大坝深水检测作业载人潜水器载体框架设计方法研究

在国内外典型深海载人潜水器载体框架结构设计应用研究的基础上，结合大坝深水检测作业的工程应用需求，从设计原则、选材分析、设计载荷、安全系数和设计方案等方面，通过对比分析浅深度与深海载人潜水器载体框架的异同点，结合设计难点总结了大坝深水检测作业载人潜水器载体框架的设计思路与方法，并对两种载体框架设计方案的强度校核结果进行了比较分析，对载体框架进行设计优化。结论可为同类型、浅深度的水下检测作业装备载体框架设计提供参考。     

面向拉索智能维养的斜拉桥拉索基频的实时预测模型

对于大跨斜拉桥而言，拉索基频是拉索工作状态的重要体现，并且对整桥工作性能有重要影响，拉索基频监测是桥梁结构健康监测的极重要环节。斜拉桥温度场的变化将带来拉索基频的改变，斜拉桥温度数据与拉索基频有显著相关性。既有研究仅利用主梁温度搭建的拉索基频一元线性回归模型的误差较大，无法满足工程需求。本研究以某大跨斜拉桥为背景，在主梁平均温度基础上进行拓展，增加主梁竖向温差与索塔温度，运用属于机器学习的LSTM长短时记忆网络搭建模型，获得了极高的输出精度；然后采用主跨跨中和边跨跨中的拉索传感器进行了验证，为该桥斜拉索智能维养提供了重要依据。     

基于深度学习和虚拟模型的路面全域伤损状态自动化感知

路面全域伤损的有效感知是全面、系统地实施维护决策的关键依据。提出一种基于深度学习和虚拟模型的路面全域伤损状态自动化感知方法。该方法首先基于无人机实测数据建模生成路面虚拟实体；然后使用深度语义分割网络从实测数据中精细化地检测路面伤损；最后，将输出的伤损特征检测结果与虚拟实体数据进行匹配和UV映射，获取各个伤损在虚拟空间中的定位信息并逐一部署，得到面向路面全域的伤损状态感知模型。结果表明：在现场实测统计长为236 m,宽为20 m的实际路面区域试验研究中，充分训练的U-Net网络的平均交并比(MIoU)达到0.86,显示出对无人机采集到的路面伤损区域极佳的分割精度。建立的路面伤损状态感知模型有效感知实际存在的伤损91处，与传统的二维检测结果相比，能够更加系统地对路面全域伤损进行全局表征，便于高效地推断伤损的特征和位置信息，实现精准、动态的路面服役状态评估。