Drift och underhåll Bestämning av homogenitet på asfaltbeläggningar baserat på texturmätning Alternative title slide
Exempel på bra och dålig homogenitet Content slide Dålig textur/homogenitet Bra textur/homogenitet
Syfte och mål med mätningen <ul><li>Genom att ställa krav på den nya asfaltbeläggningens struktur och </li></ul><ul><li>ho...
Dagens mätmetoder DOR (Density On Run) Mäter beläggningens densitet med rullande isotopmätare + Bra parameter (densitet) +...
Dagens mätmetoder <ul><li>Värmekamera </li></ul><ul><li>Mäter temperaturen på asfalten bakom läggaren vid produktion </li>...
Texturmätning – Insamling med mätbil Högfrekventa laserkameror   samlar värden varje millimeter i normal trafikhastighet T...
Texturmätning – mått och definitioner <ul><li>Makrotextur (våglängder 0.5 – 50.0 mm) </li></ul><ul><li>Mått:  MPD (Mean Pr...
Utvecklingsprojekt <ul><li>Definiera vilka brister texturmätning kan identifiera i nya beläggningar </li></ul><ul><li>Jämf...
Brister i beläggningar - Exempel Separation  För mycket bindemedel mitt i och till höger i körfältet. Medelvärden över 1 m...
Brister i beläggningar - Exempel Texturnivå  Samma beläggning med olika nivåer på texturen. Medelvärden över 1 meter
Jämförande mätningar ABT16  Medelvärden över 10 meter
Jämförande mätningar ABS16  Medelvärden över 10 meter
Slutsatser från utvecklingsprojekt <ul><li>Texturmåtten identifierar öppna och täta ytor på ett bra sätt </li></ul><ul><li...
Beräkningsmodell Svarta kurvan Normal fördelning för den aktuella beläggningstypen Blå kurvan Tät yta, bindemedel på ytan ...
Beräkningsmodell - tillämpning Sektion med separation mitt i körfältet Fördelning av 100 mm -värden över 5 m
Beräkningsmodell – vidare arbete <ul><li>Bestäm svarta kurvan (master curve) för olika beläggningstyper </li></ul><ul><li>...
TACK! End slide.
Upcoming SlideShare
Loading in...5
×

Session 71 Christian Glantz

173

Published on

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
173
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
1
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide
  • Alternative title slide. Image size: 7,94 cm x 25,4 cm
  • Content slide
  • Content slide, two columns with image. Image size: 11,29 cm x 10,79 cm
  • Endslide
  • Session 71 Christian Glantz

    1. 1. Drift och underhåll Bestämning av homogenitet på asfaltbeläggningar baserat på texturmätning Alternative title slide
    2. 2. Exempel på bra och dålig homogenitet Content slide Dålig textur/homogenitet Bra textur/homogenitet
    3. 3. Syfte och mål med mätningen <ul><li>Genom att ställa krav på den nya asfaltbeläggningens struktur och </li></ul><ul><li>homogenitet ökar kvaliteten </li></ul><ul><li>Rätt struktur/textur </li></ul><ul><li>Ökad chans för bra friktion </li></ul><ul><li>Texturen inverkar på bränsleförbrukning, däckslitage och buller </li></ul><ul><li>Bra homogenitet </li></ul><ul><li>Ökad chans för att dimensionerad livslängd uppnås </li></ul><ul><li>Mindre risk för framtida stensläpp och blödningar </li></ul><ul><li>Mindre risk för deformationer </li></ul>Content slide, two columns with image
    4. 4. Dagens mätmetoder DOR (Density On Run) Mäter beläggningens densitet med rullande isotopmätare + Bra parameter (densitet) + Yttäckande - Låg mäthastighet (0.9 km/h) - Mindre bra repeterbarhet på korta sträckor
    5. 5. Dagens mätmetoder <ul><li>Värmekamera </li></ul><ul><li>Mäter temperaturen på asfalten bakom läggaren vid produktion </li></ul><ul><li>Ytor med för låg temperatur klassas som riskytor </li></ul><ul><li>Georadar </li></ul><ul><li>Mäter hålrumsvariation i beläggningen </li></ul><ul><li>Kräver borrkärnor för kalibrering </li></ul>
    6. 6. Texturmätning – Insamling med mätbil Högfrekventa laserkameror samlar värden varje millimeter i normal trafikhastighet Textur mäts i tre linjer höger och vänster hjulspår samt mitt emellan dessa
    7. 7. Texturmätning – mått och definitioner <ul><li>Makrotextur (våglängder 0.5 – 50.0 mm) </li></ul><ul><li>Mått: MPD (Mean Profile Depth) </li></ul><ul><li>RMS-värde </li></ul>MPD = (toppnivå 1 + toppnivå 2)/2 – medelnivå
    8. 8. Utvecklingsprojekt <ul><li>Definiera vilka brister texturmätning kan identifiera i nya beläggningar </li></ul><ul><li>Jämförande mätningar mellan densitet mätt med DOR och textur mätt med mätbil </li></ul><ul><li>Förslag till beräkningsmodell som detekterar ovan beskrivna brister </li></ul>
    9. 9. Brister i beläggningar - Exempel Separation För mycket bindemedel mitt i och till höger i körfältet. Medelvärden över 1 meter
    10. 10. Brister i beläggningar - Exempel Texturnivå Samma beläggning med olika nivåer på texturen. Medelvärden över 1 meter
    11. 11. Jämförande mätningar ABT16 Medelvärden över 10 meter
    12. 12. Jämförande mätningar ABS16 Medelvärden över 10 meter
    13. 13. Slutsatser från utvecklingsprojekt <ul><li>Texturmåtten identifierar öppna och täta ytor på ett bra sätt </li></ul><ul><li>Även mindre utbredda defekter kan detekteras </li></ul><ul><li>Godtagbar korrelation mellan densitet mätt med DOR och textur mätt med mätbil </li></ul><ul><li>Kännedom om olika beläggningstypers förväntade värde och förväntade spridning krävs </li></ul>
    14. 14. Beräkningsmodell Svarta kurvan Normal fördelning för den aktuella beläggningstypen Blå kurvan Tät yta, bindemedel på ytan Röda kurvan Öppen yta, risk för stensläpp Samla värden över 100 mm Beräkna fördelningen för varje intervall om 5 meter Bestäm avvikelsen från normal fördelning
    15. 15. Beräkningsmodell - tillämpning Sektion med separation mitt i körfältet Fördelning av 100 mm -värden över 5 m
    16. 16. Beräkningsmodell – vidare arbete <ul><li>Bestäm svarta kurvan (master curve) för olika beläggningstyper </li></ul><ul><li>Definiera hur avvikelserna (grå ytan) ska bestämmas </li></ul><ul><li>Bestämma gränser för hur stora avvikelserna får vara </li></ul>
    17. 17. TACK! End slide.
    1. A particular slide catching your eye?

      Clipping is a handy way to collect important slides you want to go back to later.

    ×