本发明涉及沥青性能指标检测技术领域，特别涉及一种sbs改性沥青性能指标快速判定方法。
背景技术：
沥青的各项质量指标直接影响着沥青的使用性能，不仅反映了沥青生产的技术水平，规范道路沥青的质量与规格，而且沥青的使用者也可以根据质量指标来评判产品的优劣，选择合适等级的沥青产品。因此，道路沥青的质量指标在生产过程质量控制与评价、用户选择与使用过程中都有着重要的意义。
沥青的性能指标有多达二十几项，例如表征沥青安全性的闪点、表征沥青均质状况的溶解度、表征沥青含矿物质等杂质含量的灰分、表征沥青在低温条件下的抗裂性能的脆点等，一般的石油沥青都比较容易达到各项指标要求。除此之外，还有两个核心指标，即针入度和软化点，是用来评价沥青质量、划分沥青等级的非常重要的依据。
目前对于沥青的常规性能指标主要采用行业标准《公路工程沥青及沥青混合料试验规程》(jtge20-2011)进行测定，分析过程虽不是十分复杂，但是需要对样品进行处理和制样，分析时间较长，急需一种快速简便的分析方法。
随着sbs改性沥青的应用范围越来越广泛，如何提供一种可以快速得到sbs改性沥青的常规性能指标的测试方法是本领域技术人员亟待解决的技术问题。
技术实现要素：
红外光谱分析法在沥青的品质分析方面有着巨大的潜力，不仅与标准方法有着非常好的对应性，而且高效便捷，能够实现多个指标的同时检测。
有鉴于此，本发明的目的在于提供一种sbs改性沥青性能指标快速判定方法，根据红外光谱测试的sbs改性沥青红外光谱数据，并与sbs改性沥青常规性能指标数据建立对应关系，以此构建预测模型，可以快速测试得到未知sbs改性沥青的常规性能指标，可广泛应用于各类工程项目中的sbs改性沥青的性能指标测定。为实现上述目的其具体方案如下：
一种改性沥青性能指标快速判定方法，包括如下步骤：
步骤一，制备多组sbs改性沥青样本；
步骤二，对多组所述sbs改性沥青样本分别进行红外光谱测试，得到sbs改性沥青红外光谱数据；
步骤三，对多组所述sbs改性沥青样本分别进行常规性能指标试验，得到sbs改性沥青常规性能指标数据；
步骤四，对步骤二得到的sbs改性沥青红外光谱数据进行预处理，得到sbs改性沥青红外光谱预处理数据；
步骤五，将步骤四得到的所述sbs改性沥青红外光谱预处理数据与步骤三得到的sbs改性沥青常规性能指标数据一一对应，构建数据集；
步骤六，分析预处理后的sbs改性沥青红外光谱数据与所对应sbs改性沥青常规性能指标数据相关的峰谱范围，并结合相关系数法筛选建模特征区间；
步骤七，建立预测模型；
步骤八，根据所述预测模型判定未知sbs改性沥青的常规性能指标。
优选的，所述步骤一中：选择若干种基质的沥青和sbs改性剂，采用不同sbs掺量制备多组所述sbs改性沥青样本。
优选的，所述步骤二具体包括：
1)采用透射法测试改性沥青的红外光谱；
2)将所述sbs改性沥青样本涂抹于所述溴化钾晶片上，涂抹平整，涂抹厚度为0.4mm～0.5mm，冷却至室温，放置于红外光谱仪夹具中，利用红外光谱仪进行测试，输出sbs红外光谱图，保存得到所述sbs改性沥青红外光谱数据。
优选的，所述sbs改性沥青样本在恒温烘箱中加热的温度条件为165℃～175℃。
优选的，所述红外光谱仪的工作环境为：温度25℃±5℃，湿度不大于60％。
优选的，步骤三中的所述常规性能指标包括针入度和软化点。
优选的，对所述sbs红外光谱数据进行预处理的方法包括但不限于一阶导数和傅里叶卷积平滑方法。
优选的，所述步骤六中，综合考虑sbs改性沥青红外光谱数据与所对应sbs改性沥青常规性能指标数据相关的峰谱范围，以及从化学结构角度综合分析红外光谱特征峰与针入度、软化点的关系，并结合相关系数法筛选确定针入度的建模区间和软化点的建模区间。
优选的，针入度的建模区间为3000cm-1～2700cm-1，1650cm-1～1200cm-1，1000cm-1～650cm-1，软化点的建模区间为1750cm-1～1300cm-1，1000cm-1～650cm-1。
优选的，所述步骤七具体包括：
选用高斯过程进行回归建立所述预测模型；
采用主成分分析法进行降维；
采用五折交叉验证测试所述预测模型的准确性。
优选的，根据所述一种改性沥青性能指标快速判定方法开发的改性沥青性能指标快速判定系统。
本发明公开的一种改性沥青性能指标快速判定方法，采用红外光谱测试多组sbs改性沥青样本的sbs改性沥青红外光谱数据，对相同sbs改性沥青样本进行常规性能指标试验，并将二者一一对应组成数据集，建立预测模型，可以快速判定未知sbs改性沥青的常规性能指标，整个操作过程仅需10分钟，适用性更广泛，应用更加便捷，用户只需导入测试得到的红外光谱数据，即可完成针入度和软化点的快速测试。本发明采用红外光谱法相对于现有检测方法，无论在适用性、准确性、经济性、测试效率方面都有着明显优势。在此常规上结合机器学习法建立基于红外光谱数据的sbs含量预测模型，通过多种sbs改性沥青样本的统一建模可以增强模型的适用性，而机器学习算法建模过程中通过主成分分析技术可以更好的收集红外光谱数据的有效信息，使模型的理论更加科学、预测能力更加精确，可广泛应用于各类工程项目中的sbs改性沥青的性能指标快速测定。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明公开的一种sbs改性沥青性能指标快速判定方法的流程示意图；
图2为本发明实施例公开的针入度模型预测值和真实值的回归关系图；
图3为本发明实施例公开的软化点模型预测值和真实值的回归关系图；
图4为本发明实施例公开的sbs改性沥青针入度试验数据；
图5为本发明实施例公开的sbs改性沥青软化点试验数据。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见图1所示，本发明公开了一种改性沥青性能指标快速判定方法，包括sbs改性沥青样本的制备、红外光谱数据测试、常规性能试验的数据测试、红外光谱图像的预处理、建模特征区间的优选、预测模型的建立、预测模型的应用，具体实现步骤如下：
s1：制备多组sbs改性沥青样本；
1)准备三种不同基质沥青(中石化70#，中海油70#，壳牌70#)、两种sbs改性剂(星型bm4302和线型yh791)，选择sbs掺量分别为2％、3％、4％、5％、6％，配制3*2*5＝30种试样。
2)试样制备：在高速剪切机试验室内制备sbs改性沥青，需要保证sbs改性剂剪切满足一定要求后能够均匀分布在基质沥青中，从而发育成满足实际要求的sbs改性沥青。每组试样制备过程中，需要对高速剪切机的转速及搅拌时间提出一定要求，应先将2kg基质沥青搅拌均匀后按照比例投入sbs改性剂，为使sbs均匀混入基质沥青中，高速剪切机转定为6000r/min，搅拌时间1小时，基质沥青加热温度170℃，改性沥青搅拌过程175℃。
3)每组试样进行五组平行试验。
s2：对多组sbs改性沥青样本分别进行红外光谱测试，得到sbs改性沥青红外光谱数据；
1)将sbs改性沥青样本在恒温烘箱中加热至165℃～175℃，sbs改性沥青样本呈均匀流动、粘稠液体状；
2)采用压片机将纯粉体溴化钾压制成厚度均匀、光洁透明的晶体薄片备用；
3)红外光谱仪操作程序启动，并设定操作条件待用，工作环境：温度25℃±5℃，湿度不大于60％；
4)将所述sbs改性沥青样本涂抹于所述溴化钾晶片上，涂抹平整，涂抹厚度为0.4mm～0.5mm，冷却至室温，放置于红外光谱仪夹具中，将夹具放入红外光谱仪样品室进行测试，输出sbs红外光谱图至计算机，保存得到所述sbs红外光谱数据。
s3：对多组sbs改性沥青样本分别进行常规性能指标试验，得到sbs改性沥青常规性能指标数据。
沥青常规性能指标(针入度、软化点)按照《公路工程沥青及沥青混合料试验规范jtg2011》中的试验方法操作完成。
通过s2、s3，共得到150组数据，即sbs改性沥青红外光谱数据与sbs改性沥青常规性能指标(针入度、软化点)数据。
s4：采用一阶导数和傅里叶卷积平滑的方法对sbs改性沥青红外光谱数据进行预处理。
s5：将s4得到的sbs改性沥青红外光谱预处理数据与s3得到的sbs改性沥青常规性能指标数据一一对应，组成数据集，准备构建预测模型。
s6：分析预处理后的sbs改性沥青红外光谱数据与所对应sbs改性沥青常规性能指标数据相关的峰谱范围，并结合相关系数法筛选建模特征区间；
沥青的软化点和针入度虽是物理性质指标，但其也与沥青的化学组分和组分含量有着密切的关系。饱和烃与芳烃有着较高的针入度，而软化点却较低；胶质与沥青质的针入度极低，但软化点却很高，因此，以红外光谱作为定量分析的信息载体，采用红外光谱检测沥青性质，在理论上是可行的。
沥青的针入度指标主要受到沥青的芳烃组分含量和饱和烃组分含量的影响，且主要与芳烃姐分含量有关。根据相关系数的计算，沥青的芳烃组分，包括1600cm-1左右的苯环骨架振动峰，740cm-1～840cm-1范围内苯的邻双取代、间双取代、1,2,3-三取代的面外弯曲振动峰，沥青的饱和烃组分，包括2850cm-1附近的c-h伸缩振动峰，720cm-1附近长链烷烃的弯曲振动峰，均与针入度指标有着很强的相关性。软化点指标的分析方法同针入度，不再赘述。
沥青掺加sbs改性剂后，针入度和软化点等指标会有这显著的变化，因此sbs改性剂的特征吸收峰也必然要考虑到建模区间内。sbs的特征峰主要有三处，966cm-1，910cm-1分别为聚丁二烯反式1,4和1,2结构特征吸收峰，669cm-1处特征吸收峰归属于苯乙烯基苯环单取代峰。
因此，综合考虑sbs改性沥青红外光谱数据与所对应sbs改性沥青常规性能指标数据相关的峰谱范围，以及从化学结构角度综合分析红外光谱特征峰与针入度、软化点的关系，并结合相关系数法筛选确定针入度的建模区间为3000cm-1～2700cm-1，1650cm-1～1200cm-1，1000cm-1～650cm-1，软化点的建模区间为1750cm-1～1300cm-1，1000cm-1～650cm-1。
s7：建立预测模型；预测模型选用高斯过程回归(gpr)进行回归建立,采用主成分分析(pca)的方法进行降维，采用五折交叉验证测试算法的准确性，其中建模的算法包括但不限于高斯过程回归。
高斯过程回归针入度预测模型决定系数r2＝0.922，均方根误差rmse＝6.63,软化点预测模型决定系数r2＝0.945，均方根误差rmse＝4.35，预测效果可以满足实际需求，由于本实施例公开的是采用三种不同油源同标号沥青的数据集得到的预测模型，预测值与真实值之间的微小差异源于不同油源的差异，以及针入度、软化点测试数据本身存在的误差，参见附图2和图3分别为本发明实施例公开的针入度和软化点模型预测值和真实值的回归关系图，如单独用一种油源沥青的数据集建模，针入度和软化点预测模型决定系数r2可以分别达到0.982和0.964，已经具备很高的预测精度。
s8：根据所述预测模型判定未知sbs改性沥青样本的sbs掺量。
训练好的模型导出到matlab工作区，使用新输入的红外光谱数据即可判定未知样本的各项常规性能指标，例如针入度、软化点。红外光谱试验取得数据，导入预测模型得到sbs改性沥青常规性能指标，整个操作时间仅需10分钟，可实现真正意义上的快速预测。
根据训练好的预测模型编写一套sbs改性沥青常规性能指标快速判定系统，用户只需导入测试得到的红外光谱数据，即可快速完成沥青常规指标的测试，这套判定系统极具市场推广前景。
以上对本发明所提供的一种改性沥青性能指标快速判定方法进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。