不同浇筑方式下UHPC空心板受力性能研究

为了研究不同浇筑方式下的UHPC空心板结构的受力性能,通过两点对称加载法分别对1块UHPC整浇空心板和2块抗剪腹筋数量不同且分2次浇筑的UHPC叠合空心板进行弯曲加载试验,对试件的承载力、挠度、裂缝形态以及混凝土应变进行分析。研究结果表明:有腹筋叠合空心板和整浇空心板在对称荷载作用下纯弯段满足平截面假定;整体浇筑可以提高试件的承载力且显著增强试件的延性;增加抗剪腹筋的数量能够显著降低叠合板的滑移,提高叠合板的整体抗弯刚度和承载力,仅靠人工粗糙面难以满足叠合面的抗剪要求。最后,参考相关规范对各试件受弯承载力进行了计算对比,计算值与试验值吻合较好。     

柱状构筑物垂直度非接触检测方法及其精度分析

针对无明显特征点的柱状构筑物垂直度测量困难的问题,提出了一种全站仪非接触投影法.利用非接触的方法切准待测目标的外轮廓,测量其水平方向角和竖直角,依据测角度推算水平偏移量和倾斜率,并根据最小二乘原理分析了其测量精度.分析结果表明:仪器至立柱距离小于40 m,至所测断面中心的水平角小于1°时,水平偏移量中误差优于±2 mm,同时,竖直角在5~45°范围时,倾斜率测量中误差优于±0.4‰,完全满足检测精度要求.     

土方量批量计算方法探讨

土方量大小直接影响着工程的设计和施工,传统土方量计算方法存在速度慢、精度低的问题,因而土方量计算的方法研究具有重要的意义。探讨了外业数字化及内业自动化的土方量批量计算方法,介绍了在场地平整和道路填挖两类典型的土方工程中具体的操作流程,指出了计算时应注意的问题和应该采取的措施。实践证该方法操作简单、效率高、精度可靠。     

基于无人机倾斜摄影的公路边坡三维重建与灾害识别方法

边坡灾害调查是及时发现边坡灾害隐患、预警边坡突发事故、避免重大人员伤亡和财产损失的重要手段.为克服传统人工边坡调查方法效率低、风险高、难度大等缺陷,提出了基于无人机倾斜摄影的公路边坡三维重建和灾害识别方法.引入运动恢复结构(Structure from Motion,SfM)和多视图立体匹配算法(Multi View ...     

测量机器人在大跨径桥梁检测中的应用研究

挠度、位移、线形测量是桥梁检测的重要组成部分,是桥梁质量和安全性评估的重要指标。为克服原有测量方法的不足,介绍了一种新的测量方法,首先在桥上安装合作目标,然后利用测量机器人在加载前后分别获取合作目标的几何信息,最后计算出相应的挠度、位移、线形。通过对该方法精度的推导和分析,论证出该方法能满足桥梁检测的精度需要。结果表明该测量方法精度高,速度快,具有广阔的应用前景。     

基于自动型全站仪的桥梁结构动态监测试验

为了解决桥梁动态监测中难以同步监测准静态位移和动态位移的问题,首次采用自动型全站仪(RTS)监测桥梁结构位移和振动频率,并在英国诺丁汉大学 NGB实验室、诺丁汉威尔福德悬索桥分别进行模拟试验与实桥监测试验。集成全球导航卫星系统(GNSS)接收机和自制精密时间数据采集器,使RTS和加速度计同步采集GNSS时间,用皮尔逊积矩相关系数法修正时滞;设计8阶Ⅰ型切比雪夫高通滤波器,分离RTS位移中的准静态部分和动态部分,并使用改进的切比雪夫高通滤波和梯形法则数值积分方法,从加速度数据中获取位移数据。分析结果表明：RTS 能同时监测结构振动准静态位移和动态位移,静态监测精度优于0.5 mm,动态监测精度优于2.0 mm;RTS和加速度计监测的动态位移、振动频率结果吻合,两者位移差值的标准差小于0.7 mm;RTS 监测方法精度能满足实际工程要求。     

基于无人机及Mask R-CNN的桥梁结构裂缝智能识别

桥梁结构表面裂缝检测为桥梁状态识别、病害治理、安全评估提供了重要状态信息和决策依据。为解决传统人工检测方法存在的危险性高、影响交通、费用昂贵等问题,提出基于无人机（Unmanned Aerial Vehicle,UAV）及深度学习的桥梁结构裂缝智能识别方法。采用大疆M210-RTK多旋翼无人机进行贴近航摄,获取桥梁结构混凝土表面高清图像;利用SDNET裂缝数据集等图像资源,制作1 133张标记裂缝精确区域的深度学习训练样本图像库;引入掩膜区域卷积神经网络（Mask R-CNN）深度学习算法,训练和建立Mask R-CNN裂缝识别模型;基于Mask R-CNN裂缝识别模型,采用矩形滑动窗口模式扫描混凝土表面高清图像,实现裂缝自动识别和定位。构建包含图像二值化、连通域去噪、边缘检测、裂缝骨架化、裂缝宽度计算等流程的图像后处理方法,实现裂缝形态及宽度信息自动获取。通过精度验证试验,证实采用M210-RTK无人机+ZENMUSE X5S相机+45 mm奥林巴斯镜头的组合装备,当无人机至桥梁结构表面垂直距离为10.0 m时,无人机方法识别的裂缝宽度与裂缝测量仪结果吻合,其绝对误差小于0.097 mm,相对误差小于9.8%。将该无人机裂缝检测方法应用于高136.8 m长沙市洪山大桥桥塔表面裂缝检测,采用深度学习Mask R-CNN算法进行裂缝智能识别,其裂缝识别准确率和召回率分别达到92.5%和92.5%。研究结果表明：无人机桥梁裂缝检测方法可实现高耸桥梁结构表面裂缝的远程、非接触、自动化检测,具有重要的科学研究和工程应用价值。