公路桥涵台背回填材料的离心模型试验研究

通过土工离心模型试验研究不同回填材料作用于桥涵台背土压力的分布状况和回填区表面沉降变形特征,从而优选出性能最佳的台背回填材料。首先,推导了台背回填问题的离心模型试验相似律;其次,进行了陶粒粉煤灰混凝土、粘性土、风积砂、砂砾和石灰土等几种材料的台背回填离心模型试验。研究发现:这些回填材料的压缩性由大至小的顺序为:粘土→石灰土→砂砾→风积砂→陶粒粉煤灰混凝土;轻质、高强度、低压缩性的陶粒粉煤灰混凝土的土压力和沉降变形最小;散粒体回填材料的施工压实度对回填区的表面沉降影响显著。结果表明:陶粒粉煤灰混凝土应用于桥涵台背回填工程具有明显的优越性,是一种值得推荐的台背回填材料。     

刚性面板加筋挡土墙的离心模型试验研究

通过土工离心模型试验,研究了刚性面板加筋挡土墙的变形特征及其内在破坏模式。试验程序包括设计加速度条件下正常工作状态的模拟和极限加速度条件下极限工作状态的模拟,就挡土墙面板侧向位移和加筋材料的应变进行了实时测量;并测量了极限状态下模型剖面的位移标记的变形,从而获得了极限工作状态土体滑动破坏面的位置。试验结果表明:(1)加筋土挡土墙所发生的侧向位移量远小于无加筋挡土墙的位移量,并且加筋层竖向间隔越小,加筋层越密,相对侧向位移量越小,加筋效果越明显;(2)整体式刚性面板加筋土挡土墙的性能优于一般的分离式刚性块式面板加筋土挡土墙;(3)加筋材料有从回填体中被拔出破坏的可能性,因此,加筋风积沙挡土墙内部稳定性校核时,需要验证抵抗这种破坏的安全性。     

基于网络产品定制设计中若干问题的研究与实现

就主程序与虚拟场景间的通信技术，Web数据库的访问技术，客户端文件的上传等3个方面的关键技术进行了研究，并给出了实现机制。     

布敦岩沥青改性沥青胶浆高温动态流变性能的试验研究

为了评价不同掺量的布敦岩沥青对基质沥青的改性效果,采用先进的动态剪切流变仪Advanced Rheometer(AR)对岩沥青改性沥青胶浆的高温动态流变性能进行了试验研究,主要评价指标有相位角、储能模量、车辙因子和动粘度等。研究发现岩沥青改性沥青胶浆的高温性能明显优于基质沥青;车辙因子和动粘度指标显示岩沥青改性沥青胶浆具有与SBS改性沥青胶浆相当的抗车辙性能,但是,其温度敏感性高于SBS改性沥青胶浆;岩沥青掺量对胶浆性能影响较明显,岩沥青与基质沥青质量比达到1∶1时,沥青胶浆的高温性能已经得到明显改善,可以满足路面使用性能要求。     

基于GEO-Slope的某露天矿闭坑后道路边坡稳定性评价

在详细分析某露天矿水文地质以及实验室试验数据的基础上,对该露天矿闭坑后边坡干、湿两种状态进行稳定性分析评价。结果表明:露天矿闭坑后仍需采取一定的排水措施,确保土地复垦及矿山生态化建设安全进行。     

液位检测技术的现状与发展趋势

介绍了工业生产过程中采用的差压式液位测量、超声波液位测量、光纤液位测量、激光液位测量、雷达波液位测量等几种液位测量方法,并从测量原理、特点等方面作了分析和比较。最后指出了液位检测的发展趋势。     

混凝土结构加固技术在旧建筑改造中的应用探讨

该对建筑结构加固新技术的特点及运用、设计构造、施工过程等方面的问题及相应的处理措施进行了探讨,以确保加固工程质量,从而确保结构安全使用。     

基于改进粗集料空隙填充法的密断级配沥青混合料设计

为准确评价密断级配沥青混合料中粗集料的嵌挤特性,提出了粗集料骨架间隙率最小值的测定方法和密断级配混合料骨架嵌挤的新标准;据此,改进了粗集料空隙填充法,应用于密断级配沥青混合料的设计;并通过马歇尔试验、浸水马歇尔试验、冻融劈裂试验、低温弯曲试验等检测了所设计混合料的路用性能.发现所设计的密断级配沥青混合料中粗集料间隙率比...     

基于融合分割和变尺度窗口的车道线距离检测

在车辆安全和驾驶行为相关研究中，车道线距离参数是重要的基础参数。针对传统机器视觉测量方法存在的标定过程复杂、测试成本高且移植性能差等问题，提出一种针对车侧摄像机图像的低成本车道线距离检测方法。首先，构建了一种融合局部Otsu算法与光照样条补偿算法的车道线区域分割方法，可在车道线磨损、复杂光照变化、车道线中断等场景中对车道线区域进行精确分割；其次，针对车道线边缘特征复杂多变的情况，设计了一种变尺度窗口算法来完成车道线边缘检测并可补全残损车道线；最后，采用多项式标定方法建立了车道线距离检测算法，实现了车道线距离的自动化快速检测。验证结果表明：在正常场景和多种复杂特殊场景下，所提出的检测算法平均检测误差为0.4 cm,平均检测速率达到30帧·s^-1,整体上优于目前其他技术方案。该方法在检测成本和可移植性方面具有显著优势，可为相关研究领域的技术人员提供新的解决思路。     

基于深度卷积-Tokens降维优化视觉Transformer的分心驾驶行为实时检测

针对基于端到端深度卷积神经网络的驾驶行为检测模型缺乏全局特征提取能力以及视觉Transformer(vision transformer,ViT)模型不擅长捕捉底层特征和模型参数量较大的问题，本文提出一种基于深度卷积和Tokens降维的ViT模型用于驾驶人分心驾驶行为实时检测，并通过开展与其他模型的对比试验、所提模型的消融试验和模型注意力区域的可视化试验充分验证了所提模型的优越性。本文所提模型的平均分类准确率和精确率分别为96.93%和96.95%，模型参数量为21.22 M，基于真实车辆平台在线推理速度为23.32 fps，表明所提模型能够实现实时分心驾驶行为检测。研究结果有利于人机共驾系统的控制策略制定和分心预警。