智能压实（IntelligentCompaction，简称IC）是一种基于压实机械、可提高压实质量的控制技术。具有智能压实技术的振动压路机装配有基于加速度传感器的测量系统、平板电脑、高精度全球定位系统（GPS）和红外温度传感器。智能压实可以改进各种道路材料的压实质量控制，包括粗粒土、黏性土、基层材料和沥青材料。基于加速度传感器的测量系统是20世纪80年代早期发明的智能压实技术[1]（连续压实控制）的核心，今天仍在发展之中。

什么是智能压实测量值

智能压实测量值是基于振动压路机的智能压实量测系统控制指标的通用术语，是智能压实技术的关键所在。智能压实测量值是以反映被压材料对压路机钢轮抵抗作用的加速度信号为基础的，有多种表达形式，且不同的表达形式与被压材料的物理力学性质（如刚度、模量和密度）之间的相关性也不一样。双钢轮智能压实系统与ICMV的动态模型如图1所示。

如何测量和计算智能压实测量值

共同机理

计算智能压实测量值的共同机理是测量压路机振动轮中心处的垂直加速度，然后采用各种模型和方法进行求解得到具体指标。这个概念是简单而巧妙的，在碾压过程中就能够测量被压材料的性质，进行实时的监测和控制。图2说明了智能压实测量值的量测机理。钢轮给被压材料施加压实力，而被压材料对钢轮产生反作用力，被压材料越硬，反作用力越大。这种反作用通过加速度传感器进行测量，然后通过控制系统处理响应信号并计算智能压实测量值。

难点问题

压路机与材料之间的相互作用很复杂，伴随着振动、接触、弹跳和冲击过程，这就使精确测量成为一个难题。确定智能压实测量值存在以下几个难点。

（1） 钢轮与被压材料之间存在复杂的相互作用。

（2） 现场测量的差异导致难以计算智能压实测量值。

智能压实测量值与常规点式检测在检测面积和影响深度方面存在差异。

智能压实测量值的影响因素

影响智能压实测量值的因素很多。在压路机方面，主要包括压路机振动类型、激振力、振幅、振动频率和行驶速度；在被压材料方面，土质类型和含水量、沥青混合料配合比、沥青混合料温度和下卧层的支撑条件等都是主要影响因素，如图3所示。

计算智能压实测量值的困难因素

如何确定智能压实测量值是大家比较关心的问题。计算智能压实测量值存在许多挑战，主要是由于存在许多困难因素，如图4所示。

（1）激振力不等于压实力。钢轮中偏心质量产生的激振力不等于作用在被压实材料上的有效压实力。压实力会随着压路机振动频率的波动而产生更大的波动。对于刚开始根据钢轮与被压材料相互作用进行建模的研究人员来说，将激振力和压实力混淆是经常发生的错误。

（2） 实际变形与理论计算结果不同。被压材料在钢轮宽度方向上各点的实际变形应该是相同的。但是根据Lundberg和Hertz理论计算得到的变形却是变化的，与实际情况不符。这种错误是由于采用模型理论模拟现场钢轮接触条件的差异而产生的[3]。因此，理论计算需要校正，以便与实际测量结果相符。

（3） 钢轮弹跳导致计算模量错误。当钢轮和被压材料失去接触或解耦时，计算的模量通常很低或不可解。与计算值相比，根据抵抗力很大的事实，实际模量应该是很高的。因此，使用冲击模型和抗力模型可以克服钢轮在弹跳运动期间计算智能压实测量值的困难。

智能压实测量值与常规点式检测之间的差异

智能压实测量值与常规点式检测（如落锤弯沉仪（LWD）、土体刚度仪、核子密度仪和动力灌入仪

（DCP））之间的主要区别在于测量面的尺寸、影响深度和测量深度。智能压实测量值占地面积通常为矩形[4]（约2m×0.3m），且远远大于点式检测的面积，其影响深度（约0.5~1.6m）比常规点式检测也深得多（图5）。智能压实测量值影响深度的范围取决于压路机的工作质量、振动频率、振幅和被压材料的刚度。

求解智能压实测量值的模型

为了克服确定智能压实测量值带来的各种困难，研究人员建造出各种各样的模型来求解智能压实测量值。这些模型有动态与静态、经验式与机理式，其适用性也各不相同。表1汇总了目前常见的5种模型。

模型A：经验反应模型

经验反应模型有3个子模型，如图6所示。

（1） 模型A1：基于振动频率之比的反应模型。

（2） 模型A2：基于反映压实水平的“8字形”图的振荡频率反应模型。

（3） 模型A3：基于不同类型材料的滚动阻力系数和相关的机器驱动力的静态滚动阻力反应模型。

模型B：钢轮与半空间耦合作用模型

实际的填筑体结构都是层状体，在建模和求解时一般都是将层状体简化为半空间体，其转换原则是在层状体和半空间体上施加同样的作用力，得到同样的位移，如图7所示。采用连续的半空间体模型，可以得到在钢轮作用下的填筑体的综合模量和密度。

动力学方法的控制方程是1组含有时间变量的偏微分方程，求解非常困难。为了简化求解，可以假设所有加速度项都为零，使其变为静力学问题（图8）。但是这种简化会偏离实际情况，可能需要半经验解决方案进行修正，以便使计算更符合现场测量结果。

图9显示的是采用动力学模型计算智能压实测量值（模量与密度）的过程。误差检查是校正实际测量到的结果与理论计算得到的结果之间的差异，如果误差检查不满足则继续循环。这种解决方案是具有挑战性的，因为被压材料的位移通常不能被测量，需要大量的现场测量才能提供动态校正。采用数值计算解决方案也是具有挑战性的，因为需要漫长的计算时间。另外，反算得到的参数（模量与密度）并不总是惟一解或精确解。

模型C：钢轮与弹簧-阻尼耦合模型

钢轮与弹簧-阻尼耦合模型为离散模型。控制方程为常微分方程，比连续模型的偏微分方程求解要简单一些。层状体简化为等效的弹簧-阻尼耦合，弹簧系数（刚度系数）为控制指标；振动钢轮（包括支架和钢轮）也简化为弹簧-阻尼组合。这种模型可以通过二自由度模型进行建模和求解，也可以进一步简化为单自由度模型求解，如图10所示。求解方法包括线性和非线性2种。

模型D：钢轮与半空间体冲击作用模型

钢轮与半空间的冲击作用模型考虑了压路机弹跳情况。压路机弹跳时这种模型也可以计算反作用力和模量。钢轮的冲击作用可以用图11进行分析和求解。采用圆柱体冲击来模拟钢轮的弹跳，可以通过位移法或冲击时间法来计算被压材料的模量。

模型E：人工智能模型

人工智能模型（图12）采用人工神经网络（ANN）和遗传算法（GA）等进行智能压实测量值的计算。其中关键环节是选择合适的训练样本来训练模型。训练样本包括压路机工艺参数、填料信息和现场实测得到的智能压实测量值等。训练人工智能模型方法包括Hebbian、Delta规则和最小均方（LMS）方法。

图13为人工智能模型（AI模型）训练过程的流程。首先是选择正确的压路机工艺参数、钢轮响应数据和被压材料特性，然后输入到AI模型中，将计算得到的输出值与现场实测结果进行对比，若不满足误差要求，AI模型会自动调节内部参数，直至二者误差满足要求。这样就得到了正确的AI模型，可以将其应用到与训练样本相同的实际工程中。

智能压实测量值的分级与发展方向

目前已经有了一些基于各种智能压实测量值的压实控制技术和测量产品，还有一些新的技术与产品正在研发中。下面给出的适用于各种填筑材料的“智能压实测量值分级”是考虑了很多关键因素，包括智能压实测量值与被压材料的力学性质（模量）和物理性质（密度）的相关性，钢轮弹跳期间的有效性（当钢轮与被压材料不接触时）和适用性，以及填筑层特有的物理力学性能分析和按照性能进行参数分层的能力。这个分级将为今后基于智能压实测量值的智能压实技术的发展规划路线指明方向。

第1级：基于频率响应的经验解答

第1级智能压实测量值是基于钢轮动态响应信号频率比的经验解。它是基于具有频率响应的模型A1（振动频率之比的反应模型）或者模型A2（振荡频率反应模型）。

第2级：基于能量和滚动阻力系数的经验解答

第2级智能压实测量值是基于能量和滚动阻力系数经验解。它是基于模型A3（根据滚动阻力系数原理的模型）计算需要机器特定的参数和测量，例如机器运动角度和能量损失系数等。

第3级：基于简化模型的动态或静态解答

第3级智能压实测量值是对简化模型求解得到的。它是基于B模型（钢轮与半空间体耦合模型）的静态解或基于模型C（钢轮与弹簧-阻尼耦合模型）的动态解。当钢轮弹跳（或钢轮与压实层不接触）发生时无解。

第4级：基于钢轮与半空间体冲击作用的动态解答

第4级智能压实测量值是动态解。它是基于钢轮与半空间体发生冲击时的模型D的动态解决方案。抵抗力F可以基于钢轮振动加速度、速度、位移以及其他一些参数来计算（图14），但是需要根据现场实际条件进行动态校正因子和相位滞后的修正。模量可以基于抵抗力或基于冲击的持续时间来计算。

第5级：动力学解答与人工智能解答

第5级智能压实测量值是动力学解决方案和人工智能解决方案的组合。基于钢轮-半空间体动力模型和冲击模型求解可以得到模量和密度，进一步还可以按照填筑厚度对得到的综合参数进行分层（图15）。与人工智能模型的组合技术目前仍在开发中，但可以预见，这些模型的融合将会实现实时、自动、智能的反馈控制，能够优化压实而无需人为干预，进而可以实现真正的智能压实施工。

智能压实测量值分级汇总

根据上述对智能压实测量值级别的划分，现汇总结果如表2所示。

结论

智能压实测量值（ICMV）的面纱在此技术报告中已被揭开。求解智能压实测量值一直都是一件不容易的事情。自20世纪80年代以来，科研人员和行业专家一直在努力研究各种智能压实测量值，以满足实时压实监测、控制和最终验收的需求，智能压实测量值分级的路线（图16）显示了正在进行努力的途径，指向未来的解决方案，将测量任何碾压层的实际物理力学性能参数，以实现真正的实时反馈控制和自主操作。