大型舰船总纵强度计算方法研究

由于现有国内水面舰船设计规范仅适用于船长160m以下的舰船,为了更好地研究大型舰船的总纵强度,本文对一船长约200m的目标舰按照<中国船级社钢质海船入级与建造规范>(CCS)与基于<舰船通用规范>(GJB)基础上的建议标准以及全船有限元直接计算这三种方法作了计算与比较,得出了一些有益的结论,对大型舰船的总纵强度研究与规范的制定提供了较好的参考.     

《营运货车燃料消耗量限值及测量方法》标准研究

交通运输部通过制定《营运货车燃料消耗量限值及测量方法》标准,对达到燃料消耗量限值的新车建立准入制度。该标准规定了油耗测量方法、车型分类、权重系数等有关内容,对加强营运货车燃料消耗检测的监督管理具有重要意义。     

加筋格宾挡土墙材料耐久性研究

通过对潭衡西高速公路加筋格宾挡土墙的PVC覆膜、镀高尔凡钢丝及钢丝网的耐久性分析,深入研究了测试材料耐久性的试验方法,探讨了土壤等因素对材料耐久性的影响机理。将镀锌钢丝与镀高尔凡钢丝进行对比,用一系列不同腐蚀环境下的暴露试验,证实了高尔凡的抗腐蚀性随时间逐渐提高,其保护效果是镀锌保护的4～5倍。在现场实测数据的基础上,分析PVC护套下锌质量的残留值。并基于热老化试验的结果,采用一个1.2的安全系数,计算得到PVC覆膜的有效使用寿命,再根据镀锌膜在土体中的降解率,进而提出了一种预测材料耐久性的方法以指导工程设计和施工。     

长永路黄花至永安段改造工程设计技术探讨

在详细调查路基路面病害的基础上,提出了在原路面及其基底注浆补强、其上设置连续配筋补强层后铺设沥青面层,同时加强路基路面防排水设计的综合改造方案,并通过了施工实践与运营的检验。     

冲压件激光切割质量控制方法研究

详细介绍了冲压件激光切割质量评价标准和冲压件激光切割的质量控制方法,归纳了影响冲压件激光切割质量的因素,主要包括零件工艺方案设计、冲压件冲压质量、切割夹具的选择和制作、切割程序设计、切割工艺参数选择、切割零件精度检测6个方面,针对降低各因素影响所采取的措施和重要点进行研究分析,通过整套方案的实施,切割出合格尺寸精度的冲压件,进而顺利用于白车身焊接。     

中山海事:为港珠澳大桥水上运输安全保驾护航

<正>日前,记者从中山海事局了解到,港珠澳大桥建设工程共涉及到大型构件水上运输作业718航次,其中从中山基地运出至桥梁施工现场的共计516航次,可以说,七成以上的大桥构件系由"中山制造"。中山基地生产的所有大型构件要在2015年7月前安装完毕,平均每1.4日就要完成一次大型构件的运输作业。在2014年,中山海事局通过科学调配现场监管力量,合理调整构件运输出港计划,强化护航保障,实现了全年312航次大型构件水上运输安全。全年参     

隧道锚技术在大型悬索桥中的应用

选取新疆某大型悬索桥作为工程实例,通过对大桥锚碇施工技术和施工过程的还原和展示,详细阐述了隧道锚技术在大型悬索桥梁中的应用。大桥为双索面悬索桥,主桥全长1502m,桥的北岸选用隧道锚技术,北岸锚碇隧道整个长74m,其中锚塞体占41m,水平高度差为27m。本次工程选用三台阶开挖法进行锚塞体段隧洞的开挖,隧洞内的出渣采用绞车牵引有轨矿车来实现;用分段整体滑移法对开挖完成的锚塞体隧洞以锚杆和钢结构拱架进行支护;用水平分层浇注方法来实现大体积混凝土施工。通过该隧道锚设计方案,施工方提前完成了大桥施工,缩短了工期,节约了成本。     

超前地质预报技术在隧道施工中的组合及应用

在复杂地质条件下的隧道施工过程中,富水构造、断层破碎带及蚀变带等不良地质不仅制约了隧道正常施工,且在不同程度上影响着隧道的施工安全。本文选用“地质调查法?+?TSP?+?瞬变电磁法（Transient Electromagnetic Method,TEM）?+?地质雷达法?+?超前钻探”综合地质预报方法对侵入岩地区的某隧道开展综合地质预报,分析了掌子面工程地质与水文地质条件,为该隧道前方掌子面安全施工提供了可靠的地质资料支撑,具有十分重要的现实意义。     

基于深度学习的土木基础设施裂缝检测综述

基于深度学习的裂缝检测对于降低基础设施运营风险、节约运维成本并推进中国土木工程行业智能化转型具有重要意义。算法、数据集和评价指标是构建深度学习裂缝检测模型的关键要素；裂缝检测模型集成于机器人平台，从而实现对土木基础设施的全自动裂缝检测。为此，从以上4个方面对当前研究进行了系统梳理。首先，回顾了深度学习的发展历程，重点介绍了深度卷积神经网络在计算机视觉领域的应用及其在图像处理方面较传统算法所具有的显著优势。接着，详细介绍了3类基于深度学习的裂缝检测主流算法，包括分类算法、目标检测算法和语义分割算法。然后，对现有裂缝图像数据集以及模型性能评价指标进行了归纳。最后，总结了土木基础设施的各类裂缝检测机器人平台。综合分析表明：基于卷积神经网络主干结构的深度学习算法已被广泛用于土木基础设施表面裂缝的精准定位与分类，而裂缝的尺寸信息仍需依靠传统图像处理技术进行提取；由于像素级标注的成本和专业性高，大型的裂缝语义分割数据集相对缺乏，致使当前基于语义分割算法的裂缝检测模型鲁棒性较差；目前多数研究人员采用个人建立的裂缝数据集进行模型训练且采用不同的指标进行模型性能评价，缺乏统一的基准测试数据集和评价指标体系，无法对不同模型的性能进行平行比较；目前针对不同基础设施已相应开发了一些裂缝检测机器人，提高裂缝检测机器人的多场景适应性，并降低其应用成本是未来的发展方向。