Cuckoo-Suche basierter Back-Calculation-Algorithmus zur Schätzung der Schichteneigenschaften volltiefflexibler Fahrbahndecken

Diese Studie stellt einen Backcalculation-Algorithmus vor, um die Materialeigenschaften von Asphaltdecken in voller Tiefe zu schätzen. Der vorgeschlagene Algorithmus, nämlich CS-ANN, verwendet einen auf künstlichen neuronalen Netzen (ANN) basierendes Vorwärtsreaktionsmodell, das aus den Lösungen der nichtlinearen Finite-Elemente-Analyse entwickelt wurde, um die Verformungen mathematisch zu berechnen. In der Rückwärtsphase der Methode wird die Cuckoo-Suche (CS) verwendet, um nach den Modulwerten der Schichten zu suchen. Die Leistung der vorgeschlagenen Methode wird untersucht, indem die theoretisch berechneten Verformungen durch eine auf Finite-Elementen basierende Software und Verformungsdaten aus dem Feld analysiert werden. Darüber hinaus werden zur Bewertung der Suchfähigkeit von CS-Optimierungsalgorithmen, die häufig bei der Backcalculation von Fahrbahnen verwendet werden, nämlich genetische Algorithmen (GA), Particle Swarm Optimization (PSO) und Gravitational Search Algorithm (GSA), zum Vergleich herangezogen. Die erhaltenen Ergebnisse zeigen, dass der vorgeschlagene Backcalculation-Ansatz in der Lage ist, steifigkeitsbezogene Schichteigenschaften auf genaue und schnelle Weise zu bestimmen. Darüber hinaus zeigt CS eine vielversprechende Leistung bei der Erreichung der optimalen Lösungen, die besser sind als GA, PSO und GSA.