码头混凝土中的氯离子侵入研究

对码头的不同构件钻取了一批混凝土芯样,测量了其中CaCO3的含量和氯离子分布,分析了局部环境对碳化和氯离子分布的影响。试验结果表明,在极度潮湿环境下混凝土碳化进展缓慢,且碳化区域以未完全碳化区为主导,混凝土碳化的深度最终趋于一个极限值。局部环境可导致混凝土中氯离子分布发生较大变化,在混凝土表层氯离子侵入方式复杂,可形成一个氯离子含量平稳区段,只有在一定深度内才符合扩散机理。     

基于氯离子分布的氯离子渗透参数计算的新方法

根据混凝土中氯离子的分布对氯离子侵入性能进行评价时,混凝土粉末样品的采集,氯离子含量的测试和表达方式,均可对评价结果产生影响。在干湿循环条件下,以理论上的表面氯离子浓度为主要评价参数对氯离子的渗透性能进行评价的方法不尽合理。通过对暴露26年后的青岛北海船厂码头中大量的混凝土芯样中氯离子分布的分析和计算,结合其它文献中氯离子分布的数据,提出了以扩散区与对流区界面为扩散表面,以界面处的氯离子浓度为扩散表面浓度,评价氯离子侵入性能和进行寿命预测的方法。     

基于可变形部件模板的扣件状态识别

针对在铁路钢轨扣件状态自动识别中断裂扣件与正常扣件难以区分的问题,基于DPM算法思路提出DPTM算法用于扣件状态自动检测。为屏蔽扣件图像中背景区域的干扰,根据扣件几何形状设计相应的掩膜模板,并对扣件进行分块得到扣件部件模型。采用弹簧模型度量部件之间相对位置关系、余弦相似性度量HOG特征点之间的相似度,加权融合特征点相似度得到部件相似度,根据各个部件重要性的权重系数组合建立扣件状态分类准则。理论分析和实验结果表明,DPTM算法能够较好地区分正常、断裂和丢失三种状态的扣件,并在优先保证较低漏检率的同时取得较低的误检率。     

高铁扣件的自适应视觉检测算法

为了实现高铁缺陷扣件的准确、快速和自动化检测，提出一种基于图像处理技术的高铁扣件自适应视觉检测算法. 针对高铁扣件图像的特性，使用改进的LBP (local binary pattern)算子提取扣件的显著特征；在扣件特征图的基础上，采用模板匹配算法得到扣件区域在原始图中的精确位置，进而得到扣件子图并用扣件的位置信息校验定位结果；以相邻两个扣件子图的差值作为判断依据，如果差值大于预设的阈值，相应的扣件则被判断为缺陷扣件. 将该检测算法应用于高铁工务部门提供的真实扣件图. 研究结果表明:本文提出的自适应扣件检测算法在雨天的表现最差，检出率为96%，误检率为0.50%；在晴天的表现最好，检出率为100%，误检率为0.22%；在不同天气、光照、环境下的综合检出率为99%，综合误检率为0.33%.      

某栈桥的建造、维修历史及其耐久性状况

青岛地区受海水侵蚀的混凝土结构破坏的主要原因是氯离子侵入引发的钢筋腐蚀。传统的对盐污染结构简单地涂覆涂层这种局部修补方式不能有效地解决氯离子诱发的钢筋腐蚀问题，采用渗入型钢筋阻锈剂是一种有效的修复新技术.     

基于代价敏感卷积神经网络的扣件缺陷检测算法

为解决扣件数据集不平衡问题,引入代价敏感策略对卷积神经网络算法进行改进,并以此检测断裂、丢失的缺陷扣件。该算法借鉴AdaBoost算法的思路,在训练过程中对整体误差函数中每个样本分配不同的权重,并依据先前模型的错误率不断地加以调整,使算法关注各个类别中的难学习样本,并对调整后的权重按类别进行归一化处理,以增大小类样本的关注度。分别在高速铁路无砟轨道和普速铁路有砟轨道2个扣件数据集上进行对照试验验证算法的有效性。引入G-mean作为评价指标平衡不同类别的召回率。结果表明:将改进后算法应用于高速铁路无砟和普速铁路有砟轨道的扣件数据集,改进后算法的G-mean值比原算法分别提高10%和25%以上;比传统的扣件识别方法分别提高13%和39%以上。     

一种改进的LBP特征实现铁路扣件识别

为了提高铁路扣件基于视觉的自动化检测精度,提出了一种改进的LBP （local binary pattern）编码算法. 该方法为了避免基本LBP对噪声敏感问题,根据不同邻域的不同噪声强度,结合测量误差服从高斯分布的原则,计算邻域内像素均值和偏差;根据偏差大小,自动设置阈值,实现自适应噪声抑制. 为了避免基本LBP表达邻域差分关系不完整的缺陷,提出了利用邻域内随机采样的方式得到采样点对,通过比较随机点对的差分关系得到LBP编码. 对在晴天、阴天、雨天等不同天气条件下的铁路扣件图像上进行实验,并与原始以及其他改进LBP进行比较. 结果表明,本文的算法具有更高的检测准确率,晴天提高了3.32%,阴天提高了3.27%,雨天提高了4.10%,能够满足铁路扣件自动化检测的需要.