桥梁钢护筒参与桩基础受力探讨

本文结合大跨度桥梁群桩基础设计,针对目前设计和施工中采用钢护筒参与桩基础结构受力的实际情况,指出了桥梁桩基础采用钢护筒参与桩基础结构受力的设计理论和施工工艺方面存在的问题,基于考虑钢护筒与承台连接方式与强度、钢护筒施工质量和工艺措施以及钢护筒与桩基础形成联合截面等多方面因素,对桥梁钢护筒参与桩基础结构受力进行了详细论述分析并提出合理建议。     

滁河特大桥吊杆张拉控制力计算

为了实现系杆拱桥吊索(或吊杆)力张拉的“一步到位”,避免后期的索力调整,针对滁河特大桥(尼尔森结构体系)的结构特点,以成桥状态下的吊杆力满足设计要求为目标,提出了优化数学模型及迭代算法实现过程,对吊杆张拉控制力进行了优化计算,给出了综合考虑成桥状态满足设计要求的吊杆张拉控制力,成功地进行了滁河特大桥施工过程控制.实践证明,采用优化的吊杆张拉控制力,能够满足该桥施工过程中拱肋、系梁的强度安全和稳定性要求,避免了吊杆多次张拉及调整方案.     

Method of Dynamic Vehicle Conversion Factors Based on Traffic Flow Characteristic Analysis

道路运行车辆在不同交通运行状态下所占有的道路时空资源的物理意义不同,为了科学反映其动态特性,吸取了传统交通流理论的学术思想,选择交通密集度作为车型换算系数的计算标准,综合分析了不同交通流运行状态下车辆占有车道空间问题,从交通流特性分析入手,定性分析车型对交通流量-密集度的影响,提出了不同车型相对应的影响系数计算方法,进而建立基于需求安全距离的动态车辆换算系数定量模型.通过数据验证和试验对比分析结果显示,动态车辆换算系数更好地反映了交通流运行中的速度-流量关系和动态特性.     

斜拉桥塔壁锚固形式的环向预应力设计理论

斜拉桥的索塔锚固区受力情况较为复杂,在对该区域进行设计计算时,常采用实体建模计算结构各点的应力来评价结构的安全性,这种方法不仅繁琐,而且力学概念不清,往往不能得到最优结果。针对斜拉桥索塔锚固的塔壁锚固形式进行简化分析,研究了索塔锚固区环向预应力简化设计理论及其计算方法,该方法能够适应目前大多数斜拉桥的设计计算,具有较高的工程实用价值。     

国道上方石质山体爆破施工技术

在施工过程中采用常规的爆破方法已不能满足安全及质量要求,考虑到爆破作业区域的实际条件、岩石的构造以及工期等的影响,采用周边深孔预裂与光面爆破,主体深孔松动爆破的爆破施工方法,施工时先对主体进行松动爆破并对中间进行掏槽取渣后,在中间留有爆破自由面的基础上对边坡周边进行预裂爆破,最后再对边坡预留的1 m进行光面爆破的方法,爆破时采用一次分段爆破的方法,预裂爆破主爆破孔与松动主爆破孔用迟发雷管同次分段起爆,主爆破迟后预裂孔150～200 ms,同时对靠近国道部位的斜坡2～3 m处的土石用静态破碎剂进行破碎,取得了较好的效果。     

T型管节点抗冲击性能研究

为研究T型管节点的在冲击性荷载下的力学性能,文章首先采用有限元软件ABAQUS建立了构件冲击荷载下的理论分析模型.在验证模型可靠性的基础上,分别以管节点的几何参数和荷载参数为主要影响因素,分析各相关参数对节点抗冲击性能的影响.分析结果表明:支、主管的管径比与主管的径厚比,对管节点所受的最大冲击力、冲击力作用时间,节点变形情况有较大影响.     

马来西亚槟城二桥斜拉桥横隔梁的设计计算方法

马来西亚槟城二桥工程是采用英国标准的桥梁设计施工总承包工程,其主通航孔桥为主跨240m的肋板式主梁混凝土斜拉桥,设计采用悬臂浇筑施工。设计分析发现施工过程中已浇主梁梁段影响后续施工梁段横隔梁的受力和变形,后浇梁段横隔梁的结构自重、横隔梁预应力钢束和斜拉索张拉影响已浇梁段横隔梁的内力。为合理指导肋板式混凝土主梁横隔梁的设计,提出能准确反映这种横隔梁受力模式的实用计算方法——考虑施工过程的空间梁格法。应用表明,该方法可真实、动态地模拟横隔梁各施工阶段受力,避免简化方法的设计不足。     

如何提高公交驾驶员服务质量

城市公交作为窗口行业,她的服务质量直接体现了城市形象.目前,大部分城市公交车实现了无人售票,驾驶员既要保证安全行车,还要为乘客提供优质服务,这就对驾驶员提出了更高的要求.如何提高公交驾驶员的服务质量,应从以下几个方面入手：     

基于深度学习的交通目标感兴趣区域检测

为了提高交通目标检测的实时性和准确性,针对交通目标检测过程中普遍存在的背景复杂、光线变化、物体遮挡等干扰问题,以及基于深度学习的目标检测算法在进行区域选择时滑动窗口遍历搜索耗时的问题,提出一种基于时空兴趣点（STIP）的交通多目标感兴趣区域快速检测算法。像素级时空兴趣点检测在处理目标遮挡时具有较好的鲁棒性,利用这一特点,首先在传统兴趣点检测算法的基础上加入背景点抑制和时空点约束,以减少无效兴趣点对有效兴趣点检测带来的干扰。通过改进均值漂移算法,使得聚类中心数量随目标数目的变化而改变。然后对被检测出的多目标附近的候选兴趣点分别进行聚类,获取各个目标聚类中心位置信息。根据聚类中心点与筛选后的目标兴趣点之间的相对位置关系进行特定组合获得感兴趣区域。在这些感兴趣区域上使用选择性搜索算法生成1 000~2 000个候选区域,并将这些候选区域放入训练好的深度卷积神经网络模型中进行特征提取。最后将特征提取结果送入支持向量机中进行目标种类判别并使用回归器精细修正目标识别框的位置。研究结果表明：通过对候选区域进行预处理,送入模型中的候选区域数量减少了82%,对应算法整体运行时间减少了74%,能够满足智能交通监控的实际需求。     

基于压缩感知尺度自适应的多示例交通目标跟踪算法

针对大多数跟踪算法对车辆等交通目标在行驶过程中的尺度变化、姿态变化的适应性差及在跟踪过程中使用固定尺度的跟踪框,导致所构造的目标模板包含大量背景信息,引起跟踪漂移甚至丢失的问题,提出一种基于压缩感知理论与超像素目标性度量的尺度自适应多示例交通目标跟踪算法,该算法首先利用压缩感知理论对多示例学习中的特征维数进行降维,减少算法计算的复杂度。其次,采用超像素目标性度量进行局部尺度自适应调整,解决多示例跟踪算法中的尺度适应问题。此外,引入基于目标判别机制的分类器更新,利用连续帧中目标的相似性判断跟踪目标是否存在遮挡或漂移问题。依据目标判别的结果,实现变学习率的分类器参数更新。试验结果表明：该方法具有较高的跟踪精度和良好的跟踪鲁棒性,在车辆目标发生遮挡、尺度变化、三维旋转等情况时均能较好地跟踪目标,通过对不同的交通视频序列进行测试,算法的平均中心位置误差远小于对比算法,仅为3.92像素,其对比算法CT跟踪、MIL跟踪及WMIL跟踪算法的平均位置误差分别为56.96像素、35.36像素及58.54像素,平均重叠率达80.1%,较CT跟踪、MIL跟踪及WMIL跟踪算法分别高44.9%、45.3%和45%,满足智能交通监控的实际需求。