内置应变传感器与沥青路面结构协同工作性能研究

为研究传感器与沥青路面结构的协同工作性能，揭示传感器的感知效能及与混合料协同工作的性能演化规律，通过对融合内置传感器的沥青混合料试件，开展多重模式下的力学响应试验，分析不同加载模式和环境工况下的应变响应规律特征；采用ABAQUS软件，建立融合内置传感器的梁试件有限元模型，通过数值模拟与计算，并结合四点弯曲疲劳试验，对内置传感器与沥青混合料协同工作下的交互影响行为和耐久性进行分析。研究结果表明：在逐级加载和动载作用下，传感器表现出良好的感知时效性；实测应变响应受混合料黏弹性质影响存在明显的滞后效应，加载频率f愈大，滞后效应产生的不利影响愈明显；当信息采集频率f^′为加载频率f的120倍时，数据采集效果最佳；应变传感器在温度变化、水-热耦合及不同速率等工况下能保持稳定的应变感知功能，实测应变响应曲线符合沥青路面结构的力学行为特征；与传感器法兰相接触的混合料和传感器自身测力杆处存在明显的应力集中现象，导致梁试件发生疲劳开裂而降低混合料的疲劳寿命；荷载反复作用下，裂缝的形成和拓展及传感器与基体材料发生滑移，造成实测应变难以反映混合料的真实形变，且感知功能呈现协同工作、感知失...     

基于三维超像素分割的隧道围岩结构面智能识别方法

随着人工智能的不断发展，基于智能算法的快速、无损化隧道开挖面岩体特征识别方法，为在建或在役隧道地质灾害事故下的开挖面结构面调查提供了新思路。在开挖面三维全景图像的基础上，提出了三维SLIC超像素分割改进算法，将三维Mesh图像的基本元素——三角面(Triangle)按照颜色、空间坐标、法向量等指标进行聚类分组，以获取开挖面三维超像素；提出了基于角度差异性的结构面提取算法，对超像素进行逐一筛选，获取开挖面节理裂隙识别结果；基于此，进一步提出了基于无监督聚类学习的多级聚类围岩结构特征融合算法，将围岩节理裂隙识别结果进行聚类，获取开挖面的优势结构面组和大型跨里程结构面组；最后，结合浙江虎溪台隧道的21组开挖面三维图像数据对所提出算法进行了验证。结果表明：所提出算法的识别结果与地勘资料中2个主要结构面方向的倾向误差不超过14.8°,倾角误差不超过17.8°,验证了所提出算法有效性，该方法能较为准确地反映隧道围岩的结构面信息，并为隧道开挖面的结构面三维信息识别与评估提供了一种新的思路与方法。