长江科学院院报

长江科学院院报 >

2026 , Vol. 43 >Issue 2: 174 - 180

DOI: https://doi.org/10.11988/ckyyb.20241234

水工结构与材料

基于响应面法的花岗岩骨料水工沥青混凝土配合比优化设计

  • 何建进 , 1 ,
  • 游允越 1 ,
  • 俞钦 1 ,
  • 郑伟 2 ,
  • 张挺 , 2
展开
  • 1 福建省水利水电勘测设计研究院, 福州 350001
  • 2 福州大学 土木工程学院, 福州 350116
张挺(1977-),男,福建宁德人,教授,博士,主要从事水利水电工程研究。E-mail:

何建进(1979-),男,福建仙游人,高级工程师,主要从事沥青心墙坝水工结构及酸性骨料在沥青心墙中的应用研究。E-mail:

Copy editor: 任坤杰

收稿日期: 2024-12-02

  修回日期: 2025-01-23

  录用日期: 2025-02-08

  网络出版日期: 2025-03-21

收起

Optimization Design of the Mix Proportion of Granite Aggregate Hydraulic Asphalt Concrete Based on Response Surface Methodology

  • HE Jian-jin , 1 ,
  • YOU Yun-yue 1 ,
  • YU Qin 1 ,
  • ZHENG Wei 2 ,
  • ZHANG Ting , 2
Expand
  • 1 Fujian Provincial Investigation, Design & Research Institute of Water Conservancy & Hydropower, Fuzhou 350001, China
  • 2 College of Civil Engineering, Fuzhou University, Fuzhou 350116, China

Received date: 2024-12-02

  Revised date: 2025-01-23

  Accepted date: 2025-02-08

  Online published: 2025-03-21

Fold

摘要

为实现花岗岩骨料水工沥青混凝土配合比优化设计,采用Box-Behnken响应面法进行试验设计,构建响应面回归模型,研究砂率、填料用量和油石比对花岗岩骨料水工沥青混凝土性能(孔隙率、稳定度、流值)的影响,并确定最优配合比。结果表明:砂率、油石比、砂率和油石比的交互作用对稳定度、流值和孔隙率的影响显著,填料用量、填料与油石比的交互作用影响较小;经响应面优化,花岗岩骨料水工沥青混凝土的最优配合比为砂率33%、油石比7.1%、填料用量12.5%。该回归模型有效且可信度高,可用于试验结果分析,并可为花岗岩骨料水工沥青混凝土配合比优化设计提供参考。

关键词： 响应面方法; 水工沥青混凝土; 花岗岩骨料; 配合比优化

本文引用格式

何建进 , 游允越 , 俞钦 , 郑伟 , 张挺 . 基于响应面法的花岗岩骨料水工沥青混凝土配合比优化设计[J]. 长江科学院院报, 2026 , 43(2) : 174 -180 . DOI: 10.11988/ckyyb.20241234

Abstract

[Objective] The adhesion problem between acidic aggregates and asphalt is a key issue in the application of acidic aggregates in hydraulic asphalt concrete. For hydraulic structures, the mix design of hydraulic asphalt concrete incorporating acidic aggregates modified with anti-stripping agents is not entirely the same as that used in road engineering. This study aims to investigate, under a constant gradation index, the individual effects of the proportion of coarse and fine aggregates, as well as their interaction effects with asphalt-aggregate ratio and filler content, on the performance of anti-stripping-agent-modified hydraulic asphalt concrete with granite aggregates, and to optimize the mix proportion design of granite aggregate hydraulic asphalt concrete. [Methods] A Box-Behnken response surface methodology was employed for experimental design. Air voids, flow value, and stability were selected as response variables to establish response surface regression models. The effects of asphalt-aggregate ratio, filler content, and sand ratio, as well as their single and interaction effects on the response values, were analyzed to determine the optimal mix proportion. Meanwhile, water stability tests were conducted to verify the performance. [Results] (1) The mix proportion design of granite hydraulic asphalt concrete was optimized using response surface methodology, and the established quadratic regression equations were able to well describe the relationships among sand ratio, asphalt-aggregate ratio, filler content, and air voids, stability, and flow value. Analysis of variance and significance tests indicated that the model was effective and reliable, with high credibility. (2) Response surface analysis showed that the order of influence on the air voids of granite hydraulic asphalt concrete was asphalt-aggregate ratio>sand ratio>filler content; the order of influence on stability was sand ratio > asphalt-aggregate ratio > filler content; and the order of influence on flow value was sand ratio > asphalt-aggregate ratio > filler content. (3) The three-dimensional distribution of the water stability coefficient indicated that a relatively high water stability coefficient was obtained in the region where the sand ratio ≤ 36%, filler content ≤13.5%, and asphalt-aggregate ratio ≥6.8%. (4) The optimized mix design parameters of granite hydraulic asphalt concrete were a sand ratio of 33%, an asphalt-aggregate ratio of 7.1%, and a filler content of 12.5%. [Conclusion] The experimental results confirm that this mix proportion exhibits good performance and can provide a reference for the optimization design of granite hydraulic asphalt concrete mix proportions in practical engineering.

Key words： response surface methodology; hydraulic asphalt concrete; granite aggregate; mix proportion optimization

0 引言

沥青混凝土(Asphalt Concrete,AC)因其良好的防渗性、适应变形能力和施工便利性而被广泛应用在水工建筑领域[1-3]。但因AC与碱性骨料需求和工程区域岩性条件不匹配,使其在部分地区的应用受到制约,这在一定程度上阻碍了AC在水工结构中的推广应用,因此开展酸性骨料在水工AC中的应用研究具有重要的科学意义和实用价值。
酸性骨料与沥青之间的黏附问题,是酸性骨料在水工AC中应用中的关键。道路工程中使用酸性骨料需添加抗剥落剂等增黏措施进行AC的制备[4-6]。而对于水工建筑物而言,由于使用环境特殊[7],导致抗剥落剂改性后的酸性骨料水工AC配合比设计与道路工程不完全相同,且道路工程AC通过试验测定的性能参数并不适用于水工AC。
在酸性骨料水工AC配合比研究中,级配指数、油石比、填料用量作为主要变量指标指导配合比优化设计[8-10]。其中级配指数用于描述粗骨料与细骨料比例,可依据级配公式计算粗细骨料比例,但难以直观了解粗细骨料组成情况[11]。已有研究表明,粗细骨料的含量比会影响其性能和内部结构稳定性[12]。对于掺入抗剥落剂的酸性骨料AC而言,粗细骨料的含量比会影响沥青包裹集料的厚度,进而影响整体的水稳定性。因此有必要研究级配指数一定的情况下,粗细骨料的含量比单一作用及与油石比和填料用量交互作用对掺抗剥落剂的改性花岗岩水工AC性能的影响。
响应面法(Response Surface Methodology,RSM)是一种高效且经济的分析方法。使用RSM进行试验设计能够在相对较少的试验次数下,准确地建立多个独立或交互作用因素与一个乃至多个响应变量之间的复杂数学关系模型[13-15]。因此,本研究以掺抗剥落剂的改性花岗岩水工AC为研究对象,引入砂率作为粗细骨料的含量比标准,采用RSM,以孔隙率、流值和稳定度等性能指标作为响应变量,建立响应面回归模型,分析油石比、填料用量和砂率单因素及交互作用对响应值的影响;同时,以水稳定试验进行性能验证,以期为掺抗剥落剂的改性花岗岩水工AC配合比优化设计提供参考。

1 试验

1.1 原材料

1.1.1 沥青

为保证沥青和花岗岩的黏附性达到要求,选择加入非胺类抗剥落剂进行处理,非胺类抗剥落剂的掺量为0.4%[16]。本研究以70#道路石油沥青A级+0.4%掺量非胺类抗剥落剂制备改性沥青并进行试验,结果表明改性沥青与粗集料黏附等级达到5级。依据《水工沥青混凝土试验规程》(DL/T 5362—2018),对其主要技术性能指标进行测试,测试结果如表1所示。
表1 改性沥青性能测试指标

Table 1 Performance test indicators of modified asphalt

项目 针入度/
(0.1 mm)		 延度/
cm		 软化
点/℃		 密度/
(g·cm-3)		 薄膜加热试验结果
质量
损失/
%		 针入
度比/
%		 延度/
cm
A70改
性沥青		 53 33 77 1.031 0.023 71.2 17
技术要求 40~60 ≥20 ≥60 -1.0~
1.0		 ≥65.0 ≥15

注:技术要求符合《公路沥青路面施工技术规范》(JTG F40—2004)。

1.1.2 矿料

试验所用粗骨料为福建南安产出的酸性花岗岩,分为[2.36,4.75)、[4.75,9.50)、[9.50,13.20]、[13.20,16.00]、(16.00,19.00]mm等5种级配,细骨料为碱性石灰岩砂,级配为[0.075,2.36) mm,填料选用优质石灰岩研磨而成<0.075 mm的矿粉,依据堆积密度试验,得到最优的骨料级配指数为0.25。依据《水工沥青混凝土试验规程》(DL/T 5362—2018)对粗骨料、细骨料、矿粉等技术指标进行测试,测试结果如表2、表3所示。
表2 骨料性能测试指标

Table 2 Performance test indicators of aggregate

项目 表观密度/
(g·cm-3)		 黏附性
等级		 针片状颗
粒含量/%		 压碎
值/%		 吸水
率/%		 含泥
量/%
粗骨料 2.70 5 16 9 0.33 0.2
粗骨料
技术要求		 ≥2.60 ≥4 ≤25 ≤30 2.00 ≤0.5
细骨料 2.68 10 0.4
细骨料
技术要求		 ≥2.55 ≥6 ≤2.0

注:技术要求符合《水工碾压式沥青混凝土施工规范》(DL/T 5363—2016)。

表3 填料性能测试指标

Table 3 Performance test indicators of filler

项目 表观密度/
(g·cm-3)		 含水
率/%		 填料不同粒径范围的
累计质量百分比/%		 亲水
系数
≤0.6
mm		 ≤0.15
mm		 ≤0.075
mm
石灰石粉 2.73 0.2 100 99.7 96.1 0.52
技术要求 ≥2.50 ≤0.5 100 >90.0 >85.0 ≤1.00

注:技术要求符合《水工碾压式沥青混凝土施工规范》(DL/T 5363—2016)。

1.2 试验方案

1.2.1 方案设计

本次试验选用RSM中Box-Behnken (BBD)设计方法,采用Design-Expert软件进行试验方案设计及结果分析。以砂率X1、填料用量X2、油石比X3作为自变量因素,采用三因素(X1,X2,X3),三水平(-1,0,1)进行试验,各因素及水平见表4。
表4 响应面试验因素及水平

Table 4 Factors and levels of response surface test

水平 变量因素值/%
X1 X2 X3
-1 33 11.5 6.5
0 36 13.0 6.8
1 39 14.5 7.1

1.2.2 试验方法

以下试验方法依据《水工沥青混凝土试验规程》(DL/T 5362—2018)成型试件并进行测试。
(1)马歇尔稳定度及流值试验。成型Φ101.6 mm×63.5 mm(高)标准马歇尔试件。将试件置于60 ℃恒温水槽30 min后取出,在室温25 ℃下进行试验,试验仪器选用LWD-3A型马歇尔稳定度试验仪,加载速率为50 mm/min,如图1所示。
图1 马歇尔稳定度试验

Fig.1 Marshall stability test

(2)单轴压缩试验。成型Φ100 mm×100 mm圆柱体AC试件。试件在常温下放置24 h后,置于20 ℃恒温水槽4 h,取出试件进行抗压强度试验。试验仪器选用WE-100型万能材料试验机,加载速率为1 mm/min。
(3)水稳定性试验。成型Φ100 mm×100 mm圆柱体AC试件。考虑短期内水稳定性差别不大,选择提高温度来加速试验过程,设置两组环境条件:① 室温48 h空气中静置;② 80 ℃水浴中48 h后,再放置于20 ℃水中4 h,并分别进行抗压强度试验,求出对应水稳定性系数。试验仪器选用WE-100型万能材料试验机,加载速率为1 mm/min,水浴加热过程如图2所示。
图2 试件水浴加热

Fig.2 Specimens during water-bath heating

2 结果与讨论

2.1 试验结果

根据表4响应面试验因素设计17组花岗岩骨料水工AC材料孔隙率Y1、流值Y2、稳定度Y3的响应值,包括12组边中点试验以及5组中心点重复试验。为保证试验结果的可靠性,对每组试样进行3次平行测试,试验结果见表5。
表5 Box-Behnken试验结果

Table 5 Box-Behnken test results

试验
编号		 变量因素值/% 响应值
X1 X2 X3 Y1/% Y2/mm Y3/kN
1 39 13.0 7.1 1.52 6.21 8.34
2 36 13.0 6.8 0.98 9.87 8.47
3 36 13.0 6.8 1.01 9.87 7.71
4 33 11.5 6.8 0.86 7.71 8.31
5 36 11.5 7.1 1.66 4.02 4.95
6 36 14.5 6.5 1.80 5.26 8.51
7 36 14.5 7.1 1.03 7.66 7.99
8 36 13.0 6.8 0.98 9.87 8.47
9 36 13.0 6.8 1.13 9.87 8.45
10 33 13.0 7.1 0.68 8.07 8.60
11 33 14.5 6.8 1.25 9.31 7.56
12 33 13.0 6.5 1.03 6.82 8.52
13 39 14.5 6.8 1.46 12.68 11.07
14 39 11.5 6.8 1.93 8.93 11.11
15 36 11.5 6.5 5.71 6.27 8.49
16 36 13.0 6.8 0.98 9.87 8.47
17 39 13.0 6.5 2.66 9.47 10.23

2.2 回归模型建立及显著性检验

为进一步探究各变量因素值与响应值之间的关系,对试验结果进行回归拟合分析,分别得到孔隙率Y1、流值Y2、稳定度Y3的响应曲面拟合方程,如式(1)—式(3)所示。
$\begin{array}{l}{Y}_{1}=0.91+0.56{X}_{1}-0.26{X}_{2}-0.50{X}_{3}-0.18{X}_{1}{X}_{2}-\\ 0.25{X}_{1}{X}_{3}+0.34{X}_{2}{X}_{3}-0.03{{X}_{1}}^{2}+0.57{{X}_{2}}^{2}+0.65{{X}_{3}}^{2},\end{array}$
$\begin{array}{l}{Y}_{2}=8.60+1.37{X}_{1}+0.11{X}_{2}-0.05{X}_{3}+1.28{X}_{1}{X}_{2}-\\ 0.11{X}_{1}{X}_{3}+0.25{X}_{2}{X}_{3}+1.61{{X}_{1}}^{2}+0.42{{X}_{2}}^{2}-0.85{{X}_{3}}^{2},\end{array}$
$\begin{array}{l}{Y}_{3}=9.87+0.67{X}_{1}+1.0{X}_{2}-0.23{X}_{3}+0.54{X}_{1}{X}_{2}-\\ 1.13{X}_{1}{X}_{3}+1.16{X}_{2}{X}_{3}+0.81{{X}_{1}}^{2}-1.03{{X}_{2}}^{2}-3.04{{X}_{3}}^{2}。\end{array}$
对建立的回归模型进行方差分析,结果如表6所示。其中,响应面方差分析中F与P代表所建模型显著性大小。F用于衡量因素效应相对于随机误差的大小,P则反映该效应由随机因素造成的概率,P<0.5表明模型或因素的显著性较高,P>0.5表明模型或因素的显著性低。
表6 方差分析

Table 6 Analysis of variance

数据源 自由度 Y1 Y2 Y3
F P 是否显著 F P 是否显著 F P 是否显著
模型 9 14.45 0.001 0 是 10.61 0.002 6 是 16.44 0.000 6 是
X1 1 28.28 0.001 1 是 37.89 0.000 5 是 16.21 0.004 6 是
X2 1 7.50 0.029 0 是 0.261 7 0.623 7 否 0.92 0.371 0 否
X3 1 35.79 0.000 6 是 13.97 0.007 3 是 7.64 0.027 9 是
X1X2 1 1.78 0.223 7 否 8.04 0.025 2 是 2.44 0.162 1 否
X2X3 1 3.46 0.105 0 否 0.657 5 0.444 1 否 10.74 0.013 5 是
X1X3 1 6.63 0.036 7 是 6.66 0.036 4 是 11.42 0.011 8 是
${{X}_{1}}^{2}$ 1 0.07 0.793 5 否 30.48 0.000 9 是 5.89 0.045 6 是
${{X}_{2}}^{2}$ 1 18.99 0.003 3 是 1.14 0.321 1 否 9.37 0.018 3 是
${{X}_{3}}^{2}$ 1 25.13 0.001 5 是 9.41 0.018 1 是 82.28 0.000 1 是
R2 0.948 9 0.931 7 0.954 8
由表6可知,Y1、Y2、Y3的P<0.05,表明建立的模型具有较高的显著性。Y1中X1、X2、X3的P<0.5,且X3的P<X1的P<X2的P,表明油石比X3对孔隙率Y1的影响最显著、砂率X1次之、填料用量X2最不显著。Y2中X1、X3的P<0.5且X1的P<X3的P,X2的P>0.5,表明砂率X1对流值Y2的影响最显著、油石比X3次之、填料用量X2的影响最不显著。Y3中X1、X3、X1X3、X2X3的P<0.5,X2、X1X2的P>0.5,说明砂率X1、油石比X3、砂率和油石比的交互作用X1X3、填料用量和油石比的交互作用X2X3对稳定度的影响较为显著,填料用量X2、砂率和填料用量的交互作用X1X2对稳定度的影响则很小;Y3中X1、X2、X3的P<0.5,且X1的P<X3的P<X2的P,表明砂率X1对稳定度Y3的影响最显著、油石比X3次之、填料用量X2最不显著。

2.3 响应面分析

两因素交互作用的3D响应面图可直观分析两因素交互作用对花岗岩骨料水工AC的性能影响。在绘制任意两因素的响应面图和等高线图时,第三因素固定在其中心水平(即编码值为0所对应的因素数值)。

2.3.1 孔隙率分析

图3为花岗岩骨料水工AC孔隙率的3D响应曲面和等高线。由图3(a)可以看出,砂率与油石比的交互作用对孔隙率的影响显著,且油石比对孔隙率的影响更大,当砂率为39%时,随油石比由6.5%增至7.1%,则孔隙率由5.27%降至1.72%;当油石比为6.5%时,随砂率由33%增至39%,孔隙率由3.5%增至5.27%。在图3(b)中,等高线在纵轴(砂率)的密集程度大于横轴(填料用量),表明砂率对孔隙率的影响更大;随砂率增加,孔隙率呈缓慢增加的趋势,原因在于随砂率增加,细骨料的总表面积也增加,部分骨料无法被沥青充分包裹,从而导致孔隙率增加;随填料用量增加,孔隙率呈先降低后缓慢增加的趋势,降低的原因是在AC中适当增加填料可以有效填充骨料之间的孔隙,使结构更加密实,孔隙率减小;缓慢增加的原因是由于填料用量超出最优限值,AC内部的颗粒排列变得过于紧密,阻碍了沥青对骨料的充分包裹和粘结,破坏了原有骨架结构,使部分骨料之间的连接变得松散,孔隙率增加。从图3(c)中可以看出,随油石比增加,孔隙率逐渐降低,究其原因,随AC油石比增加,增加的沥青可以填充更多的矿料间隙,使结构更加密实,孔隙率减小。
图3 孔隙率3D响应面曲线

Fig.3 Three-dimensional response surface of porosity

综上所述,油石比对花岗岩水工AC孔隙率的影响程度最高,砂率次之,填料用量最小,这表明提高油石比和降低砂率可有效降低AC的孔隙率,在一定范围内提高填料用量也可以降低孔隙率。此外,上述显著性检验结果亦论证了该结论。

2.3.2 流值分析

图4为花岗岩骨料水工AC流值的3D响应曲面和等高线。
图4 流值3D响应面曲线

Fig.4 Three-dimensional response surface of flow value

由图4(a)可以看出,响应面的曲率较大,表明砂率和油石比交互作用对流值的影响较为显著。当填料用量为13%时,砂率≤36%,流值随砂率的增大而提高;砂率>36%,流值随砂率的增大而降低。等高线在横轴(砂率)的密集程度大于纵轴(油石比),表明砂率对流值的影响更大。原因是随砂率的增加,粗集料之间的空隙被填充,高砂率情况下,细集料占据比例变大,导致粗集料骨架结构遭到破坏。
由图4(b)可以看出,等高线在横轴(砂率)的密集程度大于纵轴(填料用量),表明砂率对流值的影响更大。随填料用量的增加,流值变化不明显。原因是集料的比例和级配相对稳定,形成了稳定的骨架结构,填料用量的增加对稳定的骨架结构影响较小,导致流值的变化不明显。分析图4(c)可以看出,当填料用量为11.5%时,油石比从6.5%增至7.1%,则流值由6.1 mm增至8.4 mm。原因在于油石比增加,沥青含量增加,沥青与集料之间的自由沥青变多,AC整体结构更容易发生变形,进而导致流值变化明显。当油石比为6.5%时,流值随填料用量的增加呈先增后减的趋势,但流值变化不大,表明与油石比相比,填料用量对流值的影响相对较小。
综上所述,砂率对花岗岩水工AC流值的影响程度最大,油石比次之,填料用量最小,这表明提高油石比和砂率可以提高AC的流值。此外,上述显著性检验结果亦论证了该结论。

2.3.3 稳定度分析

图5为花岗岩骨料水工AC稳定度的3D响应曲面和等高线。
图5 稳定度3D响应面曲线

Fig.5 Three-dimensional response surface of stability

由图5(a)可以看出,砂率与油石比的交互作用对稳定度的影响显著,等高线在纵轴(砂率)的密集程度大于横轴(油石比),表明砂率对稳定度的影响更大,当油石比为6.5%时,随砂率由33%提至39%,稳定度由8.02 kN提至10.86 kN;而当砂率为33%时,稳定度随油石比的增加出现先增加后降低的趋势,但变化的幅度相对较小。由图5(b)可以看出,砂率与填料用量的交互作用对稳定度的影响较为显著,随砂率的增加,稳定度呈增加的趋势,原因在于砂率的增加,提高了细骨料的比例,在一定的范围内可以改善骨料级配,增强AC的整体密实度,提升了AC的稳定性,而填料用量的改变量对稳定度的影响并不明显。由图5(c)可以看出,稳定度随油石比的增加而增加,当填料用量为11.5%时,随油石比从6.5%增至7.1%,稳定度由5.82 kN提至8.86 kN,原因在于油石比较小时,沥青不足以充分裹覆集料表面,导致混合料的强度较低,而随油石比的增大,改善了沥青对集料的包裹情况,提高了黏聚力,从而增强了AC的稳定度。当油石比为7.1%时,随着填料用量的增加,稳定度的变化范围不大。
综上所述,砂率对花岗岩水工AC稳定度的影响程度最大,油石比次之,填料用量最小,这表明在一定范围内提高油石比和砂率可以增强AC的稳定度。此外,上述显著性检验结果亦论证了该结论。

2.4 水稳定性分析

根据试验结果绘制砂率、填料用量、油石比与水稳定系数之间的三维散点示意如图6所示,其中,以颜色变化代表水稳定系数随各变量的变化趋势。由图6可以看出,考虑双因素交互影响时,保持油石比和填料用量不变,随砂率的增大,水稳定系数呈减小趋势,原因在于细骨料过多,骨料的总表面积增大,需要更多的沥青来包裹骨料;如沥青用量不变,沥青膜变薄,降低沥青与骨料的黏附力,导致水稳定系数降低。保持砂率和填料用量不变时,随油石比的增加,水稳定系数呈增加趋势,原因是沥青用量增加,能够充分裹覆矿料颗粒,有效阻止水分进入矿料颗粒之间。保持砂率和油石比不变时,水稳定系数与填料用量之间没有明显的变化规律。考虑各因素交互影响时,水稳定系数偏高的区域位于砂率≤36%、油石比≥6.8%、填料用量≤13.5%的范围内。
图6 三因素交互3D散点

Fig.6 Three-dimensional scatter plot of three-factor interactions

2.5 配合比验证

基于RSM建立的回归模型以及水稳定试验得到的各变量因素之间的影响规律,拟定花岗岩水工AC配合比设计参数为砂率33%、油石比7.1%、填料用量12.5%。为验证配合比的准确程度,重新制备AC试件并进行马歇尔稳定度试验、孔隙率试验、抗压强度试验和水稳定性试验,试验结果如表7所示。由表7可知,拟定的配合比制备的AC试件性能良好,孔隙率1.36%<2.00%,水稳定系数为0.94>0.90,均满足《土石坝沥青混凝土面板和心墙设计规范》(SL 501—2010)。
表7 水工AC性能试验结果

Table 7 Performance test results of hydraulic asphalt concrete

项目 孔隙
率/%		 马歇尔稳
定度/kN		 马歇尔流
值/mm		 抗压强
度/MPa		 水稳定
系数
试验沥
青混凝土		 1.36 9.83 10.56 3.96 0.94
技术要求 ≤2.00 ≥0.90

3 结论

本研究通过孔隙率试验、马歇尔稳定度试验和水稳定试验,对花岗岩水工AC的孔隙率、稳定度、流值和水稳定系数等指标进行分析,得出砂率、油石比和填料用量对各指标的影响规律,主要结论如下:
(1)利用RSM对花岗岩水工AC的配合比设计进行优化,建立的二元回归方程可以较好地描述砂率、油石比、填料用量与孔隙率、稳定度、流值之间的关系,方差分析和显著性检验结果表明,该模型有效可靠,可信度较高。
(2)响应曲面分析表明,油石比对花岗岩水工沥青土孔隙率的影响程度最大,砂率次之,填料用量最小;砂率对稳定度的影响程度最大,油石比次之,填料用量最小;砂率对流值的影响程度最大,油石比次之,填料用量最小。
(3)水稳定系数较高区域位于砂率≤36%、油石比≥6.8%、填料用量≤13.5%范围内。
(4)优化后的花岗岩水工AC配合比设计参数为砂率33%、油石比7.1%、填料用量12.5%,试验结果验证该配合比性能良好。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
DONG J, DING Y, LIU Y, et al. Tensile Test and Discrete Element Study on Recycled Aggregate Hydraulic Asphalt Concrete[J]. Construction and Building Materials, 2024, 450: 138538.

[2]
HE J, LU J, YANG W, et al. Fracture Performance and Cracking Mechanism of Large-particle Size Hydraulic Asphalt Concrete at Different Temperatures[J]. Engineering Fracture Mechanics, 2024, 311: 110530.

DOI

[3]
黄振伟, 雷明, 张玮鹏. 西藏拉洛水利枢纽沥青混凝土骨料质量评价及料场比选[J]. 长江科学院院报, 2020, 37(9):149-153,159.

DOI

(HUANG Zhen-wei, LEI Ming, ZHANG Wei-peng. Quality Evaluation of Asphalt Concrete Aggregate and Comparison and Selection of Material Yard for Laluo Water Conservancy Project in Tibet[J]. Journal of Yangtze River Scientific Research Institute, 2020, 37(9): 149-153, 159.(in Chinese))

DOI

[4]
王富强, 阳利君, 莫品疆. 提高花岗岩沥青混合料水稳定性试验研究[J]. 公路, 2020, 65(11): 328-330.

(WANG Fu-qiang, YANG Li-jun, MO Pin-jiang. Experimental Study on Improving Water Stability of Granite Asphalt Mixture[J]. Highway, 2020, 65(11): 328-330.(in Chinese))

[5]
王伟, 罗蓉, 蒋兵, 等. 酸性安山岩集料黏附性能改善研究[J]. 武汉理工大学学报(交通科学与工程版), 2021, 45(6):1158-1162.

(WANG Wei, LUO Rong, JIANG Bing, et al. Study on Improving Adhesion Performance of Acid Andesite Aggregate[J]. Journal of Wuhan University of Technology (Transportation Science & Engineering), 2021, 45(6): 1158-1162.(in Chinese))

[6]
DAN H, LIU X, CHEN J. Multi-scale Investigation on Water Stability and Anti-aging Performance of Granite Asphalt Mixture Modified with Composite Anti-stripping Agents[J]. Construction and Building Materials, 2024, 453: 139031.

DOI

[7]
刘杰, 郭海鹏, 李刚. 不同配合比参数对沥青混凝土低温抗裂性能的影响[J]. 水电能源科学, 2019, 37(6):118-120.

(LIU Jie, GUO Hai-peng, LI Gang. Influence of Different Mix Parameters on Behaviors of Asphalt Concrete under Low Temperature[J]. Water Resources and Power, 2019, 37(6): 118-120.(in Chinese))

[8]
闫小虎, 姚新华, 王晓军, 等. 土石坝沥青混凝土心墙材料配合比试验研究[J]. 长江科学院院报, 2017, 34(6): 143-148.

DOI

(YAN Xiao-hu, YAO Xin-hua, WANG Xiao-jun, et al. Experimental Research on Mix Proportion of Asphaltic Concrete Core Material in Earth-rock Dams[J]. Journal of Yangtze River Scientific Research Institute, 2017, 34(6): 143-148.(in Chinese))

DOI

[9]
王丽峰. 酸性骨料沥青混凝土配合比优选[J]. 东北水利水电, 2023, 41(12):23-27,71.

(WANG Li-feng. Acid Aggregate Asphalt Concrete Mix Ratio Optimization[J]. Water Resources & Hydropower of Northeast China, 2023, 41(12): 23-27, 71.(in Chinese))

[10]
陈晨, 王亚萍, 焦凯, 等. 花岗岩骨料水工沥青混凝土面板关键性能研究[J]. 水资源与水工程学报, 2023, 34(2):149-156.

(CHEN Chen, WANG Ya-ping, JIAO Kai, et al. Key Properties of Hydraulic Granite Asphalt Concrete Panels[J]. Journal of Water Resources and Water Engineering, 2023, 34(2): 149-156.(in Chinese))

[11]
刘继汉. 考虑细骨料率的水工沥青混凝土配合比优化设计研究[D]. 西安: 西安理工大学, 2023.

(LIU Ji-han. Research on Optimal Design of Mix Ratio of Hydraulic Asphalt Concrete Considering Fine Aggregate Ratio[D]. Xi’an: Xi’an University of Technology, 2023.(in Chinese))

[12]
LI Y, LIU J, LIU Y, et al. Aggregate Grading Design of Skeleton Dense Hydraulic Asphalt Concrete[J]. Construction and Building Materials, 2023, 365: 130031.

DOI

[13]
LI Y, LI Y, LIU J, et al. Optimization of Some Properties of Hydraulic Asphalt Concrete Mix Using RSM and NSGA-II[J]. Construction and Building Materials, 2024, 438:137317.

DOI

[14]
程培峰, 王洋弘历, 李艺铭, 等. 基于响应面法的半柔性路面材料低温性能研究[J]. 功能材料, 2024, 55(6): 6118-6127.

DOI

(CHENG Pei-feng, WANG Yanghongli, LI Yi-ming, et al. Study on Low Temperature Performance of Semi-flexible-Pavement Materials Based on Response Surface Method[J]. Journal of Functional Materials, 2024, 55(6): 6118-6127.(in Chinese))

[15]
RAZA M S, SHARMA S K. Optimizing Porous Asphalt Mix Design for Permeability and Air Voids Using Response Surface Methodology and Artificial Neural Networks[J]. Construction and Building Materials, 2024, 442: 137513.

DOI

[16]
朱大章, 孙晓宇, 吕伟民, 等. 非胺类沥青抗剥落剂的制备及性能[J]. 建筑材料学报, 2005, 8(5):474-479.

(ZHU Da-zhang, SUN Xiao-yu, LÜ Wei-min, et al. Preparation and Performance of a Novel Asphalt Antistripping Agent Containing No Amines[J]. Journal of Building Materials, 2005, 8(5): 474-479.(in Chinese))

Options
文章导航

/

〈 〉

*严禁使用本系统存储、处理、传输涉密信息*
版权所有 © 《长江科学院院报》编辑部
技术支持：北京玛格泰克科技发展有限公司