深水斜截面裸岩条件下桥梁基础平台施工技术

利用小浮箱组拼成驳船,在驳船上搭设施工浮式平台,解决深水裸岩钢管桩无法插打自稳的问题,利用浮式平台解决钻孔桩的施工。     

废橡胶颗粒在弹性沥青混合料中的应用

将1～3mm橡胶颗粒用在弹性沥青混合料中,并运用旋转压实（SGC）成型进行混合料空隙率的修正。试验表明普通马歇尔一次成型试验,可满足混合料的设计要求;橡胶颗粒的最佳掺量可使路用性能达到最佳。     

寒区隧道温度简谐波传热特征与影响因素的敏感性

为探究寒区隧道温度场的时空演化规律, 以波的视角从时间尺度和空间尺度建立了寒区隧道温度简谐波径向传热模型, 基于傅里叶传热定律推导了寒区隧道温度简谐波径向传热表达式; 依托兴安岭公路隧道温度测试结果, 验证了温度简谐波径向传热表达式的可行性, 分析了温度简谐波沿隧道径向深度的分布特征与随冻融周期的变化规律; 采用系统稳定分析法, 研究了温度简谐波对各影响因素归一化的敏感度因子。研究结果表明: 沿隧道径向深度0.00~4.00 m, 温度振幅呈负指数函数形式衰减, 变化范围为11.67℃~0.45℃; 温度相位移呈正比例函数形式增大, 变化范围为0.00~75.24 d; 年平均温度呈线性升高的趋势, 变化范围为-0.62℃~1.98℃; 受隧道区气温逐年变暖趋势的影响, 隧道进口端壁面年平均温度从2016~2019年升高了约0.75℃, 年平均温度随冻融周期逐年增大, 2.00 m深度内年平均温度受冻融周期影响较大, 超过2.00 m年平均温度受冻融周期影响相对较小; 隧道进口端壁面温度振辐从2016~2019年衰减了1.48℃, 温度振幅随冻融周期逐年衰减, 2.00 m深度内温度振幅衰减较快, 超过2.00 m温度振幅衰减较慢; 隧道进口端壁面日相位从2016~2019年延迟了7.20 d, 日相位随冻融周期逐年增大。温度简谐波对各影响因素的敏感性由高到低依次为壁面温度振幅、壁面年平均温度、围岩含冰率、围岩含水率、围岩孔隙率、骨架颗粒的质量热容量与导热系数。      

紫外光老化对沥青使用性能的影响性研究

为解决强紫外线对沥青产生老化问题,利用紫外老化环境箱模拟野外环境老化条件进行试验,通过动态剪切流变仪分别研究了老化时间变化对SBS改性沥青和基质沥青高温、低温及疲劳性能的影响.试验结果表明,强紫外光对SBS改性沥青能够产生严重老化,主要表现为疲劳性能和低温性能大幅衰减,高温性能进一步得到改善,且都与老化时间关系较紧密;同时,随测试温度升高,老化时间对G*/sinδ、G* sinδ的影响幅度逐渐减小,说明紫外光对SBS改性沥青老化具有温度敏感性.研究结论可以为沥青路面选择抗光老化性较好的沥青提供良好技术支持.     

旧路改造中沥青路面加铺技术方案研究

以省道212线甘其毛都口岸-海流图一级一幅公路为依托,采用了结构承载能力指数与路况指数进行旧路改造路面的评价,确定了基于旧路当量回弹模量的加铺方案,探讨了路面冷再生加铺方案,为内蒙古自治区旧路改造项目中的路面评价提供一定的参考。     

沙漠公路盐渍化软弱地基处理技术研究

以通古勒格淖尔至额尔克哈什哈公路（蒙甘界）为依托工程，通过现场挖探、取样试验确定盐渍土的物理、力学性质和工程水文地质情况。建立现场试验路，采用经济合理的盐渍化软弱地基风积沙和砂砾换填处治方案，研究在不同换填材料、换填深度等条件下地基处治效果。通过试验段施工期与运营期沉降监测对换填效果进行验证和评价，提出适合内蒙古腾格里沙漠公路特殊路基处治技术。     

乙二醇蒸发塔裂纹机理分析及防护措施

某厂4台EG蒸发塔检修过程中发现大量密集裂纹，为分析裂纹成因并提出处理措施，通过渗透检测、硬度测试、金相分析等方法，发现了裂纹产生机理。敏化、发生应变诱导马氏体相变的0Cr18Ni9，在温度、应力以及带有微量Cl^-和SO₄^2-的复杂腐蚀介质的协和交互作用下，产生网状沿晶或穿晶应力腐蚀裂纹。根据EG蒸发塔内壁裂纹形成机理，采取打磨消除补焊以及同材质贴板的方法，复检合格后未发现裂纹，处理措施经济有效，为类似0Cr18Ni9材料裂纹产生机理分析和处理提供参考。     

基于改进YOLOv5神经网络的道路检测车辆前方障碍识别方法

针对在嵌入式设备上部署神经网络模型存在受限于设备体积与计算性能的影响而难以保证神经网络模型的推理实时性的问题，提出了一种基于YOLOv5-nano的前车检测改进方法（HS-YOLO）。首先，采用硬拟合函数h-swish来取代SiLU激活函数，在激活关系相似的情况下提高模型推理速度；此外，引入SIOU边界框回归损失来替代CIOU损失，提高模型的训练速度与推理精度。为进一步验证改进模型的性能，使用SSD、YOLOv4-tiny、基础模型YOLOv5-nano与改进的HS-YOLO网络在相同训练条件下进行训练，得到最优模型并在测试集上进行推理测试。结果表明：HS-YOLO模型的精确率、召回率及AP0.5较原模型YOLOv5-nano分别提升了0.76%、0.43%、0.41%；在推理速度方面，HS-YOLO模型的单张图片推理耗时为7.8 ms，实时推理帧数为128 FPS，在所有模型中表现最优，较原模型分别提高了0.7 ms和10 FPS。