机场刚性道面的结构性能会在使用过程中衰减,为保证飞行安全与使用性能,需要定期评估其结构性能,土基和基层顶面反应模量是表征结构性能的两个重要指标。目前,落锤式弯沉仪(Falling Weight Deflectometer,FWD)因其相较于传统检测方法的快速、无损等优势,已经成为机场刚性道面结构性能评估的主要设备。但FWD测得的弯沉盆数据无法直接得到土基和基层顶面反应模量,需要通过弯沉盆进行反算得到。目前,模量反算方法的研究众多,这些方法有着各自的优缺点。本文拟提出一种新的反算方法,旨在令反算结果更为精确。为此,本文将采用有限元数值模拟的手段,建立FWD动力荷载作用下的典型机场刚性道面结构力学响应计算模型,研究不同影响因素和工况条件下的道面结构在FWD荷载下的弯沉盆,建立弯沉盆与道面结构间的对应关系,并选取与道面结构层模量关系最为密切的弯沉盆参数作为反算指标,应用BP神经网络建立结构层模量反算方法。本文的主要研究内容如下:首先,应用ABAQUS有限元分析软件建立FWD动力荷载作用下的机场刚性道面结构力学响应计算模型,并开展了机场刚性道面结构弯沉盆的影响因素分析。研究结果表明,道面板温度翘曲变形的存在会影响道面结构的弯沉盆数据和反算的准确性,因此在进行动力响应分析和模量反算时,应考虑道面板温度翘曲状况。在上述基础上,提出了根据道面板的翘曲状况对弯沉盆进行了分类,并分析了不同温度翘曲状态下,道面板弯沉盆随各影响因素的变化规律;其次,选取了适用于反算的弯沉盆和道面结构层模量参数,作为反算指标。研究选取基层顶面当量回弹模量作为道面结构层模量的表征参数,在不考虑温度翘曲时,根据相关性分析选取了弯沉值作为用于反算的弯沉盆参数;当道面板处于负温度梯度作用下,对弯沉值予以修正,作为反算指标;当道面板处于正温度梯度作用下,提出道面板板角贯入量作为评价指标;最后,基于BP神经网络建立了刚性道面结构层模量反算方法。将动力响应分析中获得的弯沉盆数据作为神经网络的训练样本,利用神经网络工具箱进行反算,并针对不同的温度梯度选用不同的参数作为输入变量。结果表明,训练得到的神经网络能够满足精度要求。应用神经网络对实际检测得到的弯沉盆进行反算,结果与道面调查结果吻合,进一步验证了方法的有效性。