内容。
综上所述，根据动力学方法和量测系统的特点，可以通过获取压实设备动态响应（加
速度等）的变化情况对沥青混合料的碾压过程进行实时连续监测，从而避免了复杂的计
算，且不要求详细的压路机相关参数，具有较好的实用性。尽管如此，由于沥青混合料
的碾压施工是一个时变非线性振动系统的作用过程，数学上不易表达，理论研究难度较
大。目前，对于沥青混合料碾压施工过程的研究尚缺乏成熟的理论，一般仍以实践为主
进行[74]。因此，本文亦是以实践研究为主，在“机-料”耦合模型理论分析的基础上，
通过提取振动压实过程中加速度反馈信号的频率组成和能量分布特征获取沥青混合料
的压实状态信息，进而对沥青路面施工过程进行监控，最终实现初级智能压实系统。
24
2.4 本章小结
本章研究了沥青路面振动压实施工的“机-料”耦合系统模型，建立了振动压实反
馈信号与沥青混合料压实状态的联系。首先，阐述了沥青混合料的压实机理，分析了沥
青混合料的压实特性和影响因素；然后，分析了沥青混合料在碾压施工过程中的流变模
型，建立了振动压实过程的“机-料”耦合系统模型；最后，在不同情况下分析了振动
轮与沥青混合料之间的相互作用过程，提出了采用振动反馈信号进行压实监测的方法。
本章的主要研究工作与结论如下：
（1）阐述了沥青混合料的压实过程，分析了三种压实阻力的作用原理，提炼了共
振状态下压实效果较好的规律。给出了典型压实材料对应的最佳压实频率范围，探讨了
材料组成、温度控制和施工参数等因素对沥青混合料压实效果的影响。
（2）分析了振动轮结构和激振力产生过程，归纳了压路机振动压实能量输出的基
本原理。采用一维流变模型分析了沥青混合料在碾压施工过程中的流变力学行为，并建
立了二自由度非线性振动压实“机-料”耦合系统模型，推导了耦合模型的动力学方程。
（3）阐述了沥青混合料压实状态变化的阶段划分，并主要关注粘弹塑性阶段的压
实状态变化。根据非线性弹塑性动力学问题的特点，分别在线性、非线性和一般情况下
进行了“机-料”耦合系统的模型分析。研究表明，当振动参数确定时，沥青混合料对
压实机具的抵抗力与振动轮的惯性力（非激振力）之间呈线性关系；通过量测振动轮反
馈响应的变化信息，可以进一步分析沥青混合料结构抵抗力的变化情况，进而获取沥青
混合料的压实状态，为智能压实监测提供了理论基础。
25
26
第三章沥青路面振动压实试验设计与监测
在“机-料”耦合系统模型分析的基础上，本章通过压实模拟试验研究沥青混合料
的压实特性，包括室内外试验和施工现场试验。室内实验采用马歇尔击实仪和旋转压实
仪进行沥青混合料压实，并分析马歇尔击实锤振动反馈信号和旋转压实次数与压实度之
间的关系；室外试验采用小型压路机在小型试验路上进行，现场试验则结合压实施工任
务进行，并采集多维压实参数，特别是振动反馈加速度信号。此外，开发了远程监控系
统，设计了车载检测单元，用于压实参数监测和施工过程监控。
3.1 室内压实模拟试验
在沥青混合料压实特性分析的基础上，搭建了室内振动压实试验平台，进行了马歇
尔击实试验和旋转压实试验。
3.1.1 室内马歇尔击实试验
马歇尔击实试验是沥青混合料组成设计的主要方法，通常采用马歇尔击实仪以一定
的击实功在一定温度下成型试件，以进行沥青混合料物理力学性质的检验。最终，使得
沥青混合料的各项指标，如空隙率、沥青饱和度、矿料间隙率等满足一定的要求，且能
够反映沥青混合料的路用性能要求。
马歇尔击实试验具有设备简单，使用方便等优点，且长期的应用研究积累了大量经
验，在沥青路面修筑过程中发挥了不可替代的作用。因此，本章通过马歇尔击实试验，
寻找振动反馈信号与压实度之间的关系。根据马歇尔击实仪的结构特点，考虑到数据采
集的方便性，搭建了振动压实测试系统如图 3-1 所示。
恒流源
加速度
传感器
数据采集
设备
信号分析
设备
（a）马歇尔击实振动测试原理图（b）马歇尔击实振动测试现场图
图 3-1 马歇尔击实振动测试系统
27
如图 3-1，振动测试系统由马歇尔击实仪、加速度传感器、数据采集系统以及信号
分析设备等组成。马歇尔击实仪采用南京路事达公司的 LSD-SMDJ2 数显电动击实机，
加速度传感器采用上海澄科公司的 CT1010L 通用加速度传感器，信号采集设备为北京
阿尔泰公司的 USB3200 数据采集系统。
根据公路沥青混合料试验规范，在马歇尔击实试验中，通常需要对试件正反面分别
击实 50 次或 75 次，击实频率为 1Hz 左右。工程应用中，通常选取 5~10 倍于信号所含
的最大频率进行采样，10Hz 的采样频率即可满足要求。鉴于实验所用采集卡最高采样
频率为 500KHz，且可同时采集八通道信号。为兼顾样本数量和方便数据处理的需求，
马歇尔击实试验中采样频率设置为 1000Hz，且采样时长均设定为单个马歇尔试件的击
实周期。
在试验过程中，通过安装在击实仪顶端的传感器采集的振动反馈信号。以马歇尔击
实试验获得的某沥青混合料模块为例，对采集的振动信号进行处理，可得其时域特征如
图 3-2 所示。
（a）击实周期内振动反馈信号（b）单次击实振动反馈信号
图 3-2 马歇尔击实试验信号结果
如图 3-2（a），振动测试信号的整体时长约为 65s，其中有效的采样时长为 50s，与
马歇尔试件的击实次数和击实周期相吻合。对于每一次击实，加速度传感器上都有振动
反馈信号体现，且相邻振动信号的间隔均匀，但不同的击实时刻存在振幅的差异变化。
对整个采样时长内的振动信号进行分割，关注每一次马歇尔击实所对应的振动反馈
信号。选取 420ms~440ms 时段（第 2100 个~第 2200 个）数据为例进行分析，其时域波
形如图 3-2（b）所示，可得每次击实的振动反馈是一个脉冲信号，与马歇尔击实的原理
一致，从而振动反馈信号可用于马歇尔试验的落锤监测。
马歇尔击实是一个冲击过程，在时域内持续时间比较短暂，能量比较集中。根据信
号与系统理论，在时域内离散的信号，在频域内的表达形式是连续的。因此，不同于周
期信号的离散谱，冲击信号的频谱是连续谱，频谱范围分布在-∞ ~ +∞，且幅值很小，
无法获取振动反馈信号组成和分布特征，而这是由马歇尔试验的基本原理所决定的。
28
作为一种成熟的沥青混合料设计方法，马歇尔击实试验对于沥青路面施工具有重要
意义，如李汉光等[135]对马歇尔击实次数与沥青混合料压实度的关系进行了研究，计算
了马歇尔击实仪和现场振动压路机的压实功，建立了压实次数与沥青混合料压实度的关
系，对于碾压施工方案的设计具有参考意义。尽管如此，马歇尔击实与现场施工的揉搓
和碾压作用过程差异较大，难以真实地模拟沥青混合料的压实过程。因此，通过马歇尔
击实试验的振动反馈信号进行智能压实研究具有一定的局限性。
3.1.2 室内旋转压实试验
旋转压实试验通过模拟碾压施工过程中沥青混合料的压实情况制备试件，其原理是
旋转压实仪在恒定压力下，以固定角度和规定转速对沥青混合料进行压实成型[136]。与
马歇尔方式相比，旋转压实仪采用揉搓、旋转方式进行试件成型，更接近现场施工中沥
青混合料的受压情况。旋转压实试件与钻芯取样的试件在体积特性、物理特性等方面可
以建立良好的相关关系，从而为沥青混合料的设计、检测和质量控制提供支撑[137-139]。
本章通过室内旋转压实试验对沥青混合料的压实特性进行研究，并获取压实次数与
压实度结果之间的关系。旋转压实材料为施工现场所用的 Superpave20 沥青混合料，压
实设备选用美国 PINE 公司的 AFG1 型旋转压实仪，其实物和试模如图 3-3 所示。
（a）旋转压实仪（b）旋转压实模具
图 3-3 旋转压实试验设备
在旋转压实试验前，通过控制面板设定压实参数，其中旋转次数为 100，外部角为
1.27°，纵向压强为 600kPa。在试验过程中，旋转压实仪能够实时采集试件高度变化、
压实压强、压实次数及旋转角度等数据，并通过串行通讯接口发送至外设计算机中。在
试件高度数据的基础上，结合沥青混合料的质量，可以计算获得沥青混合料在压实过程
中的毛体积相对密度。进而，结合沥青混合料的最大理论相对密度可以计算出压实过程
中沥青混合料的压实度。旋转压实试验中，旋转压实次数和压实度的结果如表 3.1 所示。
29
表 3.1 旋转压实次数和压实度结果
次数压实度（%）次数压实度（%）次数压实度（%）次数压实度（%）
1 80.83 26 93.06 51 95.17 76 96.22
2 82.90 27 93.14 52 95.25 77 96.22
3 84.32 28 93.29 53 95.25 78 96.31
4 85.47 29 93.37 54 95.33 79 96.31
5 86.32 30 93.52 55 95.33 80 96.31
6 87.11 31 93.60 56 95.41 81 96.39
7 87.72 32 93.75 57 95.49 82 96.39
8 88.34 33 93.83 58 95.49 83 96.39
9 88.82 34 93.91 59 95.57 84 96.47
10 89.24 35 93.99 60 95.57 85 96.47
11 89.67 36 94.14 61 95.65 86 96.47
12 90.02 37 94.22 62 95.65 87 96.55
13 90.31 38 94.30 63 95.74 88 96.55
14 90.60 39 94.38 64 95.74 89 96.55
15 90.89 40 94.46 65 95.82 90 96.63
16 91.18 41 94.54 66 95.82 91 96.63
17 91.48 42 94.61 67 95.90 92 96.63
18 91.70 43 94.61 68 95.90 93 96.63
19 91.85 44 94.69 69 95.98 94 96.72
20 92.07 45 94.77 70 95.98 95 96.72
21 92.22 46 94.85 71 96.06 96 96.72
22 92.45 47 94.93 72 96.06 97 96.80
23 92.60 48 95.01 73 96.14 98 96.80
24 92.75 49 95.01 74 96.14 99 96.80
25 92.91 50 95.09 75 96.14 100 96.80
为分析沥青混合料压实度与旋转压实次数之间的关系，将表 3.1 的数据画图，并使

用对数趋势线进行拟合，可得 Superpave20 沥青混合料的压实曲线如图 3-4 所示。
100
95
y = 3.805ln(x) + 79.923
90
R²= 0.9834
压实度/%
85
压实度
80 对数 (压实度)
75
70
0 20 40 60 80 100
旋转压实次数/次
图 3-4 Superpave20 沥青混合料压实曲线

30
如图 3-4，拟合曲线的方程为 y = 3.805ln(x) + 79.923，其中 y 为密实度，x 为旋转压

实次数，79.923 为初始压实度。此外，R²为拟合优度，其值越接近 1，表明拟合曲线越
接近拟合数据之间的分布。旋转压实试验数据的拟合优度值为 0.9834，表明拟合方程能
够很好地描述压实度和旋转压实次数之间的关系，即它们之间呈现良好的对数关系，描
述了沥青混合料压实度的变化过程和趋势。
对于沥青混合料，设密实度与旋转压实次数之间的关系为：
 n  A ln n  B, n  1, 2, N des （3-1）
式（3-1）中，γn为沥青混合料第n次旋转压实所对应的压实度，A、B均为拟合系数，
n为旋转压实次数，Ndes为压实合格时对应的旋转压实次数，此后的压实度趋于稳定。通
过多组旋转压实试验，可以获取拟合系数的平均值，最终获得压实曲线方程，进而可对
沥青混合料的压实特性进行深入研究。
3.2 室外压实模拟试验
旋转压实方法克服了马歇尔击实方法对沥青混合料碾压过程模拟的缺陷，但受限于
旋转压实原理和旋转压实仪结构，在旋转压实过程中采集反馈响应信号很困难。为此，
本文设计了小型试验路系统，并采用小型压路机进行室外振动压实模拟试验。
3.2.1 小型振动压路机
根据现场调研，发现用于接缝压实的小型振动压路机具有体积小、结构紧凑、灵活
高效等优点，非常适合于实验室室外模拟试验。此外，小型振动压路机的结构和工作原
理与现场碾压施工的振动压路机基本一致，都是基于偏心质量的高速旋转实现振动能量
输出，因此可用于沥青混合料振动压实过程模拟，且传感器和检测仪器的安装也十分方
便。基于上述优点，本文采用 Meiwa-MG7 小型压路机进行室外振动压实模拟试验，其
实物如图 3-5 所示
（a）正视图（b）侧视图
图 3-5 室外模拟试验小型振动压路机
如图 3-5，Meiwa-MG7 压路机是由日本明和公司制造的小型手扶式双钢轮振动压路
机，其主要特性参数如表 3.2 所示。
31
表 3.2 Meiwa-MG7 小型压路机特性参数

参数项单位参考值
轴距 mm 550
滚筒尺寸 mm 402*650
碾压宽度 mm 650
发动机 - 久保田 EA300-N（水冷），5.1kW
重量 kg 700
整体尺寸 mm 2440*729*1100
离心力 kn 19600
飞轮标定转速次/分 3000
滚筒振动频率 Hz 53
行驶速度 km/h 0~3.1
Meiwa-MG7 手扶式小型压路机由发动机、液压驱动系统、钢轮、激振器以及操作
手柄等部分组成。具备前进后退、行车制动和速度调节功能，且操纵过程简单方便；小
压路机转向灵活，作业半径小，可在狭小的区域内工作，从而能够满足室外振动压实模
拟实验对场地空间的要求。
3.2.2 小型试验路设计
根据现场压实施工的场景特点，参考车辙板的形状和大小，并结合小型压路机的尺
寸设计了小型试验路系统，其结构如图 3-6 所示。
40cm 10cm 30cm

cm
卡槽深度均为1cm
cm
10
10
m
1c
为
均
度
深
cm
cm
槽
40
40
卡
cm
60
4cm
40cm 10cm 30cm
100cm
（a）小型试验路结构
105cm
拎耳高度均为1cm，与卡槽匹配
100cm
（b）横向隔离板结构
65cm
拎耳高度均为1cm，与卡槽匹配
60cm
（c）纵向隔离板结构
图 3-6 小型试验路结构图
32
如图 3-6（a），小型试验路的主体结构为车辙板形状模具板（下称模具板），且在四
周挡板开出 10 个卡槽缺口。考虑到压路机的滚轮宽度，模具板宽度设定为 60cmn，从
而能够保证沥青混合料的全幅压实；考虑
到沥青路面施工中的摊铺和压实厚度，模具板高度定为 4cm；考虑到实验室的沥青
混合料拌和生产能力、保温存贮空间以及沥青混合料试验条件的要求，模具板长度定为
100cm，从而与沥青混合料的拌和生产能力相匹配；挡板槽口的位置则考虑了多种类和
多尺寸沥青混合料压实试验方案的需要。此外，设计了 2 组配套挡板，均为板条状件，
其两端凸出，分别用作横向和纵向隔离板，如图 3-6（b）和如图 3-6（c）所示。
为了使小型试验路具备足够的强度、承载能力和抗压能力，且经受得住反复振动压
实和静力压实的考验，试验路的主体和配件均由厚度为 1.5cm 的工具钢制作。最终，小
型试验路的实物如图 3-7 所示。
图 3-7 小型试验路模具板实物
如图 3-7，试验路模具板的四周挡隔板均可拆卸，且与底板之间通过螺丝连接和固
定，挡板之间亦通过螺丝固定；试验路的底板平整光滑，从而能够与地面平稳接触；模
具板的两侧焊有把手，以便搬运和方位调整。
为进行室外振动压实模拟试验，根据试验路模具板的尺寸和压路机操作空间的需求，
同时考虑沥青混合料的拌和及转运要求，最终选定靠近实验室的平坦水泥地坪作为压实
试验场地。试验场地选定后，采用膨胀螺丝固定试验路模具板，以保证其不会因为外界
振动和压力而产生位置变动，从而保证了沥青混合料振动压实过程中的“限制”条件。
3.2.3 沥青混合料设计
为测试室外振动压实模拟试验的适用性，本文面向沥青路面施工、钢桥面铺装等不
同场景的需求，进行了沥青混合料的配合比设计，包括环氧沥青混合料（Epoxy Asphalt
Concrete，EAC）、沥青玛蹄脂碎石（Stone Mastic Asphalt，SMA）、“体积-支撑点”
33
环氧沥青[140]（Volumetric – Supporting Epoxy Asphalt，VSEA）以及小粒径大孔隙环氧沥

青[141]（Small Particle Porous Epoxy Asphalt，SPPEA）等，如表 3.3 所示。
表 3.3 实验室试验沥青混合料配合比设计
筛孔尺寸/mm 16 13.2 9.5 4.75 2.36 1.18 0.6 0.3 0.15 0.075 最佳油空隙
石比/% 率/%
EAC10-1 100 100 95 65 50 39 28 21 14 7 6.4 2.5
EAC10-2 100 100 97.5 75 60 47 34 26.5 18.5 10.5 6.6 1.74
EAC10-3 100 100 100 85 70 55 40 32 23 14 6.8 1.3
SMA13-1 100 90 50 20 15 14 12 10 9 8 6.0 4.1
质 SMA13-2 100 95 62.5 27 20.5 19 16 13 12 10 6.3 3.6
量 SMA13-3 100 100 75 34 26 24 20 16 15 12 6.3 3.6
通 SMA10-1 100 100 90 28 20 14 12 10 9 8 6.3 3.9
过 SMA10-2 100 100 95 44 26 20 17 14 12.5 10.5 6.6 3.7
率 SMA10-3 100 100 100 60 32 26 22 18 16 13 6.8 3.4
/% VS-EA10-1 100 100 68.5 24.1 24.1 19.6 16 13 10.6 8.6 6.56 2.4
VS-EA10-2 100 100 68.4 24 24 20.1 17 14.3 12 10.1 6.62 2.1
VS-EA10-3 100 100 68.4 24 24 20.9 18.2 15.9 13.8 12 6.69 1.6
VS-EA5 100 100 100 22.2 22.2 18.1 14.7 12 9.7 7.9 6.7 2.2
SPPEA 100 100 100 91.6 14.4 11.4 9.3 7.9 7.1 5.8 5.5 20.4
当沥青混合料的组成设计较好时，其级配优良，力学性能优异。此时，在压实功作
用下，沥青路面易于达到设计标准，满足强度和稳定性要求，同时能够缩短工期，降低
成本。此外，根据工程经验，调整沥青混合料的设计，使得最佳沥青用量稍微增大，可
以获得更高的压实度。然而，不能仅仅为了提高压实效果而添加额外的沥青，因为沥青
混合料的材料特性也会相应地变化。只有当室内试验结果符合要求时，才可以使用调整
后的混合料，以保证其材料性能。
由于沥青混合料组成的设计和调整不是智能压实的研究重点，在此不再赘述。未来
可根据实际需求分析组成差异对沥青路面施工质量的影响，并融合到智能压实系统中去。
3.2.4 振动压实试验过程
室外振动压实试验系统搭建完毕后，将拌合好的沥青混合料倒入试验路模具板内，
并通过人工摊铺整平。然后，发动小压路机进行压实，振动压实模拟试验的过程如图 3-8
所示。
路段1 路段2 60cm
100cm
（a）室外振动压实模拟试验示意图
34
（b）室外振动压实模拟试验过程图
图 3-8 室外振动压实模拟试验图
参考施工规范和现场施工特点，设计室外振动压实模拟试验的方案如表 3.4 所示。
表 3.4 室外模拟振动压实试验方案
序号沥青混合料压实工序备注
1 无混合料静止、3 档行驶背景信号采集
2 EAC10-1 静 6-振 18-静 6 合计振压往返 9 遍，静压往返 6 遍。
3 VS-EA10-1 静 6-振 18-静 6 合计振压往返 9 遍，静压往返 6 遍。
4 VS-EA5 静 6-振 18-静 6 合计振压往返 9 遍，静压往返 6 遍。
5 SMA10-1&SMA10-2 静 6-振 18-静 6 合计振压往返 9 遍，静压往返 6 遍。
9 VSEA10-3&SPPEA 静 6-振 18-静 6 合计振压往返 9 遍，静压往返 6 遍。
14 EAC10-2&VS-EA10-1 静 6-振 18-静 6 合计振压往返 9 遍，静压往返 6 次。
（1）压实背景试验的目的是获取压路机在行走、静压和振动状态下自身产生的信
号输出。此背景信号在振动压实模拟试验过程中始终存在，且与沥青混合料压实反馈的
信号相叠加，在振动信号处理中须去除。因档位控制较困难，此后的试验中小压路机的
档位均为 1 档。
（2）压实方案参考施工规范和现场施工的工序设计，由于小压路机自重较轻，输
出功率较小，所以压实次数整体较多，合计振压往返 9 遍，静压往返 6 遍，以保证对沥
青混合料进行充足的压实做功。
（3）第 2-13 组试验是通过小压路机滚轮进行全幅压实，第 14 组试验是将沥青混
合料分为三个区域进行不同遍数压实。
（4）部分试验只进行 1 种沥青混合料压实，此时压实区域为如图 3-8（a）的路段 1
部分；其他试验进行 2 种沥青混合料压实，此时压实区域为路段 1 和路段 2 部分。
除以上说明外，沥青混合料的压实过程与天气密切相关，主要影响因素有气温、风
35
力风向等。本文的室外振动压实模拟试验期间，气温范围在 20°~33°左右，风力风向基
本上是 3-4 级东风或东南风[142]。室外振动压实模拟实验中，每次碾压的时长大约为 30
分钟~60 分钟，气温约在 25°左右，且沥青混合料的温度变化在可接受范围内。此外，
由于是室外露天试验，所以基本选择在晴天或多云时进行试验，从而不会因为天气条件
影响而导致输出结果产生较大误差。
在沥青混合料振动压实试验过程中，搭建振动信号测试系统，如图 3-8（b）所示。
将加速度传感器安装在压路机两滚轮中间的横梁上，然后将其输出端与数据采集卡相连
接，以获取和存储振动压实反馈信号数据以备后续处理，详情见第 4 章和第 5 章内容。
3.2.5 振动压实试验结果
沥青混合料压实成型后，将模具板连同试件在通风处放置 24 小时后脱模。标记沥
青混合料的种类和碾压方向后，可得室外压实模拟试验的成型试件如图 3-9 所示。
（a）EAC10-1 （b）VS-EA10-1 （c）VS-EA5
（d）SMA10-1 （e）SMA10-2 （f）EAC10-2
（g）EAC10-3 （h）VS-EA10-2 （i）VS-EA10-3
36
（j）SPPEA （k）EAC10-1 （l）EAC10-2
（m）SMA10-3 （n）SMA13-3 （o）SMA13-1
（p）SMA13-2 （q）EAC10-2 （r）VS-EA10-1

图 3-9 试验路成型试件脱模后结果图
根据压实成型试件特性参数测量的需要，对压实后的沥青混合料试件进行了切割取
样，并检测压实度，其方案如图 3-10 所示。
图 3-10 振动压实试件切割方案
3.3 现场振动压实试验
室外振动压实模拟试验使用小型振动压路机对沥青混合料进行碾压和揉搓，能够较
好地模拟现场施工中的振动压实过程。然而，受限于实验室内沥青混合料的拌和生产能
力和试验场地的大小，室外振动压实试验只能模拟现场施工的情况，且难以检验定位系
统的应用效果。因此，本文结合某高速公路的施工任务进行了现场振动压实试验设计，
其中施工对象为路面上面层，其厚度为 5cm，铺筑材料为 Superpave20 沥青混合料。以
某段沥青路面的压实施工为例，并以基准点为原点建立直角坐标系如图 3-11（a）所示。
37
PP11 PP22 PP33
B
5# 6# 7# 8#
3.75m
1# 2# 3# 4#
A
（0,0）（5,0）（10,0）（15,0）（20,0）
原点
（a）现场试验方案图
（b）现场试验场景图
图 3-11 振动压实现场试验图
如图 3-11，在现场压实试验中，振动压路机的行驶速度为 2km/h ~ 5km/h 左右，车
道宽度为 3.75m。定位系统的接收端安装于压路机顶棚的正中位置，在单道压实的过程
中可认为其沿着压实区域的中心线行驶。根据施工流程和特点，并结合振动轮压实宽度，
将单车道压实施工的试验路段分为两个半幅分别进行监测。此外，根据振动压路机的几
何尺寸和行驶速度，划分试验路段如图 3-11 所示。
将振动压实测试系统安装在振动压路机上，在沥青路面压实施工过程中实时采集振
动反馈响应信号。然后，通过信号处理和分析获得反馈信号的特征，计算获得压实度指
标值，并与常规方法检测结果进行比较和标定，以分析其稳定性和可靠性，详情见第 4
章和第 5 章内容。
3.4 远程监控系统实现
现场压实施工监测数据来源于课题组开发的道路施工远程监控系统，其结构如图
3-12 所示，由施工过程监测单元、监控管理中心、客户端口等部分组成。
38
SQL
数据存储
拌和监控系统
车载显示终端
数据分析
运料追踪系统 Internet 手持监控终端
测 GPRS远程通讯
速
定
位视
系摊铺监测系统频智能管控业主监控终端
业主监控终端
统监
测
系
统
碾压监测系统 Web服务器移动显示终端
施工过程监测监控管理中心客户端口
图 3-12 沥青路面施工远程监控系统结构图
如图 3-12，施工过程监控包括拌合监控、运料追踪、摊铺监测、碾压监测等环节，
其中，沥青混合料拌和监测通过拌合楼控制系统实现；运料追踪主要通过 RFID 确定运
输车辆信息，并通过 GPS 测速定位系统查看其运行轨迹和位置的动态分布；摊铺碾压
监测需要采集多种施工参数，如：摊铺碾压温度、摊铺厚度、振动参数等，并通过定位
系统进行施工设备的测速定位。因此，设计了车载压实检测单元采集摊铺碾压施工参数，
并采用通用无线分组业务（General Packet Radio Service，GPRS）网络将监测数据传输
到远程管理中心。
监控管理中心由数据库、服务器和远程管理软件等组成，具备数据存储、数据分析、
质量评价等功能，并为管理人员提供 APP 客户端口，以便通过手机、平板和电脑实时
监控施工情况。
3.4.1 车载单元设计
车载单元基于嵌入式系统设计而成，通过多源传感器采集沥青混合料温度、振动参
数等数据，其结构如图 3-13 所示。
39
天线
天线基站
基站
电平信号
电平信号协处理器
协处理器主处理器协同定位
振动传感器
SPI
SPI 系统
ADC DSP 存储器
RFID标签扩展定位单元
定位单元
电路
Modbus
激光测距仪
控制器 GPRS
GPRS 监控
红外测温仪中心
RS485
RS485
油耗传感器电源管理
…
系统后台
…
系统后台
LVDS
LVDS FPC
FPC
信号采集单元
信号采集单元双处理器单元
双处理器单元
LCD 触摸屏
人机交互单元
人机交互单元
图 3-13 车载单元结构图
如图 3-13，车载检测单元由信号采集单元、双处理器单元、定位单元、人机交互单
元等部分组成。处理器通过 RS485 接口外部 Modbus 总线相连接，并与传感器进行数据
交换；通过串口连接定位单元的天线进行测速定位，并利用 GPRS 数据网络与监控中心
进行通讯和数据传输。
处理器单元中，为兼顾系统控制和信号处理的需求，并提高数据运算实时性和硬件
资源利用效率，采用双处理器结构。主处理器选用 Freescale 公司的 i.MX6Q 模块，其具
有低功耗、高性能以及扩展性好等特点，用于实现数据传输、过程控制和人机交互等功
能；协处理器选用意法半导体公司的 STM32F407 模块，其具备快速采样和数据运算能
力，用于完成采样和信号处理任务。
由于沥青路面施工通常具有施工设备移动、位置偏远等特点，难以采取有线方式进
行通讯和数据传输。因此，采用 GPRS 网络构建远距离通讯方案，并作为数据传输通道，
其结构如图 3-14 所示。
图 3-14 GPRS 远程数据通讯网络图

GRPS 网络能够保证远程数据传输的实时性、连续性和有效性，具有运行成本低、
可靠性高的优点[143, 144]
。远程数据传输采用 SIMCom 公司的 SIM900A 模块作为 GPRS
终端，如图 3-15 所示。SIM900A 工作在 900Mhz / 1800Mhz 两个频段，具有性能高、功
40
耗低、抗干扰能力强等优点，广泛应用于车载跟踪、车队管理等场合。
（a）SIM900A 顶视图（b）SIM900A 底视图

图 3-15 SIM900A 模块图
SIM900A 模块内嵌传输控制协议/网际协议，非常方便用户进行数据传输应用，具
有性能高、功耗低、抗干扰能力强等优点。监控中心与包含 SIM 卡的各监测终端通过无
线网络连接，并完成数据传送和保存，实现了远程监测和数据传输。
结合各功能部分的实现，最终的车载单元电路板实物如图 3-16 所示。
北斗天线接口
北斗天线接口 GPRS天线接口
GPRS天线接口
电源接口
电源接口 USB接口
USB接口打印机接口
打印机接口
GPS
模块 GPRS
模块
CPU
模块
图 3-16 车载单元电路板图
现场施工监测数据是评价施工质量最直观的数据，主要包括振动参数监测、温度参数感
知、测速定位等。如图 3-17，在施工设备上安装车载主机，并与前端传感器相连，实现
了施工监测和信号采集。
（a）摊铺机车载前端（b）摊铺机车载主机（c）压路机车载前端（d）压路机车载主机

图 3-17 车载单元应用图
41
3.4.2 施工参数监测
（1）摊铺厚度参数监测
激光具有精度高、方向性好、抗干扰能力强等优点，且激光测距仪安装方便，非常
适合于沥青路面施工现场的测距应用需求。压实监测系统选用深圳盈勤公司的
RWRFA-2 型激光测距仪进行摊铺厚度监测，其量程为 2m，测量精度为 1mm。通过编
程设置，实现了不间断连续测距，其中，激光测距仪的实物和应用场景如图 3-18 所示。
（a）实物图（b）铣刨测深应用图（c）摊铺测厚应用图

图 3-18 激光测距仪实物和应用图
（2）摊铺碾压温度监测
沥青是温度敏感性材料，当温度变化时，其材料特性会发生很大变化。沥青混合料
是由沥青和集料拌制而成，其材料特性也与温度变化密切相关，从而碾压温度的高低会
影响沥青路面的压实过程[145]。在沥青混合料处于高温时，压实容易达到高密度，所以
压路机通常要紧跟摊铺机，此时沥青混合料温度最高。此外，随着温度的降低，沥青的
模量越大，沥青混合料压实的阻力越大，最终所需的压实功亦越大，满足压实度要求所
需的碾压遍数亦会增大。在沥青路面压实施工过程中，沥青混合料的摊铺和碾压温度必
须处于合理范围之内。若温度太高，则会使得混合料严重老化，其使用寿命会降低；若
温度太低，则沥青粘度增加，难以压实成型，且压实度难以满足要求。因此，为保证沥
青混合料的摊铺压实质量，需要对沥青混合料温度进行连续实时监测。
在进行沥青路面施工过程中的温度监测时，由于沥青混合料具有腐蚀性和高温性，
因此需要选用非接触式测温设备，且应满足高温环境需求，通常采用红外测温传感器进
行温度监测。本文的压实监测系统选用南京隆顺仪器的 LSCI-A 短小型在线式红外线测
温仪进行温度监测，其主要性能指标如表 3.5 所示。
表 3.5 红外测温传感器的主要性能指标
主要性能参数
温度测量范围 0°C 到 300°C
光谱范围 8 µm ~ 14 µm
光学分辨率 20:1
响应时间 300 ms (95%)
测温精度 ±1%或±0.1℃，取大值
重复精度 ±0.5%或±1℃，取大值
发射率 0.95（固定）
LSCI-A 红外测温传感器为一体化传感器，其光学系统与电子线路集成在不锈钢壳
42
体内，易于安装，可以快速方便地测量难以接近或移动物体的表面温度，且不会污染或
损坏被测物体。此外，可通过软件设置进行定时采集，具有连续在线测量的独特优势。
压实监测系统通过在摊铺机和压路机上安装红外测温传感器进行沥青混合料表面
温度监测，连续实时地获取摊铺压实过程中温度的分布情况和变化过程，并在监测系统
中展现出来，其实物和应用场景如图 3-19 所示。
（a）红外测温传感器实物（b）摊铺测温应用图（c）碾压测温应用图

图 3-19 红外测温传感器实物和应用图
（3）碾压振动参数监测
目前，沥青混合料的压实成型主要通过振动压路机利用自重和激振力完成。在压实
过程中，振动能量输出促使沥青混合料颗粒运动，使其重新整合成为密实整体，完成从
松散状态到密实状态的过程。
根据对沥青混合料振动压实“机-料”耦合模型的分析，由于振动轮和沥青混合料
在压实过程中的相互作用，振动轮上的反馈响应随着沥青混合料压实状态的变化而动态
改变。因此，可通过振动反馈信号监测压实过程，并研究振动参数对于压实状态影响的
规律。根据工程经验，压路机的振动频率主要影响沥青路面的表面压实质量，且当振动
频率比沥青混合料的固有频率稍高时可获得较好的压实效果；振动幅度则主要影响沥青
混合料的压实深度，当碾压层厚度较薄时，应选用高振频、低振幅的振动参数。
实际应用中，通常使用加速度传感器完成振动反馈信号检测任务。在振动参数监测
系统中，加速度传感器通常对外呈现电阻特性，在恒流源的激励下，其输出电压值与检
测的加速度成正比。通过对输出电压信号的分析可获得振动反馈加速度的变化情况，进
而描述压路机和沥青混合料的相互作用，获取压实状态情况。压实监测系统选用上海澄
科公司的 CT1010L 型压电式加速度传感器进行振动检测，其主要性能指标如表 3.6 所示。
表 3.6 CT1010L 型加速度传感器的主要性能指标
主要性能参数
灵敏度 100（mv/g）
频率范围 0.5~5000（Hz)
量程 50（g)
抗冲击 500（g）
工作温度 -20~100（℃）
输出阻抗 ≤100（Ω）
线性度 ≤1%
重量 25（g)
尺寸 Φ16*27（mm）
43
CT1010L 加速度传感器具有频响宽、灵敏度高、动态特性好以及抗外界干扰能力强
等优点[146]，其实物如图 3-20 所示。
（a）侧视图（b）俯视图（c）仰视图

图 3-20 CT1010L 加速度传感器实物图
（4）速度定位参数监测
在沥青路面施工中，碾压速度对沥青混合料的密实度有很大影响。实际上，压路机
输出到沥青混合料上的振动能量与碾压速度成反比关系。当碾压速度过低时，作用在单
位面积路面上的碾压时间较长，作用能量也大；当碾压速度过快时，容易产生推移、横
向裂纹等现象，导致路面不平整。因此，压路机在碾压过程中必须严格控制碾压速度，
并以均匀速度稳定行驶。公路沥青路面施工规范对碾压速度做出了规定，如表 3.7 所示，
从而在沥青路面压实施工过程中需要对压路机进行速度监测。
表 3.7 沥青路面施工碾压速度要求
初压（km/h）复压（km/h）终压（km/h）
压路机类型
适宜最大适宜最大适宜最大
钢筒压路机 2~3 4 3~5 6 3~6 6
轮胎压路机 2~3 4 3~5 6 4~6 8
振动压路机 2~3 3 3~4.5 5 3~6 6
在实际施工中，碾压速度选择的原则是在保证碾压质量的前提下，尽可能地提高碾
压速度，从而减少满足压实质量要求的碾压遍数，最终提高工作效率。
在沥青路面压实过程中，为全面获取施工路段的压实状况，需要将压实度值与碾压
位置相匹配，进而对压路机的实时定位性能提出了较高要求。此外，碾压遍数可以间接
描述沥青混合料所承接压实功的大小。现场施工中可通过增加碾压遍数来提高路面强度，
但其效果有限。当压实功达到一定程度后，压实效果的提高愈为缓慢，在施工组织和经
济效益上不尽合理；当压实功过大时，则会破坏路面结构强度，压实效果适得其反。由
于碾压遍数直接影响压实质量，因此需要实时监测振动压路机的行驶轨迹，并判别压路
机所在的车道和碾压方向。
智能压实系统将测速定位技术引入施工监控系统中，根据压实材料动态特性的差异
和变化实现定点控制。与现有施工过程的粗放要求相比，碾压遍数监测和压实设备追踪
能够尽可能地避免“欠压”和“过压”等情况的出现，保证压实质量[147]。
3.4.3 测速定位系统
目前，GPS 系统分为普通的民用 GPS 和改进的 DGPS、RTK-GPS 两大类。民用 GPS
模块价格适宜，但其定位精度基本在 10m 左右，难以满足精确定位的需求；DGPS 和
44
RTK-GPS 的精度可达厘米级，但成本较高[148, 149]。针对压实监测中碾压遍数统计和碾压

位置定位的需求，考虑 RTK-GPS 系统的成本，本文提出了一种 GPS/UWB 协同定位方
案，其原理如图 3-21 所示。
S1 S2 S3 S4
B
A
x1, y1, z1  x2 , y2 , z2   x3, y3, z3   x , y , z 
4 4 4
db O
da
d1 d2 d3 d4
dc
C
z
y
0,0,0  x, y, z  UWB
x GPS接收机定位系统
图 3-21 GPS/UWB 协同定位方案
协同定位系统中的 GPS 模组选用 U-blox 公司的 NEO-6M 模块，如图 3-22（a）所

示，其价格低廉，但主要应用于日常生活和导航定位，定位精度仅为 10m 左右，不能满
足精确定位的需求；UWB 模组则选用 DecaWave 公司的 DW1000 模块，如图 3-22（b）
所示，其定位精度可达 10cm，是极具成本效益的精确定位方案，但定位范围受标签通
讯距离的限制。
（a）民用 GPS 芯片和模块（b）UWB 基站和标签
图 3-22 系统定位模组实物图
UWB 技术是一种无载波通信技术，具有穿透力强、功耗小、系统简单等优点，能
在小范围区域内提供精确定位[150]。UWB 定位系统采用基于信号双向飞行时间的测距算
法实现距离测量，获取运动标签到各基站的距离，进而采用 Trilateration 定位算法定位
标签位置。
基于沥青路面施工场景的特点，压实监测系统只需要进行 UWB 系统的平面定位应
用。如图 3-21，以三个固定基站的位置 A、B、C 为圆心，以运动标签到各基站的距离
da、db、dc 为半径分别画圆，其中三个圆的交点 O 即为运动标签的位置。
若已知 A、B、C 点的坐标依次为(xa,ya)、(xb,yb)、(xc,yc)，并设交点 O 的坐标为(x,y)，
则根据平面距离的计算方法，可得：
45
d a 2  ( x  xa ) 2  ( y  ya ) 2
 2
 db  ( x  xb )  ( y  yb )
2 2
（3-2）
 d 2  ( x  x )2  ( y  y )2
 c c c
式（3-2）中，各半径长度可通过双向测距算法获得，从而可得交点 O 的坐标为：
1
 x   2( xa  xc ) 2( ya  yc )   xa 2  xc 2  ya 2  yc 2  d c 2  d a 2  
 y    2( x  x ) 2( y  y )   2  （3-3）
 xa  xc  xb  xc  d c  db  
2 2 2 2 2
   b c b c 
理想情况下，三个圆恰好相交于标签位置 O。然而，在实际应用中，测距环节中不
可避免地存在误差，A、B、C 三个圆未必相交于一点，而是相交于一个小区域，导致获
得的定位结果存在误差。根据三球交会定位原理，当三个基站 A、B、C 工作时，将会
有 2 个解；当四个基站 A、B、C、D 工作时，则必有一个最优解。因此，为获得准确的
碾压位置，引入新基站 D 进行辅助定位。在三个基站 A、B、C 完成一次 Trilateration 算
法后，得到两个解，并将离基站 D 最近的解作为最优解，完成实时准确定位的任务。
根据沥青路面压实监测的测速定位需求，将施工路段网格化，压实监测系统实现了
压路机的测速定位，进而提取了碾压遍数，如图 3-23 所示。
碾压定位和遍数呈现
碾压遍数色标
压实感知数据区
设备状态区
图 3-23 碾压过程测速定位和遍数统计监测图
此外，为了进行数据对比和样本标识，选用上海华测公司的 P3-DU 北斗模组搭建
了 RTK-GPS 标定系统[150]，其组件和应用场景如图 3-24 所示。
46
（a）P3-DU 基站和接收机（b）P3-DU 北斗现场应用图

图 3-24 P3-DU 北斗组件和现场应用图
P3-DU 模组采用全功能、高性能的高精度 GNSS OEM 板卡与载波相位差分技术，
支持独立定位和联合定位，可以准确判断移动载体的位置、速度和航向信息，广泛应用
于工程机械控制、卫星通信以及智能交通等领域。P3-DU 模组的动态精度参数如表 3.8
所示，能够满足沥青路面施工过程中测速定位标定的需求。
表 3.8 P3-DU 模组动态精度参数
水平垂直
单点定位 1.5m 3.0m
RTK 1.0cm+1ppm 1.5cm+1ppm
DNSS 40cm —
速度精度 0.03m/s —
3.4.4 监控管理系统
监控管理系统由数据库、Web 服务器、监控管理软件等部分组成，其功能主要有数
据存储、数据分析以及质量评价等。
（1）数据存储
数据库是沥青路面施工监控系统的重要组成部分，主要用于保存施工监控数据。监
控系统选用 MySQL 数据库实现施工数据的存储管理，其具有体积小、速度快、可靠性
高等优点[151]。数据库部署在联想 System x3650 M5 服务器上，且考虑到监控系统迁移和
数据存储安全的考虑，同时选用了阿里云服务器进行备份以提升监控系统的鲁棒性。
（2）数据分析
在施工监测系统采集结果的基础上，通过数字信号处理方法对施工数据进行实时运
算和分析处理，并生成历史数据以供随时查询，详情见第 4 章内容。
（3）质量评价
根据施工数据处理和分析获得的结果，对沥青混合料的压实状态进行感知，并对压
实质量进行评价，详情见第 5 章和第 6 章内容。
（4）监控软件
监控系统采用 B/S 架构，并基于.NET 平台设计监控管理系统软件，其界面包括菜
单栏、快速访问工具栏、任务栏和信息栏等部分，如图 3-25 所示。
47
图 3-25 监控系统的浏览器网页终端
如图 3-25，监控软件具有系统管理、数据管理及任务管理等功能，能够创建工程项
目，然后根据施工环节创建施工任务，并在信息栏显示施工过程中的监测数据。此外，
监控软件还提供所有施工数据的查询、统计及汇总等服务。
3.4.5 客户端口设计
根据采集的施工数据，监控系统的客户端实时更新显示信息，使得操作手能够及时
了解施工状况，包括浏览器网页端和手持显示终端等。
（1）浏览器网页
浏览器客户端能够进行设备管理、位置监控以及项目管理等，简单操作控件即可实
时查看获得沥青混合料的拌和、运输、摊铺和压实等信息，并保存完整的施工质量数据，
如图 3-23 所示。此外，浏览器网页端基于对象连接与嵌入技术实现了施工报告生成功
能，并支持数据导出和在线打印。
（2）手持显示终端
在摊铺和碾压施工过程中，为了将施工状态实时呈现给管理人员，进而及时调整作
业方案，客户端设备需要具备人机交互功能。PyQt 框架具有良好的图形化人机交互界
面，实现过程较容易[152, 153]
。压实监控系统中，基于 PyQt 框架实现了手持显示终端，
如图 3-26 示。
48
碾压状态区
碾压状态区
任务窗口
任务窗口监测信息区
监测信息区设备状态区
设备状态区
图 3-26 手持显示终端
如图 3-26，在碾压过程中，手持显示终端实时显示当前摊铺进度、碾压遍数、碾压
速度等参数。此外，手持显示终端在主页面中以不同色标的颜色显示碾压轨迹，进而引
导操作人员，在保证施工质量的同时能够提高施工效率。
3.5 本章小结
本章在前一章振动压实“机-料”耦合模型分析的基础上，进行了马歇尔击实和旋
转压实模拟试验，提出了新型室外振动压实模拟试验方法，并结合施工任务进行了现场
试验；此外，本章开发了沥青路面施工远程监控系统，设计了车载压实检测单元，采集
了大量压实参数数据。本章的主要研究工作与结论如下：
（1）马歇尔击实试验中采集的振动反馈信号是冲击信号，能够准确检测马歇尔击
实过程，但难以用于压实状态监测；旋转压实试验研究表明，沥青混合料的碾压次数与
压实度之间呈现良好的对数关系，为压实监测数据分析和标定提供了理论支持；
（2）提出了一种新型室外振动压实模拟试验方法，设计了小型试验路系统，利用
小型压路机进行了振动压实，采集了碾压过程中的振动压实反馈信号，有效克服了施工
现场中试验方案设计的困难；现场试验中划分了试验路段，进行了振动参数、碾压温度、
测速定位等压实参数的监测，为后续压实状态感知提供了数据基础。
（3）开发了沥青路面施工远程监控系统，基于双处理器结构设计了车载检测单元，
实现了多维施工参数的连续实时无损监测；提出了 GPS/UWB 低成本协同定位方案，满
足了碾压定位和遍数提取的需求；利用协同定位系统，实现了压实质量从“点控制”到
“面控制”的转变。基于.NET 平台设计了监控管理系统，具备数据存储、数据分析和
人机交互功能，解决了传统方法的滞后性、有损性、低效率等问题。
49
50
第四章基于 EMD 的沥青路面振动压实反馈信号处理
在前一章室外模拟试验和远程监控系统的基础上，本文采集了压实过程监测数据。
由于施工现场环境的多变性和振动压实过程的复杂性，压实监测信号中含有大量的噪声
和杂波等干扰。本章首先设计数字带通滤波器对振动反馈信号进行滤波，并采用多项式
最小二乘法和五点三次平滑法进行信号预处理；然后，基于经验模态分解原理进行振动
反馈信号处理和分析，获取时频联合分布频谱特征，为后续压实状态感知提供数据支持。
4.1 信号采集和预处理
沥青路面施工过程中采集的数据主要有振动参数数据、测速定位数据、温度数据等，
其中测速定位系统和红外测温系统可以直接获得相关数据。振动参数影响沥青混合料颗
粒的运动状态，是影响压实质量的关键数据[154, 155]。然而，振动参数难以直接获取，需
要间接地采集获得。因此，本节主要对振动信号的采集和预处理进行研究。
4.1.1 振动信号采集
振动是物体或状态随时间往复变化的一种运动形式和现象，为更好地掌握振动规律，
振动测量是必不可少的环节。振动测量系统一般由传感器、测量电路、指示仪器及数据
处理器等组成，能够进行振动信号采集与分析，并连续记录数据，其结构如图 4-1 所示。
显示仪器
被测非电量
传感器补偿电路电荷放大器记录仪器
测量电路
数据处理器
图 4-1 振动测量系统结构图
结合振动测量系统的应用，振动测量分析通常包含测点位置选择、振动参量选取和
频率分析方法确定等内容。
（1）测点位置选择
振动不仅与测点上传递的力有关，也和测点所处的结构相关。因此，测点位置的正
确选择十分重要，不恰当的测点位置往往会导致错误的分析结果。测点选取的原则是传
递路径最短，测点刚度最大，且每次测点位置必须相同，以尽量避免结构不同对测量结
果的影响。基于上述原则，本文在进行室外振动压实试验时，传感器安装在小型压路机
两滚轮中间的横梁上，处于振动偏心结构的正上方。此时，振动信号的获取路径更短，
且结构更均衡，从而对试验效果的影响最小，如图 4-2（a）所示。在施工现场试验中，
传感器安装在振动轮与传动轴衔接的钢板内侧，如图 4-2（b）所示，从而能够直接获取
振动轮与沥青路面相互作用的振动反馈响应信号。
51
（a）室外试验传感器安装位置（b）现场试验传感器安装位置
图 4-2 振动传感器安装位置图
（2）振动参量选取
振动参量是指反映振动强弱程度的物理量，主要有加速度、速度和位移等，它们之
间为微积分关系[156]。在振动测量时，应综合考虑测量对象的频率和实际需求，合理地
选择测量参数。按照频率高低，振动通常可分为低频振动（ f<10Hz ）、中频振动
（f=10Hz~1000Hz）、高频振动（f>1000Hz）。实际应用中，振动量测量选择的参数范围
如图 4-3 所示。
相对振幅
1000000
加速度
100000
10000
1000
速度
100
位移
10
f/Hz
0.0 0.1 1 10 100 1000
图 4-3 振动量测量选择的参数范围
在低频振动场合，加速度的幅值不大，且产生破坏的主要来源是应力强度，而位移
表征了物体或结构的变形程度，与应变、应力直接相关，所以宜选用振动位移进行测量。
在中频振动场合，由于振动部件的疲劳进程与振动速度成正比，所以宜选择振动速度进
行测量。在高频振动场合，加速度幅值较大，且加速度能够描述振动部件所受冲击力的
强度，所以宜选择加速度进行测量。此外，振动位移随着频率升高会产生很大的衰减，
振动加速度随着频率降低会产生很大的衰减，而振动速度则是二者的折中。
现场施工试验中，压路机的工作频率为 50Hz 左右；室外模拟试验中，小型压路机
的工作频率为 25Hz 左右。因此，振动压实反馈信号的基频应为 20Hz~50Hz 左右，相应
谐波的倍频率应为 100Hz 左右、200Hz 左右等等。综合考虑振动压实反馈信号的频率范
围和加速度传感器的测量原理，本文选择加速度作为振动压实测量的参量。
52
（3）信号采样设置
在信号采集过程中，振动信号经过调理后进入模数（Analogue-to-Digital，A/D）转
换环节，目的是将原始的连续模拟信号转化为离散数字序列信号，然后才可以进入数字
信号处理系统进行深入分析，包括采样、量化和编码等过程。采样是利用脉冲序列从模
拟信号中抽取离散信号的过程，进而通过量化将采样信号变为有限个有效数字，编码则
把采样数据转换为计算机能够识别的数字格式。
影响振动信号采集过程的因素主要有采样频率和量化精度。采样频率是指单位时间
内获得采样信号的个数，表征了采样速度高低，进而影响系统的实时性。振动信号测量
过程中，采样频率的设置必须符合采样定理要求，并受限于采样对象的最高信号频率。
根据 Shannon 采样定理，在进行 A/D 信号的转换过程中，为了能够最大限度无损地还原
原始信号的信息，采样频率应该大于模拟信号中最高频率的 2 倍[157]，即：
fs  2 fm （4-1）
式（4-1）中，fs 为采样频率，fm 为原信号中最高频率成分的频率。一般来说，fs 越

大，采样点越密，所获得的数字信号越逼近原信号。然而，fs 越大，其对采样系统的要
求就越高，转换电路必须具有更快的转换速度。为了兼顾内存存储量和计算工作量的要
求，一般保证信号不丢失或原始信号信息不被歪曲即可满足实际需要。
采样定理是实现正确采样的基石，实际应用中，一般取采样频率为信号最高频率的
4 倍及以上倍数。确定采样频率时需要正确估计原信号中最高频率成分的频率。根据振
动压路机的工作频率范围和谐波频率倍数，本文设置的采样频率为 1000Hz。更高的采
样频率会带来数据存储和高速数据处理的负担，影响系统的实时性和成本。
量化精度取决于 A/D 转换模块的位数，一般采用 12 位，部分系统采用 16 位甚至
24 位。位数越高，量化精度越高，但会给数据存储和实时性带来很大压力。因此，本文
的压实监测系统采用 12 位 A/D 转换模块实现采样，能够满足振动信号处理的精度要求。
4.1.2 振动信号滤波
由于沥青路面施工现场的恶劣环境、复杂工况以及压路机自身系统的振动，在信号
采集过程中不可避免地会带来大量的噪声和杂波等干扰。为了获取准确的测量结果，必
须在信号处理前抑制或滤除无用的频率成分，即为振动信号滤波过程。滤波允许信号中
特定的频率成分通过，同时极大地衰减或抑制其他频率成分，可分为模拟滤波和数字滤
波两大类。实现滤波功能的装置或系统称为滤波器，其实质是一个选频电路，通常可分
为低通滤波器、高通滤波器、带通滤波器和带阻滤波器四种。
模拟滤波是指由模拟电路实现连续时间信号滤波的方法，能够处理微弱信号，并对
信号最高频率进行限制以改善信号质量，减少后续数据处理的工作量和复杂度。在设计
模拟滤波器时，经常出现待确定的元件数目多于限制元件取值的参数数目，即有多个元
件均可满足给定的要求。因此，需要设计者自行选定某些元件值，并进行测试和比较以
最终选定。为避免繁琐漫长的模拟滤波器设计和调试过程，本章采用数字滤波器对量化
53
后的数字信号序列进行加工处理，进而改变输入信号中频率成分的相对比例，有效地去
除噪声和杂波，提升信噪比。
数字滤波器是由数字乘法器、加法器和延时单元组成的算法或装置，并实现特定的
数值运算，其本质是一个线性时不变系统[157]。与模拟滤波器相比，数字滤波器参数设
计灵活，精度高，稳定性好，可以很好地优化带内波动、带外抑制、过渡带等特性，并
可设计成线性相位。因此，实际应用中，通常尽量在数字域内实现采样信号的滤波需求。
（1）滤波器选型
根据单位冲击响应函数的时域特性，经典数字滤波器可分为无限冲击响应（Infinite
Impulse Response，IIR）滤波器和有限冲击响应（Finite Impulse Response，FIR）滤波器
两类。对于 IIR 滤波器，其输出不仅取决于过去和现在的输入，还取决于过去的输出，
可以用差分方程表示为：
M N
y (n)   ai x(n  i )   bi y (n  i ) （4-2）
i 0 i 1
式（4-2）中，x(n)为输入序列为，y(n)为输出序列，其系统函数为：
M
a Z i
i
H ( z)  i 0 （4-3）
N
1   bi Z j
i 1
式（4-3）中，N 为滤波器阶数；M 为传递函数的零点数；ai 和 bi 为滤波器的系数，

参数 ai、bi 的选择不同，可以分别实现低通、高通、带通、带阻等数字滤波器。
令式（4-2）中的 bi=0，则滤波器的输出 y(n)只取决于有限个过去和现在的输入，即

为 FIR 滤波器，可以用差分方程表示为：
N 1
y (n)   ai x(n  i ) （4-4）
i 0
式（4-4）中，x(n)为输入序列为，y(n)为输出序列，其系统函数为：
N 1
H ( z )   h( n) z  n （4-5）
n 0
式（4-5）中，h(n)单位冲激响应，N 为 FIR 滤波器单位冲击响应的长度，N-1 即为

滤波器的阶数。
IIR 滤波器和 FIR 滤波器在结构上有所不同，其特性比较如表 4.1 所示。
54
表 4.1 FIR 滤波器和 IIR 滤波器比较

FIR 滤波器 IIR 滤波器
脉冲响应最终趋于 0，有限长序列。无限宽序列
窗函数法、频率采样法和等波纹最佳逼近双线性变换法、脉冲相应不变法等，可在
设计方法
法等，一般没有解析公式。模拟滤波器现有公式上设计。
设计结果可得到幅频特性和线性相位只能得到幅频特性，相频特性未知。
稳定性极点都在原点，无稳定性问题。有稳定性问题
阶数阶数要求高，实现较难。阶数要求低，容易实现
硬件成本存储单元多，运算次数多，成本高。存储单元少，运算次数少，成本低
结构非递归系统递归系统
有反馈，运算中的舍入处理有时会引起寄
运算误差一般无反馈，运算误差小。
生振荡。
适应性较灵活，适应性广。主要用于标准滤波器设计。
根据表 4.1 可得，实现 IIR 滤波器的阶次较低，所用的存储单元较少，效率高，且

IIR 滤波器能够保留模拟滤波器的部分优良特性。然而，IIR 的这些特点是以牺牲线性相
位特性为代价的，即基于 Butterworth、Chebyshev 等滤波器幅度频率特性得到的 IIR 滤
波器往往是非线性的，其频率选择性越好，相位的非线性则越严重。相应地，在很多情
况下，FIR 滤波器会因为高阶数的结构带来额外的成本，但与线性相位特性相比，其代
价往往是非常值得的。
在沥青路面振动压实检测的应用中，需要得到清晰、准确的振动反馈，从而振动信
号的滤波过程必须在不影响正常信号波形的基础上将干扰滤除，这就要求滤波器具有良
好的幅频特性和严格的线性相位特性。良好的幅频特性使得振动信号通过滤波器通带后，
其有效频率成分的衰减程度可以接受；严格的线性相位特性则保证振动信号通过滤波器
通带后的各频率成分延迟时间一致，否则会因为相位畸变而导致不同频率成分的无序叠
加，进而导致原有振动反馈信号的特性产生变异。尤其，对于沥青混合料的振动压实过
程，相位特性的差异直接反映了混合料的阻尼特性变化。因此，IIR 滤波器难以胜任振
动压实反馈信号的滤波任务，而 FIR 滤波器可以在保证任意幅频特性的同时具有严格的
线性相频特性。此外，由于单位抽样响应有限长，FIR 滤波器是因果稳定的系统。
综上，论文选用 FIR 数字滤波器进行振动反馈信号的数字滤波，通过合理地参数设
计以减小阶数，最终降低滤波器实现的难度和硬件成本。
（2）滤波器设计
FIR 滤波器设计的实质是寻求一个物理上可实现的系统函数 H(z)，使其频率响应
H(e )逼近滤波器要求的理想频率响应 Hd(ejω)，相应的单位脉冲响应为 hd(n)。FIR 滤波
jω
器设计的基本流程如图 4-4 所示：
55
开始
通带截止频率
阻带截止频率
通带衰减系数滤波器指标确定
阻带衰减系数
3dB通带截止频率
..
目标
数字滤波器模型
实际
数字滤波器模型
否
逼近
幅频特性分析
相频特性分析
否
指标满足验证
结束
图 4-4 FIR 数字滤波器设计流程图

由表 4.1 可得，进行 FIR 滤波器设计的方法有窗函数法、频率采样法和等波纹逼近
法等，其中窗函数法简单实用，且易于在数字信号处理器上实现。因此，本文采用窗函
数法进行 FIR 数字滤波器的设计。
窗函数法从时域从发，设计有限长度单位脉冲响应序列 h(n)逼近理想 hd(n)。通常，
hd(n)是无限长序列，且是非因果的，所以采用窗函数 ω(n)将 hd(n)进行截断并作加权处
理得到 h(n)。常用的窗函数有矩形窗、三角窗、汉宁窗、汉明窗、布拉克曼窗以及凯泽
窗等。对于选择何种窗函数，应充分考虑被处理信号的特点和处理要求。由于振动压实
反馈信号中包含较强的杂波和噪声信号，且处理结果要求具有较高的幅值精度，所以应
当选用主瓣尽可能窄，旁瓣幅度较小的窗函数。窗函数的主瓣窄，则可以获得较陡的过
渡带；旁瓣的相对幅度小，则能量集中于主瓣，使得肩峰和波纹减小，并增大阻带的衰
减；最终保证滤波过程中有用信号衰减得较小，而无用信号则最大程度地被抑制。满足
上述要求的主要是汉宁窗和汉明窗，其中汉明窗具有较大的阻带衰减和较小的通带边沿
衰减。因此，本文选用汉明窗进行 FIR 数字滤波器的设计。
传统的数字滤波器设计过程复杂，滤波特性调整困难。尤其当 FIR 滤波器的阶数较
高时，其运算量很大，单纯的靠公式计算和程序编制很难在短时间内完成设计。因此，
本文采用 Matlab 软件的滤波器设计和分析工具（Filter Design & Analysis Tool，FDATool）
进行滤波器设计，从而能够方便地调整设计参数以进行优化，极大地减轻了工作量。
根据 4.1.1 小节内容，振动反馈信号谐波的频率范围大致在 20Hz~200Hz 范围左右。
56
以此为前提，本章基于汉明窗设计 FIR 带通滤波器。滤波器参数设置为：通带下限截止

频率和上限截止频率分别为 20Hz 和 200Hz，通带截止频率处的幅值衰减参数固定为 6db，
采样频率为 1000Hz，滤波器阶数为 30。从而，可得滤波器参数设计界面如图 4-5 所示。
带通滤波器结构
滤波器结构参数
滤波器阶数参数
滤波器种类参数采样频率
通带下限截止频率
通带衰减参数
通带上限截止频率
窗函数参数
滤波器类型参数
图 4-5 FDATool 滤波器参数设计图

FDATool 工具提供了保存滤波器系数的途径，包括滤波器阶数、类型及其系统函数
系数等，从而可得该滤波器的系数如表 4.2 所示。
表 4.2 FIR 带通滤波器系数
滤波器系数系数值滤波器系数系数值
a0 -0.0016084813106973016 a16 0.25921362956231048
a1 -0.0039435365935805563 a17 0.051627192161453894
a2 -0.0046330187291902768 a18 -0.092166235763274318
a3 -0.0018196852656558484 a19 -0.096301508160797591
a4 -0.00020905595625289806 a20 -0.028704525473082446
a5 -0.0093492976184280617 a21 0.0096083929873651275
a6 -0.026016024194944632 a22 -0.0048680686914204952
a7 -0.027924799841372284 a23 -0.027924799841372284
a8 -0.0048680686914204952 a24 -0.026016024194944632
a9 0.0096083929873651275 a25 -0.0093492976184280617
a10 -0.028704525473082446 a26 -0.00020905595625289806
a11 -0.096301508160797591 a27 -0.0018196852656558484
a12 -0.092166235763274318 a28 -0.0046330187291902768
a13 0.051627192161453894 a29 -0.0039435365935805563
a14 0.25921362956231048 a30 -0.0016084813106973016
a15 0.35864380961767744
57
（3）滤波器评价
滤波器设计完成后，为了验证其性能指标是否满足要求，可调用 Matlab 软件中的
freqz 函数计算数字滤波器的频域特性。如果不满足要求，可根据具体情况，调整窗函
数类型或长度，直到满足要求为止。此外，数字滤波器的稳定性可通过其零极点分布来
分析。应用 Matlab 软件进行程序设计，绘制 FIR 带通滤波器的幅频响应和相频响应特
性曲线如图 4-6 所示，零极点如图 4-7 所示。
图 4-6 FIR 带通滤波器的幅频相频响应图
图 4-7 FIR 带通滤波器零极点图

如图 4-6，FIR 带通滤波器在通带区间内的幅度衰减很小，而阻带区间内的幅度衰
减很大，达到了振动反馈信号滤波的目的。此外，在通带范围内，滤波器的相频特性是
线性的，能够满足振动信号的相位需求。如图 4-7，滤波器的极点全在单位圆内部，因
而所设计的 FIR 带通滤波器是稳定的因果系统，避免了信号处理系统的发散性风险。
58
4.1.3 振动信号预处理
在振动测量过程中，由于噪声和杂波的存在，以及传感器带来的系统性误差，测量
系统获得的数据相对其真实值会产生偏离，呈现非线性、非平稳和非光滑等特点，严重
时甚至会导致后续分析难以开展[158]。因此，为提高数据的可靠性和真实性，并分析振
动信号的随机性，在振动信号测量完成后需要对采样数据进行预处理。预处理是影响信
号处理和分析的重要因素，是将采集数据尽可能还原成实际状况的处理方式，通常包括
趋势项消除、平滑处理等方法[159]。
（1）趋势项消除
趋势项是信号测试系统中某些因素引起的长时间累积系统误差，如放大器温漂、传
感器环境干扰等，且主要体现在积分环节上。在振动测量参量中，加速度对时间的积分
为速度，速度对时间的积分是位移，所以在振动测试系统中经常会遇到趋势项。
趋势项会导致原始数据产生偏移，直接影响信号的正确性，进而影响数据处理精度。
为更精确地了解振动信号的频谱特性，需要在信号处理前预先去除趋势项。
目前，通常使用多项式最小二乘法进行趋势项消除。定义 m 为多项式阶次，则有：
（a）当 m=0 时，求得的趋势项为常数，即为信号采样数据的算数平均值；
（b）当 m=1 时，求得的趋势项为线性趋势项；
（c）当 m≥2 时，求得的趋势项为曲线趋势项。
由于趋势项消除主要是针对信号中的低频分量，所以多项式的阶数通常都比较小。
在实际数据处理中，通常取 1~3 次多项式进行趋势项消除处理。本文选择 1 阶多项式进
行去趋势项消除，即认为传感器的零点漂移是线性变化的。
（2）平滑处理
通过采样得到的振动信号往往含有噪声成分，主要包括无规律的随机干扰信号和周
期性的高频干扰信号等[160]。周期性的干扰信号主要有 50Hz 的工频及其倍频程信号，随
机干扰信号的特征不规则，且频带较宽，使得最终的振动信号波形曲线上呈现很多毛刺。
为了提高振动曲线光滑度，需要对采样数据进行平滑处理，从而减小干扰信号对真实数
据的影响。此外，数据平滑处理还可以用于不规则趋势项的消除。
数据平滑处理的原则是消除数据中的干扰成分，同时尽量保持原有信号曲线的变化。
目前，常用的平滑处理方法主要有平均法和平滑法等。
平均法的计算公式如下：
N
yi  hx
n  N
n i n  i  1, 2,..., m  （4-6）
式（4-6）中，x 表示采样数据；y 表示平滑处理后的结果；m 表示数据点数；2N+1

表示平均点数；h 表示加权平均因子，其总和为 1，即：
59
 h =1
n  N
n （4-7）
根据加权平均因子的不同定义，平均法主要分为算术平均值法、加权平均值法以及
滑动平均值法等。算术平均值算法主要针对在某一数值上下波动频繁的信号，在脉冲干
扰严重的情况下需要慎用；加权平均值算法多应用于系统纯滞后时间偏大的情况，对于
干扰及其影响程度十分敏感，导致控制速度缓慢，所以适用范围比较受限；滑动平均值
法通常取测量点附近五个点的波动幅值对此点的波幅进行修正，抑制脉冲干扰的效果较
差，但其抗周期性噪声效果良好，且平滑程度高，灵敏性优良，在振动系统中应用较多。
五点三次平滑法主要是针对等间距离散数据进行平滑处理，具体过程是采用三次最
小二乘多项式平滑的方法，其计算公式为：
 1
y1  69 x1  4  x2  x4   6 x3  x5 
 70 

 1
y2   2  x1  x5   27 x2  12 x3  8 x4 
 35


 1
 yi   3  xi  2  xi  2   12  xi 1  xi 1   17 xi  ,  i  3, 4,..., m  2  （4-8）
 35


 ym 1  1  2  xm  4  xm   8 xm 3  12 xm  2  27 xm 1 
 35  
 1
 ym    xm  4  4  xm 3  xm 1   6 xm 3  69 xm 
 70 
式（4-8）中，x 表示采样数据；y 表示平滑处理后的结果；m 表示数据点数；五点
三次平滑法在时域内能够减少混入振动信号中的高频随机噪声，在频域内提高频谱曲线
平滑程度，以便在特征参数识别中得到较好效果。
常用的平滑处理方法中，平均法相对比较简单，效果也比较差，而五点三次平滑法
基于多项式的最小二乘逼近对采样数据进行平滑处理，算法简单，效果较好。因此，本
文选用五点三次平滑法对振动反馈信号进行预处理以消除杂波干扰。
4.1.4 滤波和预处理实例
为了验证数字带通滤波器和预处理方法的有效性，以施工现场采集的一段振动反馈
信号为例进行分析。振动加速度信号采集自徐工 XD121 型振动压路机，其具有 41Hz 和
47Hz 两个档位，试验过程中处于 47Hz 档位。信号检测过程中，采样频率设置为 fs＝
1024Hz，采样点数取 N＝1024。试验中采集的原始振动信号时域波形如图图 4-8 所示。
60
高频噪声成分
高频噪声成分
毛刺杂波成分
毛刺杂波成分
图 4-8 原始振动信号时域图
如图 4-8，振动压路机工作时，由液压系统带动偏心质量高速旋转产生受迫振动进
行压实。在振动压实过程中，发动机、车架等引入了复杂的噪声干扰，体现在振动反馈
信号波形上就是引入了高频成分。此外，由于沥青路面施工环境恶劣多变，施工设备繁
多，作业模式多变等都会带来杂波干扰，体现在振动反馈信号波形上就是引入了毛刺成
分。当然，振动压路机自身也会带来少许杂波毛刺，施工环境亦会产生部分微弱的高频
噪声。总之，噪声和杂波等干扰会影响有效振动信号的处理和表达，严重时甚至会湮没
有效的振动反馈响应信号。
为抑制噪声和杂波等干扰对有效振动信号的影响，本章基于汉明窗进行了 FIR 带通
数字滤波器的设计和应用。此外，为了削弱杂波对信号波形的影响，基于多项式最小二
乘法和五点三次平滑法对滤波后的振动反馈信号进行趋势项消除和平滑处理，最终获得
的振动反馈信号波形如图 4-9 所示。
频率成分集中
频率成分集中
波形平滑
波形平滑
图 4-9 滤波和预处理后振动信号时域图
61
如图 4-9，原始振动信号经过 FIR 滤波和五点三次平滑处理后，其时域波形效果获

得了很大的改善：
（1）在组成成分上，通过通带范围为[20Hz，200Hz]的数字带通滤波器基本滤除了
200Hz 以上的高频噪声成分。滤波后振动反馈信号的主要频率成分相对集中，且基本上
位于压路机振动频率附近，可以推测为有效的振动反馈信号。
（2）在波形表达上，可以明显看出，经过趋势项消除和平滑处理后，振动反馈信
号的波形平缓了很多，毛刺杂波分量基本被抑制，从而以很小的计算量实现了良好的预
处理效果。
综上，数字滤波和预处理方法使得振动反馈信号中的噪声和杂波得到了有效抑制，
信噪比得到了明显改善，提高了原始振动信号的质量，为后续振动反馈信号的处理和分
析打下了良好的基础。
4.2 振动信号分析方法
振动压路机的响应波形除了与激振频率相同的基波外，还含有大量的谐波分量，它
们的来源和分布反映了沥青混合料的压实效果，所以智能压实监测的关键在于振动反馈
信号的处理与分析。振动信号的时域分析能够进行振动判断，但由于信号的多源性和干
扰等因素会导致产生复杂的振动波形，使得在时域内进行振动信号处理受到了很大的限
制。此时，通过频谱分析可以将信号分解成一系列频率分量的组成来表征振动特性，进
而获得沥青混合料的压实状态信息。
4.2.1 傅里叶分析
（1）傅立叶变换
频谱分析的经典方法是傅里叶分析方法，对应的时域和频域转换工具即为傅里叶变
换[161]。若时间连续信号f(t)在(-∞，+∞)上的任一有限区间上满足狄利克雷条件，且在
[162]
(-∞，+∞)上绝对可积，则其频域分析可以采用连续时间傅立叶变换进行。f(t)的傅
里叶变换定义如下：

F ( )  

f (t )e jt dt (4-9)
根据欧拉公式，可得：
e jt = cos t   sin t  (4-10)
由式（4-9）和式（4-10）可以看出，傅里叶变换的本质是内积。三角函数是完备的
正交函数集，不同频率三角函数之间的内积为 0，只有频率相等的三角函数之间内积才
不为 0。因此，当 f(t)和 ejωt 求内积时，只有 f(t)中频率为 ω 的分量才会有内积结果，其
余分量的内积为 0，从而可以理解为 f(t)在 ejωt 上的投影。积分值是时间从负无穷到正无
穷的积分，就是把信号每个时刻在 ω 的分量叠加起来，可以理解为 f(t)在 ejωt 上投影的
62
叠加。叠加的结果就是频率为 ω 的分量，从而形成了频谱。
在进行数字信号处理时，由于计算机的运算在本质上是基于二进制进行的，且运算
变量的定义均为固定长度，从而要求振动信号在时域和频域内均应为离散且长度有限。
根据式（4-9），傅里叶变换主要是针对连续时间信号，所以需要应用离散傅立叶变换
（Discret Fourier Transformation，DFT）运算进行时频转换[162, 163]。
根据信号与系统理论，DFT 算法的复杂度为 O（N）2，为平方阶，其中 N 为离散傅
里叶变换区间长度。当 N 增大时，其运算量急剧增长，导致运算所需时间过长。智能压
实监测对实时性的要求很高，而 DFT 算法进行时域-频域转换的效率很低。实际应用中
通常采用 DFT 的高效算法 FFT 算法来减少运算量，其原理如图 4-10 所示。
第一级第二级第三级

x[0] X[0]
0
W 8
x[4] X[1]
1 0
W 8
x[2] X[2]
0 2
1
W 8 W8
x[6] X[3]
1 1 0
W 8
x[1] X[0]
0 1
1
W 8 W 8
x[5] X[1]
1 0 2
1
W 8 W8
x[3] X[2]
0 2
1 3
1
W 8 W8 W 8
x[7] X[3]
1 1 1
图 4-10 FFT 算法基本原理图

如图 4-10，FFT 算法通过迭代运算和蝶形运算单元求解，减少了 DFT 的运算量。
FFT 算法的复杂度为 O（Nlog2N），为线性对数阶。与 DFT 算法相比，FFT 算法大幅提
高了计算效率，能够满足压实监测的实时性要求，同时提高了数据运算单元的硬件利用
效率。
通过 FFT 算法进行采样数据的时域和频域转换后，可以获取振动信号的频谱特性。
设信号采集的采样频率为 fs，采样的点数为 N，FFT 算法的输出即为 N 个反映频域特性
的复数值，其中，第 n 个点对应的频率为 fn。
 n  1 f s
fn = , (n  1, 2, , N) (4-11)
N
式（4-11）中，当 n＝1 时，FFT 算法输出的复数值表示原始信号的直流分量，其频

率为 0Hz，与压路机振动无关，在谐波分析前应剔除；当 n≥2 时，输出复数值的模量即
为相应频率下的信号幅值，从而可以提取基波和各次谐波的幅值，即为幅值频谱。通过
频谱分析，可以获得信号在每个频率分量上振动幅值的大小。通过分析谐波频率和谐波
幅值的分布特征，能够获得压实检测所需的有效信息，并定义压实指标以描述压实状态。
63
（2）窗函数确定
在信号处理和分析中，有限长度数据的获取即为对原始信号进行数据截断的过程。
若截断区间为（-T～+T），则|t|＞T 的 f(t)值均为零，从而获得的频谱与真实频谱会产生
变化，具体表现为出现频谱旁瓣、频谱泄露等现象。为降低时域信号因截断引起的频域
变化，数据截断通常采用加窗函数实现[164]。不同窗函数对信号频谱的影响不一样，这
主要是因为不同窗函数产生泄漏的大小不一样，频率分辨力也不一样。
信号截断产生的能量泄漏从原理上讲是不可避免的，但可通过选择不同窗函数对其
影响进行抑制。实际应用中，窗函数的主瓣宽，则具有较强的抑制杂波能力；主瓣窄，
则具有较高的分辨率；为减小频谱泄漏，要求窗函数旁瓣要小，且旁瓣衰减速率较快。
上述要求往往不能同时满足，因此，需要根据测试信号的特性和处理要求选择窗函数。
常用窗函数的频域性能参数如表 4.3 所示，其中 N 为窗函数长度[165]。
表 4.3 常用窗函数的频域性能参数
窗函数主瓣宽度旁瓣衰减速率/dB 阻带最小衰减/dB
近似值精确值
矩形窗 4π/N 1.8π/N -13 -21
三角窗 8π/N 6.1π/N -25 -25
汉宁窗 8π/N 6.2π/N -31 -44
汉明窗 8π/N 6.6π/N -41 -53
布莱克曼窗 12π/N 11π/N -57 -74
根据表 4.3 可得，矩形窗主瓣窄，旁瓣大，频率识别精度最高，幅值识别精度最低；

布莱克曼窗主瓣宽，旁瓣小，幅值识别精度最高，但频率识别精度最低。三角窗、汉宁
窗和汉明窗的主瓣稍宽，但三角窗的旁瓣稍大，而汉宁窗和汉明窗有较小的旁瓣和较大
的衰减速度，是相对理想的窗函数。汉明窗和汉宁窗相比，其旁瓣比汉宁窗更小。
由于振动信号的频谱包含多个频率分量，且各频率点的幅值差异与铺筑材料的状态
反馈相关，从而要求显示不同频段上各频率成分的贡献差异，因此对频率分辨率和幅值
分辨率均需要考虑。综合各种因素，为了提高振动反馈信号处理的质量和效率，选择汉
明窗完成数据频谱分析前的数据截断任务。
4.2.2 短时傅里叶分析
在信号分析应用中，通常使用傅里叶变换将原始信号分解为一系列三角函数信号的
叠加组合。傅里叶分析以三角函数为基函数，揭示了时域与频域之间内在的联系，具有
很强的频域局域化能力，反映了“整个”时间范围内信号的“全部”频谱成分。因此，
傅里叶分析非常适合于平稳信号的频率特性分析，此时各个时间段内信号的频率特性是
一致的。尽管如此，作为一种整体变换，傅里叶变换只能了解信号在时域及频域的全局
特性，在处理非平稳信号时具有先天局限性。因为频谱是时间从负无穷到正无穷的叠加，
所以只能获取一段信号总体上包含的频率成分，无法反映非平稳信号的局部区域特征及
其对应关系，在时域没有分辨率，从而难以全面地反映非平稳信号的特征。
64
在信号处理中，对于非平稳信号，经常需要研究其时域和频域的全貌和局部性质，
既要总体上把握信号，又要深入到信号的局部特征中分析其非平稳性。换言之，需要确
定组成成分的频率、频率随时间变化的情况以及各时刻的瞬时频率和幅值，即对信号进
行时频联合分析。标准傅里叶变换只在频域有局部分析的能力，而在时域内不存在局部
分析的能力。针对傅里叶变换在非平稳信号分析上的局限，人们开始对其进行各种改进，
其中 Dennis Gabor 最早提出了 STFT 概念[166]。STFT 的基本思想是：把信号划分成许多
小的时间间隔，用傅里叶变换分析每一个时间间隔，以便确定该时间间隔内存在的频率。
假设对信号 x(t ) 在时间 t=τ 附近内的频率感兴趣，则对于信号 x(t)，其 STFT 定义为：
STFTx (t , )   x( ) g  (  t )e jt dt   x( ) gt, ( )d   x( ), g (  t )e j  (4-12)
式（4-12）中，g(t)为时限函数，即窗口函数，其大小和形状固定。对比式（4-9）
和式（4-12），很容易看到，为了分析 x(t)在时刻 τ 的局部频域信息，式（4-12）实质上
是对函数 x(t)加上窗口函数 g(t)。g(t)窗口的长度越小，越能够反映出信号 x(t)的局部频
域信息。实际上，对于高频信息，信号变化剧烈，时间周期相对较小，时间窗口应该设
计得相对窄一些；对于低频信息，信号变化平稳，时间周期相对较大，时间窗口应相应
设计得相对宽一些。
因为窗口 g(t)固定，STFT 在分析时变信号时有一定的局限性。因此有必要引入新的
具有理想时间-频率窗口特性的新型窗口函数。从而，在 STFT 基础上，小波分析的提出
弥补了时间窗口固定的不足，获得了广泛应用。
4.2.3 小波变换分析
对于给定的能量有限信号 f(t)，即∀f(t)∈L2 (R)，其连续小波变换定义为：

 
1 t 
WTx (a, ) 
a 

f (t )  (
a
)dt   f (t ) a, (t )dt   f (t ), a , (t )

（4-13）
式（4-13）中：
1 t 
 a , (t )  ( ) （4-14）
a a
式（4-14）中，a  R且a≠0，称为尺度因子，表示与频率相关的伸缩，τ为时间平移因
子。Ψa, τ(t)是基本函数Ψ(t)先作移位再作伸缩以后得到的一簇函数，称为小波基函数，简
称小波基。从而根据（4-13），WT可以描述为信号f(t)和一族小波基的内积。与傅里叶变
换相比，小波变换将无限长的三角函数基换成了有限长且会衰减的小波基，其中尺度a
控制小波函数的伸缩，对应于频率；平移量τ控制小波函数的平移，对应于时间。小波
变换不仅能够提供较精确的时域定位，还能提供较精确的频域定位。
连续小波变换的信息表述存在冗余度，即由连续小波变换恢复原信号的重构公式不
65
唯一，其小波基函数 Ψa, τ(t)存在多种选择。尽管冗余可提高信号重建的稳定性，但增加

了分析和解释结果的困难。Mallat 基于多分辨率分析（多尺度分析）的概念统一了之前
各种小波基的构造方法，并提出了广泛使用的 Mallat 快速小波分解和重构算法。Mallat
小波算法过程比较复杂，其在小波分析中的地位与 FFT 在傅里叶分析中的地位相当，详
见参考文献[167, 168]。
实际生活中，物理信号更多地表现出非平稳的特性。得益于对信号时域和频域的局
部分析能力，也得益于快速小波变换的实现方法，小波变换成为处理非平稳信号的重要
工具。此外，对于突变信号，傅里叶变换方法存在吉布斯效应，使用三角函数很难拟合
还原信号。通过适当地选择小波基，使得小波函数 Ψ(t)在时域上有限支撑，在频域上也
比较集中，便可以使小波变换在时域和频域均具备表征信号局部特征的能力，这样就有
利于检测信号的瞬态或奇异点，具有傅里叶变换无法比拟的优越性。
突变信号的监测对于沥青路面施工非常重要，如在运料车的行驶过程中要求以稳定
的速度前进，不允许突然刹车和减速。在压路机开始工作时需要缓慢启动，碾压过程中
要保持稳定的速度行驶，在转向碾压时要缓慢减速直至趋近于静止，然后折返。在整个
碾压过程中，严禁快速启动、突然刹车、骤停折返等现象。由于不规范操作会带来压路
机能量输出的突然变化，同样伴随着振动信号的突变，因此可运用小波变换识别异常点，
进而对施工操作的稳定性进行监控，对于沥青路面施工质量的保障具有重大意义。
尽管小波变换能够满足时频分析的需要，但依然不能摆脱测不准原理的约束。根据
Heisenberg 测不准原理在信号领域的体现，在小波分析中不能同时获取信号绝对精准的
时刻和频率，它们是一对不可兼得的矛盾体。此外，在对信号进行频域分析的时候，小
波变换通过基函数使用了下采样，违反了奈奎斯特准则，造成了频谱混叠，最终导致频
率分辨率的损失，引起频谱分析的误差。面对传统数字信号处理方法的不足，一种新模
式数字信号处理方法，即 HHT 变换分析逐渐获得关注和应用。
4.2.4 HHT 变换分析
希尔伯特-黄变换是 Norden E.Huang 在 1998 年基于希尔伯特变换理论提出的一种自

适应数据处理方法。作为小波变换之后又一新型时频分析方法，HHT 对于非线性非平
稳信号的处理具有独特优势，广泛应用于地球物理学、结构损伤诊断、气候气象变迁以
及生物医学分析等领域，取得了较好的效果。HHT 方法主要由经验模态分解（Empirical
Mode Decomposition，EMD）和 Hilbert 谱分析（Hilbert Spectrum Analysis，HSA）两个
步骤组成，即：首先，利用 EMD 方法将给定信号分解为若干本征模态函数（Intrinsic Mode
Function，IMF）之和，这些 IMF 是满足一定条件的分量；然后，对每个 IMF 分量进行
Hilbert 变换，得到 Hilbert 谱；最后，汇总全部 IMF 分量的 Hilbert 谱就会得到原始信号
的 Hilbert 谱，即为信号在时频平面上的能量分布谱图，进而还可得到边际谱。
（1）经验模态分解
EMD 是 HHT 方法的核心部分，其基本思想是认为任何复杂的信号都是由若干本征
66
模态函数组成，且任何时候，一个信号都可以包含若干个本征模函数。从而，可将信号
分解成一组个数确定的 IMF 分量，即为“筛选”过程。筛选过程中，IMF 应满足以下
条件：
（1）在整个数据集内，极值点数和零点数相等或仅相差 1 个；
（2）在任意时刻，由极大值点构成的上包络和由极小值点构成的下包络的均值趋
近于零。
第一个条件类似于高斯正态平稳过程的传统窄带要求，而第二个条件则可以保证由
IMF 求出的瞬时频率有意义，并将传统的全局限定变为局部限定。之所以称这样的分量
为固有模态函数，是因为它们表征了信号中振荡的模式，在每一时刻只有单一频率成分，
与信号的瞬时频率密切相关。
EMD分解的目的是获取本征模态函数，然后可对各本征模态函数进行希尔伯特变换，
得到希尔伯特谱，使得瞬时频率可应用于复杂非线性非平稳信号的分析。设所需分解的
原始信号为x(t)，则EMD筛选过程的原理和流程如图4-11所示。
开始
x(t)
输入信号x(t)
r(t) =x(t) ，n=0
r1(t) c1(t)
x(t)
确定x(t)所有局部极值点
r2(t) c2(t)
构造局部上、下包络
x(t)=r(t) x(t)=h(t)
e(t)，求其均值m(t)
...
h(t)=x(t)-m(t)
N
ri(t) ci(t) h(t)满足IMF条件？
Y
n=n+1，cn(t)=h(t)，
... r(t)=r(t)-cn(t)
N
r(t)满足终止条件？
rn(t) cn(t)
Y
结束
（a）EMD 分解原理（b）EMD 筛选流程

图 4-11 EMD 分解和筛选过程示意图
如图 4-11，EMD 分解的过程如下：
67
（1）确定原始输入信号 x(t)所有的局部极大值点和局部极小值点。
（2）通过三次样条函数插值拟合 x(t)的上、下包络线 eup(t)、elow(t)，计算上、下包
络线的平均包络线 m1(t)。
eup  t   elow  t 
m1 (t )  (4-15)
2
（3）原始信号x(t)减去第（2）步所得均值函数m1(t)，得到初步的模式函数h1(t)。
h1 (t )  x(t )  m1 (t ) (4-16)
（4）考察h1(t)是否满足IMF条件，如果满足则转到下一步，否则将h1(t)视为新的x(t)，
重复步骤（1）~（3）k次，直至h1k(t)满足IMF的两个条件为止。此时得到了第1个IMF
分量，通常为高频分量，记为c1(t)。
c1 (t )=h1k (t )=h1 k 1  m1k (4-17)
（5）将c1(t)从x(t)中分离出来，得到第1个去掉高频成分的残留分量r1(t)。
r1 (t )  x (t ) - c1 (t ) (4-18)
将残留分量 r1(t)视为新的待分解信号，重复步骤（1）~（5）n 次，可得其他的 IMF

分量 c2(t), c3(t),…, cn(t)和相应的残留分量 r2(t), r3(t),…, rn(t)。
r1  c 2  r2 

  (4-19)
rn 1  c n  rn 
（6）直到 rn(t)为单调信号或者只存在一个极点，此时，rn(t)无法继续分解，循环终
止，EMD 分解完成。最终，原始信号 x(t)分解后可表示为：
n
x(t )   ci (t )  rn (t ) (4-20)
i 1
式（4-20）中，ci(t)为各IMF分量，rn(t)为残余函数。从分解过程可以看出，EMD主
要利用待分解信号自身的特点，算法比较简单。与傅立叶变换和小波变换相比，EMD
方法不需要预先设定基函数，可以自适应地将非平稳非线性信号分解成具有真实物理意
义的IMF分量集合。
EMD的本质是对信号进行平稳化处理，得到包含不同时间尺度的IMF分量，从而将
信号的波动或趋势逐级分解开来。分解得到的各个IMF分量突出了数据的局部特征，分
别代表原始信号中包含的一个时间尺度波动成分，对应从高到低不同频率段的成分，具
有明显的物理背景。通常情况下，较高频的IMF分量为原始信号的噪声，而最低频的IMF
分量，即残余函数，一般为原始信号的均值或趋势。振动压实过程中反馈的加速度信号
往往是杂乱无章的，这是因为其中包含了多个模态的信号以及一些噪声和杂波信号。
EMD方法可以将杂乱的振动信号分解为多个IMF分量，从而可针对不同IMF分量进行处
68
理以提取局部特征信息，同时去除原始信号中的噪声和杂波。
（2）希尔伯特变换
在利用经验模态分解获得信号x(t)的各个IMF分量后,可对每个IMF分量应用希尔伯
特变换（Hilbert Transform，HT）进行谱分析，计算获得每个IMF分量的瞬时频率和瞬
时幅值，得到信号的Hilbert谱。
对式（4-20）中的每个本征模态函数 ci(t)作 Hilbert 变换得到：

1  c (t )
H [ci (t )]   i d (4-21)
  t  
式中 t 表示时间，τ 表示积分分量。构造解析信号
Zi (t )  ci (t )  jH[ci (t )]  ai (t )e ji (t ) (4-22)
从而得到幅值函数、相位函数和瞬时频率分别为：

 a (t )  c 2 (t )  H 2 [c (t )]
 i i i
 H [ci (t )]
 i (t )  arctan (4-23)
 ci (t )
 1 1 di (t )
 fi (t )  i (t )  
 2 2 dt
并获得信号 x(t)的 Hilbert 谱为：
n n
H ( , t )  Re ai (t )e ji (t )  Re ai (t )e 
j i ( t ) dt
(4-24)
i 1 i 1
此处省略了残余函数 rn(t)，Re 表示取实部，ai(t)表示第 i 个瞬时幅度，ωi(t)表示第 i

个瞬时频率。由式（4-24）中可以看出，H(ω,t)是瞬时振幅在频率-时间平面上的分布，
精确地描述了信号幅值在全部频率段上随时间和频率的变化规律。从而，相对于 Hilbert
变换单纯地计算信号的瞬时振幅、频率和相位，HHT 变换通过 EMD 分解保证了每个 IMF
分量进行 Hilbert 变换后得到具有实际意义的瞬时频率。
引入IMF概念是HHT变换的独特之处，也是与其它信号分析方法的本质区别所在。
EMD方法是基于IMF的时域分解方法，其实质是通过时间序列数据的特征时间尺度去确
定固有振动特征，然后相应地分解出该时间序列所有的IMF分量。IMF分量经过Hilbert
变换得到的Hilbert谱具有很高的时频分辨率，获得的分析结果能够准确地反映出非平稳
信号原有的物理特性。
EMD方法具有平稳化处理和自适应性的特点，消除了人为因素，使得HHT变换在处
理非平稳和非线性信号时具有独特优势。然而，根据EMD的分解过程，HHT变换的计算
过程并不是基于严格的数学计算，而是基于任何信号都可以分解为一系列经验性IMF函
数的假设。所谓经验性，是指与解析性相对应。如傅里叶变换和小波变换，在理论上可
进行推导和演绎，进而得到确切的函数关系式，其原理清晰，且每一过程都有理论支撑。
69
相比之下，IMF并不是明确定义的函数，而是根据原始信号数据序列的局部特征，通过
局部极值网络来层层分解获得，这一过程也是平稳化的过程，可以理解成将不规则波形
转化为经验性分量的过程。此外，根据IMF函数的定义，每个IMF在局部吻合标准正弦
曲线，而且不同IMF分量包含了不同的特征时间尺度，因此在局部应该是彼此正交的，
然而，目前在理论上还难以严格地进行证明。
总体来讲，HHT缺乏严密的数学论证，更多的是一种能够直接解决实际工程问题的
应用方法。尽管如此，随着HHT研究的深入和应用的推广，相信其理论基础必将不断地
完善和稳固。
（3）HHT 变换改进
作为一种新型信号分析理论，HHT 尚处于初步发展阶段，仍存在一些问题，如目
前缺乏严格的数学模型、算法停止准则值得考究、极值点包络线的拟合结果将直接影响
数据分解的好坏等，其中最严重的是存在模态混叠现象。
模态混叠是指在一个 IMF 中包含不同尺度的信号分量，或者多个不同 IMF 包含一
个相似的尺度分量。模态混叠严重混淆了时频分布，并模糊了每个 IMF 分量的物理意义。
对此，Wu Z 和 Huang N 等[169, 170]提出一种集合经验模态分解方法（Ensemble Empirical
Mode Decomposition，EEMD），通过引入均匀分布的高斯白噪声克服模态混叠问题，并
利用多次平均计算使白噪声互相抵消。
EEMD 方法利用白噪声在尺度空间均匀分布的特点，将带噪信号不同尺度的分量投
影到由白噪声所建立的尺度空间，可在一定范围内减小模态混叠现象的产生。尽管如此，
由于白噪声分布的随机性及集成平均实验次数的有限性，在多尺度分解后，各重构信号
仍有一定幅值的噪声残留，误差并不会完全抵消，会影响重构序列的准确性。由噪声产
生的重构误差可以通过增大集成平均计算次数而减少，但运算量与计算时间又随之大幅
增加，计算负荷会提高。因此，需要根据实际应用的需求和条件调整集成平均计算次数。
4.2.5 分析方法比较
自从计算机发明以来，数字信号处理方法就逐步获得了发展，其中现有主要方法的
特性如表 4.4 所示。
表 4.4 现有主要数字信号处理方法比较
傅里叶变换短时傅里叶变换小波变换 HHT 变换
适用信号线性平稳非线性非平稳非线性非平稳非线性非平稳
信号特征整体性区域性区域性局部性
窗函数固定固定变化无
自适应性无无无有
“基”函数三角函数三角函数小波基 IMF
分析结果频谱时频联合时频联合时频联合
测不准受限制受限制受限制不受限制
分辨率一般一般中等高
理论基础完备完备完备未成熟
70
计算量适中大大大
信号变化缓变缓变瞬时、突变突变
突出优点理论基础严密，计理论基础严密，计理论基础严密，时时频分析能力强，
算容易，应用成熟。算容易。频分析能力较强。自适应能力强，具
有完备性。
突出缺点不能时频分析，无时频分析能力差，小波基确定难，自理论基础不严密，
自适应能力。自适应能力差，应适应能力较差，计鲁棒性较差，筛分
用较少。算困难，工作量终止条件苛刻，边
大。界效应难处理。
根据表 4.4 的比较，并结合 4.2.1 小节~4.2.4 小节内容，可进行分析和总结如下。

（1）FT 方法把信号从整个时域变换到频域，利用信号包含的全部频率成分描述信
号在频域内的变化，不能反映局部信号频率的瞬时变化，即不能表示随时间变化的频率，
这在处理非线性信号时具有难以避免的局限性，只适用于分析线性平稳信号。此外，傅
里叶变换受 Heisenberg 测不准原理的限制，即时间窗口与频率窗口的乘积为常数。若要
提高时间精度就得牺牲频率精度，反之亦然，故不能使得时间和频率精度同时达到较高
水平，给信号分析和处理带来一定的不便。
（2）STFT 方法在某种程度上克服了傅里叶变换的缺陷，实现了信号局部性质的分
析，可分析非平稳信号。但窗口大小选定后，当信号在时间或频率上的变化区间小于窗
口时，窗口内信号平稳的假设不成立，此时难以获取非平稳信号的局部特征。因此，严
格意义上，加窗傅里叶变换还是一种平稳信号分析方法，只适用于缓变信号的分析。此
外，加窗傅里叶变换在时域和频域内仍需满足测不准原理，而窗函数选定后不能任意调
整，所以 STFT 不能在时间和频率上同时达到很高的分辨率。
（3）WT 方法进一步提高了处理非线性非平稳信号的能力，是时频分析的主要工
具之一。然而，小波变换本质上亦是窗口可调的傅里叶变换方法，不可避免地具有窗函
数的局限性，且仍受测不准原理限制，无法精确地描述频率随时间的变化；此外，小波
变换的小波基函数众多，其选择存在不同的评判标准，且使用范围差别很大，难以确定
最优的小波基。小波基选定后，将会用来分析全部信号数据，自适应性较差。实际工程
中，不同小波基的选择对分析结果的影响较大，也难以确定所选小波基是否能够反映被
分析数据或信号的特性。小波变换虽然在理论上能处理非线性非平稳信号，但在实际算
法实现中却只能处理线性非平稳信号。小波基需要预先确定，且分解的尺度完全相同，
不能根据信号内在特征进行自适应分解。
（4）HHT 方法能够通过经验模态分解自适应地产生“基”函数，即在“筛选”过程
获得的 IMF 分量，对以傅里叶变换为基础的谱分析方法来讲是一大突破。傅立叶变换的
基是三角函数，小波变换的基是满足“可容性条件”的小波基，它们都需要预先选定。
然而，EMD 可以根据信号自身特点直接将信号分解成有限的 IMF 分量，方法简单，直
观高效，且没有事先设定的限制，减少了主观因素对分析结果的影响。此外，HHT 不
受测不准原理制约，理论上可达到很高的时间分辨率和频率分辨率，具备很好的时频聚
集能力，从而十分适合于分析非线性和非平稳信号。HHT 具有很多独特的优点，但由
71
于提出时间不长，目前相关的研究仍处于初级阶段。HHT 变换在处理非线性非稳态信
号时比传统的分析方法更有效，但其缺乏严密的数学基础，鲁棒性也有待提高。
综上所述，傅里叶分析适合处理非常平稳的周期信号，短时傅里叶分析适合处理缓
变信号，小波分析适合处理急剧变化的高度不稳定信号，而 HHT 分析适合于非线性和
非平稳信号的分析。在振动压实过程中，振动反馈加速度信号从本质上来讲是非线性和
非平稳的，这是由压实过程中铺筑材料自身特性和压实状态的变化所决定的。因此，从
信号处理方法的适用性角度来看，基于经验模态分解的 HHT 变换具有较好的信号处理
和分析效果。
4.3 振动反馈信号处理分析
振动信号的处理以 VSEA10-3&SPPEA 压实试验中第 6 遍振动压实过程中采集的第

1 段加速度信号的处理为例进行分析。根据 4.1.2 小节和 4.1.3 小节内容，首先对振动信
号进行数字滤波和振动信号预处理，获得所处理振动信号的时域分布如图 4-12 所示。
图 4-12 VSEA10-3&SPPEA 振压第 6 遍第 1 段数据的时域图

如图 4-12，从时域图中难以获取振动信号的组成成分、各成分的相互关系以及在整
体信号中的比例等信息。根据上文对传统傅里叶分析方法和后续逐渐发展的时频分析方
法的比较以及 HHT 缺点的描述和改进，本文选择 EEMD 算法进行振动压实反馈信号的
经验模态分解，然后进行时频分布特性分析以获取有效的本征模态分量。
4.3.1 EEMD 分解
根据 4.2.4 小节的内容和图 4-11 的步骤，本文进行了 HHT 变换算法的实现，并导

入经过滤波和预处理后的振动信号数据。通过 EEMD 经验模态分解算法，原始振动信
号被分解为 14 个本征函数分量和一个余量函数分量，分别为 IMF1 ~ IMF14 和 IMF
72
Residual，其各自的时域幅度如图 4-13 所示。
(a) IMF 1 时域图 (b) IMF 2 时域图
(c) IMF 3 时域图 (d) IMF 4 时域图
(e) IMF 5 时域图 (f) IMF 6 时域图
(g) IMF 7 时域图 (h) IMF 8 时域图
(i) IMF 9 时域图 (j) IMF 10 时域图
(k) IMF 11 时域图 (l) IMF 12 时域图
(m) IMF 13 时域图 (n) IMF 14 时域图
(o) IMF Residual 时域图

图 4-13 IMF 分量的时域图
如图 4-13，EMD 算法不需要预先设计诸如三角函数、小波基等基函数，直接将非
73
平稳和非线性的原始振动信号分解成一系列 IMF 分量的组合，减小了傅里叶变换、小波

变换等方法中因窗函数截断带来的频谱泄露和栅栏效应等影响。
4.3.2 瞬时频率分析
对原始信号进行经验模态分解后，本文通过希尔伯特变化获得了各个 IMF 分量的瞬

时频率，其结果如图 4-14 所示。
(a) IMF 1 瞬时频率 (b) IMF 2 瞬时频率
(c) IMF 3 瞬时频率 (d) IMF 4 瞬时频率
(e) IMF 5 瞬时频率 (f) IMF 6 瞬时频率
(g) IMF 7 瞬时频率 (h) IMF 8 瞬时频率
(i) IMF 9 瞬时频率 (j) IMF 10 瞬时频率
(k) IMF 11 瞬时频率 (l) IMF 12 瞬时频率
74
(m) IMF 13 瞬时频率 (n) IMF 14 瞬时频率
(o) IMF Residual 瞬时频率

图 4-14 IMF 分量的瞬时频率
如图 4-14 可得，从 IMF 1 分量开始直到 IMF Residual 分量，IMF 分量的频率呈现
逐渐降低的趋势，其中较高频的分量通常来源于原始信号的噪声成分，而 IMF Residual
分量则为原始振动信号的趋势。
此外，对于 IMF 1 分量，其仅出现于约 2.8s 处，且频率高达约 190KHz，所以可基
本断定此分量为高频噪声，在实际应用中应予以剔除。对于 IMF 6 分量 ~ IMF 7 分量
分析发现，其频率在整个数据采集周期内相对比较稳定，意味着有相对稳定频率的振动
信号存在，且集中于约 25Hz 左右的倍频数，结合试验过程中小型振动压路机输出激振
力基本为 25Hz 左右的信息，可推断出它们应是反映压实材料状态的主要分量。然而，
根据 2.3.2 小节的内容，反映压实状态的信号特性除了频率成分外，其能量大小亦是状
态反馈的主要特性，从而需要分析振动压实反馈信号的频谱分布。
4.3.3 时频频谱分布
对 IMF 分量进行希尔伯特变换之后，同时可以得到幅值函数和相位函数，进而获得
信号的希尔伯特谱分布。以 IMF 7 分量为例，根据式（4-27），可得其希尔伯特谱分布
如图 4-15 所示。
图 4-15 IMF 7 分量的希尔伯特谱分布

75
如图 4-15，右侧彩色色标颜色的深浅代表着瞬时幅度的大小，从而可得希尔伯特谱
是瞬时幅度随着时间轴和频率轴的二维分布，即时频联合分布，描述了信号在时间上和
频率上的变化过程和状态。
理论上，当压路机碾压沥青混合料时，在采样时段内，振动压实反馈信号的有效频
率分量应该持续存在。根据各个 IMF 分量瞬时频率和希尔伯特谱的分布可得，IMF 1 ~
IMF 5 分量的瞬时频率大都仅在部分高频点存在，因此，它们通常对应着高频噪声分量
和异常杂波分量；对于 IMF 6 ~ IMF 9 分量，它们的瞬时频率在整个采样时段内持续稳
定存在，且结合小压路机的工作参数，可得它们应是反映沥青混合料压实状态变化的主
要分量；对于 IMF 10 ~ IMF Res 分量，尽管它们的瞬时频率在采样时段内一直存在，但
瞬时频率范围大都在 10Hz 以内，且随着频率增大，相应的幅值均较小，甚至趋近于 0，
可得它们应是描述长周期变化和趋势项等特征的主要分量。
4.3.4 频谱参数提取
对振动反馈信号进行 EMD 分解后，获得的各个 IMF 分量是相对平稳的信号。同时，

根据瞬时频率和时频特性的分布特点确定与压实状态相关的有效 IMF 分量。实践表明，
与直接进行频谱分析的结果相比，通过 EMD 分解确定有效 IMF 分量后再进行频谱分析
可以有效地抑制噪声和杂波，提高了信号处理结果的准确度。
根据上文的分析，以第 6 遍振动压实反馈信号的处理为例，通过经验模态分解选取
有效 IMF 分量，然后进行频谱分析，获得有效频谱分布如图 4-16（a）所示。
(a) 振压第 6 遍反馈信号经验模态重构后的有效频谱分布
(b) 振压第 12 遍反馈信号经验模态重构后的有效频谱分布

图 4-16 不同遍数振动反馈信号经验模态重构后的有效频谱分布
同理，可得振压第 12 遍反馈信号的有效频谱如图 4-16（b）所示。由图 4-16 可得，
不同遍数振动反馈信号的有效频谱结果如表 4.5 所示。
76
表 4.5 振压第 6 遍和第 12 遍反馈信号经验模态分解后的有效频谱结果

第6遍第 12 遍
频率/Hz 幅值/v-vrms 频率/Hz 幅值/v-vrms
22.58 238.59 22.58 347.01

31.74 13.56 33.27 30.96
43.94 65.17 43.95 83.82
54.63 26.61 54.63 26.61
66.84 16.14 68.36 46.82
77.52 14.96 79.05 25.16
89.73 10.17 91.25 24.42
比较图 4-16（a）和图 4-16（b）的频谱分布，可以发现，反馈信号的频率分布相对

稳定。尽管如此，相对于第 6 遍压实的频谱分布，第 12 遍振压的频谱图分布更平滑且
幅度谱更陡峭，这在一定程度上表明振动压实使得沥青混合料的结构趋于稳定。此外，
由图 4-16 和表 4.5 可得，随着碾压遍数的增多，频谱的幅值变大，意味着振动轮反馈的
能量更大。上述情况的出现表明了沥青混合料的密实程度随着振动压实遍数的增加而逐
渐变大，更全面的讨论和分析详见第 5 章和第 6 章内容。
根据 2.1 小节内容，不同压实材料的固有频率范围不同，且与材料的组成和结构状
态密切相关。通过振动轮上反馈信号的频率组成和变化过程可以在一定程度上进行反演
和描述，进而监测铺筑材料压实状态的变化。经验模态分解方法通过独特的本征模态函
数求解过程将非线性非平稳信号转变为一系列相对平稳信号的组合，从而十分适合于振
动压实反馈信号的处理和分析。
4.4 本章小结
本章在前一章压实试验中采集的压实监测数据基础上进行数据处理研究，主要进行
振动反馈信号的处理和分析。首先，设计了 FIR 数字带通滤波器滤除了高频噪声，采用
多项式最小二乘法和五点三次平滑法消除了趋势项，抑制了杂波毛刺；然后，对振动反
馈信号进行了经验模态分解，确定了有效 IMF 分量的频谱特性，为压实状态感知提供了
数据基础。本章的主要研究工作与结论如下：
（1）针对原始信号中包含的大量噪声和杂波等干扰，基于汉明窗设计了 FIR 数字
带通滤波器；研究表明，FIR 滤波器可有效滤除高频噪声分量，且其线性相位特性保证
了滤波后振动信号不会被延拓失真。采用多项式最小二乘法消除趋势项，利用五点三次
平滑法进行平滑处理；研究表明，振动信号预处理可以有效抑制杂波干扰，平滑原始信
号的波形，为下一步振动信号处理和分析打下了良好的基础。
（2）分析了常见时频分析方法的原理，比较了各个方法的特点和适用性。研究表
明，傅里叶变换方法只能对周期性稳定信号进行处理，在非线性非平稳信号的处理中局
77
限较大；短时傅里叶变换方法通过增加时间窗的方法，可对非平稳信号进行分析，但其
时间、频率分辨率依赖于窗口的大小；小波变换方法通过时间尺度和幅度尺度变化获取
振动信号的时频特性，理论上可以处理非平稳信号，但其效果依赖于选择的小波基，且
无公认的评价标准；希尔伯特-黄变换（HHT）是一种较新的时频分析方法，通过经验
模态分解方法将有效信号和其它信号进行分离，在非线性非平稳信号处理中具有独特优
势。因此，本文通过经验模态分解方法进行振动压实反馈信号的处理。
（3）针对 HHT 变换的模态混叠问题，基于集合经验模态分解方法将振动反馈信号
的分解为一组 IMF 分量和残余分量的组合；对分解获得的 IMF 分量分别进行希尔伯特
变换，获得了振动信号的时频分布特征；根据 IMF 分量的瞬时频率分布和时频特性，选
取了有效 IMF 分量，计算了振动反馈信号的有效频谱特性。研究表明，经验模态分解方
法以本征模态函数为“基函数”，减小了频谱泄露和栅栏效应等误差，具有自适应性强、
降噪性能好等优点。
本章的研究为后续压实状态感知与智能压实质量评价提供了良好的数据支持。
78
第五章基于能量分布的沥青路面压实状态感知方法
在振动信号处理和分析的基础上，本章进行压实状态感知研究。首先，在现有谐波
分析法压实指标的基础上，基于能量守恒原理和能量分布特征，定义新型压实检测指标；
利用振动反馈信号处理的结果，计算获取压实度指标值；通过压实度值与振动压实次数
的相关关系对压实指标进行评价；结合定位系统的应用，实现沥青路面压实状态感知，
为后续智能压实质量评价提供数据基础。
5.1 压实质量检测指标
传统的压实质量检测和控制指标主要有压实度、空隙率等，其中压实度是质量验收
的重要标准之一。本节在传统压实检测指标的基础上，从振动反馈信号分析的角度进行
压实检测指标的研究。
5.1.1 传统检测指标
如前所述，压实是把土壤、碎石、水泥或沥青混合料等压缩到更小体积的过程，进
而减少材料间空隙，提高材料密度来增加路基路面强度，以尽可能避免车辙、裂缝及沉
陷等问题。在压实过程中，空隙率是描述沥青混合料压实效果的重要指标，可用压实度
表示。压实度表征压实后的密实状况，是路基路面施工质量控制的关键指标之一。在合
理范围内，压实度越高，密实度越大，路基路面的整体性能越好。
本文研究沥青混合料的压实过程和质量评价，主要关注沥青路面压实度，其定义为：
实际密度
压实度=  100% （5-1）
标准密度
由式（5-1），测定压实度实际上是测定现场密度和标准密度的过程，其中标准密
度通常有马歇尔击实试件密度、试验路段钻孔取样密度以及由实测最大密度折算的标准
密度[171]。在进行压实度检测时，应结合实际情况选用相应的标准密度。考虑到不具备
做试验路段的条件，沥青路面压实度以最大理论密度作为标准密度。无论采用何种方法，
均需根据混合料特点对试件进行密度测量，其测试方法如表 5.1 所示。
表 5.1 沥青混合料试件密度确定方法
测试方法适用范围
水中重法适用于密实的 I 型沥青混凝土试件，吸水率小于 0.5％，不适用于采用了吸水性
（T0706-2011）大的集料的沥青混合料试件。
表干法适用于表面较粗但是密实的 I 型和 II 型沥青混凝土试件，吸水率小于 2%，不
（T0705-2011）适用于吸水率大于 2％的沥青混合料试件。
蜡封法适用于吸水率大于 2%的 I 型和 II 型沥青混凝土试件以及沥青碎石混合料试件，
（T0707-2011）不能用水中重法或表干法测密度时，应用蜡封法测定。
体积法适用于空隙率较大的沥青碎石混合料，大孔隙透水性开级配沥青混合料试件。
（T0708-2011）
79
室外振动压实模拟试验中，沥青混合料压实成型试件的吸水率不大于 2%，所以采
用表干法进行沥青混合料密度测试。根据规范中的 T 0705-2011 试验方法可得沥青混合
料试件的毛体积相对密度和毛体积密度，按式（5-2）及式（5-3）计算测定。
ma
f  （5-2）
m f  mw
ma
f   w （5-3）
m f  mw
（5-3）中：γf 为试件毛体积相对密度，无量纲；ρf 为试件毛体积密度(g/cm3)；

式（5-2）、
ma 为干燥试件的空中质量(g)；mw 为试件的水中质量(g)；mf 为试件的表干质量(g)；ρw
为 25℃时水的密度，取 0.9971g/cm3。
沥青混合料毛体积密度是指压实沥青混合料单位体积的干质量。作为沥青混合料配
合比设计和沥青路面质量控制的一个至关重要的指标，毛体积密度直接决定着混合料设
计的油石比及路面压实度[172]。
室外振动压实模拟试验中，在沥青混合料压实成型后进行取芯，并以毛体积密度作
为实际密度，测得压实度结果如表 5.2 所示。
表 5.2 沥青混合料试件的压实度测试结果
干重水中重表干重毛体积相对毛体积密度最大理论密理论压实
沥青混合料 ma（g） mw（g） mf（g）密度 γf ρf（g/cm3）度 ρ0（g/cm3）度 K（%）
EAC10-1 317.6 194.4 317.9 2.572 2.564 2.638 97.2
324.8 198.8 325.0 2.574 2.566 2.638 97.3
EAC10-2 316 193.8 316.2 2.582 2.574 2.659 96.8
314.7 192.8 314.9 2.577 2.570 2.659 96.7
EAC10-3 305.2 187.0 305.4 2.578 2.570 2.663 96.5
309.3 189.5 309.5 2.578 2.570 2.663 96.5
SMA13-1 305.8 187.6 306.6 2.570 2.562 2.711 94.5
298 181.6 298.2 2.556 2.548 2.711 94.0
SMA13-2 321.6 197.0 322.1 2.571 2.563 2.695 95.1
327.9 200.0 328.8 2.546 2.538 2.695 94.2
SMA13-3 320.4 195.2 320.6 2.555 2.548 2.674 95.3
320.6 195.8 320.8 2.565 2.557 2.674 95.6
SMA10-1 296.6 178.7 297.0 2.507 2.500 2.612 95.7
301.5 182.4 301.9 2.523 2.516 2.612 96.3
SMA10-2 287.7 175.4 287.9 2.557 2.550 2.673 95.4
300.6 183.7 300.9 2.565 2.557 2.673 95.7
SMA10-3 317.5 193.8 317.7 2.563 2.555 2.684 95.2
318.1 194.3 318.3 2.565 2.558 2.684 95.3
VS EA10-1 313.4 191.3 313.6 2.563 2.555 2.631 97.1
321 195.4 321.3 2.550 2.542 2.631 96.6
VS EA10-2 306.2 186.8 306.4 2.560 2.553 2.640 96.7
311.7 190.4 311.9 2.565 2.558 2.640 96.9
80
VS EA10-3 327.8 200.6 328.3 2.567 2.560 2.656 96.4

327.4 200.4 327.8 2.570 2.562 2.656 96.5
VS EA5 315.9 191.4 316.3 2.529 2.522 2.587 97.5
316.3 191.7 316.8 2.528 2.521 2.587 97.4
SPPEA 288.1 165.1 296.3 2.196 2.190 2.255 97.1
291.3 165.3 296.7 2.217 2.210 2.255 98.0
此外，可测得不同遍数压实试件的压实度结果如表 5.3 所示。

表 5.3 不同遍数压实试件压实度测试结果
干重水中重表干重毛体积相毛体积密最大理论密理论压实
沥青混合料 ma（g） mw（g） mf（g）对密度 γf 度 ρf（g/cm3）度 ρ0（g/cm3）度 K（%）
EAC10-2（6 遍） 769.2 462.3 779.4 2.426 2.419 2.659 90.9
EAC10-2（12 遍） 914.5 557.3 915.6 2.552 2.545 2.659 95.7
EAC10-2（18 遍） 742.5 453.1 742.7 2.564 2.556 2.659 96.1
VS EA10-1（6 遍） 903.8 530.9 908.3 2.395 2.388 2.631 90.8
（12 遍）
VS EA10-1 716.9 432.2 717.8 2.510 2.503 2.631 95.1
（18 遍）
VS EA10-1 876 529.4 876.3 2.525 2.518 2.631 95.7
根据表 5.3 可得，随着压实遍数的增加，沥青混合料压实成型后试件的压实度逐渐

变大，与沥青混合料逐渐密实的过程相吻合。
5.1.2 智能压实指标
随着压实过程的进行，铺筑材料的密实程度逐渐增大，振动轮反馈的加速度信号也
随之逐渐变化。振动加速度信号中包含基波分量、谐波分量和其他干扰，其中基波与谐
波的分布反映振动信号的畸变程度，可以用于描述铺筑材料的压实状态。从而，在沥青
路面压实施工过程中，通过对振动反馈加速度信号进行谐波分析和特征提取，可以获得
沥青混合料的压实状态和压实度指标，即为谐波分析法。
根据 1.2.4 小节和表 1.4 的内容可得，随着连续压实控制技术的发展，相关研究者提
出了一系列基于谐波分析法的压实度指标，其中典型的有 CMV、CCV 及 THD 等，并
在土壤、碎石、土石填料等材料的压实上获得了应用。
CMV 是最早提出的谐波分析法压实度指标，且应用最为广泛，其定义如下：
A2 
CMV  Cal  (5-4)
A
式（5-4）中，A2Ω 为振动加速度信号二次谐波的频域幅值，AΩ 为基波的频域幅值。

Cal 为标定系数，通常初定为 300，实际应用中需要通过常规检测方法进行标定。由式
（5-4）可知，CMV 指标采用振动轮加速度信号二次谐波幅值与基波幅值的比值来表征
被压材料的压实度。CCV 指标则在 CMV 指标的基础上，将次谐波和间谐波考虑在内，
其定义如下：
A0.5  A1.5  A2   A2.5  A3
CCV  Cal  (5-5)
A0.5  A
81
式（5-5）中，A0.5Ω 为振动反馈信号次谐波的频域幅值，A1.5Ω 和 A2.5Ω 为间谐波的频

域幅值，其他谐波分量同 CMV 指标。Cal 为标定系数，通常初定为 100，实际应用中需
要通过常规检测方法进行标定。与 CMV 指标相比，CCV 指标考虑了三次以内的半次频
谐波。根据定义可知，CMV 指标和 CCV 指标主要考虑基波分量和低频分量幅值的变化。
此外，同样在 CMV 指标的基础上，THD 指标将高次谐波纳入了分析范畴，其定义
如下：
A2 2  A3 2   An 2
THD  Cal  , n  2,3, ,N (5-6)
A
式（5-6）中，AnΩ 为加速度信号在频域内 n 次谐波的幅值大小，N 的大小取决于频

域内的最高频次谐波。Cal 为标定系数，通常初定为 100，实际应用中需要通过检测方
法进行标定。由于杂波和噪声等干扰更多地存在于高次谐波中，所以理论上高次谐波未
必来源于振动加速度原始信号，且常规的信号测试系统难以胜任高次谐波的处理任务，
所以 THD 指标的应用相对较少。
在实际应用中，填筑材料在碾压过程中的状态变化主要受压实设备输出做功的影响。
理想情况下，沥青混合料的组成是均匀的，压实过程是接近线性的。此时，振动反馈加
速度信号的各个谐波频率应都处于在周期频率处，即 CMV、CCV 及 THD 等指标中的
第 n 次谐波频率 AnΩ。然而，实际上沥青混合料的组成基本上是非均匀的，其本构关系
是非线性的，沥青路面的振动压实过程也是复杂的非线性非稳定过程。因此，振动反馈
信号中除了倍频信号和半次频信号外，也会有其他频率信号的产生。此外，根据 CMV、
CCV 及 THD 等指标的定义，前两次谐波、间次谐波以及前 n 次谐波都是基于谐波的组
成成分和幅值大小进行分析，它们彼此的区别是考虑参量的多少，且约束条件比较简单，
要么范围太窄（CMV、CCV），要么太宽泛（THD）。
在压路机工作过程中，其输出振动能量的大小是影响铺筑材料压实效果的主要因素，
且振动能量与振幅的平方成正比。振动信号的振幅在时域内体现为波形幅值大小，在频
域内体现为谐波分量频谱幅值大小。鉴于时域信号的处理非常复杂且效果较差，人们通
常在频域内进行信号处理和分析[173]。能够在时域和频域内建立能量联系的即为 Parseval
定理，又称能量守恒定理[174, 175]。
假定 A(x)和 B(x)都是平方可积的复变函数，且定义在 R 上周期为 2π 的区间内，分
别表达为傅里叶级数的形式，即为：
 
A( x)=  an einx ，B( x)=  bn einx （5-7）
n  n 
从而，可得：
 
1
ab
n 
n n 
2   A( x) B( x)dx

（5-8）
在工程学中，Parseval 定理通常描述成如下形式。
82
 
 x(t ) dt  
2 2
X ( f ) df （5-9）
 
式（5-9）中，X(f)为x(t)的连续傅立叶变换，而f代表x(t)的频率分量（非角频率）。
Parseval定理的工程学表达形式说明波形x(t)在时域t内累积的总能量与该波形的傅立叶
变换X(f)在频域f内累积的总能量相等。对于离散时间信号，该表达式转换为：
 
1
   X (e
i 2
x[n]  ) d
2
（5-10）
n  2 
式（5-10）中，X(eiω)为 x[n]的离散时间傅立叶变换（DTFT），而 ω 为 x[n]的角频率。

此外，对于离散傅立叶变换，表达式变换为：
N 1
1 N 1
 x[n]   X [k ]
2 2
（5-11）
n 0 N n 0
式（5-11）中，X[k]为 x[n]的 DFT 变换，变换前后样本的长度皆为 N。

根据 Parseval 能量守恒定理，振动信号在时域内组成分量的总能量和频域内频谱分
量的总能量相等。因此，本文在频域内进行振动能量分析，并提出一种新型压实度指标：
振动压实能量值（Vibration Compaction Energy Value，VCVe），其定义如下所示：
N
A i
2
AN 2
VCVe  Cal • i 1
, 其中Ai  Ai -1，   , i  1, 2, , N (5-12)
A 2 N
A   Ai
2 2
i 1
式（5-12）中，AΩi 为加速度信号在频域内除基波外第 i 个谐波的幅值大小，α 为有

效频谱成分的占比阈值，通常初定为 5%，进而可有效地去除振动反馈信号的高频干扰
和噪声。Cal 为标定系数，通常初定为 100，实际应用中需要通过常规检测方法进行标
定。VCVe 从能量分布的角度，充分考虑了各种非均匀性、非线性和非稳定性影响产生
的频率成分，从而尽可能地减少谐波分析指标的偏差。
5.1.3 压实指标比较
根据 5.1.1 小节的内容，压实度是现行沥青路面压实质量控制和验收指标，即为常
规压实检测指标，通常通过事后取芯或试件切割方式进行检测获取。
根据 5.1.2 小节的内容，智能压实指标是在振动压实过程检测和分析获取的，通过
配合定位、速度、温度等辅助数据，可以做到压实度的连续实时无损在线检测。目前，
基于谐波分析法的压实度指标在智能压实中应用最为广泛。基于前人研究，结合信号与
系统理论中能量守恒和信号分解的原理，提出了压实度检测新指标。
根据式（5-11）的定义可得，新指标 VCVe 是在频域内从能量分布的角度进行分析
的。因此，与 CMV、CCV 及 THD 等指标相比，VCVe 能够更准确地描述沥青路面的振
动压实状态。此外，根据信号分解原理，并由频谱的收敛性可知，振动信号的组成成分
83
中，频率越高，能量越趋于变小。因此，振动信号的做功功率主要集中在低频段，从而
决定了 VCVe 的计算复杂度不会太大，可以保证压实检测系统的实时性。
在表 1.4 中，除了基于谐波分析法的智能压实指标外，还有 Evib、Kb、MDP 以及 R
等参数，它们主要从力的相互作用、振动能量的吸收以及材料模量等角度进行分析而获
取。由于这些指标大都由压实设备厂家提出，需要与配套的压实设备一起使用才能够实
现功能，其应用受到了限制。因此，本文主要基于谐波分析法进行振动反馈信号的处理
和压实度指标的获取。
智能压实指标作为新兴技术产物，且是压实质量的间接性描述和表达，需要通过与
常规检测压实度数据进行比较，以保证压实质量检测的有效性和可靠性。
5.2 室外试验压实状态感知
5.2.1 压实背景试验分析
在室外振动压实模拟试验中，为获取振动压路机的背景信号特征，进行了压实背景
试验。背景试验过程中压路机空载，未进行沥青混合料压实。加速度传感器 CT1010L
安装于压路机两滚轮之间的横梁上，并通过 ISDS2062B 采集卡获取背景信号进行分析。
为测试压路机在不同运行状态下的背景信息，本次试验对压路机在静止状态、1 挡
开动同时不振动、1 挡开动同时振动、2 挡开动同时不振动和 2 挡开动同时振动 5 种工
况下进行振动信号采集。由于试验所用小型压路机的档位通过旋钮手动设置油门大小控
制，且无明确档位划分，所以试验中的档位设置仅作为定性参考。采样频率设置为 1000Hz，
每种工况下的采样时长约 3 分钟。
由于每种工况下采集的数据有 50~100 段不等，数据量较大，本文以典型时段信号
数据的处理为例进行阐述。此外，由于背景信号的成分来源和变换规律相对稳定，在试
验中不受所碾压沥青混合料状态变化的影响。因此，直接采用傅里叶变换进行背景信号
处理和分析，获得的时域波形和频谱分布结果如图 5-1 所示。
（a）静止状态时域图（b）静止状态频域图
84
（c）1 档开动不振动时域图（d）1 档开动不振动频域图
（e）1 档开动振动时域图（f）1 档开动振动频域图
（g）2 档开动不振动时域图（h）2 档开动不振动频域图
85
（i）2 档开动振动时域图（j）2 档开动振动频域图

图 5-1 压实背景试验典型数据结果图
为了分析各种工况下的压路机背景信息，以 1 档开动同时振动试验中编号
20180604174203-1000-1 开始的 60 段数据为例进行分析。去除首尾异常数据后，计算获
得典型的频域结果如表 5.4 所示。
表 5.4 典型工况下压实背景主要频谱结果
基波基波 2 倍谐波 2 倍谐波 3 倍谐波 3 倍谐波 4 倍谐波 4 倍谐波
编号频率幅值频率幅值频率幅值频率幅值
1 档振-30 23.32 47.80 46.28 29.79 69.47 9.38 93.65 8.59
1 档振-40 23.32 43.26 46.28 33.69 69.47 8.34 93.89 7.71
1 档振-50 23.32 124.3 46.52 55.41 69.72 17.51 93.41 9.32
根据表 5.4，当档位固定时，压路机背景信号的频率分布很稳定，但各频点处的背
景幅度稍有差异，这与振动压路机结构的复杂性相吻合。通过背景试验获取大量的频谱
数据，计算平均值作为压路机的背景频谱。在压实试验中，需要从振动压实反馈信号中
去除背景信号数据。
同理，对小型压路机在 5 种工况下的时域和频域状态进行分析，结果如下：
如图 5-1（a）和图 5-1（b），压路机处于静止状态时，其时域图表现为包含若干脉
冲的小幅度连续嘈杂信号，频谱图表现为 500Hz 以内随着频率增长而逐渐衰弱的连续频
谱分布，且频谱幅度极低。这与静止状态压路机系统的反馈相符合，同时验证了信号采
集系统可以正常用于振动反馈信号的检测。
如图 5-1（c）和图 5-1（d），压路机 1 档开动不振动时，其时域图表现为具有一定
周期包络的信号图形，对应的频谱图基本上是 22Hz、33Hz 和 44Hz 的谱线，但频谱幅
值一般为 15、2 和 2 左右，幅值较小。
如图 5-1（e）和图 5-1（f），小压路机 1 档开动振动时，其时域图表现为具有一定
周期包络的信号图形，对应的频谱图基本上是 23Hz、46Hz 和 69Hz 的谱线，但频谱幅
值一般为 45、22 和 10 左右，幅值相对增大。
如图 5-1（g）和图 5-1（h），压路机 2 档开动不振动时，其时域图表现为具有一定
86
周期包络的信号图形，对应的频谱图基本上是 36Hz、54Hz 和 72Hz 的谱线，且包括很

多杂波的谱线，但频谱幅值一般为 8、1 和 1 左右，幅值较小。
如图 5-1（i）和图 5-1（j），压路机 2 档开动振动时，其时域图表现为具有一定周期
包络的信号图形，对应的频谱图基本上是 38Hz、57Hz 和 76Hz 谱线，但频谱幅值一般
为 400、18 和 160 左右，幅值大幅增大。
综合图 5-1 的内容以及对 5 种工况下压实背景信号的分析，可得结论如下：
（1）小型压路机的振动频率与油门大小密切相关
根据机械传动理论，偏心质量转速与发动机飞轮转速的比例关系固定，从而振动轮
的振动频率主要受飞轮转速的影响。室外实验所用小型压路机的动力源是柴油机，并通
过调速手柄控制调速弹簧的预紧力来控制供油量。随着供油量加大，发动机内的燃烧能
量增大，其向外提供的扭矩亦相应地增加，打破了原有平衡，转速就会提高，进而提高
了振动频率。当油门大小固定时，发动机转速会稳定在一定范围内。室外试验中设置的
高档和低档对应了振动频率的高低，与施工现场振动压路机的高低频率档位结构一致。
（2）油门越高，振动频率增加的同时，行驶速度也越快
小型压路机的行走系统和振动系统均与柴油机飞轮直接连接，不具备速度调节功能，
与其辅助压实工具的定位相符。在试验过程中，受限于试验路模具板的尺寸以及数据采
集时长的需要，需要小压路机缓慢行走。而为了对沥青混合料进行持续地能量输出以压
实成型，则需要压路机产生较大的振动作用。由于行走速度和振动能量大小均由油门控
制，因此在试验中需要协调缓慢行走时间和较大振动输出能量之间的关系。
为保证数据采集时长和沥青混合料受压时长，同时将精力集中于主要影响因素，经
过反复尝试，最终选择将油门设置于 1 挡，即低档位。此时，压实试验系统在行驶速度
和振动能量输出之间获得了较好的平衡，即能够保证约 2-3 秒的采样时间和相对充足的
振动能量输出。然而，油门控制毕竟是手动调节，导致柴油机输出能量无法精确地定量
调节，从而导致不同组压实试验所对应基波频率的微小变动。尽管如此，由于压路机结
构和振动压实原理不变，振动反馈信号的谐波分布仍遵循原有规律，所以室外振动压实
模拟试验的研究仍具有参考意义。
5.2.2 静压振压影响比较
在室外振动压实模拟试验中，通过加速度传感器采集振动反馈信号，并通过振动信
号处理和分析计算获取压实度指标值。由于数据量较大，以 SMA10-3&SMA13-3 试验为
例进行压实过程分析。
为了比较静力压实和振动压实的压实效果，以第 1 遍~第 6 遍静力压实过程和紧随
其后的第 1 遍~第 6 遍振动压实过程为例进行分析。经过振动信号处理，提取了 4 次谐
波以内主要频谱的峰值结果如表 5.5 所示。
87
表 5.5 静压和振压信号处理结果对比
遍数基波 2 次谐波 3 次谐波 4 次谐波
频率幅值频率幅值频率幅值频率幅值
/Hz /v-rms /Hz /v-rms /Hz /v-rms /Hz /v-rms
1 25.64 70.30 51.58 10.24 76.60 4.81 102.69 3.02
2 25.25 48.95 50.36 7.29 74.69 2.87 100.25 2.73
静 3 24.41 79.18 48.98 9.67 73.24 4.02 97.20 5.10
压 4 25.33 45.08 51.58 5.27 76.30 2.57 101.17 1.67
5 26.20 83.04 52.14 7.87 78.08 2.53 103.71 2.16
6 26.70 70.34 53.94 7.20 80.11 1.96 105.67 1.42
7 26.25 2313.21 52.49 449.84 79.81 121.16 105.29 43.11
振 8 25.79 2465.12 51.58 465.65 77.06 124.72 101.93 46.61
压 9 26.15 2760.16 51.85 492.49 77.85 185.14 103.79 85.58
10 26.40 1776.64 51.42 267.71 78.13 62.71 103.15 62.39
11 26.09 1631.87 51.42 519.55 77.36 166.82 103.31 99.16
12 25.48 2074.67 50.51 511.11 75.84 167.71 100.56 85.13
为了获取压实过程中振动反馈信号的成分来源和分布情况，需要对静压和振压反馈
信号的频率组成进行分析。根据表 5.4，可得基波和各次谐波频率随着压实遍数的变化
如图 5-2 所示。
120
100 基波
80 2次谐波
频率/Hz
60 3次谐波
40 4次谐波
20
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13
压实遍数/n
图 5-2 振动压实反馈信号频率分布图
如图 5-2，结合表 5.4 的内容可得，在静压和振压过程中，振动反馈信号的基波频
率和谐波频率基本一致，且分布相对稳定。随着压实遍数的增加，基波和谐波频率的变
动较小，且稳定在 25Hz、50Hz、75Hz 和 100Hz 左右，基本上符合各次谐波与基波频率
之间的倍频关系，验证了过往研究中关于振动反馈信号来源和分布的结论。
图 5-2 反映了振动反馈信号的组成来源，而根据智能压实指标的定义，为描述压实
过程中压实设备的能量输出，需要分析振动信号中频谱峰值的大小状况。根据表 5.4，
可得静压和振压过程中，不同频点处的频谱幅值如图 5-3 所示。
88
3000
基波
2500
2次谐波
2000 3次谐波
振幅/v-rms
4次谐波
1500
振压能量分布
1000
500
静压能量分布
0
0 5 10 15
压实轮次/n
图 5-3 压实反馈信号频谱分布图
根据图 5-3 和表 5.4 的内容可得，静压过程中振动反馈信号的幅值很小，这与小压
路机的自重较轻相关。由于信号能量与幅度的平方成正比，从而在主要频率组成成分上，
静压反馈信号和振压反馈信号的能量差距十分悬殊。上述现象产生的原因是，在振动压
实过程中，除了压路机自重产生的静力压实作用，由偏心质量产生的激振力对沥青混合
料压实的作用更大。在沥青路面施工中，振动压实在沥青混合料的碾压成型过程中起主
要作用，且比静压的能量输出要大得多，与振动压实原理和现场实际情况相符合。因此，
本文主要针对振动压实过程中的反馈信号进行处理和分析。
5.2.3 压实遍数影响分析
根据表 3.4，对于压实遍数不同的沥青混合料压实选择 EAC10-2&VSEA 10-1 试验为

例分析。为了测试沥青混合料在不同压实遍数下的结果，将压实区域分为 A、B、C 三
个部分，如图 5-4（a）所示。通过对小压路机的操控，对三个区域进行不同遍数压实。
（a）不同压实遍数的试验方案（b）不同压实遍数的试验结果
图 5-4 不同压实遍数的试验方案和结果图
如图 5-4 所示，本次试验中的振动压实方案为：区域 A 静压 2 次后振压 6 次，然后
89
再静压 2 次；区域 B 静压 4 次后振压 12 次，然后再静压 4 次；区域 C 静压 6 次后振压

18 次，然后再静压 6 次。试验中，压路机在开始阶段覆盖 A&B&C 区域碾压，接着覆
盖 B&C 区域碾压，然后覆盖 C 区域碾压。完成静压任务后，重新按 A&B&C 区域-B&C
区域-C 区域顺序进行振压，直至所有工序完成。采样频率设置为 1000Hz，静压时单个
压实过程采样时长约 5 秒钟，振压时单个压实过程采样时长约 3 秒钟。
如图 5-4（b），可以明显看出不同压实遍数对应成型试件厚度的差异。使用游标卡
尺测得不同遍数压实的厚度结果如表 5.6 所示。
表 5.6 不同遍数压实的厚度结果
沥青混合料厚度 1 厚度 2 厚度 3
EAC10-2（6 遍） 4.59 4.76 4.6
EAC10-2（12 遍） 4.65 5.24 4.84
EAC10-2（18 遍） 4.16 4.25 4.18
VS EA10-1（6 遍） 6.01 5.83 5.51
VS EA10-1（12 遍） 4.15 5.18 4.21
VS EA10-1（18 遍） 4.27 4.21 4.05
根据表5.6可得，随着压实遍数的增加，沥青混合料的厚度逐渐变小，其体积亦随之
变小，密实度逐渐增大。
同上，数据分析后可得振动信号的时域和频谱结果。因数据量较大，以压实中间过
程的静压第 4 次、第 10 次和振压第 4 次、第 10 次的第一段数据处理为例，其中典型时
段的频域结果如表 5.7 所示。
表 5.7 EAC10-2&VSEA 10-1 压实中间过程反馈信号的频域结果
基波基波 2 倍谐 2 倍谐波 3 倍谐 3 倍谐波 4 倍谐 4 倍谐波
编号频率幅值波频率幅值波频率幅值波频率幅值
静压第 4 遍-1 26.89 390.47 51.31 77.30 77.25 23.87 103.57 33.87
振动第 4 遍-1 26.51 5512.28 52.45 820.64 79.92 426.11 108.53 37.91
静压第 10 遍-1 27.28 808.19 54.36 66.72 81.06 28.04 108.53 48.14
振动第 10 遍-1 27.28 10563.30 53.98 2803.78 80.68 1754.88 106.24 247.64
根据表 5.7，本次试验印证了表 5.6 的结论。根据背景试验的讨论可知，本组试验和
其他组试验的发动机油门控制不一样，所以无法进行两次试验之间的比较。但在本组试
验中进行横向比较，可以明显看出，随着压实遍数的增加，压实反馈的能量增加，即振
动压路机与沥青混合料之间的相互作用逐渐变大，与沥青混合料逐渐密实的过程相吻合。
5.2.4 振动压实状态感知
室外模拟试验中，静力压实后，每遍振动压实包括往返两次连续的压实过程，然后
重新开始下一遍振动压实。试验中，小型压路机自重较轻，激振力输出较小，且试验路
模具板的尺寸相对较小。因此，本文将相邻往返两次的压实度指标值取平均作为本遍压
实的压实度结果，从而可一定程度上减少因为压路机操控和试验系统限制产生的误差。
同样因数据量较大，仍以 SMA10-3&SMA13-3 试验为例进行振动压实状态感知。
根据振动信号处理的结果，并代入式（5-4）、式（5-5）和式（5-11）分别计算获得
90
CMV、CCV 和 VCVe 指标值。由于在压实试验过程中取样标定非常困难且不实际，本

文未进行振动压实过程中的压实度标定。根据 5.1.1 小节内容，在沥青混合料最终压实
成型后，通过表干法测量压实度结果进行标定，获得压实指标值如表 5.8 所示。
表 5.8 振动压实过程中不同遍数的压实指标值
遍数 CMV 初始 CCV 初始 VCVe 初始 CMV 标定 CCV 标定 VCVe 标定
1 0.129259 0.323561 0.032909 80.645759 68.366499 54.169707
2 0.204080 0.379562 0.056503 69.576042 61.590291 44.378410
3 0.194519 0.385777 0.054858 121.029312 110.446799 129.971515
4 0.214402 0.333436 0.052125 110.065620 99.311999 114.707213
5 0.223580 0.406829 0.066821 111.910548 107.444735 124.982679
6 0.230211 0.384656 0.063101 96.535221 84.607209 109.035421
7 0.154626 0.315740 0.036387 110.978447 102.405342 128.704920
8 0.239555 0.362520 0.065106 121.417153 112.715591 148.778956
9 0.177922 0.395182 0.054326 95.350000 95.350000 95.350001
根据郑健龙[125]、杨宇明[176]等的研究结果，同时基于室内旋转压实试验获得的结论，
在沥青混合料的振动压实过程中，随着振动荷载的循环进行，沥青混合料在垂直方向上
压实变形与循环压实次数呈现良好的对数关系。从而，沥青混合料的密实程度也与循环
压实的遍数呈现对数关系变化，这与沥青混合料压实过程中塑性形变和粘弹性形变的变
化过程相吻合。因此，本文对振动压实过程中的压实度值与压实遍数之间进行对数趋势
线拟合，其结果如图 5-5 所示。
200 振压CMV
对数 (振压CMV)
150
CMV 标定值
100
y = 14.427ln(x) + 81.424
50 R²= 0.3359
0
0 1 2 3 4 5 6 7 8 9 10
压实遍数/n
（a）CMV 指标结果及其变化趋势
200
振压CCV
对数 (振压CCV)
150
CCV 标定值
100
y = 17.244ln(x) + 69.054
50
R²= 0.4564
0
0 1 2 3 4 5 6 7 8 9 10
压实次数/n
（b）CCV 指标结果及其变化趋势
91
振压VCVe
200
对数 (振压VCVe)
150
VCVe 标定值
100
y = 35.518ln(x) + 55.043
50 R²= 0.5242
0
0 1 2 3 4 5 6 7 8 9 10
压实次数/n
（c）VCVe 指标结果及其变化趋势
图 5-5 振动压实过程中压实度指标结果及其变化趋势
根据图 5-5，CMV、CCV 和 VCVe 指标值与振动压实遍数之间的趋势变化关系如表
5.9 所示。
表 5.9 振动压实过程中压实度指标变化趋势结果
压实度指标拟合曲线方程拟合优度 R² 相关系数 R
CMV y = 14.427ln(x) + 81.424 0.3359 0.5796
CCV y = 17.244ln(x) + 69.054 0.4564 0.6756
VCVe y = 35.518ln(x) + 55.043 0.5242 0.7240
根据表 5.9 可得，压实度指标值与压实次数对数拟合曲线的系数均为正数，即指标

结果与压实遍数呈正相关关系。图 5-5 则形象地描述了随着压实遍数的增加，沥青混合
料的密实度也相应增加的变化过程和趋势。此外，根据统计学理论，样本相关系数用 R
表示，用于表征变量之间的相关关系密切程度，其取值一般介于-1 ~ +1 之间。在数值拟
合中，体现靠近拟合曲线程度的统计值则使用 R²表示，即拟合优度。对于相关系数和拟
合优度的大小，有如下描述：
（a）当|R|=1，即 R²=1 时，称为完全相关，两变量之间为函数关系；
（b）当 0.8<|R|<1，即 0.64<R²<1 时，称为高度相关或强相关；
（c）当 0.3<|R|<0.8，即 0.09<R²<0.64 时，称为中度相关；
（d）当 0<|R|<0.3，即 0<R²<0.09 时，称为低度相关或弱相关；
（e）当|R|=0，即 R²=0 时，称为不相关，两变量之间无相关关系。
因此，根据表 5.9 可得，CMV、CCV 和 VCVe 与压实遍数的相关关系均处于为中
度相关范围内。与 CMV 指标和 CCV 指标相比，VCVe 指标更稳定，且更符合压实度变
化的趋势，这与 VCVe 是从能量角度进行分析和考虑了尽可能多的分量有关。尽管如此，
三者与压实遍数的拟合优度均未达到高度相关，即谐波分析法指标仍存在一定的离散性。
5.2.5 压实指标评价分析
根据徐光辉等[177]的研究，智能压实指标的评价应该通过与常规压实度检测方法结
果的对比进行。国内外规范中，有关智能压实指标的典型要求如表 5.10 所示[178, 179]。
92
表 5.10 智能压实指标评价要求
拟合优度 R²要求相关系数 R 要求
美国 0.50 0.70
中国 0.50 0.70
德国 0.50 0.70
瑞典 0.36 0.60
实际应用中，当试验样本与标定值的相关系数达到 0.7 以上时，一般认为试验结果

的实用性很强，这也是国内外标准中相关系数大都定义在 0.7 的原因。此外，表 5.10 中，
美国标准包含沥青路面智能压实相关内容[180]。其余标准则主要面向土壤压实、土石填
料压实，应用于公路路基和铁路路基等场合。
目前，国内尚未发布沥青路面智能压实相关标准，且由于沥青混合料的温度敏感特
性和流变特性，在振动压实试验中获取中间过程压实度结果非常困难。因此，本文未在
振动压实过程中取样检测作为标准进行标定，而是分析压实度指标值和碾压遍数的相关
关系来进行振动压实状态感知。
根据美国沥青路面智能压实标准内容，现阶段智能压实指标不宜作为验收标准，但
可以应用于压实质量过程控制。因此，本文针对沥青路面智能压实监测和过程控制的需
求，对常见压实度指标和新定义指标的稳定性和离散性进行评价。
通过对于振动反馈信号的处理和压实度指标值的计算流程，并对压实度指标值和碾
压遍数之间进行对数趋势线拟合，可得 13 组室外振动压实模拟试验结果的拟合优度和
相关系数如表 5.11 所示。
表 5.11 室外振动压实模拟试验拟合优度和相关系数结果
序沥青混合料 CMV 拟 CCV 拟 VCVe 拟 CMV 相 CCV 相 VCVe 相
号合优度合优度合优度关系数关系数关系数
/R² /R² /R² /R /R /R
1 EAC10-1 0.2842 0.3185 0.3861 0.5331 0.5644 0.6214
2 VS-EA10-1 0.0621 0.1400 0.1816 0.2492 0.3742 0.4261
3 VS-EA5 0.4520 0.4926 0.4719 0.6723 0.7019 0.6869
4 SMA10-1&SMA10-2 0.5956 0.1141 0.3693 0.7718 0.3378 0.6077
5 EAC10-2 0.3694 0.2623 0.4128 0.6078 0.5122 0.6425
6 EAC10-3 0.0851 0.0149 0.0127 0.2917 0.1221 0.1127
7 VS-EA10-2 0.1766 0.3715 0.2747 0.4202 0.6095 0.5241
8 VSEA10-3&SPPEA 0.1983 0.0892 0.3219 0.4453 0.2987 0.5674
9 EAC10-1 0.2826 0.1455 0.2028 0.5316 0.3814 0.4503
10 EAC10-2 0.3382 0.4058 0.3058 0.5815 0.6370 0.5530
11 SMA10-3&SMA13-3 0.3359 0.4564 0.5242 0.5796 0.6756 0.7240
12 SMA13-1&SMA13-2 0.2796 0.3257 0.2134 0.5288 0.5707 0.4620
13 EAC10-2&VS-EA10-1 0.4478 0.3226 0.3884 0.6692 0.5680 0.6232
根据表 5.11 的数据，结合表 5.10 中规范内容和当前智能压实指标研究现状，综合

分析可得结论如下：
（1）13 组结果中，第 6 组压实指标值的相关系数均小于 0.3，属于弱相关关系，同
93
时其他各组试验的相关系数基本上大于 0.3。目前未发现上述现象的具体原因，为便于
评价分析，认为第 6 组数据属于异常值，对其予以剔除，剩余 12 组有效数据。
（2）12 组有效数据中，相关系数的分布范围从 0.2492 到 0.7718 不等，即压实度指
标值存在很差的情况，也存在较好的情况，且不同试验组的结果之间无明显的变化规律。
因此可归纳得出，3 个压实度指标仍存在一定的离散性。
（3）12 组有效数据中，对比每组内压实度指标值的相关系数，可得：
（a）CMV 优于其他指标的有 3 组（6、9、13），劣于其他指标的有 5 组（1、
2、3、7、11），效果居中的有 4 组（5、8、10、12）；
（b）CCV 优于其他指标的有 4 组（3、7、10、12），劣于其他指标的有 4 组
（4、5、8、9），效果居中的有 4 组（1、2、7、11）；
（c）VCVe 优于其他指标的有 5 组（1、2、5、8、11），劣于其他指标的有 2
组（10、12），效果居中的有 5 组（3、4、7、9、13）。
根据 3 个压实度指标与振压压遍数相关系数的比较，CMV，CCV 和 VCVe 均难以
达到明显优于其他指标的目标，从而无法简单地认定孰优孰劣，三者的稳定性均未达到
理想状态。尽管如此，对比 3 个指标在不同试验组中效果的分布情况，从整体来说，VCVe
比 CMV 和 CCV 有所改善。
以上 3 点结论描述了压实度指标值在整个振动压实过程中的变化过程，表明了
VCVe 对于现有指标 CMV 和 CCV 的改进效果。在此基础上，对 12 组有效数据中的压
实度值进行深入分析，发现仅有 2 组（4、11）试验中的部分相关系数达到了大于 0.7
的直接应用要求。通过分析室外模拟试验的过程，推测可能导致现有结果的原因如下：
（1）根据小压路机和试验路尺寸，压路机的滚轮尺寸宽于模具板宽度。因此，在
振动压实的后半程，沥青混合料的厚度被碾压至与试验路挡板的高度相当后，除了滚轮
与沥青混合料之间的弹性相互作用外，还会产生滚轮与模具板之间的刚性相互作用；此
外，压路机的长度约为 70cm，从而在振动压实过程中的开始阶段和结束阶段，总会存
在仅有一个滚轮作用于沥青混合料的情况，而两个滚轮同时位于沥青混合料上方的时长
较短。如若仅仅采集两个滚筒同时作用的时段，则会因为时长太短而导致数据采集过程
难以控制，且获取的有效数据将较少。因此，试验过程中从前轮进入试验路时开始采集，
直至后轮离开试验路后停止采集，从而导致采集数据包含部分压实反馈之外的信号，最
终使得部分结果产生变异。
上述现象出现且难以规避的主要原因是实验室内沥青混合料加热、拌和、保温能力
有限，同时也是考虑压实成型后脱模等因素的权衡结果。未来随着试验条件的完善，外
部因素的影响将会逐渐被控制，样本数据也会逐渐积累，压实度指标的离散性和稳定性
将会获得改善。
（2）根据日本土质工学会的研究，CMV 和 CCV 指标对于含有较多细颗粒的材料
应用效果较好，通常适用于土壤的压实状态感知，尤其是细粒土材料的压实[181]。此时，
土体与压路机之间的相互作用更接近于线性振动，其非线性不强，相应谐波分析的频谱
94
较为简单。然而，由于含有集料等粗粒坚硬材料以及沥青的粘滞特性和温度敏感性，沥
青混合料的压实过程是非线性非平稳的复杂过程，其振动压实反馈信号包含的频谱信息
更加复杂和多变。因此，谐波分析法信号处理过程和压实度指标本身可能会带来结果的
离散性和差异性。
5.3 现场试验压实状态感知
根据现场振动压实试验方案，对采集的振动反馈信号进行数字处理和分析后，计算
获得压实度指标值。此后，通过常规检测方法取得的压实度结果进行标定，最终获取了
振动压实过程中的 CMV 值、CCV 值和 VCVe 值。
5.3.1 单点碾压结果分析
为全面获取沥青路面的压实质量，需要对单点碾压的压实状态进行检测。以 7＃试
验路段为例，考虑压路机的行驶速度，选择三个典型位置进行分析，分别为如图 3-11
所示的 P1（2.81、11.50），P2（2.81、13.00）和 P3（2.81、14.50）。从 ti（i=1、2、3，
为碾压往返遍数）开始，当压路机经过选定位置时，可以获取相应的定位信息和压实度
值。振动压实过程中压实度指标的结果如表 5.12 所示，其中，其中 CMV1 值对应第一次
碾压获得的压实度值，其他依此类推。
表 5.12 7＃试验路段典型位置压实度结果
CMV CCV VCVe
CMV1 CMV2 CMV3 CCV1 CCV2 CCV3 VCVe1 VCVe2 VCVe3
P1(2.97,11.49) 105.01 84.39 245.27 98.31 101.25 223.18 134.62 59.85 219.59
P2 2.93,13.18) 93.78 145.76 181.74 93.27 168.69 159.54 115.95 127.24 166.50
P3(2.99,14.45) 126.73 206.05 229.71 125.15 240.98 168.49 158.89 178.58 218.74
平均值 108.51 145.40 218.91 105.58 170.30 183.74 136.49 121.89 201.61
标准差 13.68 49.67 27.04 13.99 57.06 28.13 17.58 48.62 24.83
离散系数[%] 12.60 34.16 12.35 13.25 33.50 15.31 12.88 39.89 12.32
平均值(7＃) 107.75 155.93 202.13 109.59 157.79 177.83 103.26 155.95 195.45
归纳和分析表 5.12 的数据，可得结论如下：

（1）在三个时刻点获得的定位数据，相比 P1、P2 和 P3 的实际位置，其误差均在
0.5m 以内，且压实监测系统在此过程中均获得压实度值。因此，可以通过协同定位系统
建立碾压位置和压实度值之间的映射关系，最终实现对压实施工区域质量监测的全覆盖。
（2）目前所得压实度值的离散系数大都在 15%以内，说明各点压实度值的离散程
度比较小。总体来说，现有压实度值在各个监测点的数值基本上是连续和稳定的。尽管
如此，仍有部分离散系数值超过了 15%，它们集中在第 2 次压实过程中，且都是从 P1
位置向 P3 位置行进的过程中单调逐渐变大。因此，可推断此次数据的离散不应是由于
定位误差导致的，否则其压实度值的变化应该是随着定位结果的随机变化而变。经过观
察施工监测视频，推断该现象与第 2 次压实过程中振动压路机的加速行为相关。
95
（3）三个测点的压实度值均比较靠近整个路段的平均值，说明在当前定位精度的
情况下，压实监测系统获得的压实度数据不存在过度失真。尽管如此，三个测点的压实
度值与 7＃试验路段平均压实度值的差异和离散性也客观存在。从而，虽然压实度检测
的平均值不能代表每一点的压实度值，但仍可用于从总体上描述 7＃路段的压实状态，
对于整个试验路段亦是如此。
综上所述，使用事后检验的常规方法获取压实度时，其检测结果只能覆盖大约 1％
的施工区域。然而，结合协同定位系统的应用，智能压实监测系统可以实现对施工区域
的全域覆盖，尽管压实度结果的准确性和代表性仍有改进空间。
5.3.2 整体碾压结果分析
为实现整体施工质量的控制，需要对全部施工区域的碾压效果进行监测。现场试验
中，将试验中获取的压实度值与定位信息相关联，计算了不同试验路段的压实度值。最
终，获得不同压实遍数下压实度值的变化情况如图 5-6（a）、图 5-6（b）和图 5-6（c）
所示。此外，在施工完成之后，通过常规检测方法获取的压实度平均值为 94.6％，并作
为标定的参考标准。根据参考标准调整 Cal 参数，最终获得标准压实度值和校准后各指
标压实度值的结果如图 5-6（d）所示。
（a）不同碾压遍数的 CMV 变化（b）不同碾压遍数的 CCV 变化
（c）不同碾压遍数的 VCVe 变化（d）压实度值比较

图 5-6 不同碾压遍数下压实度值的变化过程
如图 5-6，分析整个测试区域的结果，可得结论如下：
（1）对压实度值进行比较，可得试验路段的压实度值在每次碾压过程中存在差异，
96
且波动较大。归纳异常数据结果的特征，发现在相同碾压次数下，压实度值在第 3＃试
验路段和第 7＃试验路段中变化很大，且三种压实度指标值的异常变化都发生在上述路
段中，从而可排除压实度指标自身因素导致的结果差异。通过分析施工监控视频，上述
现象与试验过程中振动压路机的减速、倒车和换道压实密切相关。此时，压路机在这些
过程中对沥青路面的能量输出是不稳定的，从而导致压实度值异常。另一方面，压实度
监测结果的变异性可用于监测施工参数的规范性和一致性。结合表 5.12 和图 5-6 的内容
可得，根据定位数据和振动压实信号分析能够连续地描述试验路段的压实效果，更加全
面地获取压实质量信息，便于整体评价和反馈控制。
（2）对于整体试验区域，由图 5-6 可以直观地看出，随着碾压次数的增加，相应
试验路段的压实度值也逐渐增大，与沥青混合料逐渐密实的过程相一致，从而 CMV 值、
CCV 值和 VCVe 值在一定程度上均能够反映沥青路面的压实效果。此外，CMV，CCV
和 VCVe 的离散系数值分别为 15.61％、15.08％和 15.01％。从而，与 CMV 值、CCV
值相比，VCVe 值在描述压实结果时离散性更低，更具一致性和稳定性，从而能够相对
准确地描述压实度的变化。
（3）根据图 5-6（d），并结合沥青路面施工的实际情况，CMV 值、CCV 值和 VCVe
值均与常规取样检测指标之间没有强相关性，具有一定的局限性。因此，上述指标均不
宜直接用于路面压实的质量验收。尽管如此，CMV、CCV 和 VCVe 能够描述沥青混合
料压实状态的变化过程，可以用于压实感知和质量控制，避免过压和漏压，其中 VCVe
指标是对 CMV 指标和 CCV 指标的改进，其效果相对更好。
综上，为了尽可能降低振动压实过程中非线性和非稳定性带来的影响，通过 HHT
方法和基于能量分布的压实质量描述来改进现有的压实度指标。室外模拟试验和现场试
验的结果验证了上述改进措施的效果。未来，可以通过长期的、大量的、各种工况的试
验结果来评价改善效果，并继续改进信号处理方法和压实度指标的定义。通过与协同定
位系统配合使用，建立了压实度值与压实位置和压实遍数的联系。进而，使得传统压实
质量的事后检测方式变为连续无损实时在线获取方式，同时覆盖了全部压实施工区域，
实现了压实状态感知，为智能压实质量评价提供了数据基础。
5.4 本章小结
本章在前一章振动信号处理的基础上进行压实状态感知研究，为后续智能压实质量
评价提供数据基础。首先，基于能量分布特征，提出了一种新型压实状态感知方法和新
指标 VCVe；然后，利用振动信号处理结果，计算了压实度指标值；通过与压实次数的
关系评价了压实度指标的特性，实现了室外试验和现场试验振动压实过程中的压实状态
感知。本章的主要研究工作与结论如下：
（1）采用表干法测量了室外模拟试验试件的压实度，为压实状态感知提供对比依
据；在考虑尽可能多谐波分量的前提下，根据 Parseval 能量守恒定理，从能量分布的角
97
度提出了一种新型压实状态感知方法和指标 VCVe。
（2）在振动反馈信号处理结果的基础上，计算获取了 CMV、CCV、VCVe 指标值，
并从压实度值与压实遍数之间的关系进行指标评价和压实状态感知。研究表明，随着碾
压遍数的增加，CMV、CCV、VCVe 指标均呈增大趋势；VCVe 与碾压次数的相关系数
优于 CMV 和 CCV，改善了谐波分析指标的一致性和稳定性；VCVe 与 CMV、CCV 指
标相互独立，可单独或联合用于压实监测；与常规取样检测方法相比，CMV、CCV、
和 VCVe 指标能够描述压实状态的变化过程，虽不宜直接用作质量验收标准，但可用于
压实状态感知和质量过程控制。
（3）协同定位系统的定位精度为 0.5m 左右，能够满足碾压定位和遍数提取的要求，
实现了对施工区域压实监测的全域覆盖；结合协同定位系统和远程数据传输网络的应用，
实现了连续实时无损压实状态感知，为智能压实质量评价提供了数据基础。
98
第六章基于 SVM-HMM 的沥青路面智能压实质量评价
根据前一章的研究结果，基于振动反馈信号分析的压实度指标离散性较大，难以直
接用于压实质量的评定。目前，有研究采用 RTK-GPS 系统提取碾压次数进行压实质量
评价，其工程效果较好，但也存在缺乏反馈控制、难以区分静压和振压、成本较高等不
足。因此，本章对多源监测数据进行融合分析，获取训练样本数据；然后，采用支持向
量机（Support Vector Machine，SVM）算法进行智能压实状态分类，获取沥青路面的单
点压实状态；最后，基于隐马尔科夫模型（Hidden Markov Model，HMM）进行智能压
实质量评价，获取施工路段和压实过程的质量分布情况。
6.1 特征选择与预处理
6.1.1 评价流程和特征选择
本章对压实监测数据进行预处理，基于卡尔曼滤波方法实现民用 GPS 系统和 UWB

模组的协同定位，并提取碾压次数等参数；然后，基于 SVM-HMM 进行智能压实质量
评价，其流程如图 6-1 所示。
压实参数预处理压实质量评价
振动参数指标 SVM模型 HMM模型
（CMV、CCV、VCVe）单点压实观测整体压实结果
施工温度参数状态分类序列质量评价输出
碾压定位参数
UWB 卡尔曼 RTK-GPS 隐含
民用GPS 滤波标定系统序列
图 6-1 智能压实质量评价流程图
智能压实评价研究主要结合施工现场试验进行，其试验方案如图 3-11 所示。在沥
青路面压实质量评价过程中，以压实监测数据作为训练样本数据，并基于 RTK-GPS 标
定数据进行压实状态分类标识。样本数据主要包含振动参数指标、施工温度、碾压次数
以及压实时间等特征，其中振动参数由 CMV、CCV、VCVe 组成，碾压次数则根据协同
定位数据分析获取。此外，在 RTK-GPS 定位数据的基础上提取准确的碾压次数标定值，
根据沥青混合料碾压次数与压实度的对数关系，结合压实度验收标准，可得训练样本的
压实状态标识值。
6.1.2 UWB/GPS 协同定位
在样本训练数据中，碾压温度、振动参数指标等特征可通过压实监测系统获取，但
碾压次数无法直接获得，需要通过分析测速定位数据来提取。
99
（1）协同定位优化
协同定位系统中，以民用 GPS 系统跟踪压路机的行驶状态以获得碾压次数，同时
提取其速度和方位角信息，以 UWB 系统获取压路机实时方位。最终，通过卡尔曼滤波
算法来提高碾压定位的精度。
（a）系统状态方程
如图 3-21，为简化测速定位系统模型，将压路机的行驶过程近似看作直线运动。以
压路机行驶的平面坐标和实时速度为状态变量，假定过程噪声和观测噪声为高斯白噪声。
确定参考坐标原点后，设 x、y 分别为 UWB 系统采集的压路机横向、纵向坐标，𝑥̇ 、𝑦̇ 为
相应的速度分量，则系统的状态方程为：
X (k  1)  ΦX (k )  ΓW (k ) （6-1）
式（6-1）中，k 为离散时间，X(k+1)和 X(k)分别为(k+1)T 和 kT 时刻的状态向量，Φ

为状态转移矩阵，Γ 为噪声驱动矩阵，W(k)为过程噪声，其相应的协方差矩阵为 Q。根
据压实场景，假定压路机的机动加速度为 0，随机加速度为过程噪声，可得状态方程的
各项参数为：
1 0 T 0 0.5T 2 0 
0  
1 0 T  0 0.5T 2   wx (k ) 
Φ ,Γ   ,W (k )    （6-2）
0 0 1 0  T 0   wy ( k ) 
   
0 0 0 1  0 T 
式（6-2）中，T 为采样时间，wx(k)和 wy(k)分别为横向、纵向上的过程噪声，W(k)

对应的协方差矩阵为 Q=diag[σ2wx,σ2wy]。
（b）系统观测方程
以民用 GPS 系统采集的速度 vobs 和方位角 θobs 数据与 UWB 系统获得的（xobs,yobs）
数据作为量测信息，建立离散观测方程：
Z(k )  h  k , X(k )  V(k ) （6-3）
式（6-3）中，Z(k)为 k 时刻的观测向量，V(k)为观测噪声，其相应的协方差矩阵为
R=diag[σx2,σy2,σv2,σθ2]。函数 h[k,X(k)]用于描述状态向量与观测向量的关系，其表达式为：
 x(k) 
 y (k) 
 
h  k , X (k )    x 2 (k )  y 2 (k )  ，
 
 xˆ(k )  0，yˆ (k )  0  （6-4）
 x(k ) 
 arctan y (k ) 
 
式（6-4）中，𝑥̇ (k)和𝑦̇ (k)分别为状态向量 X(k)在 x 和 y 方向上的速度分量，包含速
度和方位角信息。
（c）卡尔曼滤波递推
卡尔曼滤波算法根据系统当前的状态预测下一时刻的状态，其递推过程是一个不断
100
“预测-修正”的过程，可分为预测阶段和更新阶段[182, 183]。
预测阶段：在进行卡尔曼滤波前，需要选取滤波初值。结合压实施工场景，取压路
机的初始坐标和速度为状态向量初值，即 X(0)= [x(0),y(0),𝑥̇ (0),𝑦̇ (0)]，令误差方差矩阵初
值为 P(0)=10I4，采样时间 T 为 1s。根据卡尔曼滤波原理，可得状态的一步预测为：
Xˆ (k  1| k )  ΦXˆ (k | k ) （6-5）
均方误差的一步预测为：
P (k  1| k )  ΦP (k | k )Φ T  ΓQΓ T （6-6）
式（6-5）和式（6-6）根据 k 时刻状态进行了 k+1 时刻的状态估计和均方误差的一
步预测，完成卡尔曼滤波的时间更新过程。
更新阶段：根据卡尔曼滤波原理，可得误差增益结果为：
1
K (k  1)  P (k  1| k ) H T (k  1)  H (k  1) P (k  1| k ) H T (k  1)  R  （6-7）
状态更新过程为：
  
Xˆ (k  1| k  1)  Xˆ (k  1| k )  K (k  1)  Z (k  1)  h Xˆ (k  1| k ) 

（6-8）
均方误差更新过程为：
P (k  1| k  1)   I 4  K (k  1) H (k  1) P (k  1| k )
（6-9）
式（6-7）预测均方误差占总误差的比重，其中总误差包括预测均方误差和测量误
差。式（6-8）和式（6-9）利用误差增益 K(k+1)和观测向量 Z(k+1)进行状态更新和均方
误差更新，完成卡尔曼滤波的观测更新过程。
（2）碾压定位分析
根据沥青路面压实施工场景特点和压实监测需求，进行了碾压定位试验，其中压路
机速度约为 4km/h，并通过 GPS/UWB 协同定位系统进行实时测速定位。如图 3-11 所示，
将 UWB 基站置于施工区域的四周，并取 x 方向、y 方向分别为横向和纵向。UWB 标签
和 GPS 接收机固定于压路机上，并随着压路机的碾压行为以稳定速度移动。
现场试验过程中，压路机的碾压过程可近似看作沿直线运动，且从 B 区域所对应的
半幅车道开始碾压，其起点坐标为（2.81，0），之后沿上半幅车道的中线行驶，即沿直
线 y =2.81 向 x 轴正向运动，采样周期 T 为 1s。将 GPS 报文中速度和方位角数据转换为
标准单位后，可得压路机速度为 1.18m/s，方位角约为 1.53。对测速定位数据进行卡尔
曼滤波处理，可得结果如图 6-2 所示。
101
图 6-2 碾压定位试验结果
如图 6-2，GPS/UWB 协同定位系统能够描述压路机的行驶过程和路径。此外，在试
验过程中，采用 RTK-GPS 进行测速定位作为标定数据。通过对比压路机在同一时刻的
实际坐标和协同定位坐标，可得典型位置的定位结果如表 6.1 所示。
表 6.1 碾压定位试验结果
实际坐标观测坐标滤波后坐标滤波前误差滤波后误差
（m, m）（m, m）（m, m）（m）（m）
(0.500, 2.810) (-0.203, 2.495) (0.562, 2.613) 0.771 0.206
(1.000, 2.810) (0.147, 2.510) (1.092, 2.585) 0.904 0.243
(1.500, 2.810) (1.896, 2.579) (1.636, 2.559) 0.459 0.285
(2.000, 2.810) (2.792, 2.589) (1.945, 2.572) 0.822 0.244
(2.500, 2.810) (2.676, 2.540) (2.212, 2.583) 0.322 0.367
(3.000, 2.810) (2.130, 2.456) (2.485, 2.602) 0.939 0.555
(3.500, 2.810) (2.321, 2.472) (2.755, 2.613) 1.226 0.771
(4.000, 2.810) (2.749, 2.546) (3.339, 2.583) 1.279 0.699
(4.500, 2.810) (3.964, 2.599) (3.882, 2.585) 0.576 0.658
(5.000, 2.810) (4.637, 2.599) (4.467, 2.598) 0.420 0.574
(5.500, 2.810) (5.106, 2.612) (5.011, 2.625) 0.441 0.523
(6.000, 2.810 (5.633, 2.579) (5.597, 2.653) 0.398 0.432
(6.500, 2.810 (6.224, 2.523) (6.130, 2.698) 0.398 0.386
(7.000, 2.810 (6.404, 2.486) (6.704, 2.733) 0.678 0.306
(7.500, 2.810 (6.664, 2.498) (6.975, 2.743) 0.894 0.529
对比测速定位系统在滤波前和滤波后的误差数据，可得结果如图6-3所示。
102
图 6-3 典型位置的定位误差结果
根据表 6.1 和图 6-3 可得，GPS/UWB 协同定位系统能够结合两个定位子系统的优点，
在降低监测系统成本的同时，提高定位精度至约 0.5 米左右。定位精度提升的主要原因
是：协同定位系统能够利用 UWB 解算的信息抑制 GPS 误差的发散，又能利用 GPS 解
算的信息鉴别并减少 UWB 系统的非视距误差。因此，基于卡尔曼滤波的协同定位优化
算法能显著地提升定位精度，并有效修正行驶轨迹，使其基本符合压路机的运行路线。
在理想的通讯和基站间距条件下，UWB 系统的静态定位精度可达到亚米级，可以
满足碾压位置精确定位的需求。然而，由于通信距离的限制，UWB 系统的测量范围难
以覆盖整个沥青路面施工区域。为此，可根据压实环境要求，调整基站间距，并通过连
续布设多个 UWB 系统的方法确保覆盖足够的测量范围，同时维持较高的定位精度。
6.1.3 样本数据预处理
由于施工场景的多变性和施工过程的复杂性，压实监测数据通常含有偏离正常范围
的异常结果，导致压实检测参数的离散度较大。因此，在进行压实质量评价前需要对现
有样本数据进行预处理，以抑制异常值的影响。
（1）碾压次数提取
在准确定位压路机碾压位置的基础上，可以准确地统计任意碾压位置对应的碾压次
数。压实监测系统应用网格地图技术进行碾压次数提取[184]，其流程如下。
步骤 1：网格初始化。根据施工路段的定位信息，将碾压区域进行网格化，并存储
各网格的坐标信息；定义二维数组，其组成元素包含位置、次数、时间等
参数，其中位置参数与碾压区域的网格坐标一一对应，且碾压次数参数的
初值均为 0，完成网格初始化。
103
步骤 2：碾压次数统计。在压实过程中，根据定位系统获取的经纬度、速度和方位
角信息，确定压路机碾压的方向，进而绘制压路机的运行轨迹；结合压路
机尺寸和碾压轨迹，可以确定压路机覆盖的碾压区域范围；当网格点被碾
压区域覆盖时，记录碾压方向，并将相应方向的碾压次数加 1。
步骤 3：碾压次数呈现。在碾压过程中，实时统计全部地图网格的碾压次数，并实
时反馈到监控系统中；通过对网格填充不同鲜艳和深浅程度的颜色来表达
碾压次数的差异，网格颜色越鲜艳，代表该区域的碾压次数越多，从而可
对碾压过程进行直观展现。
上述碾压次数提取的过程如图 6-4 所示。
图 6-4 碾压次数提取过程图
根据测速定位系统数据以及碾压次数提取流程，可以获得任意碾压位置在不同时间
的碾压次数，并作为样本数据的特征之一进行压实状态分类。
（2）温度数据处理
压实监测系统采用红外测温传感器监测沥青混合料的摊铺温度和碾压温度，对于因
施工设备结构、现场环境和风力等因素导致的异常温度数据，需要通过预处理进行剔除。
温度监测系统采集到的沥青混合料温度数据符合正态分布，而异常温度数据则服从不同
的统计模型，通常不落在正态分布的置信区间内。本文通过基于 3 准则的算法进行异
常温度数据处理[185]，其流程如下：
步骤 1：均值和标准差计算。根据温度正常样本标签数据计算均值和标准差来估计
正态分布的均值和标准差。
步骤 2：确定置信概率。一般置信概率取值为 95%，但异常温度数据不是沥青混合
料的温度。依据实际经验，置信概率取值为 70%。
步骤 3：剔除异常数据。根据 3 准则，当 xd  x  3 时，x d 为可能是异常温度值。
当温度值不在置信区间 70%内时，即认为该数据不是沥青混合料的正常值，
应予以剔除。异常温度值剔除后，系统输出的实际温度是平均值。
现场压实试验过程中，温度监测系统设定每 300ms 采集 1 次数据，每 30s 采集 100
次。原始温度数据通过异常数据处理流程后，可得 2#路段碾压温度的变化如表 6.2 所示。
104
表 6.2 2#路段的碾压温度监测结果
碾压次数 2#路段温度采集时刻/s 2#路段碾压温度/℃
0 0 167
1 5 166
2 7 165
3 34 157
4 36 157
5 148 140
6 154 139
7 184 138
8 189 138
（3）振动数据清洗
为了实现对振动压实反馈信号频域特征的预处理，本文根据基波频率设置时间滑动
窗口，以 1 秒为检测周期，期间获取多组 CMV、CCV、VCVe 指标；然后，以 3σ为选
取依据，排除异常数据后，求取了压实度指标的平均值作为振动参数特征。此外，在起
始阶段，由于摊铺长度有限，压路机需要经过一段时间后才能达到稳定状态[186]；当压
路机碾压边缘和接缝，由于碾压对象中包含刚度较大的材料，振动反馈信号亦是不稳定
的；此外，静力压实和振动压实的能量输出悬殊，需要区别对待。因此，除了信号分析
阶段进行预处理外，还需要针对上述各种现象对振动异常数据进行清洗，其流程如下：
步骤 1：初始阶段判别。在起始阶段，根据时间和定位信息，结合施工现场情况，
设定压路机稳定工作的摊铺长度，此前的振动信号处理结果予以剔除。最
终，选取稳定的振动压实中间过程进行分析。
步骤 2：边缘接缝判别。根据时间和定位信息，并结合振动反馈信号处理的幅值结
果，当同时满足定位处于边缘和接缝处，且振动信号幅值大幅增加时，对
相应的振动信号处理结果进行剔除。
步骤 3：静压振压分离。根据时间和定位信息，结合振动信号处理的结果，设定振
压和静压的幅值阈值，然后根据阈值区分和计算振压和静压次数。
本文利用压实监测系统获取了振动压实反馈信号，进行了数字信号处理和分析。振
动数据清洗后，计算获取了振动压实指标 CMV、CCV 和 VCVe。最后，通过常规取样
检测的压实度值对指标值进行标定。以 2#路段为例，其压实度指标结果如表 6.3 所示。
表 6.3 2#路段压实度指标结果
碾压次数 CMV（%） CCV（%） VCVe（%）
1 50.94 53.85 33.57
2 88.78 87.32 82.39
3 116.43 109.15 119.01
4 71.31 78.59 61.03
5 75.68 101.88 64.08
6 78.59 81.50 70.19
7 114.98 116.43 122.06
8 94.60 94.60 94.60
105
综上，通过对压实监测参数的预处理，可以为智能压实状态分类和质量评价提供良
好的数据支持。此外，也可通过预处理方法对异常施工行为进行监测，如温度过高、振
动过大、压实次数过多过少等现象的提示和报警，进而保证施工过程的规范性。
6.1.4 样本数据标识
根据沥青混合料在碾压过程中的变化规律，假设压实度与碾压次数的对数关系为：
y  a ln( x)  b （6-10）
式（6-10）中，y 为碾压压实度，x 为碾压次数，a 和 b 为系数。假定沥青混合料在

碾压过程中很好地满足了“约束”条件，则其质量在碾压前后不变化，即：
m沥青混合料  松铺密度  v松铺体积 =压实密度  v压实体积（6-11）
式（6-11）中，以某圆柱体形状的沥青混合料压实过程为例，假设圆柱体的底面积
S 底面积，h1 为下承层的高程，h2 为沥青混合料的松铺高程，h3 为沥青混合料压实后的高程。
根据体积计算公式，可得：
v松铺体积 =s底面积   h2  h1  （6-12）
v压实体积 =s底面积   h3  h1  （6-13）
根据沥青路面摊铺碾压的松铺系数定义，可得：
h2  h1
K （6-14）
h3  h1
式（6-14）中，K 为松铺系数，即松铺系数为松铺厚度和压实厚度的比值。定义沥
青混合料的摊铺完成时的压实度为初始压实度 ρ 初始压实度，则结合沥青混合料理论压实度
和松铺系数的定义，推导可得：

初始压实度 = 压实度（6-15）
K
沥青混合料的松铺系数范围通常为 1.15~1.35，本文根据现场试验路段的检测结果，
计算获得松铺系数为 1.25，理论压实度的平均值为 0.946。代入式（6-15）可得初始压
实度为 0.7568，将其代入式（6-10）。最终，式（6-10）转化为：
y  0.0995ln( x)  0.7568 （6-16）
在现场试验中，本文通过 RTK-GPS 标定系统提取准确的碾压次数。然后，根据式
（6-16），计算获取碾压过程中的压实度标定数据。
由于沥青路面施工环境多变，压实监测信号复杂多样，且难以获取充足的“过压”
负样本数据。因此，本文主要定性地判别沥青混合料是处于松散还是压实状态，即分类
标识包括松散和压实两种状态，分别定义为-1 和+1。结合沥青路面碾压施工理论压实度
的验收标准，当压实度≥94%时，认为沥青混合料处于压实状态，其状态值标识为+1。
相应地，当压实度＜94%时，认为沥青混合料处于松散状态，其状态值标识为-1。
106
6.2 基于 SVM 的智能压实状态分类
机器学习是人工智能发展最快的分支之一，包括分类、回归和聚类等学习方法，受
到了日益广泛的关注[187-189]。本文应用机器学习方法进行智能压实状态分类，进而实现
智能压实质量评价。
目前，机器学习中代表性的分类方法是人工神经网络和支持向量机，它们都是非线
性分类模型，且一直处于“竞争”关系[190, 191]。人工神经网络面向具有大量训练样本的
问题,其目标是样本数趋于无穷大时的最优解[192, 193]。当所处理数据的数量较少时，人工
神经网络方法会产生欠拟合现象[194-196]；与人工神经网络相比，SVM面向具有有限训练
样本的问题，其目标是得到现有样本下的最优解而不仅仅是样本数趋于无穷大时的最优
解[197, 198]。SVM是一种监督式学习方法，通过支持向量构造分类器使得类与类之间的间
隔最大化，在解决小样本、非线性及高维模式识别等问题中具有独特优势[199, 200]。
受施工现场环境和试验条件所限，目前获得压实监测数据的类别和数据总量有限，
难以满足人工神经网络方法的要求。鉴于 SVM 在小样本分类问题上的优势，本文选择
SVM 方法进行智能压实状态分类应用。
6.2.1 支持向量机原理
在 VC 维理论和结构风险最小化原理的基础上，Vapnik 和 Cortes 等[201, 202]

于 1995
年提出支持向量机，主要用于分类和回归分析应用。
（1）线性支持向量机
当一个线性函数能将样本完全正确地分开时，此时样本线性可分，否则称为非线性
可分。线性分类器是最简单的分类器形式，SVM就是从线性可分情况下最优分类面的概
念发展而来。
设线性可分样本训练集为(xi,yi),i=1,2,…,n，x∈Rd，y∈{+1,-1}，其中+1和-1分别代表
两类的类别标识。d维空间中线性判别函数的一般形式为g(x)=wx+b，相应分类面的方程
为wx+b=0。为使分类面对所有样本正确分类且具备分类间隔，需要满足如下约束条件：
y i [( w  x)  b]  1  0, i  1,2,..., n （6-17）
2
将判别函数归一化，使训练集中离分类面最近样本的g(x)=1，此时分类间隔等于‖𝑤‖。
因此，使间隔最大等价于使‖𝑤‖或‖𝑤‖2 最小。因而，在线性可分情况下，得到 SVM 的

目标函数为：
1
    
2
（6-18）
2
此时，称满足式（6-17）条件，且使‖𝑤‖2最小的分类面为最优分类面，并称距离最
优分类面最近的各个样本点为支持向量。支持向量位于平行于分类面的超平面上，“支
持”了最优分类面[203]。
为求解约束条件下的最优分类面，利用Lagrange函数将式（6-18）转化为一个较简
107
单的“对偶”问题[204]。定义Lagrange函数如下：

    i yi  t x   b   1 
n
1
L  , b,   
2
(6-19)
2 i 1
式（6-19）中，αi≥0，为各样本对应的 Lagrange 乘子。为了求解表达式（6-19）的

最小值，可以使该泛函对 ω、b 求偏导，并令求导结果为零。最终，得到式（6-19）的
对偶函数为：
n
1 n n
（）   i 
Q i j yi y j ( xi x j ) （6-20）
i 1 2 i 1 j 1
n
s.t. y
i 1
i i  0, i  0, i  1, 2,..., n （6-21）
在式（6-21）的约束下，求得表达式（6-20）的唯一解 α*，进而可得相应最优分类
面的权系数向量为：
n
w*    * yi xi （6-22）
i 1
由式（6-22）可得，最优分类面的权系数向量是训练样本向量的线性组合，其求解
过程是一个不等式约束下的二次函数极值问题，存在唯一解。根据 Kuhn-Tucker 最优化
条件，解中将只有一部分（通常是很少一部分）αi 不为 0，而这些非零解对应的样本就
是支持向量[205, 206]。此时，可得最优分类函数为：
n
f ( x)  sgn{( w*  x)  b * }  sgn{   i* y i ( xi  x)  b * } （6-23）
i 1
由于非支持向量样本对应的αi均为0，式（6-23）中的求和实际上只对支持向量进行。
此外，b*是分类阈值，可由任一支持向量回代求得。
上述最优分类面的求解是在线性可分的前提下讨论的，在待分类样本为线性不可分
或事先不知道是否线性可分时，某些训练样本不能满足式（6-17）的条件。此时，可在
条件中引入一个非负松弛变量ξi,i=1,2,…,n以允许错分样本的存在。相应地，约束条件变
为：
yi [( w  xi )  b]  1  i  0, i  1, 2,..., n （6-24）
当分类出现错误时，ξi大于0。因此，使∑𝑛𝑖=1 𝜉𝑖最小就可使得错分样本的数量最小，
对应线性可分情况下的使分类间隔最大。从而，需要在目标函数中为分类误差分配一个
额外的代价函数，即引入错误惩罚因子C来衡量，ξi带来的损失。此时，目标函数变为：
1 2  n 
  ,      C   i  （6-25）
2  i 1 
式（6-25）中，C＞0 为一个自定义的常数，控制着对错分样本惩罚的程度。C 越大，

对错分样本的惩罚越重，约束程度就越大。从而，在最大分类间隔和最少错分样本之间
实现折衷和平衡，得到线性不可分情况下的最优超平面。
108
求解式（6-25）的优化问题和求解表达式（6-17）的优化问题类似，都是通过引入
相应的拉格朗日函数及其对偶问题并求解，以得到最优分类判别函数。
（2）非线性支持向量机
在实际问题中，分类问题是往往是非线性问题，理想的最优分类面应该是非线性的。
对于非线性问题，支持向量机通过定义核函数，巧妙地将最优超平面问题转化到输入空
间进行计算，其原理如下：
假设存在非线性映射Φ：Rd→H将输入空间的样本映射到高维的特征空间H中，然后
在高维空间中求解最优分类超平面，则高维空间中得到的线性分类面就对应着低维空间
的非线性分类面。
当在特征空间H中构造最优超平面时，训练算法只需进行高维空间内的内积运算，
即𝜙(xi) 𝜙(xj)而没有单独的映射𝜙(xi)出现。因此，如果能够找到一个函数K满足：
K ( xi  x j )   ( xi )   ( x j ) （6-26）
就可以使用原低维样本空间内的函数运算实现高维空间内复杂的内积计算，甚至无
需知道非线性映射变换的具体表示形式。
根据泛函的有关理论，若一种核函数K(xixj)满足Mercer条件，则其对应某一变换空
间内的内积[207]。因此，在最优超平面中采用适当的内积函数K(xixj)可以实现某一非线性
变换后的线性分类。由于运算仍在原空间进行，所以分类器的计算复杂度未增加。此时，
式（6-20）也相应地转化为：
n
1 n n
（）   i 
Q i j yi y j K ( xi  x j ) （6-27）
i 1 2 i 1 j 1
相应最优分类面的分类函数也转化为：
n
f ( x)  sgn{   i* y i K ( xi  x j )  b * } （6-28）
i 1
通常，称式（6-26）的 K(xixj)为核函数。核函数的引入解决了高维问题，将高维空
间的内积运算转化为低维空间的函数运算。
（3）常用核函数
SVM 把最优化问题的求解简化为原有样本数据的内积运算，具有先验干预少、泛
化能力强和避免过学习等特点。实际应用中，通过选择适当的核函数、松弛变量及惩罚
因子等参数就可以进行最优超平面的求解和样本分类。
根据 SVM 基本原理，不同的核函数可以构造出不同的 SVM 分类器。目前，常用
的核函数如表 6.4 所示。
109
表 6.4 常用的核函数
核函数核函数公式
线性核函数
K ( xi , x j )  xi  x j
多项式核函数
k  xi , x j     xi  x j  r  ,
d
d  1,  0
 x x 2

高斯核函数   
k xi , x j  exp 
i
2 2
j 
,  0
 
 
径向基核函数
 
k xi , x j  exp   xi  x j

2
 ,

 0
Sigmoid 核函数
  
k xi , x j  tanh xi  x j  r ,  tanh 
ex
ex  1
,   0，r  0
表6.4中，d, γ, σ, r均为核函数参数。SVM方法的准确性与有效性取决于模型参数的
精确选择，其中松弛变量ξi和惩罚因子C控制模型的复杂程度与精度，核函数参数d, γ, σ,
r也影响计算结果与运算量大小。实际应用中，需要进行训练的样本集各式各样，核函
数也各有优劣。目前，对于如何选择合适的核函数及最佳参数没有很好的算法，只能采
取不断尝试的方法。不过，一般都建议使用径向基（Radial Basis Function，RBF）核函
数。如Bacsens B等[208]曾对线性核函数、多项式核函数以及RBF核函数进行了试验比较，
结果表明，对于不同数据库，核函数各有优劣，但RBF核函数在多数情况下具有较为良
好的性能。由于RBF核函数在实际问题中表现的良好性能，本文选用RBF核函数进行智
能压实状态分类的SVM分类器设计。
6.2.2 模糊支持向量机
（1）模糊支持向量机原理
支持向量机能够较好地处理分类和回归等问题，泛化能力强，但对样本中的噪声和
孤立点十分敏感，容易产生过拟合问题，具有一定的局限性。实际应用中，由于杂波和
噪声等干扰的影响，采样信号中通常含有一定的模糊信息，进而在样本数据中产生噪声
和孤立点，严重影响 SVM 的分类效果[209, 210]。因此，为了有效处理样本中的模糊信息，
Lin C 等[211]在 SVM 的基础上引入模糊隶属度概念，并提出了模糊支持向量机（Fuzzy
Support Vector Machines，FSVM）方法以抑制噪声和孤立点的影响，其基本原理如下：
设样本训练集为{(x1, y1, s1), (x2, y2, s2),…, (xn, yn, sn),}，其中 si(0<si<1)表示样本 xi 的
隶属度。从而，最优分类面的求解转化为如下问题：
l
1
w  C  sii （6-29）
2
min
2 i 1
w ,
s.t. yi  w  xi  b   1  i , i  0, i  1, 2, ,n （6-30）
式（6-29）中，ξi 为松弛变量，C 为惩罚因子，模糊隶属度 si 体现了样本点属于某

110
一分类程度的大小，siξi 用于控制重要性不同的变量被错分的程度。
构造 Lagrange 函数，并对上述优化问题进行整理，目标函数转化为：
i j yi y j K  xi , x j 
l
1 n n
max   i  （6-31）
i 1 2 i 1 j 1
l
s.t.  y
i 1
i i  0, 0  i  si C , i  1, 2, ,n （6-32）
FSVM 中，siC 体现了对容易错分点的重视程度，siC 的值越大，则对应样本点越被

重视，被错分的概率越小。因此，在 FSVM 方法中要尽可能使噪声和孤立点的 siC 值小
一些，进而削弱其对 SVM 分类的影响。
实际应用中，压实监测数据具有一定的模糊性，会严重影响分类效果。因此，本文
通过模糊支持向量机进行智能压实状态分类器的设计。
（2）模糊隶属度参数确定
在模糊支持向量机中，惩罚因子选定后，siC 的大小由 si 控制，使得 αi 对应的支持
向量与传统 SVM 中 αi 对应的支持向量可能不属同一类。实际应用中，通常使用模糊 C
均值算法（Fuzzy C-means，FCM）来确定样本隶属度[212]。
FCM 通过模糊隶属度表示样本属于某个聚类的程度，其中模糊隶属度根据样本与聚
类中心的距离确定。在初始聚类中心的基础上，FCM 算法通过不断更新隶属度和聚类
中心进行迭代运算。当邻近两次目标函数的差值处于误差范围内或聚类中心不变时，迭
代过程停止，其过程如下：
设样本数据为 X={x1, x2,…, xn}，并将其分为 c 类；样本 xi,属于聚类中心 vj 的模糊隶
属度为 μij, i∈(1, 2,…, n), j∈(1, 2,…, c)；全部的模糊隶属度数值组成模糊分类矩阵 U，聚
类中心集为 V={v1, v2,…, vc}。根据 FCM 的基本原理，定义目标函数为：
c n
Fm (U ,V )   ( ij ) m dij2 ( xi , v j ), m  [1, ) （6-33）
j 1 i 1
式（6-33）中 m 为平滑因子，dij=‖𝑥𝑖 − 𝑣𝑗 ‖为欧氏距离，表征了样本与聚类中心之

间的差异度，Fm(U,V)为各类中样本与其聚类中心的误差平方和。
同样，通过 Lagrange 乘数法将最小化目标函数 Fm(U,V)问题转化为“对偶”问题进
行求解。进而获得最优解，完成模糊聚类划分，确定模糊隶属度 μij 为：
1
ij  2 （6-34）
 dij
c  m 1
 
k 1  d jk


相应的聚类中心 v j 为：
n
 ( ij ) m xi
vj  i 1
n
（6-35）
 (
i 1
ij ) m
迭代的终止条件为：
111

maxij  ij (l 1)  ij (l )    （6-36）
式（6-36）中，l 是迭代步数，ε 是误差阈值。当满足终止条件时，继续迭代下去，

隶属程度也不会发生较大变化。即认为隶属度不变了，已经达到比较优（局部最优或全
局最优）的状态。最终，迭代过程收敛于目标 Fm(U,V)的局部最小值或鞍点。
6.2.3 智能压实状态分类
（1）模糊支持向量机算法
本文的智能压实状态分类过程基于模糊支持向量机进行，并通过训练样本集进行测
试，其算法过程如下。
算法 6.1（模糊支持向量机学习算法）
输入：样本训练数据集：(xi,yi), i=1,2,…,n，x∈Rm，y∈{+1,-1}，xi 和 yi 分别表示训练
向量和类别标识；
输出：分类决策函数。
1）选择适当的核函数 K(xixj)和惩罚参数 siC>0，构造并求解凸二次规划问题。
n
1 n
min Q( )    i   i j yi y j K ( xi  x j )
i 1 2 i , j 11
n
s.t. y
i 1
i i  0, 0  i  si C , i  1, 2,..., n
求得最优解 α*=(α1*, α2*,…, αn*)T。

2）选择 α*的一个分量 αj*适合条件 0≤αj≤C，计算
n
b* =y j  i* yi K ( xi  x j )
i 1
3）构造分类决策函数
m
f ( x)  sgn( ai* yi K ( xi , x)  b* )
i 0
对于分类决策函数，当 f(x)结果为+1 时，代表沥青混合料处于压实状态，f(x)结果

为-1 时，代表沥青混合料处于松散状态。
（2）FSVM 压实状态分类
根据表 6.2 和表 6.3 的原始数据，定义输入样本为：(xi,yi), i=1,2,…,8，x∈Rm，y∈{+1,-1}，
其中，训练样本的标识值情况为：y1 ~ y6 为-1，y7 ~ y8 为+1。为便于理解，将振动参数在
一维坐标轴上呈现，可得训练样本的分布如图 6-5 所示。
112
x3 x7
x2 x8
x4 x5
x6
x1
聚类Kb
聚类Ka
图 6-5 FSVM 训练样本分布图

如图 6-5，当训练样本数量较大时，很难直接进行分类，且难以评价分类的准确情
况。因此，本文采用 FSVM 方法进行智能压实状态分类。在模糊支持向量机中，惩罚因
子 C、核函数以及隶属度 s 是否恰当对分类精度有重要影响。C 值过大或过小都会使支
持向量机的泛化能力变差，核参数则直接影响分类精确度。FSVM 分类器采用 RBF 核
函数，并经过比较，选取惩罚因子为 C=100，核函数参数为  =0.01。此外，通过 FCM
方法对所有样本进行聚类分析，获得两个聚类结果 Ka、Kb 如图 6-5 所示。
如图6-5，聚类结果显示：训练样本对应两批次振动压实，其中聚类Ka对应碾压次
数1~碾压次数4的第一批次振动压实，Kb对应碾压次数5~碾压次数8的第二批次振动压实。
通过与碾压轨迹监测结果相对比，聚类分析的结果与现场试验中压路机的运行状态相一
致，充分体现了FCM算法的有效性。同时，可得相应隶属度的结果如表6.5所示。
表 6.5 训练聚类隶属度结果
类别 -1 +1
Ka 0.71 0.33
Kb 0.29 0.67
根据非线性支持向量机原理，基于RBF核函数，本文分别应用标准SVM和FSVM对
训练样本集进行分类识别。
为了检验碾压次数对于压实状态分类的影响，本文分别对不含碾压次数特征的样本
和包含碾压次数的训练样本进行分类识别；此外，为了避免压实状态分类过度依赖于样
本数据的碾压次数特征，本文将(x3, y3)与(x7, y7)的碾压次数特征互换，其他特征不变，
即人为产生“负样本”，进行状态识别；最终，获得压实状态分类的效果如表6.6所示。
113
表 6.6 2#路段压实状态分类准确率结果
分类识别标准 SVM FSVM
不含碾压次数样本 59.5% 61.7%
包含碾压次数样本 67.3% 72.6%
人为“负样本”识别 65.2% 69.3%
根据表6.6，可得如下结论：
（1）与标准SVM相比，FSVM在准确率上有所提升，这是因为FSVM通过引入隶属
度概念对样本数据进行了预处理，从而能够有效地抑制训练样本集中离散值的影响。
（2）FSVM 能够有效识别人为“负样本”，表明本算法中碾压次数对于压实状态的
分类具有重要影响，但不是唯一因素；碾压温度的负样本极少，都是正样本，基于现有
的数据难以看出其对于压实分类结果的影响；振动参数指标对于压实状态分类具有重要
的作用，但其离散性亦会降低分类的准确率。
综上，通过 FSVM 分类器的设计，同时利用振动参数、碾压温度和碾压次数等特征
能够提高压实状态分类的准确率。
6.3 基于 HMM 的智能压实质量评价
沥青路面压实质量的评价不仅需要对压路机正在碾压区域的压实状态进行实时分
类，还需要对整体施工路段的碾压质量进行评价。从而，在基于 SVM 方法进行压实状
态分类的基础上，本节进行智能压实质量评价研究。
对于沥青路面压实过程来说，通常情况下，沥青混合料的组成和均匀性是可以保证
的，且碾压温度在碾压区域的前后不会发生突变，所以碾压质量和压实状态应该是连续
均匀分布的。因此，可认为沥青路面压实质量在施工时段内的变化情况符合马尔科夫假
设[213]。此外，实际应用中，全部施工区域内压实质量的变化情况对于质量控制和保障
十分重要，可通过 HMM 模型进行压实质量评价。
6.3.1 隐马尔可夫模型
马尔科夫性是指系统达到每一状态的概率仅与近期状态有关，且在一定时期后系统
逐渐趋于稳定状态，与原始条件无关，即“将来”的情况与“过去”的情况是无关的。
因此，可通过对不同状态初始概率及转移概率的研究来确定系统状态的变化过程和趋势。
具有马尔科夫性的随机过程称为马尔科夫过程，其中时间离散、状态离散的马尔科
夫过程称为马尔科夫链。由于马尔科夫链状态序列的概率可以通过状态转移矩阵来计算，
马尔科夫过程实际上是将系统“状态”和“状态转移”定量化的状态转换模型[214]。然
而，实际生活中的事件或过程并不总与状态一一对应，而是通过一组概率分布相联系，
从而引出了 HMM 模型的研究。
在马尔科夫链的基础上，HMM 由马尔可夫链和一般随机过程两个部分组成，其中
马尔可夫链描述状态的转移，采用转移概率表示；一般随机过程描述状态与观察序列间
114
的关系，采用观察值概率转移矩阵或者高斯混合分布函数表示。对于 HMM 模型，其状

态转换过程是不可观察的，因而称之为“隐”马尔可夫模型[215]。
HMM 模型可以用五个元素来描述，包括 2 个状态集合和 3 个概率矩阵：
（1）隐含状态集 Q={𝑞1 , 𝑞2 ,…,𝑞𝑁 }：其中 N 是可能的状态数，这些状态之间满足马
尔可夫性质，是马尔可夫模型中实际隐含的状态，通常无法直接观测得到。相应的，I=
（i1, i2,…, iT）是长度为 T 的状态序列。
（2）观测状态集 V={𝑣1 , 𝑣2 ,…,𝑣𝑁 }：其中 M 是可能的观测数，观测状态与隐含状态
相关联，可以通过直接观测得到。相应地，O=(o1, o2,…, oT)是长度为 T 的观测序列。
（3）初始状态概率向量 π：表示隐含状态在初始时刻 t=0 的概率矩阵。其中，
πi=P(ii=𝑞𝑖 ), i=1,2,…,N 表示时刻 t=1 处于状态𝑞𝑖 的概率。
（4）隐含状态转移概率矩阵 A：描述了 HMM 模型中各个状态之间的转移概率，
其中 Aij=P(SjSi), 1≤i, j≤N 表示在 t 时刻、状态为 Si 的条件下，在 t+1 时刻状态是 Sj 的概
率。
（5）观测状态转移概率矩阵 B，也称混淆矩阵：令 N 代表隐含状态数目，M 代表
可观测状态数目，则 Bij=P(OiSj), 1≤i≤M, 1≤j≤N 表示在 t 时刻、隐含状态是 Sj 条件下，
观察状态为 Oi 的概率。
一般地，可以用 λ=(A, B, π)来简洁地表示一个 HMM 模型。A, B, π 称为隐马尔科夫
模型的三要素，其中，π 和 A 决定状态序列，B 决定观测序列。
HMM 模型实际上是标准马尔可夫模型的扩展，添加了可观测状态集合以及这些状
态与隐含状态之间的概率关系，通常用来解决三类问题，包括：
（a）给定观察序列 O=(o1, o2,…, oT)和 HMM 模型 λ=(A, B, π)，计算在模型 λ 下观测
序列 O 出现的概率 P(Oλ)。
（b）给定观察序列 O=(o1, o2,…, oT)和 HMM 模型 λ=(A, B, π)参数，确定一个最优的
状态转移序列 Q=(𝑞1 , 𝑞2 ,…,𝑞𝑁 )。
（c）已知观察序列 O=(o1, o2,…, oT)，调整 λ=(A, B, π)参数，使得在该模型下观测序
列概率 P(Oλ)最大。
与上述三个基本问题相对应的实际应用如下：
（a）评估（概率计算问题）：对于一个观察序列匹配最可能的系统，或者对于给
定的隐马尔科夫模型，其生成对应给定观察序列的概率是多少。使用前向算法可有效地
解决此类问题。
（b）解码（预测问题）：对于已生成的观察序列，确定最有可能的隐藏状态序列，
使之最有可能生成给定的观察序列，使用维特比算法可有效地解决此类问题。
（c）学习（学习问题）：对于一个给定的观察序列样本，以及与其有关的一个隐
藏状态序列，使用极大似然估计方法估计最可能的 HMM 模型参数[216]；当只给定观测
序列，没有对应状态序列时，基于 Baum-Welch 算法进行 HMM 参数估计[217]。
115
综上，一旦一个系统可以使用 HMM 模型描述，就可以用来解决三个基本问题，其

中前两个是模式识别的问题：给定 HMM 求一个观察序列的概率（评估）；搜索最有可
能生成一个观察序列的隐藏状态训练（解码）；第三个问题是给定观察序列生成一个
HMM（学习）。
由一个向量和两个矩阵描述的隐马尔科夫模型对于实际应用系统具有很大价值，虽
然经常只是一种近似，但却是经得起分析的。HMM 的缺点是过于简化的假设，这与马
尔可夫假设相关，即一个状态只依赖于前一个状态，并且这种依赖关系是独立于时间之
外存在的。
6.3.2 智能压实质量评价
在沥青路面压实施工过程中，沥青混合料的初始压实状态可以直接获取，即为初始
概率向量 π；在压实过程中可以获取系列压实监测数据，进而获取对压实状态的分类，
即为观测序列 O。在压实质量评价中，需要尽可能了解沥青混合料压实过程中前后状态
的依存和变化关系，即隐含状态转移概率矩阵 A；同时针对观测序列的状态变化过程进
行分析，即求解观察状态转移概率矩阵 B。
本文已知观察序列 O 和初始概率 π，且理论上可以获取沥青混合料压实过程中的隐
藏状态序列，即通过对每次碾压前后相邻的时刻进行取芯检测获取隐含的状态序列。然
而，实际应用中，随时随地取样检测十分困难。因此，为了获取碾压过程中的隐含状态，
本文在现场试验中采用 RTK 高精度定位系统获取准确的碾压次数，进而通过压实度与
压实次数的对数关系反推压实状态作为隐含状态序列。RTK 系统仅在施工初始时期作为
标定手段使用，并不用于施工全过程监测。
（1）极大似然估计算法
根据 HMM 模型三类基本问题的描述，智能压实质量评价研究属于学习类问题的应
用，且可以通过标定系统计算获取一个隐含状态转移序列，从而可通过极大似然估计算
法进行 HMM 参数的估计。
假设已给定训练数据中包含 S 个长度相同的观测序列和对应的状态序列{(O1,I1),
(O2,I2),…, (Os,Is)}，则使用极大似然估计法获取 HMM 参数的过程如下。
算法 6.2（极大似然估计算法）
1）转移概率 aij 的估计
设样本中时刻 t 处于状态 i，时刻 t+1 转移到状态 j 的频数为 Aij，那么状态转移概率
aij 的估计为：
 Aij
aij  N
, i  1, 2,  N ; j  1, 2, N
A
j 1
ij
116
2）观测概率 bj(k)的估计
设样本中状态为 j 并观测为 k 的频数是 Bjk，那么状态为 j 观测为 k 的概率 bj(k)的估
计为：
 B jk
bj  k   M
, j  1, 2,  N ; k  1, 2, ,M
B
k 1
jk
3）初始状态概率 πi 的估计，𝜋̂i 为 S 个样本中初始状态为𝑞𝑖 的频率。

（2）HMM 参数计算
在现场试验中，本文通过 RTK-GPS 标定数据获取的碾压次数计算压实度数据，并
作为碾压过程中的隐含压实状态序列 I。同时，对碾压过程进行了压实参数监测，并依
次进行了信号处理分析、压实参数提取以及 FSVM 状态分类，可得碾压过程中的压实状
态观测序列 O。
在隐含状态序列和观测状态序列确定的基础上，本文建立智能压实质量评价的
HMM 模型 λ=(A, B, π)，并定义基本参数如下：
隐含状态的集合为 Q={-1,+1}，其长度为 N=2，即状态为𝑞1 =-1，𝑞2 =+1；
观测状态的集合为 V={-1,+1}，其长度为 M=2，即状态为𝑣1 =-1，𝑣2 =+1；
隐含状态的序列为 I={-1, -1,…,-1,-1,+1,+1,…,+1,+1},观测状态的序列为 Q={-1,
-1,…,-1,+1,+1,+1,…,+1,+1}。如图 3-11，结合测速定位系统的精度为 0.5m 左右，可将全
部试验路段分割为 140 个网格。根据实际的振动压实方案，对沥青混合料进行往返 8 次
振压。本文以压路机进入试验路段碾压开始到压路机离开试验路段结束，最终获取隐含
状态序列值和观测状态序列值分别为 1120 个。经过筛选，最终选取 1000 个长度相同的
观测序列和对应的状态序列{(O1,I1), (O2,I2),…, (O1000,I1000)}作为训练样本。本文应用属于
HMM 学习问题，且已知观测序列和隐含序列，所以采用极大似然方法进行 HMM 参数
估计。根据算法 6.2，获得 HMM 模型的参数如下：
 0.9826 0.0174
状态转移概率分布为： A    ，其中，a11 为上一时刻为-1，下一时刻仍
0.0347 0.9643
为-1 的概率，a12 为上一时刻为-1，下一时刻为+1 的概率，a21 为上一时刻为+1，下一时

刻为-1 的概率，a22 为上一时刻为+1，下一时刻仍为+1 的概率。同理可得观测概率分布
为： B   0.7821 0.2179 。
0.2735 0.7265
刚开始碾压时，沥青混合料处于松铺状态，初始状态为-1 的概率为 100%，即 π1=1，
否则，不需要进行碾压。相应地，初始状态为+1 的概率为 0，即 π2=0。最终，可得初始
1
概率分布为  =   。
0
比较 A 和 B，可得结论如下：
117
（1）本文研究中，隐含状态序列通过碾压次数计算，然后进行人工标识。然而，
当样本数量较大时，人工标注训练数据的代价往往很高。此时，可通过 Baum-Welch 算
法进行 HMM 模型参数的无监督学习估计。
（2）目前，观测转移矩阵和状态转移矩阵的差距较大，其原因可能来自于目前的
状态定义较少，只有松散和压实 2 个分类。此外，振动参数指标的离散性也可能引起压
实质量的异常变化。
获得隐含状态转移概率矩阵 A 后，可以通过对 A 的分析评价沥青混合料压实过程中
的压实状态变化是否连续、稳定和合格，对应于沥青混合料是否均匀、配合比是否合理、
施工工艺是否规范等，因为它们决定了沥青混合料压实过程的隐含状态变化。理论上，
这个变化过程应该是隐含的连续稳定高质量的过程，而这也是沥青路面施工的目标。
（3）智能压实质量评价
在同一个沥青路面施工周期内，沥青混合料特性、施工工艺和环境条件基本一致，
从而可认为施工过程中，压实状态符合隐马尔科夫模型。
在 RTK-GPS 对试验路段数据标定的基础上，本文获取了隐含转移矩阵 A，对全程
的碾压施工监测数据进行 FSVM 分类，将分类结果作为压实状态观测序列 O，并获取观
测概率矩阵 B。以此为基础，为获取碾压过程中沥青路面的隐含状态序列，可以进行
HMM 解码问题的求解。
本文采用维特比算法对 HMM 模型进行求解，获取了碾压全过程的检测隐含状态序
列。与 RTK-GPS 标定获取的隐含状态序列相比较，可得其准确率为 78.3%。相对 FSVM
压实状态分类的结果，SVM-HMM 的准确率有较大改善。然而，由于 HMM 的应用需要
根据后续的状态变化推算前面的状态，智能压实系统的实时性有所降低。
未来可根据实际需要和训练样本的积累，对压实度范围进行多状态分类。根据工程
经验，压实状态分类的规则示例如表 6.7 所示。
表 6.7 压实状态分类规则示例
状态分类 q1 q2 q3 q4 q5
压实度 ≤75.2% 75.2%~84.6% 84.6%~94% 94%~100% ≥100%
表 6.7 中， 𝑞1 为碾压前的初始状态，𝑞5 为过压状态，𝑞2 ~𝑞4 为碾压过程的中间状态，

其中各状态的边界值分别由规范值以及规范值的 80%和 90%设定，实际应用中可根据需
要重新定义。此时，状态转移矩阵 A 和观察转移矩阵 B 均为 5*5 矩阵，能够更详细地描
述压实质量的变化过程。此外，观测转移矩阵与状态转移矩阵的差异会越来越小。理论
上，当具有足够多的训练样本，且压实监测过程足够理想时，观测转移矩阵能够准确地
描述隐含状态转移矩阵，进而评价压实质量的变化过程，为沥青路面压实质量的过程控
制提供依据。
118
6.4 本章小结
前一章内容实现了沥青路面压实状态的感知，本章在此基础上进行智能压实质量评
价研究。首先，融合监测系统获取的多维压实参数，获取训练样本数据；然后，基于
FSVM 设计分类器，实现单点压实状态的分类；最后，基于状态分类结果和 RTK-GPS
标定的隐含序列，计算 HMM 模型参数，实现智能压实质量评价。本章的主要研究工作
与结论如下：
（1）提出了基于卡尔曼滤波的协同定位算法，实现了碾压位置定位；选择了样本
数据的多维特征，进行了样本数据的预处理和标识。研究表明，协同定位精度为 0.5m
左右，可以满足碾压定位和碾压遍数提取的需求；通过网格化施工路段，并充分利用定
位数据、时间信息和速度信息可以提取碾压次数；样本数据的特征选择、预处理和标识，
为智能压实状态分类提供了数据基础。
（2）结合现有压实监测数据的特点，选择SVM进行智能压实状态分类。采用模糊
C均值算法对样本数据进行了隶属度求解，提升了SVM算法的抗噪能力；设计了FSVM
分类器，有效地进行了压实状态分类，准确率可达72.6%；通过对碾压次数特征的“包
含”与“缺失”、人为产生“负样本”等试验的结果的对比，表明碾压次数对于压实状
态分类具有重要影响，但不是决定性因素。
（3）基于 RTK-GPS 定位数据提取碾压次数，计算了获取隐含压实状态序列，选取
SVM 压实状态分类结果作为观测序列，建立了 HMM 模型；采用最大似然估计算法，
计算获得了隐含转移概率矩阵 A 和观测概率矩阵 B；采用维特比解码算法，计算获取了
施工全程的检测隐含状态序列；通过与 RTK-GPS 系统计算的标定隐含状态序列比较，
其准确率为 78.3%；相对 SVM 压实状态分类的结果，SVM-HMM 的准确率有较大改善，
实现了碾压施工全程的智能压实质量评价。
119
120
第七章结论与展望
7.1 主要研究工作与研究结论
针对当前沥青路面压实质量过程控制的不足，本文研究智能压实系统关键技术，实
现实时无损的连续压实监测和质量评价。首先，根据沥青混合料压实机理和压路机工作
原理建立了振动压实“机-料”耦合系统模型，通过动力学分析提供了压实状态监测的
理论基础；其次，设计了车载单元进行压实参数监测，通过协同定位系统和 GPRS 网络
实现了沥青路面施工远程监控；然后，进行了室内外模拟实验和现场试验，获取了振动
压实反馈信号，并在数字滤波和预处理之后，进行了经验模态分解，确定了有效 IMF
分量；之后，根据 Parseval 能量守恒定理，基于能量分布提出了压实状态感知方法和新
指标 VCVe；最后，在特征选择和数据预处理的基础上，基于 SVM-HMM 实现了智能压
实状态分类和质量评价。
本文的主要研究工作与研究结论包括以下几方面：
（1）振动压实“机-料”耦合系统建模和分析。阐述了沥青混合料的压实机理和状
态变化规律，分析了三种压实阻力的作用原理，提炼了共振状态下压实效果较好的规律；
分析了沥青混合料在碾压施工过程中的流变力学行为，建立了振动压实“机-料”耦合
系统模型，并分别在线性、非线性和一般情况下进行了模型分析。研究表明，当振动参
数确定时，沥青混合料对压实机具的抵抗力与振动轮的惯性力之间呈线性关系；通过量
测振动反馈响应的变化，可进一步分析沥青混合料的压实状态，为智能压实监测提供了
理论基础。此外，进行了室内外压实试验，提炼了碾压次数与压实度之间的对数关系；
提出了新型室外振动压实模拟试验方法，解决了现场试验方案设计的限制；基于双处理
器结构设计了车载检测单元，实现了多维压实参数监测；提出了 GPS/UWB 低成本协同
定位方案，开发了沥青路面施工远程监控系统，为智能压实系统提供了物理基础。
（2）振动反馈信号处理和数据分析。基于汉明窗设计了 FIR 数字带通滤波器，采
用多项式最小二乘法和五点三次平滑法实现了振动信号预处理。研究表明，FIR 滤波器
抑制了高频噪声，同时保证了原始信号的线性相位特性；趋势项消除和平滑处理去除了
信号中的零点漂移和毛刺分量，提高了振动信号波形的平滑度，抑制了杂波干扰。针对
振动反馈信号的非线性非平稳特性，基于经验模态分解方法进行了振动信号处理和分析。
研究表明，EMD 方法有效分离了有效信号和无关信号，通过 HHT 方法分析了振动反馈
信号的频谱特征，进而确定了有效 IMF 分量，为压实状态感知提供了数据支持。
（3）压实检测指标和状态感知。基于 Parseval 能量守恒定理，提出了新型压实度
指标 VCVe；根据振动信号处理的结果，计算获取了 CMV、CCV、VCVe 指标值。研究
表明，随着碾压遍数的增加，CMV、CCV、VCVe 指标值也相应呈逐步增大趋势；VCVe
指标值与碾压次数的相关关系优于 CMV 和 CCV，改善了谐波分析指标的稳定性和一致
121
性；VCVe 与 CMV、CCV 指标的计算相互独立，可单独或多指标融合用于压实监测；

与常规取芯检测的方法相比，CMV、CCV、VCVe 指标能够反映沥青混合料压实状态的
变化过程，虽不宜直接用作验收标准，但可用于压实状态感知和质量过程控制。结合协
同定位系统和远程数据传输网络的应用，实现了连续实时无损的压实状态感知，为智能
压实质量评价提供了数据基础。
（4）智能压实状态分类和质量评价。提出了基于卡尔曼滤波的协同定位算法，将
定位精度提高到 0.5m 左右，满足了碾压定位和遍数提取的要求；采用地图网格法提取
了碾压次数参数，剔除了温度异常数据，分离了静压和振压次数；进行了样本数据的特
征选择和预处理，基于 RTK-GPS 标定系统实现了训练样本的标识。基于模糊 C 均值算
法对训练样本进行聚类，求解了训练样本的隶属度值，提升了 SVM 的抗噪能力；设计
了 FSVM 算法，有效地进行了压实状态分类，准确率可达 72.6%；采用 SVM 状态分类
结果作为观测序列 O，利用 RTK-GPS 标定数据计算获取隐含状态序列 I；设计最大似然
估计算法，计算获取了状态转移矩阵 A 和观测概率矩阵 B；采用维特比解码算法，计算
碾压全程的隐含状态时序，其准确率为 78.3%。相对 FSVM 压实状态分类的结果，
SVM-HMM 的准确率有较大改善，实现了碾压全程的智能压实质量评价。
7.2 主要创新点
（1）建立了沥青混合料碾压施工的“机-料”耦合系统模型，揭示了振动压实反馈
信号与压实状态之间的关系；提出了 GPS/UWB 协同定位方案，以较低成本满足了碾压
定位和遍数提取的要求；开发了沥青路面施工远程监控系统，实现了连续实时无损的压
实状态感知。
（2）设计了 FIR 数字带通滤波器，抑制了高频噪声的干扰，保证了原始信号的线
性相位特性；提出了基于经验模态分解的振动信号重构和时频变换方法，消除了高频噪
声、杂波以及趋势项的影响，减小了频谱泄露和栅栏效应等误差，提高了有效频谱特征
计算准确度；提出了基于能量分布的压实监测方法和新指标 VCVe，较好地反映了压实
状态的变化。
（3）采用模糊 C 均值聚类方法计算了训练样本的隶属度，有效抑制了噪声和孤立
点对 SVM 分类的影响；设计了 FSVM 算法进行压实状态分类，提高了分类准确率；基
于 RTK-GPS 标定系统获取了隐含压实状态序列，采用 SVM 分类结果作为观察序列，利
用最大似然算法估计了 HMM 模型参数；采用维特比解码算法，计算了碾压全程的隐含
状态时序，其准确率为 78.3%，初步实现了智能压实质量评价。
122
7.3 进一步研究设想
受限于现有研究水平，本文研究还有不完善之处，进一步工作可从以下几方面展开：
（1）受试验条件影响，现有试验数据的来源相对单一，且种类不够丰富，
“负样本”
较少，与实际的振动压实过程存在一定的偏差。未来可以通过试验条件的改善，尽可能
地真实地模拟沥青混合料压实施工过程。同时进行长期的、大量的试验，积累丰富多样
的样本数据，以进行智能压实质量评价。
（2）受样本数据量限制，目前的智能压实质量评价基于相对简单的 SVM-HMM 模
型进行，主要目的是探索和总结新型压实状态感知和质量评价方法。未来随着试验条件
的改善和试验数据的积累，可以根据需要调整模型和参数，寻找效果更优的分类和评价
算法，如深度学习算法等；此外，由于监督学习中人工标注训练数据的代价通常很大，
未来可根据需要通过无监督学习方法进行 HMM 模型参数计算。
（3）目前实现了沥青路面压实质量监测和评价，为压实辅助决策和智能反馈控制
的研究提供了基础。未来可根据对“机-料”耦合模型的深入分析，建立包含压实度、
沥青混合料特性以及施工参数等多维特征和参数的知识库，形成智能决策系统，进而实
现压实过程的反馈控制。远期则可以结合无人驾驶、5G 等新技术实现沥青路面自适应
压实施工，促进交通基础设施智能建设的发展。
123
致谢
论文搁笔之际，百感交集。春来秋往，时光如白驹过隙，从四牌楼到九龙湖，难忘
母校的一草一木，难忘在母校走过的精彩岁月。在此，想对母校东南大学，对所有老师、
同学、家人、朋友表达我的感激之情。
衷心感谢恩师钱振东教授提供的学习机会，让我有幸能够进入优秀的团队进行前沿
的课题研究。恩师高屋建瓴的学术视野、大开大阖的思维方式、严谨求实的治学作风、
积极进取的工作态度深深地影响了我，引领我在科研之路中披荆斩棘，奋力前行，在此
对恩师的关爱和付出表示最诚挚的感谢！
特别感谢恩师何铁军副教授。从论文的选题，研究的开展到写作的修改，都是在恩
师的悉心指导下完成的。课题研究过程中，每一点进步都离不开恩师的悉心指导，论文
每一章节都凝结着恩师的心血。读博期间，恩师在我身上倾注了大量心血，给予了我极
大的帮助和鼓励，我的成长和收获都离不开恩师的关心和教导。恩师对我的谆谆教诲以
及父亲般的关怀都使学生终身难忘，在此深深感谢恩师。同时，也深深感谢郭京荣老师
多年来在生活上对我们师兄弟的照顾和关心。
在读博期间，智能运输系统研究中心的夏井新老师、郭建华老师、柴干老师、张宁
老师、王晨老师、张晓春老师、闵召辉老师、张磊老师、罗桑老师、陈磊磊老师、胡靖
老师及刘阳老师等各位老师均给予我不同程度的指导和帮助，在此表示衷心感谢！
感谢美国 The University of Michigan at Dearborn 的 Selim Awad 教授。在美访学期间，
Awad 教授在学术论文修改中严谨的治学精神和极大耐心令我十分钦佩，在学术交流和
生活中为学生创造的机会和国际化平台让我获益匪浅，在此表达我的谢意和祝福！
感谢金磊、杨宇明、聂庆慧、丁玲、饶文明等师兄师姐；感谢刘钊、沈孔健、安成
川、薛永超、黄啟波、高翔、胡帮艳、薄雾等同窗好友；感谢王彬彬、袁群兵、李晔、
胡权、王波、吕坚、曹凯鑫、晏仲书、江春源、吴文祥、李晓港、石庄彬、刘长波、张
勐、郑冬、张翔飞、张煜恒、任海生等众多师弟师妹。感谢各位的帮助和关心，学习成
长的过程中，有我们一起奋斗的汗水和欢笑。
感谢我的父母一如既往的理解与支持；感谢我的妻子对我的关心、支持和帮助。
最后，感谢即将评阅、评议和出席答辩的各位专家，感谢你们在百忙中给予的指导！
贾通
东南大学智能运输系统研究中心
二零二零年十一月
124
参考文献
参考文献
[1] Liu D, Lin M, Li S. Real-Time Quality Monitoring and Control of Highway Compaction[J]. Automation in
Construction. 2016, 62: 114-123.
[2] Koneru S, Masad E, Rajagopal K R. A Thermomechanical Framework for Modeling the Compaction of
Asphalt Mixes[J]. Mechanics of Materials. 2008, 40(10): 846-864.
[3] White D J, Vennapusa P K, Gieselman H H. Field Assessment and Specification Review for
Roller-Integrated Compaction Monitoring Technologies[J]. Advances in Civil Engineering. 2011, 2011: 1-15.
[4] 裴建中. 道路工程学科前沿进展与道路交通系统的代际转换[J]. 中国公路学报. 2018, 31(11): 1-10.
[5] Xu Q, Chang G K. Adaptive Quality Control and Acceptance of Pavement Material Density for Intelligent
Road Construction[J]. Automation in Construction. 2016, 62: 78-88.
[6] 鲍跃全，李惠. 人工智能时代的土木工程[J]. 土木工程学报. 2019, 52(5): 1-11.
[7] Jia T, He T, Qian Z, et al. An Improved Low-Cost Continuous Compaction Detection Method for the
Construction of Asphalt Pavement[J]. Advances in Civil Engineering. 2019, 2019: 1-11.
[8] Ling J, Lin S, Qian J, et al. Continuous Compaction Control Technology for Granite Residual Subgrade
Compaction[J]. Journal of Materials in Civil Engineering. 2018, 30(12): 4018316.
[9] Hu W, Jia X, Zhu X, et al. Investigating Key Factors of Intelligent Compaction for Asphalt Paving: A
Comparative Case Study[J]. Construction and Building Materials. 2019, 229: 116876.
[10] Zhang Q, Liu T, Zhang Z, et al. Unmanned Rolling Compaction System for Rockfill Materials[J].
Automation in Construction. 2019, 100: 103-117.
[11] Chang G K, Mohanraj K, Stone W A, et al. Leveraging Intelligent Compaction and Thermal Profiling
Technologies to Improve Asphalt Pavement Construction Quality: A Case Study[J]. Transportation Research
Record: Journal of the Transportation Research Board. 2018, 2672(26): 48-56.
[12] Savan C M, Kaw N, Ksaibati K. Benefit-Cost Analysis and Application of Intelligent Compaction for
Transportation[J]. Transportation Geotechnics. 2016(9): 57-68.
[13] Wang Linbing，王含笑，赵千，等. 智能路面发展与展望[J]. 中国公路学报. 2019, 32(04): 50-72.
[14] 李久林. 智慧建造关键技术与工程应用[M]. 北京: 中国建筑工业出版社, 2017.
[15] Zhu X, Bai S, Xue G, et al. Assessment of Compaction Quality of Multi-Layer Pavement Structure Based
On Intelligent Compaction Technology[J]. Construction and Building Materials. 2018, 161: 316-329.
[16] 吴金海，雒泽华，徐光辉，等. 智能压实技术的研究进展[J]. 筑路机械与施工机械化. 2017(01): 26-29.
[17] Anjan Kumar S, Aldouri R, Nazarian S, et al. Accelerated Assessment of Quality of Compacted
Geomaterials with Intelligent Compaction Technology[J]. Construction and Building Materials. 2016, 113:
824-834.
[18] 徐光辉，雒泽华，田波. 连续压实控制技术发展综述[J]. 筑路机械与施工机械化. 2015(08): 34-38.
[19] Nazarian S, Fathi A, Tirado C, et al. Evaluating Mechanical Properties of Earth Material During Intelligent
Compaction[R]. Washington, DC: The National Academies Press, 2020.
[20] Reyna M, Garcia V M, Garibay J, et al. Evaluation of Aggregate Crushing Tests and Their Correlation
with Superpave Mix Design Properties[J]. Journal of Materials in Civil Engineering. 2020, 32(040201416).
[21] Facas N W, Rinehart R V, Mooney M A. Development and Evaluation of Relative Compaction
Specifications Using Roller-Based Measurements[J]. Geotechnical Testing Journal. 2011, 34(6): 634-642.
[22] Pistrol J, Villwock S, Völkel W, et al. Continuous Compaction Control (CCC) with Oscillating Rollers[J].
Procedia Engineering. 2016, 143: 514-521.
[23] Manuel P R, Jacob C, Juan A, et al. Development and Evaluation of a Combined Cultivator and Band
Sprayer with a Row-Centering RTK-GPS Guidance System[J]. Sensors. 2013, 13(3): 3313-3330.
[24] 徐光辉，高辉，雒泽华，等. 连续与智能压实控制技术在高速铁路建设中的应用[J]. 筑路机械与施
125
工机械化. 2017(01): 30-34.
[25] 严晓波，徐光辉. 路基结构性能不均匀对无砟轨道静力影响分析[J]. 铁道学报. 2016(01): 98-102.
[26] 张家玲，徐光辉，蔡英. 连续压实路基质量检验与控制研究[J]. 岩土力学. 2015(04): 1141-1146.
[27] Nie Z, Jiao T, Wang X, et al. Assessment of Compaction Quality Based On Two Index Parameters From
Roller-Integrated Compaction Measurements[J]. Journal of Testing and Evaluation. 2018, 46(1): 20150512.
[28] Nie Z, Wang X, Jiao T. Anomalous Data Detection for Roller-Integrated Compaction Measurement[J].
International Journal of Geomechanics. 2015, 16(1): B4015004.
[29] 王翔，焦倓，聂志红，等. 基于地统计学的路基连续压实均匀性评价[J]. 岩土力学. 2016(12):
3545-3552.
[30] 刘东海，王爱国，柳育刚，等. 基于碾轮振动性态分析的土石坝压实质量实时监测与评估[J]. 水利
学报. 2014(02): 163-170.
[31] 刘东海，李子龙，王爱国. 基于碾压机做功的堆石坝压实质量实时监测与快速评估[J]. 水利学报.
2014, 39(10): 1223-1230.
[32] Liu D, Li Z, Lian Z. Compaction Quality Assessment of Earth-Rock Dam Materials Using
Roller-Integrated Compaction Monitoring Technology[J]. Automation in Construction. 2014, 44: 234-246.
[33] Yao Y, Feng Z, Chen S, et al. A Double-Blade Mixer for Concrete with Improved Mixing Quality[J].
Arabian Journal for Science and Engineering. 2016, 41.
[34] Hu W, Huang B, Shu X, et al. Utilising Intelligent Compaction Meter Values to Evaluate Construction
Quality of Asphalt Pavement Layers[J]. Road Materials and Pavement Design. 2017, 18(4): 980-991.
[35] Meehan C L, Cacciola D V, Tehrani F S, et al. Assessing Soil Compaction Using Continuous Compaction
Control and Location-Specific in Situ Tests[J]. Automation in Construction. 2017, 73: 31-44.
[36] 李冰，焦生杰. 振动压路机与振动压实技术[M]. 北京: 人民交通出版社, 2001.
[37] 刘洪海，谢王宝，程永龙，等. 轮胎压路机与振动压路机的压实特性与效果研究[J]. 筑路机械与施
工机械化. 2014(02): 53-56.
[38] 孙祖望. 当代路面与压实机械发展的新趋势[J]. 筑路机械与施工机械化. 2015, 32(1): 39-52.
[39] Ravindran P, Murali Krishnan J, Rajagopal K R. Characterization of the Non-Linear Response of Asphalt
Mixtures Using a Torsional Rheometer[J]. Mechanics Research Communications. 2007, 34(5-6): 432-443.
[40] Hardin B O, Richart F E. Elastic Wave Velocities in Granular Soils[J]. Journal of the Soil Mechanics and
Foundations Division. 2015, 89: 33-66.
[41] 韩丁，黄晓明，高英. 振动压路机不同参数对土基压实效果的分析[J]. 公路交通科技. 2009, 26(8):
1-5.
[42] 龙运佳. 混沌振动压路机的能耗效益分析[J]. 中国工程机械学报. 2008(01): 111-113.
[43] Azari H, Mccuen R H, Stuart K D. Optimum Compaction Temperature for Modified Binders[J]. Journal of
Transportation Engineering-Asce. 2003, 129(5): 531-537.
[44] Kandil K A. Analytical and Experimental Study of Field Compaction of Asphalt Mixes[D]. Ottawa,
Canada: Carleton University, 2002.
[45] Saha G, Biligiri K P. Fracture Damage Evaluation of Asphalt Mixtures Using Semi-Circular Bending Test
Based On Fracture Energy Approach[J]. Engineering Fracture Mechanics. 2015, 142: 154-169.
[46] Delgadillo R, Bahia H U. Effects of Temperature and Pressure On Hot Mixed Asphalt Compaction: Field
and Laboratory Study[J]. Journal of Materials in Civil Engineering. 2008, 20(6): 440-448.
[47] 姚运仕，刘龙，冯忠绪，等. 双钢轮振动压路机混合动力系统仿真[J]. 吉林大学学报(工学版).
2013(04): 871-876.
[48] Larsen K P. Intelligent Soil Compaction May Improve Infrastructure Performance[J]. Materials
Performance. 2009, 48(4): 22-24.
[49] 郑书河，林述温. 水平振荡和垂直振动压路机动力学模型研究及展望[J]. 中国工程机械学报. 2011,
09(3): 278-283.
126
参考文献
[50] Kim K. Numerical Simulation of Impact Rollers for Estimating the Influence Depth of Soil
Compaction[D]. College Station, TX, USA: Texas A & M University, 2010.
[51] 滕云楠，曾庆辉，姚红良，等. 振动摩擦机理及其非线性动力学特性[J]. 摩擦学学报. 2010(02):
197-202.
[52] 沈培辉，林述温. 智能振动压实系统的整体动力学耦合分析[J]. 中国机械工程. 2008, 19(20):
2395-2399.
[53] Kenneally B, Musimbi O M, Wang J, et al. Finite Element Analysis of Vibratory Roller Response on
Layered Soil Systems[J]. Computers and Geotechnics. 2015, 67: 73-82.
[54] Barman M, Nazari M, Imran S A, et al. Quality Control of Subgrade Soil Using Intelligent Compaction[J].
Innovative Infrastructure Solutions. 2016, 1(1): 1-14.
[55] Huang S, Zhang W, Wu G. Research On Real-Time Supervisory System for Compaction Quality in Face
Rockfill Dam Engineering[J]. Journal of Sensors. 2018, 2018: 1-11.
[56] 窦鹏. 高铁路基连续压实质量检测指标相关性校检试验研究[D]. 长沙: 中南大学, 2014.
[57] Van Noort R, Spiers C J, Pennock G M. Compaction of Granular Quartz Under Hydrothermal Conditions:
Controlling Mechanisms and Grain Boundary Processes[J]. Journal of Geophysical Research. 2008, 113(B12).
[58] 汪学斌，刘洪海，亓淑敏，等. 压实度实时检测技术发展与实践[J]. 建设机械技术与管理. 2012,
25(08): 87-90.
[59] Chai J, Wang Y. The Application Research of Non-Nuclear Density Gauge Electromagnetic Technology
in the Road Engineering[J]. Applied Mechanics and Materials. 2014, 597(4): 384-387.
[60] 崔树华，汪学斌，周峰. 压实度实时检测及智能压实技术的发展现状[J]. 筑路机械与施工机械化.
2013, 30(03): 18-22.
[61] 刘强. 基于瑞雷波理论的公路无损检测方法研究[D]. 西安: 长安大学, 2010.
[62] Wu Y K, Wang H Y, Sang X S. The Research on Testing Processing Effect of Dynamic Compaction
Subgrade Based on Transient Rayleigh Wave Method[J]. Applied Mechanics and Materials. 2013, 357-360:
1531-1534.
[63] 许新权，吴传海，严超，等. 基于PQI的沥青混合料现场压实参数研究[J]. 筑路机械与施工机械化.
2016, 33(6): 71-74.
[64] Smith B C, Diefenderfer B K. Comparison of Nuclear and Nonnuclear Pavement Density Testing
Devices[J]. Transportation Research Record: Journal of the Transportation Research Board. 2008(2081):
121-129.
[65] Elhakim A F, Elbaz K, Amer M I. The Use of Light Weight Deflectometer for in Situ Evaluation of Sand
Degree of Compaction[J]. HBRC Journal. 2014, 10(3): 298-307.
[66] 孙璐，王登忠. 基于便携式落锤弯沉仪动态弯沉的路基压实度无损检测与评估[J]. 公路交通科技.
2012, 29(12): 41-47.
[67] Shangguan P, Al-Qadi I, Leng Z, et al. Innovative Approach for Asphalt Pavement Compaction
Monitoring with Ground-Penetrating Radar[J]. Transportation Research Record: Journal of the Transportation
Research Board. 2013, 2347: 79-87.
[68] 白哲. 基于探地雷达的路基土压实度确定[J]. 重庆交通大学学报(自然科学版). 2015, 34(2): 58-62.
[69] 张红春，戴经梁，李小重. 智能冲击压路机路基压实度自动检测方法[J]. 交通运输工程学报.
2007(05): 63-67.
[70] Tan-Hsiung H, Shyh-Jong C. Design and Measurement of a Doppler Radar with New Quadrature Hybrid
Mixer for Vehicle Applications[J]. IEEE Transactions on Microwave Theory and Techniques. 2010, 58(1): 1-8.
[71] Beainy F, Commuri S E, Zaman M. Quality Assurance of Hot Mix Asphalt Pavements Using the
Intelligent Asphalt Compaction Analyzer[J]. Journal of Construction Engineering and Management. 2012,
138(2): 178-187.
[72] Dondi G, Sangiorgi C, Lantieri C. Applying Geostatistics to Continuous Compaction Control of
127
Construction and Demolition Materials for Road Embankments[J]. Journal of Geotechnical and
Geoenvironmental Engineering. 2014, 140(3): 6013004-6013005.
[73] 张智明，宋建安. 智能化振动压路机发展现状[J]. 筑路机械与施工机械化. 2004, 21(10): 47-49.
[74] 徐光辉. 路基连续压实控制动力学原理与工程应用[M]. 第1版. 北京: 科学出版社, 2016.
[75] Thurner H F. Method and a Device for Ascertaining the Degree of Compaction of a Bed of Material with a
Vibratory Compacting Device[J]. Journal of the Acoustical Society of America. 1979, 65(5): 1356-1357.
[76] Wang S Y, Chan D H, Lam K C, et al. A New Laboratory Apparatus for Studying Dynamic Compaction
Grouting into Granular Soils[J]. Soils and Foundations. 2013, 53(3): 462-468.
[77] Meehan C L, Tehrani F S. A Comparison of Simultaneously Recorded Machine Drive Power and
Compactometer Measurements[J]. Geotechnical Testing Journal. 2011, 34(3): J103211-J103235.
[78] 中国公路学报编辑部. 中国筑路机械学术研究综述2018[J]. 中国公路学报. 2018, 31(6): 1-164.
[79] 汪学斌，刘洪海，王宇峰. 压实度实时检测系统开发研究[J]. 筑路机械与施工机械化. 2013, 30(3):
23-26.
[80] 陈超. 路基土压实度自动连续检测新技术研究[D]. 重庆: 重庆交通大学, 2018.
[81] 奥村运明，邱峰，王鑫，等. 基于虚拟仪器车载式智能压实度仪的研究[J]. 公路. 2011(7): 228-231.
[82] 刘松，刘南平. 基于无线通信的机载振动压路机压实度检测系统[J]. 仪表技术与传感器. 2008(01):
19-20.
[83] 闫国栋. 高速铁路路基连续压实质量控制研究[D]. 长沙: 中南大学, 2010.
[84] 范娟，宋晓东，田利锋，等. 高速铁路路基连续压实质量检测指标CMV影响因素分析[J]. 铁道科学
与工程学报. 2015(03): 463-467.
[85] 徐光辉. 中国交通领域连续压实控制发展概述[J]. 建设机械技术与管理. 2014, 27(08): 43-45.
[86] 张学金. 沥青路面施工质量过程监控信息化技术研究[D]. 天津: 河北工业大学, 2015.
[87] Kassem E, Liu W, Scullion T, et al. Development of Compaction Monitoring System for Asphalt
Pavements[J]. Construction and Building Materials. 2015, 96: 334-345.
[88] 余鑫，金小军，莫仕明，等. 基于北斗 B3 频点的低轨卫星实时定轨性能评估[J]. 浙江大学学报(工
学版). 2020, 54(03): 589-596.
[89] Hwang J, Yun H, Kim J, et al. Development of Soil Compaction Analysis Software (SCAN) Integrating a
Low Cost GPS Receiver and Compactometer[J]. Sensors(Basel). 2012, 12(3): 2351-2372.
[90] Graettinger A J, Doherty W B, Herron M, et al. Locating Soil Tests with Intelligent Compaction Data and
Geographic Information System Technology[J]. Transportation Research Record: Journal of the Transportation
Research Board. 2012(2310): 10-17.
[91] Rohani M, Gingras D, Gruyer D. A Novel Approach for Improved Vehicular Positioning Using
Cooperative Map Matching and Dynamic Base Station DGPS Concept[J]. IEEE Transactions on Intelligent
Transportation Systems. 2016, 17(1): 230-239.
[92] 刘强，吴国东，王志军，等. 基于移动通讯网与差分GPS的定点定位系统[J]. 探测与控制学报. 2012,
34(5): 37-41.
[93] Eom H S, Lee M C. Position Error Correction for DGPS Based Localization Using LSM and Kalman
Filter[C]. International Conference on Control, Automation and Systems. Kintex, Gyeonggi-do,
Korea .2010:1576-1580.
[94] 曹旻罡，张漫，马文强，等. 基于VRS技术的RTK-GPS接收系统设计[J]. 农业工程学报. 2010, 26(10):
243-246.
[95] Cooley J W. The Re-Discovery of the Fast Fourier Transform Algorithm[J]. Microchimica Acta. 1987,
93(1-6): 33-45.
[96] Cooley J W, Tukey J W. An Algorithm for the Machine Calculation of Complex Fourier Series[J].
Mathematics of Computation. 1965, 19(90): 297-301.
[97] 张润利，贺杰，刘力松，等. 压实度连续检测系统信号处理的探讨[J]. 河北工业大学学报. 2003(04):
128
参考文献
99-102.
[98] 张智明. 压实度计及其试验研究[D]. 西安: 长安大学, 2005.
[99] 张涯辉，傅承毓，徐智勇，等. 基于STFT和FrFT的连续波雷达参数估计[J]. 数据采集与处理. 2008(06):
652-656.
[100] Jiang Y, Tang B, Qin Y, et al. Feature Extraction Method of Wind Turbine Based on Adaptive Morlet
Wavelet and Svd[J]. Renewable Energy. 2011, 36(8): 2146-2153.
[101] 李喆. B组填料路基压实机理及动态监测的小波分析[D]. 北京: 北京交通大学, 2010.
[102] Huang N E, Wu Z. A Review On Hilbert-Huang Transform: Method and its Applications to Geophysical
Studies[J]. Reviews of Geophysics. 2008, 46(2): G2006.
[103] Huang N E, Wu M C, Long S R, et al. A Confidence Limit for the Empirical Mode Decomposition and
Hilbert Spectral Analysis[J]. Proceedings of the Royal Society of London. Series a: Mathematical, Physical and
Engineering Sciences. 2003, 459(2037): 2317-2345.
[104] 易飞. 振动压路机振动加速度实时检测及数据处理研究[D]. 重庆: 重庆交通大学, 2011.
[105] White D J, Thompson M J. Relationships Between in Situ and Roller-Integrated Compaction
Measurements for Granular Soils[J]. Journal of Geotechnical and Geoenvironmental Engineering. 2008, 134(12):
1763-1770.
[106] M M, N F. Characterizing the Precision Uncertainty in Vibratory Roller Measurement Values[J]. Journal
of Testing and Evaluation. 2011, 1: 1-9.
[107] 汪学斌. 压实度在线检测技术应用试验研究[D]. 西安: 长安大学, 2011.
[108] Rinehart R V, Mooney M A. Instrumentation of a Roller Compactor to Monitor Vibration Behavior
During Earthwork Compaction[J]. Automation in Construction. 2008, 17(2): 144-150.
[109] 窦鹏，聂志红，王翔. 铁路路基压实质量检测指标CMV与Evd的相关性校检[J]. 铁道科学与工程学
报. 2014, 11(2): 90-94.
[110] Adam D, Pistrol J. Dynamic Roller Compaction for Earthworks and Roller-Integrated Continuous
Compaction Control: State of the Art Overview and Recent Developments[Z]. XXIV Ciclio: 20161-41.
[111] 徐光辉，Chang George. 智能压实测量值的发展方向[J]. 筑路机械与施工机械化. 2018(4): 19-24.
[112] Horan R D, Chang G K, Xu Q, et al. Improving Quality Control of Hot-Mix Asphalt Paving Using
Intelligent Compaction Technology[J]. Transportation Research Record: Journal of the Transportation Research
Board. 2012(2268): 82-91.
[113] Izeppi E, Flintsch G W, Mcghee K K. High-Speed, Noncontact Digital Imaging System for Inspection of
Hot-Mix Asphalt Pavements[J]. Journal of Transportation Engineering. 2008, 134(6): 246-254.
[114] Lim T, Gwak H, Kim B, et al. Integrated Carbon Emission Estimation Method for Construction Operation
and Project Scheduling[J]. KSCE Journal of Civil Engineering. 2016, 20(4): 1211-1220.
[115] 赵楠，辛强，郑平安. 沥青混合料质量动态监控系统开发与应用[J]. 公路. 2016, 61(12): 219-225.
[116] 周文欢，郭大进，李兴海. 基于一致性校验方法的沥青路面施工质量过程控制[J]. 公路交通科技.
2011, 28(04): 31-35.
[117] 李海滨，沙爱民. 路面施工质量控制指标体系及其模糊评价研究[J]. 河北工业大学学报. 2008, 37(2):
103-107.
[118] Naganathan H, Chong W O, Chen X. Building Energy Modeling (BEM) Using Clustering Algorithms and
Semi-Supervised Machine Learning Approaches[J]. Automation in Construction. 2016, 72: 187-194.
[119] 郭凯明，潘珊，颜色. 新型基础设施投资与产业结构转型升级[J]. 中国工业经济. 2020(3): 63-80.
[120] Sulyman M, Sienkiewicz M, Haponiuk J. Asphalt Pavement Material Improvement: A Review[J].
International Journal of Environmental Science and Development. 2014, 5(5): 444-454.
[121] 美卓戴纳派克公司. 压实与摊铺[M]. 北京: 人民交通出版社, 2002.
[122] Yoo T S, Selig E T. Dynamics of Vibratory-Roller Compaction[J]. Journal of Geotechnical and
Geoenvironmental Engineering. 1979, 105(10): 1211-1231.
129
[123] 曹源文，李孟洵，王荣，等. 基于Simulink振动压路机二自由度模型动力学分析[J]. 筑路机械与施
工机械化. 2016(01): 106-109.
[124] 钟春彬. 双频合成振动压实工业样机性能试验与分析研究[D]. 西安: 长安大学, 2011.
[125] 郑健龙，陈骁，李庆瑞，等. 热态沥青混合料路面振动压实过程Ansys模拟研究[J]. 工程力学.
2008(10): 200-206.
[126] 张海涛，宫明阳，杨洪生. 复合改性沥青混合料塑性变形的影响因素分析[J]. 土木工程学报. 2019,
52(01): 122-130.
[127] Beainy F, Commuri S, Zaman M, et al. Viscoelastic-Plastic Model of Asphalt-Roller Interaction[J].
International Journal of Geomechanics. 2013, 13(5): 581-594.
[128] 曹源文，李孟洵，王荣，等. 基于Simulink振动压路机二自由度模型动力学分析[J]. 筑路机械与施
工机械化. 2016(01): 106-109.
[129] 张海涛，宫明阳，杨洪生. 复合改性沥青混合料塑性变形的影响因素分析[J]. 土木工程学报. 2019,
52(01): 122-130.
[130] Beainy F, Commuri S, Zaman M, et al. Viscoelastic-Plastic Model of Asphalt-Roller Interaction[J].
International Journal of Geomechanics. 2013, 13(5): 581-594.
[131] 刘延柱. 振动力学（第2版）[M]. 北京: 高等教育出版社, 2011.
[132] 黄志福，梁乃兴，赵毅，等. 路面压实度自动连续检测技术[J]. 长安大学学报(自然科学版). 2015(06):
24-32.
[133] 许磊，陆明万，曹庆杰. Van der Pol-Duffing方程的非线性动力学分叉特性研究[J]. 应用力学学报.
2002(04): 130-133.
[134] 李银山，郝黎明，树学锋. 强非线性Duffing方程的摄动解[J]. 太原理工大学学报. 2000(05): 516-520.
[135] 李汉光，高英，余文斌. 沥青混合料压实特性及沥青路面碾压遍数确定[J]. 东南大学学报（自然科
学版）. 2011, 41(1): 186-189.
[136] 于江，李林萍，张帆，等. 温拌沥青混合料压实特性的宏细观分析[J]. 重庆交通大学学报(自然科学
版). 2017, 36(03): 36-41.
[137] 蒋玮，沙爱民，裴建中，等. 多孔沥青混合料旋转压实特性[J]. 长安大学学报(自然科学版). 2010,
30(05): 11-16.
[138] 张争奇，边秀奇，杜群乐，等. 沥青混合料压实特性影响因素研究[J]. 武汉理工大学学报. 2012(06):
36-41.
[139] 张争奇，袁迎捷，王秉纲. 沥青混合料旋转压实密实曲线信息及其应用[J]. 中国公路学报. 2005(03):
1-6.
[140] 赵永利. 沥青混合料的结构组成机理研究[D]. 南京: 东南大学, 2005.
[141] Qian Z, Lu Q. Design and Laboratory Evaluation of Small Particle Porous Epoxy Asphalt Surface Mixture
for Roadway Pavements[J]. Construction and Building Materials. 2015, 77: 110-116.
[142] 全国历史天气查询网 . 南京历史天气预报查询： 2018 年 6 月份南京天气记录 [EB/OL].
http://www.tianqihoubao.com/lishi/nanjing/month/201806.html, 2018: 2020年7月1日.
[143] 贾通，何铁军，张晓春，等. 基于无线传感器网络的公路边坡监测技术研究[J]. 交通信息与安全. 2012,
30(6): 136-139.
[144] Salkintzis A K, Fors C, Pazhyannur R. WLAN-GPRS Integration for Next-Generation Mobile Data
Networks[J]. IEEE Wireless Communications. 2002, 5(9): 112-124.
[145] Bijleveld F R, Miller S R, de Bondt A H, et al. Aligning Laboratory and Field Compaction Practices for
Asphalt – the Influence of Compaction Temperature on Mechanical Properties[J]. International Journal of
Pavement Engineering. 2015, 17(8): 727-740.
[146] 陆兆峰，秦旻，陈禾，等. 压电式加速度传感器在振动测量系统的应用研究[J]. 仪表技术与传感器.
2007(07): 3-4.
[147] Li H, Chan G, Wong J K W, et al. Real-Time Locating Systems Applications in Construction[J].
130
参考文献
Automation in Construction. 2016, 63: 37-47.
[148] 胡权，何铁军，贾通，等. 一种 UWB/GPS 组合定位方式[J]. 南京理工大学学报（自然科学版）. 2018,
42(1): 76-81.
[149] 张美娜，尹文庆，林相泽，等. RTK-DGPS 融合惯性传感器的车辆导航参数计算方法[J]. 农业机械
学报. 2015, 40(5): 7-12.
[150] Li Z, Wang R, Gao J, et al. An Approach to Improve the Positioning Performance of GPS/INS/UWB
Integrated System with Two-Step Filter[J]. Remote Sensing. 2018, 10(2): 19.
[151] Radinschi I, Scripcariu L, Ciobanu B, et al. Online Quizzes, an Application of Phptriad and Mysql[J].
Romanian Journal of Physics. 2008, 53: 423-427.
[152] Calvín P, Villalaín J J, Casas-Sainz A M, et al. Pyscu: A New Python Code for Analyzing
Remagnetizations Directions by Means of Small Circle Utilities[J]. Computers and Geosciences. 2017, 109:
32-42.
[153] Chen Z, Lin C, Ma W, et al. Understanding Metric-Based Detectable Smells in Python Software: A
Comparative Study[J]. Information and Software Technology. 2017, 94.
[154] 陈爱军，张家生，贺建清，等. 振动压实填石路堤动力响应试验研究[J]. 振动与冲击. 2014(20):
151-156.
[155] Jeon S S. Vertical Earth Pressure Increments due to Vibratory Roller on Geogrid-Reinforced
Embankments[J]. Geosynthetics International. 2011, 18(5): 332-338.
[156] 胡海岩. 机械振动基础[M]. 北京: 北京航空航天大学出版社, 2010.
[157] 郑君里，应启珩，杨为理. 信号与系统[M]. 北京: 高等教育出版社, 2011: 432.
[158] 郑书河，林述温. 考虑物料对称滞回性质的振动压路机振动轮响应特性分析[J]. 福州大学学报（自
然科学版）. 2014, 42(3): 423-429.
[159] 王济，胡晓. Matlab在振动信号处理中的应用[M]. 北京: 中国水利水电出版社, 2006: 249.
[160] 肖立波，任建亭，杨海峰. 振动信号预处理方法研究及其Matlab实现[J]. 计算机仿真. 2010(08):
330-333.
[161] Leandro D, Bravo M, Ortigosa A, et al. Real-Time FFT Analysis for Interferometric Sensors
Multiplexing[J]. Journal of Lightwave Technology. 2015, 33(2): 354-360.
[162] Oppenheim Alan V.，Willsky Alan S.，Nawab S. Hamid，等. 信号与系统[M]. 西安: 西安交通大学出
版社, 2010.
[163] 王彬，于丹，汪洋. Matlab数字信号处理[M]. 北京: 机械工业出版社, 2010.
[164] 范名莎. 基于窗函数结合体的抑制Hht变换端点效应的探索[D]. 昆明: 昆明理工大学, 2011.
[165] 温和. 新型窗函数与改进FFT谐波分析方法及应用研究[D]. 长沙: 湖南大学, 2009.
[166] Mateo C, Talavera J A. Short-Time Fourier Transform with the Window Size Fixed in the Frequency
Domain (STFT-FD): Implementation[J]. SoftwareX. 2018, 8: 5-8.
[167] Mallat S. A Wavelet Tour of Signal Processing[M]. San Diego, California: Academic Press, 2008: 832.
[168] Mallat S G. A Theory for Multiresolution Signal Decomposition: The Wavelet Representation[J]. IEEE
Transactions on Pattern Analysis and Machine Intelligence. 1989, 11(7): 674-693.
[169] Wu Z, Huang N E. Ensemble Empirical Mode Decomposition: A Noise-Assisted Data Analysis Method[J].
Advances in Adaptive Data Analysis. 2009, 1(01): 1-41.
[170] Wu Z, Huang N E, Chen X. The Multi-Dimensional Ensemble Empirical Mode Decomposition Method[J].
Advances in Adaptive Data Analysis. 2009, 1(03): 339-372.
[171] 中华人民共和国交通运输部. 公路工程沥青及沥青混合料试验规程（JTG E20-2011）[S]. 北京: 人
民交通出版社, 2011.
[172] 中华人民共和国交通运输部. 公路路基路面现场测试规程（JTG E60-2008）[S]. 北京: 人民交通出
版社, 2008.
[173] Tian J, Sun J, Wang G, et al. Multiband Radar Signal Coherent Fusion Processing with IAA and ApFFT[J].
131
Ieee Signal Processing Letters. 2013, 20(5): 463-466.
[174] Iwasaki A. Deriving the Variance of the Discrete Fourier Transform Test Using Parseval’s Theorem[J].
IEEE Transactions on Information Theory. 2019(99): 1-10.
[175] Lu S, Sian H, Wang M, et al. Application of Extension Neural Network with Discrete Wavelet Transform
and Parseval's Theorem for Power Quality Analysis[J]. Applied Sciences. 2019, 9(11): 2228.
[176] 杨宇明. 钢桥面铺装用热固性环氧沥青混凝土压实机理研究[D]. 南京: 东南大学, 2017.
[177] 徐光辉，雒泽华. 连续压实控制技术中压实计方法的谐波比指标的局限性问题研究[J]. 筑路机械与
施工机械化. 2015(08): 39-42.
[178] 徐光辉. 高速铁路路基连续与智能压实控制技术[M]. 北京: 中国铁道出版社, 2019
[179] 中华人民共和国铁道部. 铁路路基填筑工程连续压实控制技术规程（Q∕CR 9210-2015）[S]. 北京: 人
民交通出版社, 2015.
[180] AASHTO. Standard Practice for Intelligent Compaction Technology for Embankment and Asphalt
Pavement Applications (PP 81-2014) [S]. Washington, D.C., USA: AASHTO, 2014.
[181] 日本土质工学会. 粗粒料的现场压实[M]. 北京: 中国水利水电出版社, 1999.
[182] Li Z, Chang G, Gao J, et al. GPS/UWB/MEMS-IMU Tightly Coupled Navigation with Improved Robust
Kalman Filter[J]. Advances in Space Research. 2016, 58(11): 2424-2434.
[183] 邓中亮，尹露，杨磊，等. 基于联邦卡尔曼的 GPS/基站定位信息融合算法[J]. 北京邮电大学学报.
2013, 36(6): 32-36.
[184] 沈意浪，艾廷华，赵荣. 一种彩色栅格地图注记识别方法[J]. 武汉大学学报(信息科学版). 2018,
43(01): 145-151.
[185] 聂珲，陈海峰. 基于 NB-IoT 环境监测的多传感器数据融合技术[J]. 传感技术学报. 2020, 33(01):
144-152.
[186] 徐冉，宋年波. 振动压路机在压实过程中的瞬态响应[J]. 筑路机械与施工机械化. 2016, 33(1):
114-117.
[187] Bishop C. Pattern Recognition and Machine Learning[M]. New York: Springer, 2006.
[188] 周志华. 机器学习[M]. 北京：清华大学出版社, 2016.
[189] 米歇尔著，曾华军，张银奎等译. 机器学习[M]. 北京: 机械工业出版社, 2008.
[190] Dahl G, Yu D, Deng L, et al. Context-Dependent Pre-Trained Deep Neural Networks for Large-Vocabulary
Speech Recognition[J]. IEEE Transactions on Audio, Speech, and Language Processing. 2012, 20(1): 30-42.
[191] Deng L, Yu D. Deep Learning: Methods and Applications[J]. Foundations and Trends®in Signal
Processing. 2014, 7(3): 197-387.
[192] Lecun Y, Bengio Y, Hinton G. Deep Learning[J]. Nature. 2015, 521(7553): 436-444.
[193] Goodfellow I, Bengio Y, Courville A. Deep Learning[M]. Cambridge, Massachusetts: The MIT Press,
2016.
[194] Hannun A, Case C, Casper J, et al. Deep Speech: Scaling Up End-to-End Speech Recognition[J].
arXiv:1412.5567. 2014.
[195] Krizhevsky A, Sutskever I, Hinton G. Imagenet Classification with Deep Convolutional Neural
Networks[J]. Advances in Neural Information Processing Systems. 2012, 25(2): 1-9.
[196] Russakovsky O, Deng J, Su H, et al. Imagenet Large Scale Visual Recognition Challenge[J]. International
Journal of Computer Vision. 2015, 115(3): 211-252.
[197] Cortes C, Vapnik V. Support-Vector Networks[J]. Machine Learning. 1995, 20(3): 273-297.
[198] 汤伟，王京景，杨铖，等. 基于支持向量机的大电网运行风险量化评估[J]. 合肥工业大学学报(自然
科学版). 2017, 40(04): 486-491.
[199] Allen G I. Automatic Feature Selection via Weighted Kernels and Regularization[J]. Journal of
Computational and Graphical Statistics. 2013, 22(2): 284-299.
[200] 刘忠宝. 新型支持向量机在风速预测模型中的应用研究 [J]. 电子科技大学学报. 2014, 43(05):
132
参考文献
754-757.
[201] 李航. 统计学习方法[M].北京: 清华大学出版社, 2012: 235.
[202] 克里斯特安尼，李国正，王猛，等. 支持向量机导论[M].北京: 电子工业出版社, 2004.
[203] 田英杰，邓乃扬. 数据挖掘中的新方法:支持向量机[M]. 北京:科学出版社, 2004.
[204] 丁光涛. 从运动方程构造 Lagrange 函数的直接方法[J]. 动力学与控制学报. 2010, 8(04): 305-310.
[205] 曹葵康，沈海斌. 基于多样本的在线支持向量回归算法[J]. 浙江大学学报(理学版). 2011, 38(04):
405-408.
[206] 周果清，王庆. 基于 minmaxKKT 条件的三维重构方法[J]. 自动化学报. 2012, 38(09): 1439-1444.
[207] 邓小英，杨顶辉，刘涛，等. Ricker 子波核支持向量回归的 Mercer 条件拓展问题研究[J]. 地球物理
学报. 2009, 52(09): 2335-2344.
[208] Baesens B, Viaene S, Van Gestel T, et al. An Empirical Assessment of Kernel Type Performance for Least
Squares Support Vector Machine Classifiers [C]. IEEE Fourth International Conference on Knowledge-Based
Intelligent Engineering Systems and Allied Technologies. Brighbn.UK: 2000: 313-316.
[209] 杨志民，王甜甜，邵元海. 面向不均衡分类的隶属度加权模糊支持向量机[J]. 计算机工程与应用.
2018, 54(02): 68-75.
[210] 俞熠帅. 基于 SVM 的 RFID 对象定位方法研究[D]. 杭州: 浙江大学, 2019.
[211] Lin C F, Wang S D. Fuzzy Support Vector Machines with Automatic Membership Setting[M].
Heidelberg,Berlin:Springer, 2005: 177, 233-254.
[212] 方佳艳，刘峤，吴德，等. 基于模糊 C-均值的相似性特征转换光滑支持向量机[J]. 电子学报. 2018,
46(11): 2714-2724.
[213] Lawrence R, Biing-Hwang J. An Introduction to Hidden Markov Models[J]. IEEE ASSP Magazine. 1986,
3(1): 4-16.
[214] 吴佳，曾惟如，陈瀚霖，等. 基于隐马尔可夫模型的软件状态评估预测方法[J]. 软件学报. 2016,
27(12): 3208-3222.
[215] 佟丽娜，
侯增广，
彭亮，等. 基于多路 sEMG 时序分析的人体运动模式识别方法[J]. 自动化学报. 2014,
40(05): 810-821.
[216] 宋晓琳，郑亚奇，曹昊天. 基于 HMM-SVM 的驾驶员换道意图辨识研究[J]. 电子测量与仪器学报.
2016, 30(1): 58-65.
[217] Yang F, Balakrishnan S, Wainwright M J. Statistical and Computational Guarantees for the Baum-Welch
Algorithm[J]. Mathematics, 2015, 11(42): 53-58..
133
作者简介
博士学习期间发表学术论文情况：
[1] Jia T, He T, Qian Z, et al. An Improved Low-Cost Continuous Compaction Detection
Method for the Construction of Asphalt Pavement[J]. Advances in Civil Engineering, 2019.
Article ID: 4528230 . (SCI 收录，第一作者)
[2] Jia T, He T, Qian Z, et al. A New Collaborative Positioning Technology for Pavement
Construction Monitoring[C]. In Proceeding of the 19th COTA International Conference of
Transportation Professionals. July 6–8, 2019. Nanjing, China; 727-739. (EI 收录，第一作者)
[3] Jia T, He T, Qian Z, et al. Research of Continuous Compaction Detection Method Based
on Emaedded System[C]. In Proceeding of the 19th COTA International Conference of
Transportation Professionals. July 6–8, 2019. Nanjing, China; 714-726. (EI 收录，第一作者)
[4] Jia T, He T, Qian Z, et al. Research of Ultra Wideband / Global Position System
Collaborative Positioning Technology for Pavement Compaction Monitoring[C]. In
Proceeding of the 98th Transportation Research Board, Washington, D.C., USA, January
13-17, 2019. (重要国际会议，第一作者)
[5] Jia T, He T, Qian Z, et al. A Study of Vehicle Detection Technology Based on FMCW
Radar [J]. 公路交通科技. 2015, 32(S2): 113-118. （第一作者）
[6] 胡权，何铁军，贾通，等. 一种 UWB/GPS 组合定位方式[J]. 南京理工大学学报（自
然科学版）, 2018, 42, 76-81. （CSCD 收录，第三作者）
[7] 汤滢江，何铁军，贾通，等. Android 环境下 USB 扩展串口方法研究[J]. 金陵科技
学院学报, 2013:9-14. （第三作者）
[8] Jia T, He T, Qian Z, et al. Compaction Characteristics of Asphalt Mixture Based on
Time-Frequency Analysis，Journal of Testing and Evaluation [J], 2020. (SCI 在投，第一作者)
[9] Jia T, He T, Qian Z, et al. Research on Real-time Monitoring and Feedback Control of
Intelligent Pavement construction，Automation in Construction [J], 2020. (SCI 在投，第一作
者)
博士学习期间申请专利情况：
[1] 何铁军，胡权，贾通 . 一种户外施工机械实时高精度定位装置 [P]. 中国专利,
CN201820881850.0. 2018-12-14. （排名第三）.
[2] 何铁军，胡权，贾通. 一种户外施工机械实时高精度定位方法及装置[P]. 中国专利,
CN108445449A. 2018-08-24. （排名第三）.
134
作者简介
博士学习期间学术经历与奖励：
[1] 2019 年、2018 年分别获邀评审 TRB2019、TRB2018 国际学术会议论文。
[2] 2015.5，“亚太智能交通会议中外青年学者学术竞赛”一等奖。
[3] 2014.8 - 2015.3，东南大学-密歇根大学公派联合培养博士生奖学金。
[4] 2017.3 - 2020.12，国际智能建设协会（ISIC）会员。
[5] 2019.7，在中国南京市参加 CICTP2019 会议，并张贴海报。
[6] 2019.1，在美国华盛顿参加 TRB2019 会议，并宣读论文。
[7] 2015.5，在中国南京市参加 ITSAP2015 会议，并宣读论文。
博士学习期间参与的主要科研项目：
[1] 沥青路面智能压实系统关键技术研究（中央高校基本科研业务费专项资金：
3221005737）
作为主要研究人员，根据智能建设的研究热点，结合建筑业转型升级的时代需求，
针对沥青路面智能建设与运维的工程应用实际，探索了沥青混合料智能压实基础理论，
研究施工质量实时在线监测关键技术，开发完成了“沥青路面施工远程监测系统”，研
究成果已在江苏省高速公路建设中投入应用。
[2] 一种新型微波车辆检测技术研究（江苏省研究生科研与实践创新计划项目：
KYCX_0169）
作为申请人及负责人，开展基于 FMCW 模式的微波交通信息检测技术研究，通过
全相位谱分析方法和 HHT 变换方法处理中频信号，提高了频率分辨率，并提出了一种
基于 SVM 的新型车辆检测算法，设计并完成了微波车辆检测系统，研究成果为博士论
文中压实质量实时检测系统奠定了基础。
[3] 钢桥面铺装细观纹理抗滑机理及性能衰减演化研究（国家自然基金面上项目：
51678146）
作为研究成员，设计了小型试验路模具板，搭建了室外振动压实模拟测试系统，并
进行了沥青路面振动压实模拟试验，完成了材料试验参数的测定，研究成果为博士论文
中沥青混合料压实机理和模型分析奠定了基础。
135

Research on K... halt Pavement - 贾通

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Research on K... halt Pavement - 贾通

Uploaded by

Copyright:

Available Formats

博士学位论文

For the Academic Degree of Doctor of Engineering

Intelligent Transportation System Research Center

开发了 SMC-960A 型压实计，通过加速度信号谐波分量与基波分量的比值获取土壤密实

由表 1.3 可知，GPS 系统最常用，其中民用 GPS 定位的误差一般在 10 米以上，难

THD 日本土木 测量预埋传感器的加速度值，以

针对表 1.4 的部分指标，Adam 等[110]通过对已知静态模量的路基进行压实测量和比

频谱 能量 特征选择 碾压次数提取 (4)

式（2-2）中：E1、E2 为弹簧的弹性模量；η1、η2 分别为 Kelvin 体和 Bingham 体粘

式（2-8）中，Me 为偏心质量的静偏心力矩，ω 为激振器的角频率转速；Me=mf ⁕r，

式（2-11）中： A1 =k1  m1 ； A2 =k1 ； B1  c1 ； B2  c1 ；

C =m2 m1 4  m2 k1 2  m1k2 2  c1c2 2  k1k2  m1k1 2 ；

D =k2 c1  k1c2  m2 c1 3  m1c2 3  m1c1 3 。

式（2-14）中，e 为孔隙比；υ 为泊松比；β 为振动轮触地角度；R 为振动轮半径；

式（2-17）中𝑢 = 𝑥2 ，𝑞 = 𝑃⁄𝑚2 ，此即为著名的的杜芬方程，由Duffing于1918年提

为分析沥青混合料压实度与旋转压实次数之间的关系，将表 3.1 的数据画图，并使

图 3-4 Superpave20 沥青混合料压实曲线

如图 3-4，拟合曲线的方程为 y = 3.805ln(x) + 79.923，其中 y 为密实度，x 为旋转压

表 3.2 Meiwa-MG7 小型压路机特性参数

40cm 10cm 30cm

40cm 10cm 30cm

环氧沥青[140]（Volumetric – Supporting Epoxy Asphalt，VSEA）以及小粒径大孔隙环氧沥

路段1 路段2 60cm

（a）EAC10-1 （b）VS-EA10-1 （c）VS-EA5

（d）SMA10-1 （e）SMA10-2 （f）EAC10-2

（g）EAC10-3 （h）VS-EA10-2 （i）VS-EA10-3

（m）SMA10-3 （n）SMA13-3 （o）SMA13-1

（p）SMA13-2 （q）EAC10-2 （r）VS-EA10-1

PP11 PP22 PP33

碾压监测系统 Web服务器 移动显示终端

施工过程监测 监控管理中心 客户端口

图 3-14 GPRS 远程数据通讯网络图

（a）SIM900A 顶视图 （b）SIM900A 底视图

（a）摊铺机车载前端 （b）摊铺机车载主机 （c）压路机车载前端 （d）压路机车载主机

（a）实物图 （b）铣刨测深应用图 （c）摊铺测厚应用图

（a）红外测温传感器实物 （b）摊铺测温应用图 （c）碾压测温应用图

（a）侧视图 （b）俯视图 （c）仰视图

RTK-GPS 的精度可达厘米级，但成本较高[148, 149]。针对压实监测中碾压遍数统计和碾压

图 3-21 GPS/UWB 协同定位方案

协同定位系统中的 GPS 模组选用 U-blox 公司的 NEO-6M 模块，如图 3-22（a）所

（a）民用 GPS 芯片和模块 （b）UWB 基站和标签

（a）P3-DU 基站和接收机 （b）P3-DU 北斗现场应用图

第四章 基于 EMD 的沥青路面振动压实反馈信号处理

式（4-1）中，fs 为采样频率，fm 为原信号中最高频率成分的频率。一般来说，fs 越

式（4-3）中，N 为滤波器阶数；M 为传递函数的零点数；ai 和 bi 为滤波器的系数，

令式（4-2）中的 bi=0，则滤波器的输出 y(n)只取决于有限个过去和现在的输入，即

式（4-5）中，h(n)单位冲激响应，N 为 FIR 滤波器单位冲击响应的长度，N-1 即为

表 4.1 FIR 滤波器和 IIR 滤波器比较

根据表 4.1 可得，实现 IIR 滤波器的阶次较低，所用的存储单元较少，效率高，且

器设计的基本流程如图 4-4 所示：

图 4-4 FIR 数字滤波器设计流程图

以此为前提，本章基于汉明窗设计 FIR 带通滤波器。滤波器参数设置为：通带下限截止

图 4-5 FDATool 滤波器参数设计图

图 4-6 FIR 带通滤波器的幅频相频响应图

图 4-7 FIR 带通滤波器零极点图

式（4-6）中，x 表示采样数据；y 表示平滑处理后的结果；m 表示数据点数；2N+1

如图 4-9，原始振动信号经过 FIR 滤波和五点三次平滑处理后，其时域波形效果获

e jt = cos t   sin t  (4-10)

第一级 第二级 第三级

图 4-10 FFT 算法基本原理图

式（4-11）中，当 n＝1 时，FFT 算法输出的复数值表示原始信号的直流分量，其频

根据表 4.3 可得，矩形窗主瓣窄，旁瓣大，频率识别精度最高，幅值识别精度最低；

对于给定的能量有限信号 f(t)，即∀f(t)∈L2 (R)，其连续小波变换定义为：

THD 日本土木测量预埋传感器的加速度值，以

频谱能量特征选择碾压次数提取 (4)

碾压监测系统 Web服务器移动显示终端

施工过程监测监控管理中心客户端口

（a）SIM900A 顶视图（b）SIM900A 底视图

（a）摊铺机车载前端（b）摊铺机车载主机（c）压路机车载前端（d）压路机车载主机

（a）实物图（b）铣刨测深应用图（c）摊铺测厚应用图

（a）红外测温传感器实物（b）摊铺测温应用图（c）碾压测温应用图

（a）侧视图（b）俯视图（c）仰视图

（a）民用 GPS 芯片和模块（b）UWB 基站和标签

（a）P3-DU 基站和接收机（b）P3-DU 北斗现场应用图

第四章基于 EMD 的沥青路面振动压实反馈信号处理

第一级第二级第三级

（a）EMD 分解原理（b）EMD 筛选流程

（c）1 档开动不振动时域图（d）1 档开动不振动频域图

（e）1 档开动振动时域图（f）1 档开动振动频域图

（g）2 档开动不振动时域图（h）2 档开动不振动频域图

（i）2 档开动振动时域图（j）2 档开动振动频域图

（a）不同碾压遍数的 CMV 变化（b）不同碾压遍数的 CCV 变化

（c）不同碾压遍数的 VCVe 变化（d）压实度值比较

第六章基于 SVM-HMM 的沥青路面智能压实质量评价