热拌沥青混合料的软化区域

热拌沥青混合料在碾压过程的软化问题，直到在Superpave的使用中才引起道路工作者的足够重视，该文简要介绍了美国国家沥青技术中心（NCAT）在沥青混合料软化方面的最新研究成果，供国内研究者参考。     

热拌沥青混合料的软化区域

热拌沥青混合料在碾压过程的软化问题，直到在Superpave的使用中才引起道路工作者的足够重视。该文简要介绍了美国国家沥青技术中心(NCAT)在沥青混合料软化方面的最新研究成果，供国内研究者参考。     

就地热再生技术在重载SMA沥青路面中的应用评价及效益分析

依托312国道无锡段就地热再生试验路,通过与原路面材料性能进行分析对比,研究了老化沥青的性能改善、级配恢复以及再生混合料性能;设计并在实体工程中实施了3种再生方案,并通过对再生路面性能的长期跟踪观测,验证了就地热再生的效果;开展了定量效益分析,结果表明,相对铣刨重铺,再生工艺可节约工程经费、减少环境污染,具有显著的经济效益和环境效益。     

正交异性钢桥面铺装层的力学特性分析

分析在不同的荷载位置下 ,对应不同沥青混凝土模量值的正交异性钢桥面铺装层的应力应变特性及与钢板的粘结性能。通过分析 ,确定最不利加载位置和铺装层材料的各项力学指标 ,如铺装层材料最大容许拉应力、最大容许拉应变以及粘结层材料的剪切强度等 ,作为铺装层材料参照标准 ,探索合理的铺装层方案     

粘韧性指标在旧路加铺排水沥青罩面中的应用

为了分析旧沥青路面拉伸性能和抗疲劳性能,评价旧路在加铺排水沥青罩面工程中的可利用性,本文采用改进的粘韧性试验,检测了旧沥青路面芯样的粘韧性,并分析了车道位置、路面层位以及矿料级配类型对旧沥青路面粘韧性的影响,最后在此基础上,提出了粘韧性评价指标和评价标准,实现对旧沥青路面疲劳性能的综合评价。     

钢桥面力学分析合理有限元模型研究

钢箱梁桥面板的结构特性直接影响着其上沥青铺装层的受力,因此进行有限元力学分析时必须确定合理的结构模型。在多次计算的基础上,通过比较相同荷载作用下模型各个关键结点的位移、应力、应变等力学指标,最终确定了横向上包括6个U形加劲肋、纵向上包括3跨面板范围的基本简化模型,并对单元类型、单元大小等进行了讨论。通过实桥检测,验证了简化模型的可行性,分析了理论计算值与实测值误差的来源。     

正交异性钢桥面铺装层受力分析

研究和分析正交异性钢桥面铺装层的受力状态,可以为桥面铺装设计提供必须的理论依据和设计指标;研究在车载作用下,沥青混凝土铺装层的应力应变分布变化规律及与钢板的粘结性能,同时考虑了沥青混凝土模量和加载位置对铺装层受力的影响.     

沥青混凝土路面坑槽修补技术研究

针对沥青混凝土路面常见的坑槽病害,研究了各类维修工艺和关键控制技术,并结合各种气候及施工条件分析了适宜的坑槽修补技术。     

南京长江第二大桥钢桥面铺装层受力分析研究

南京长江第二大桥采用正交异性钢箱梁结构，桥面铺装层在国内首次采用环氧沥青混凝土材料。本文将正交异性钢桥面板、铺装层作为受力整体，建立有限元分析模型，研究铺装层内受力变形特点，提出桥面铺装层破坏指标。研究铺装层参数、钢箱梁有关设计参数对于铺装层受力的影响。为桥面铺装层材料选用、钢箱梁结构构造设计及车道划分提供理论依据。     

基于卷积自编码的沥青路面目标与裂缝智能识别

目前基于深度学习的路面裂缝识别经常面临训练数据集小，以及路面图片标注成本高等问题，基于小规模路面图片数据集，利用卷积自编码（CAE）方法进行数据增强，开展包括路面裂缝在内的路面目标智能化识别方法研究。在传统图像几何变换数据增强的基础上，采用CAE重构图片方法对原始数据集进行两步骤扩增；利用卷积神经网络DenseNet，设置了不同数据扩增方法的对比试验；针对沥青路面裂缝图片背景较黑，裂缝特征不清晰，无监督聚类学习难度大等问题，采用了一种基于CAE预训练的深度聚类算法DCEC，对经数据增强的路面图片进行无标注的聚类识别。研究结果表明：经过DenseNet网络100代的训练，在同一测试集的测试下，基于原始数据集训练的网络分类准确度为78.43%，利用传统图像处理方法进行扩增后准确度为83.44%，利用所提出的图片增强方法进行数据扩增后准确度达87.19%；在保持扩增后数据集样本量大小相同的情况下，与几何变换、像素颜色变换等经典数据增强手段相比，CAE重构图片的数据扩增方法有较高的路面图片识别精度；CAE数据扩增方法较受训练数据集样本量的影响，利用传统方法将数据集扩增后进行CAE特征学习，重构后的图片样本更易被机器识别；相较于传统机器学习聚类算法，所提出的的DCEC深度聚类方法将聚类准确率提升了约10%，初步实现了无需人工标注的路面目标的端到端智能识别。