Desempeño de micropavimento con mezcla asfáltica modificada y predicción de la vida útil mediante un modelo de falla

Abstract

En el presente trabajo de investigación, se desarrolla una metodología para evaluar el desempeño de micro pavimento de una mezcla asfáltica modificada con polímero SBS en un tramo de la Panamericana Sur del Perú; el proceso de evaluación consiste en aplicar adecuadamente deflectometría, cálculo inverso, redes neuronales adaptativas, redes neuronales de retro propagación y empleo de un modelo de falla basado en ahuellamiento y piel de cocodrilo para establecer el estado de deterioro, con el objetivo de proporcionar una herramienta de Gestión Vial para la reparación y mantenimiento de carreteras y autopistas. Para aplicar el proceso de retro cálculo, las deflexiones y el módulo de elasticidad de la mezcla asfáltica son datos de ingreso y las respuestas son los módulos de las demás capas del pavimento, este último proceso constituye una innovación al retro cálculo de pavimentos. El módulo de elasticidad de la mezcla asfáltica se obtiene de procesar numéricamente con la teoría de Van Der Poel y Bonnaure los resultados de ensayos de laboratorio. Como los módulos de elasticidad de las capas del pavimento -base, subbase y subrasante- no siempre son calculados adecuadamente con el proceso de retro cálculo, estos módulos deben ser corregidos a partir de una base de datos clasificada por una red adaptativa SOM y entrenada con una red neuronal BP. Finalmente, las deflexiones obtenidas con FWD, los módulos de elasticidad corregidos, la profundidad del nivel de ahuellamiento y el porcentaje de carretera con fatiga por agrietamiento, son los datos de ingreso al modelo de falla de Texas adaptado al presente estudio.

In the present research, a methodology is developed to evaluate the performance of a modified asphalt mixture with SBS polymer in a section of the South Panamerican of Peru; the evaluation process consists of properly applying deflectometry, reverse calculation, adaptive neural networks, neural networks of backpropagation and use of a failure model based on rutting and fatigue cracking, to establish the state of deterioration, with the aim of providing a tool of Road Management for the repair and maintenance of roads and highways. To apply the backcalculation process, the deflections and modulus of elasticity of the asphalt mixture are input data and the responses are the modules of the other layers of the pavement, this last process constitutes an innovation to the backcalculation of pavements. The modulus of elasticity of the asphalt mixture is obtained from numerically processing the results of laboratory tests to the mixture with the theory of Van Der Poel and Bonnaure. Since the elasticity modules of the pavement layers - base, subbase and subgrade - are not always adequately calculated with the backcalculation process, these modules must be corrected from a database classified by an adaptive SOM network and trained with a Neural network BP. Finally, the deflections obtained with FWD, the modulus of elasticity corrected, the depth of the rutting level and the percentage of road with cracking fatigue, are the input data to the Texas failure model adapted to the present study.