DOI: https://doi.org/10.1016/j.aei.2026.104402
تاريخ النشر: 2026-02-02
المؤلف: Dong Feng
الموضوع الرئيسي: تقييم أداء رصف الأسفلت
نظرة عامة
تقدم هذه الدراسة إطار عمل قائم على طريقة العناصر المنفصلة (DEM) مصمم لمحاكاة التفاعل بين جهاز سحب الاهتزاز وخلائط الأسفلت، مما يوفر في النهاية مؤشرات مدفوعة بالبيانات لتقييم جودة ما قبل الضغط للطرق. يستخدم الإطار نموذج DEM قائم على نموذج جونسون-كيندال-روبرتس (JKR) لتوليد بيانات تفصيلية عن تلامس الجسيمات وسلاسل القوة، والتي تتم معالجتها بعد ذلك من خلال سلسلة من التحليلات الآلية، بما في ذلك محول الكمية (QT)، ومشفّر التباين لإزالة الضوضاء (DVAE)، ونموذج المزيج الغاوسي (GMM)، وXGBoost. يسمح هذا النهج باستخراج 23 وصفًا ميكروميكانيكيًا يميز جوانب مختلفة من الهيكل الحبيبي، مثل التباين في القماش وعدم تجانس الإجهاد.
تشير النتائج الرئيسية إلى أن ما قبل الضغط يعيد تنظيم الهيكل الحبيبي باستمرار، مما يعزز الشبكات الحاملة للأحمال من خلال إزالة سلاسل القوة الضعيفة ومحاذاة السلاسل الأقوى مع اتجاه التحميل. تحدد الدراسة مجموعة مضغوطة من المؤشرات لتقييم جودة ما قبل الضغط، مع نسبة الجسيمات على سلاسل القوة الضعيفة (P_PWFC) كمقياس رئيسي، مكملة بنسبة انخفاض الفراغات (VDR) وتشخيصات ثانوية أخرى. لا يسهل الإطار فقط التحليل القابل للتوسع لمجموعات بيانات DEM الكبيرة، بل يوفر أيضًا مقاييس قابلة للتفسير يمكن تطبيقها على درجات تجانس مختلفة وظروف تشغيلية، مما يشير إلى إمكانيته لتطبيقات أوسع في مشاكل ضغط الحبيبات.
مقدمة
تناقش مقدمة هذه الورقة البحثية الدور الحاسم لما قبل الضغط تحت جهاز سحب الأسفلت في إنشاء البنية الدقيقة الأولية لطبقات الأسفلت. هذه المرحلة ضرورية لتشكيل الهيكل الحبيبي، حيث يحدث إعادة ترتيب الجسيمات وإنشاء مسارات التحميل، مما يؤثر بشكل كبير على عمليات الضغط اللاحقة. على الرغم من أهمية هذه المرحلة، تعتمد الممارسات الحالية غالبًا على تعديلات حدسية لإعدادات السحب، حيث تظل البنية الدقيقة الداخلية غير متاحة إلى حد كبير أثناء الرصف. يمكن أن يؤدي عدم كفاية ما قبل الضغط إلى عيوب شائعة في الطرق مثل الشقوق والحفر، حيث تعتبر درجة التجانس عاملًا رئيسيًا ولكنه غير مستكشف بشكل كافٍ يؤثر على جودة ما قبل الضغط.
لمعالجة القيود في المنهجيات الحالية، تقدم الدراسة إطار عمل جديد شامل قائم على طريقة العناصر المنفصلة (DEM) يركز على مرحلة ما قبل الضغط ويعتبر درجة التجانس متغيرًا رئيسيًا. يستخدم هذا الإطار نموذج تلامس JKR لمحاكاة التفاعلات الميكانيكية لجسيمات الأسفلت، مما يولد تدفقات بيانات تفصل بين التأثيرات الهيكلية والميكانيكية. تم تطوير خوارزميات متقدمة لتحديد وتصنيف تفاعلات الجسيمات وسلاسل القوة تلقائيًا، مما يمكّن من تحليل شامل للميزات الميكروهيكلية. يجمع نهج الإطار المبتكر بين النمذجة المدركة للفيزياء وتحليلات البيانات الآلية، مما يوفر مقاييس قابلة للتفسير تربط الميزات على المستوى الميكروي بملاءمة ما قبل الضغط على المستوى الماكروي. لا تعزز هذه الدراسة فقط الفهم لكيفية تأثير درجة التجانس على التغيرات الميكروهيكلية، بل تقدم أيضًا أساسًا قويًا مدفوعًا بالبيانات لتقييم ظروف ما قبل الضغط للطرق.
الطرق
تصف المنهجية الموضحة في هذا القسم سير عمل قائم على طريقة العناصر المنفصلة (DEM) لتحليل مرحلة ما قبل الضغط في بناء الطرق. تبدأ العملية بنموذج DEM يحاكي التفاعلات بين الجسيمات وجهاز السحب باستخدام نموذج جونسون-كيندال-روبرتس (JKR) لأخذ القوى اللاصقة والاحتكاكية في الاعتبار. يتم فحص أنواع مختلفة من درجات التجانس – المنقطعة، المستمرة، والمفتوحة – لتقييم حساسيتها. تتم معالجة مخرجات المحاكاة إلى تدفقات بيانات رئيسية: واحدة تركز على توزيع الجسيمات والأخرى على شبكات سلاسل القوة. تحدد الروتينات الآلية التفاعلات وتصنف الجسيمات بناءً على مستويات الإجهاد، مع تخزين النتائج في قاعدة بيانات منظمة.
من هذه التدفقات البيانية، يتم استخراج مجموعة شاملة من الميزات، تلتقط الخصائص الميكانيكية والهيكلية الأساسية مثل قوى التلامس وأرقام التنسيق الميكانيكية. تخضع هذه المجموعة القياسية للتوحيد باستخدام محول الكمية ثم يتم تضمينها في مساحة كامنة عبر مشفر التباين لإزالة الضوضاء. يتم استخدام نموذج المزيج الغاوسي للتسمية المدفوعة بالبيانات، تليها التقييم من خلال التعلم الخاضع للإشراف باستخدام XGBoost. يسمح استخدام التخصيص القائم على SHAP برسم خريطة واضحة للميزات إلى ملاءمة ما قبل الضغط. لا يسهل سير العمل المقترح فقط استخراج المعرفة من مخرجات DEM، بل يبرز أيضًا أهمية فهم الحالات الميكروهيكلية وتأثيراتها على أداء ما قبل الضغط عبر درجات التجانس المختلفة والظروف، مما يوفر في النهاية رؤى قابلة للتطبيق لتطبيقات الهندسة.
النتائج
استخدمت الدراسة محاكاة PFC 2D للتحقيق في عملية ما قبل الضغط عبر ثلاث درجات تجانس: SMA-13، AC-13، وOGFC-13. تم إجراء ما مجموعه 450 محاكاة، مع 50 تشغيلًا مستقلًا لكل من تسع تركيبات شرطية اسمية (3 درجات تجانس × 3 حالات). تم إجراء استخراج الميزات باستخدام برمجة FISH داخل PFC، بينما تم تنفيذ تقييم الميزات التلقائي باستخدام MATLAB وPython. سمحت تمثيلات طريقة العناصر المنفصلة (DEM) ثنائية الأبعاد باستكشاف محكوم لوصف الميكانيكا الدقيقة، مما يسهل الربط بين المحاكاة والتحليلات على نطاق واسع.
تشير النتائج إلى أن الأنظمة الحبيبية ثنائية الأبعاد تعيد إنتاج الخصائص الأساسية لشبكات القوة، مثل تقسيم الأحمال غير المتجانس والنسيج الناتج عن الإجهاد، مما يجعلها مناسبة لاكتشاف الآليات. ومع ذلك، يحذر المؤلفون من الافتراض بأن هناك تعادلًا عدديًا مباشرًا مع الطرق ثلاثية الأبعاد بسبب الاختلافات في الاتصال الشبكي، والتباين، وديناميات التلامس في الأنظمة ثلاثية الأبعاد. قد يؤدي نمذجة المجاميع كأقراص أيضًا إلى التقليل من تقدير التداخل الزاوي وخشونة السطح، مما قد يغير النتائج. وبالتالي، بينما تعتبر النتائج ثنائية الأبعاد موثوقة للمقارنات النسبية ضمن إطار الدراسة، يجب تفسير القيم المطلقة لمؤشرات المعتمدة على ثلاثي الأبعاد بحذر.
المناقشة
في هذا القسم، يوضح المؤلفون المنهجية والنتائج من دراستهم لمحاكاة ما قبل الضغط، والتي تستخدم برنامج كود تدفق الجسيمات (PFC) ثنائي الأبعاد لنمذجة سلوك خلطات الأسفلت خلال مرحلة ما قبل الضغط. يتضمن إعداد المحاكاة توليد جسيمات بناءً على درجات تجانس محددة، والتي تتعرض بعد ذلك لجهاز سحب افتراضي يحاكي عمل جهاز سحب V ÖGELE SUPER 800i. يتكون الجهاز من مكبس ولوح سحب اهتزازي، يلعب كلاهما أدوارًا حاسمة في تكثيف المواد. تستخدم الدراسة نموذج جونسون-كيندال-روبرتس (JKR) لالتقاط ميكانيكا التفاعل الحساسة للالتصاق بدقة، وهو أمر ضروري لفهم سلوك ضغط خلطات الأسفلت.
يقدم المؤلفون أيضًا إطار عمل شامل لمعالجة البيانات بعد المعالجة يتضمن تحديد التلامس وتحليل سلاسل القوة. يعرفون مقاييس رئيسية مثل دافع الضغط (CI) ونسبة انخفاض الفراغات (VDR) لقياس عملية التكثيف. يتم التأكيد على تحديد سلاسل القوة – الهياكل التي تتشكل من تلامس الجسيمات والتي تسهل نقل الإجهاد – مع تمييز بين سلاسل القوة القوية والضعيفة. تعتبر هذه التصنيفات حاسمة لفهم طوبولوجيا الحمل في طبقة الأسفلت. تستكشف الدراسة أيضًا استخراج الميزات ذات الصلة المتعلقة بتلامس الجسيمات وسلاسل القوة، والتي يتم تنظيمها بعد ذلك في قاعدة بيانات متماسكة للتحليل اللاحق. تسهم النتائج في فهم أعمق لسلوك ما قبل الضغط لخلطات الأسفلت، مما يبرز أهمية درجة التجانس وتفاعلات الجسيمات في تحقيق ضغط مثالي.
DOI: https://doi.org/10.1016/j.aei.2026.104402
Publication Date: 2026-02-02
Author(s): Dong Feng
Primary Topic: Asphalt Pavement Performance Evaluation
Overview
This study introduces a discrete element method (DEM)-based particle-force chain informatics framework designed to simulate the interaction between a vibrating screed device and asphalt mixtures, ultimately providing data-driven indicators for assessing pavement pre-compaction quality. The framework employs a Johnson-Kendall-Roberts (JKR)-based DEM model to generate detailed particle contact and force chain data, which are then processed through a series of automated analytics, including QuantileTransformer (QT), denoising variational autoencoder (DVAE), Gaussian mixture model (GMM), and XGBoost. This approach allows for the extraction of 23 micromechanical descriptors that characterize various aspects of the granular structure, such as fabric anisotropy and stress heterogeneity.
Key findings indicate that pre-compaction consistently reorganizes the granular skeleton, enhancing load-bearing networks by removing weak force chains and aligning stronger chains with the loading direction. The study identifies a compact set of indicators for evaluating pre-compaction quality, with the proportion of particles on weak force chains (P_PWFC) as the primary metric, complemented by the void decrease ratio (VDR) and other secondary diagnostics. The framework not only facilitates scalable analysis of large DEM datasets but also provides interpretable metrics that can be applied to various aggregate gradations and operational conditions, suggesting its potential for broader applications in granular compaction problems.
Introduction
The introduction of this research paper discusses the critical role of pre-compaction under the paver screed device in establishing the initial microstructure of asphalt layers. This phase is essential for the formation of a granular skeleton, where particle rearrangement and the creation of load paths occur, significantly influencing subsequent compaction processes. Despite the importance of this stage, current practices often rely on heuristic adjustments to screed settings, as the internal microstructure remains largely inaccessible during paving. Inadequate pre-compaction can lead to common pavement defects such as cracks and potholes, with gradation being a key yet underexplored factor affecting pre-compaction quality.
To address the limitations in existing methodologies, the study introduces a novel end-to-end, discrete element method (DEM)-based informatics framework that focuses on the pre-compaction stage and treats gradation as a primary variable. This framework employs the JKR contact model to simulate the mechanical interactions of asphalt particles, generating data streams that separate structural and mechanical effects. Advanced algorithms are developed to automatically identify and classify particle interactions and force chains, enabling a comprehensive analysis of microstructural features. The framework’s innovative approach combines physics-aware modeling with automated data analytics, providing interpretable metrics that link micro-level features to macroscopic pre-compaction adequacy. This research not only enhances the understanding of how gradation influences microstructural changes but also offers a robust, data-driven basis for evaluating pavement pre-compaction conditions.
Methods
The methodology outlined in this section describes a discrete element method (DEM)-based workflow for analyzing the pre-compaction stage of pavement construction. The process begins with a DEM model that simulates the interactions between particles and a screed device using the Johnson-Kendall-Roberts (JKR) contact model to account for adhesive and frictional forces. Various gradation types—discontinuous, continuous, and open—are examined to assess their sensitivity. The simulation outputs are processed into two main data streams: one focusing on particle distribution and the other on force chain networks. Automated routines identify interactions and classify particles based on stress levels, with results stored in a structured database.
From these data streams, a comprehensive feature set is extracted, capturing essential mechanical and structural characteristics such as contact forces and mechanical coordination numbers. This feature set undergoes standardization using a QuantileTransformer and is then embedded into a latent space via a denoising variational autoencoder. A Gaussian mixture model is employed for data-driven labeling, followed by evaluation through supervised learning with XGBoost. The use of SHAP-based attribution allows for a clear mapping of features to pre-compaction adequacy. The proposed workflow not only facilitates the extraction of knowledge from DEM outputs but also emphasizes the importance of understanding the microstructural states and their implications for pre-compaction performance across different gradations and conditions, ultimately providing actionable insights for engineering applications.
Results
The study utilized PFC 2D simulations to investigate the pre-compaction process across three gradations: SMA-13, AC-13, and OGFC-13. A total of 450 simulations were conducted, with 50 independent runs for each of the nine nominal condition combinations (3 gradations × 3 cases). Feature extraction was performed using FISH scripting within PFC, while automatic feature evaluation was executed with MATLAB and Python. The two-dimensional discrete element method (DEM) representation allowed for a controlled exploration of micro-mechanical descriptors, facilitating large-scale simulation-analytics coupling.
The findings indicate that 2D granular systems effectively replicate essential characteristics of force networks, such as heterogeneous load partitioning and stress-induced fabric, making them suitable for mechanism discovery. However, the authors caution against assuming direct numerical equivalence to three-dimensional pavements due to differences in network connectivity, anisotropy, and contact dynamics in 3D systems. The modeling of aggregates as disks may also underestimate angular interlock and surface roughness, potentially skewing results. Thus, while the 2D results are reliable for relative comparisons within the study’s framework, absolute values of 3D-dependent indicators should be interpreted with caution.
Discussion
In this section, the authors detail the methodology and findings from their pre-compaction simulation study, which utilizes the Particle Flow Code (PFC) 2D software to model the behavior of asphalt mixtures during the pre-compaction phase. The simulation setup involves generating particles based on specific gradations, which are then subjected to a virtual screed device that mimics the action of a V ÖGELE SUPER 800i screed. The device consists of a tamper and a vibrating screed plate, both of which play crucial roles in material densification. The study employs the Johnson-Kendall-Roberts (JKR) contact model to accurately capture the adhesion-sensitive mechanics of particle interactions, which is essential for understanding the compaction behavior of asphalt mixtures.
The authors also introduce a comprehensive data post-processing framework that includes contact identification and force chain analysis. They define key metrics such as compaction impulse (CI) and void decrease ratio (VDR) to quantify the densification process. The identification of force chains—structures formed by particle contacts that facilitate stress transfer—is emphasized, with a distinction made between strong and weak force chains. This classification is critical for understanding the load-bearing topology of the asphalt layer. The study further explores the extraction of relevant features related to particle contacts and force chains, which are then organized into a coherent database for subsequent analysis. The findings contribute to a deeper understanding of the pre-compaction behavior of asphalt mixtures, highlighting the importance of gradation and particle interactions in achieving optimal compaction.