《ADVANCED ENGINEERING INFORMATICS》：A Physics-Embedded convolutional neural network for Tire-Pavement dynamic contact characteristic and friction prediction
编辑推荐：
轮胎—路面摩擦对行车安全至关重要，然而在整个路网范围内直接测量摩擦在运营上成本高昂。现有的数据驱动预测方法要么将纹理—摩擦关系视为不透明的回归问题，需要大规模数据集且无法提供机理性见解，要么依赖基于物理信息的软惩罚约束。本研究提出一种创新的物理嵌入卷积神经网络
轮胎—路面摩擦对行车安全至关重要，然而在整个路网范围内直接测量摩擦在运营上成本高昂。现有的数据驱动预测方法要么将纹理—摩擦关系视为不透明的回归问题，需要大规模数据集且无法提供机理性见解，要么依赖基于物理信息的软惩罚约束。本研究提出一种创新的物理嵌入卷积神经网络（Physics-Embedded Convolutional Neural Network，PE-CNN），将轮胎橡胶—纹理接触力学直接嵌入网络架构中，作为完全可微分的潜在物理层，从结构上引导网络。该网络预测微观变形率以构建动态接触包络，该包络代表有效橡胶—路面接触区域。随后，有效纹理经过完全张量化的二维频谱分析和滞后积分处理以预测摩擦。采用ResNet-18骨干网络并集成卷积块注意力模块（Convolutional Block Attention Module，CBAM），摩擦损失梯度通过物理层无中断地反向传播至CNN权重。在涵盖不同沥青混合料类型的综合实验室纹理—摩擦测量数据集上，研究人员在开发集内采用五折交叉验证选择模型参数。PE-CNN在独立测试数据上取得R2为0.822，而直接CNN的R2为0.75，采用相同物理嵌入管线的全局切平面方法的R2为0.744，凸显了动态接触包络的贡献。跨渐进轮胎抛光的轨迹级评估进一步表明，预测的有效接触场随表面磨损而协同演化。该框架提供了路面纹理演化、有效轮胎—路面接触与摩擦衰减之间可检视的联系。
论文解读文章
一、研究背景与问题
轮胎—路面摩擦对车辆制动和转弯安全至关重要。经验性事故分析发现，40英里/小时速度下滑移数（Skid Number，SN）每增加10个单位，总事故率可降低高达30%。由于路面摩擦在交通抛光和环境影响下持续衰减，定期监测是路面安全管理的重要组成部分。当前摩擦评估手段主要包括全尺寸仪器化车辆（如锁轮滑移拖车LWST和横向力系数常规检测车SCRIM）以及便携式橡胶垫测试仪（如摆式摩擦仪BPT和动态摩擦测试仪DFT），但这两类方法运营成本均较高：全尺寸设备资本密集，便携式测试仪需要交通管制，难以在大规模路网范围内以有效的时间分辨率实现覆盖。因此，多数管理机构仅每两年进行一次摩擦调查，频率过低，难以支撑基于状态的养护决策。
相比之下，路面表面纹理可通过车载激光扫描仪以非破坏性方式、在高速公路速度下且不中断交通的情况下获取，生成任意长路段的高密度三维高程数据。若能建立足够精度的纹理—摩擦映射关系，即可在纹理测量之处推断摩擦，以可忽略的边际成本将稀疏的摩擦调查替换为连续的全路网估计。然而，早期基于二维轮廓的经验模型往往难以获得一致的摩擦相关性；基于三维纹理数据的多元回归模型则受限于特定条件，预测参数和系数对测试协议、设备、材料和环境敏感。纯数据驱动的深度学习方法容易过拟合，需要成本高昂的大规模数据集，且缺乏对底层摩擦学机理的把握。物理信息神经网络（PINNs/PGNNs）虽已被提出，但多数应用采用软惩罚方式将物理方程加入损失函数，网络架构本身不受约束，仍可能产生非物理的解。因此，亟需一种将接触力学更直接地嵌入学习框架、既能保持预测精度又能提供机理性洞察的新方法。
二、研究内容与意义
针对上述问题，本研究提出了一种基于物理嵌入卷积神经网络（PE-CNN）的路面摩擦预测新方法。该方法将橡胶—纹理接触物理直接嵌入网络架构而非损失函数中，具有三个独特组成：第一，以动态弯曲接触包络取代传统固定深度接触假设，使局部穿透深度在像素级变化，提供轮胎橡胶与不规则路面纹理有效接触的力学合理表征；第二，开发了集成注意力模块的定制CNN，为网络提供显式机制以聚焦主导摩擦生成的承载微凸体；第三，将接触包络构建、频谱分析和滞后积分整合为完全可微分的无训练参数物理层，使摩擦损失梯度无中断地传播至CNN权重，同时假设空间在结构上受Persson接触理论约束。该框架不仅输出预测摩擦值，还输出微观有效接触纹理，提供完全透明且机理驱动的预测过程。研究发表在《ADVANCED ENGINEERING INFORMATICS》期刊上，为路面摩擦预测提供了一种兼具精度与可解释性的新范式。
三、关键技术与方法
研究人员在实验室条件下对21个沥青试件进行了加速轮胎抛光试验，涵盖五种路面类型：热拌沥青（HMA）、高性能薄层罩面（HPTO）、开级配抗滑磨耗层（OGFC）、沥青玛蹄脂碎石混合料（SMA）和碎石封层。采用三轮抛光机（TWP）施加加速轮胎抛光，动态摩擦测试仪（DFT）沿同一圆形轮迹测量40 km/h湿态摩擦数，AMES激光纹理扫描仪在抛光轨迹内两个固定位置采集40×20 mm区域的三维表面形貌，横向分辨率0.05 mm、竖向分辨率0.01 mm，生成800×400像素高程矩阵。原始数据经插值、离群尖峰去除和最小二乘平面去倾斜预处理后，共获得326个纹理矩阵样本。关键技术方法包括：基于Persson多尺度接触理论的动态接触包络构建、ResNet-18骨干网络与卷积块注意力模块（CBAM）结合的CNN架构、完全张量化的二维频谱分析与滞后积分物理层，以及五折交叉验证的模型选择流程。
四、研究结果
4.1 数据集构建与分布特征
预处理后数据集包含来自21个沥青试件的163个有效DFT摩擦测量值，每个有效测量对应两个固定位置的三维纹理扫描，共形成326个纹理矩阵样本。摩擦系数分布近似正态，反映了五种沥青混合料类别间的固有差异叠加抛光循环导致的类别内广泛分布。实测摩擦数范围：HMA为27–50，SMA为43–53，HPTO为40–58，OGFC为33–37，碎石封层试件抗滑性能最高，为51–67。其中265个样本分配至开发集用于训练和验证，剩余61个样本构成保留测试集。
4.2 模型预测性能对比
在独立测试集上，PE-CNN取得R2为0.822，显著优于直接CNN的0.75和采用相同物理嵌入管线的全局切平面方法的0.744。这一对比凸显了动态接触包络的关键贡献：相比固定深度或全局平面接触假设，像素级变化的动态接触包络能更准确地表征轮胎橡胶与不规则路面纹理的实际接触状态，从而显著提升摩擦预测精度。
4.3 有效接触场随磨损的演化
跨渐进轮胎抛光的轨迹级评估表明，预测的有效接触场随表面磨损而协同演化。随着抛光循环增加，路面微凸体逐渐被磨平，预测的有效接触区域相应收缩和变化，与摩擦衰减趋势一致。这一结果验证了模型输出的微观有效接触纹理具有物理一致性和可解释性，能够反映路面磨损过程中接触力学的真实变化。
五、讨论与结论
讨论部分指出，PE-CNN通过将Persson接触理论直接嵌入网络架构，提供了比软惩罚物理信息方法更强的归纳偏置和结构约束。动态接触包络的引入解决了传统固定深度假设的局限性，使模型能够捕捉路面纹理空间异质性对有效接触的影响。模型输出的有效接触纹理为路面纹理演化与摩擦衰减之间提供了可检视的联系，增强了预测过程的透明度和机理性。
研究结论表明，所提出的PE-CNN框架成功地将轮胎橡胶—纹理接触力学嵌入卷积神经网络架构，在保持较高预测精度的同时提供了机理驱动的可解释预测过程。动态接触包络的贡献通过消融对比得到验证，有效接触场随表面磨损的协同演化进一步确认了模型的物理一致性。该框架为基于路面纹理的路网级摩擦预测提供了新的技术路径，有望支持更频繁、更低成本的摩擦监测，从而改善路面安全管理决策。
