气缸套的离子氮化技术分析

本文应用钢铁件离子氮化的理论及生产实践经验,遵照国家离子氮化行业标准的有关要求,阐明了气缸套离子氮化的原理、过程、工艺和特点;分析了本厂气缸套离：产氮化的工艺流程及操作要点。     

桩承台不同入水深度对局部冲刷影响的试验研究

桩承台桥墩基础在桥梁建设中应用较多,结构形式目前得到新拓展。上部承台在水中不同位置对局部冲刷的影响程度是确定承台高程时的主要参考依据。采用大型宽水槽,对大型梅花形桩群和规则桩群桩承台不同入水深度引起的局部冲刷进行试验研究,分析桩承台的冲刷特征,得到了导致底部床面发生最大、最小冲深时水中的承台位置。     

比利时港口学习引发的思考

<正>一、比利时港口情况介绍1.根特港根特港属国家所有,由根特市政府授权根特港管理公司经营和管理。根特港是比利时第三大港,位于东弗兰德省根特市,距离北海32km,岸线总长19km,可接卸吃水深度不超过12.5m的92 000t以下轮船。港口集疏运体系发达,根特港可通过欧洲发达的内陆水系集疏到欧洲广大范围;根特还是3条欧洲主要公路的交汇点,其中     

桩靴基础自升式钻井平台在砂土层下伏粘土层中的插桩分析

在对我国南海海域进行自升式钻井平台场址工程地质调查的基础上,分析桩靴基础在上述层状土中贯入的破坏模型,提出在不同破坏模型下的插桩深度预测方法,实例验证表明,该方法可提高对插桩深度预测的准确性.     

基于混合深度学习的地铁站进出客流量短时预测

针对城市轨道交通多站点短时客流量预测问题,本文提出一种将卷积神经网络 (CNN)与残差网络(ResNet)相组合的预测模型(ResNet-CNN1D).模型将原始客流量数据作为输入,利用二维 CNN 与 ResNet 组成深层神经网络,捕捉站点间的空间特征,同时利用一维 CNN捕捉客流量的时间依赖.最后,基于参数矩阵,将时间和空间特征进行加权融合,完成对目标时段中多个站点进出客流量的同时预测.采集青岛市地铁3号线刷卡数据,对模型进行验证. 结果表明,相比现有传统的预测模型(ARIMA,SVR,LSTM,CLTFP,ConvLSTM),本文 ResNet-CNN1D模型具有更好的预测精度.     

基于零样本深度学习的码头表观剥落病害区域分割与定量计算

随着无人机与数字图像处理技术的发展,基于机器视觉的表面病害识别方法因具有安全与快速性,广泛应用于桥梁和道路等方面。由于码头剥落病害图像较复杂,目前该方法难以实现码头表观剥落病害的精确分割与定量分析。提出一种基于零样本深度学习模型SAM(Segment Anything Model)与图像透射变换矫正等技术相结合的码头表观剥落病害区域分割与量化计算方法。SAM算法能够有效克服混凝土剥落图像背景噪声多、灰度差异小的问题,分割方法精度更高、受噪声影响更小;进一步通过矫正、去噪、转换等图像处理操作,实现了对剥落病害关键几何特征的量化计算。经实验室模型与现场图像验证表明,新构建的方法泛化能力强、准确性高,能够实现对码头混凝土建筑表观病害的准确和快速检测,具有广泛的应用前景。     

边坡平台大孔径微型桩孔潜孔锤施工工艺研究

分析了潜孔锤钻进、排渣工艺的能量守恒通式,结合湖北通城至湖南平江高速公路边坡拳300mm大孔径微型抗滑桩施工,介绍了设备选型、施工工艺对地质环境条件的调控方法,提出了潜孔锤成孔的极限成孔结构．设计的潜孔锤施工最佳工况对平台微型抗滑桩机械成孔作业具有指导意义．     

结直肠癌肝转移的危险因素分析

目的探求影响结直肠癌肝转移的临床病理因素,为其早期诊断、早期治疗提供理论参考。方法选取992例结直肠癌的临床病理资料,根据术前与术中诊断肝转移情况进行统计学分析,探讨患者性别、年龄、肿瘤部位、大小、累及肠管周径、大体类型、组织类型、病理分级、浸润深度、淋巴结转移、盆腹膜种植、Dukes分期、肝外转移、术前血清癌胚抗原(CEA)水平等与肝转移之间的关系。结果 992例结直肠癌,106例在确诊肿瘤时出现肝转移,占10.7%。单因素分析显示,肿瘤部位、大小、病理分级、浸润深度、淋巴结转移、盆腹膜种植、肝外转移、Dukes分期、术前血清CEA水平与肝转移有关(P<0.05)。多因素分析表明,肿瘤部位、淋巴结转移、盆腹膜种植、肝外转移、Dukes分期为影响肝转移的主要因素(P<0.05)。结论结直肠癌肝转移的主要危险因素有肿瘤部位、淋巴结转移、盆腹膜种植、肝外转移、Dukes分期。     

基于改进Unet模型的混凝土裂缝分割研究

【目的】针对桥梁、隧道等环境下产生的混凝土裂缝情况复杂、干扰因素多的问题,提出一种改进Unet模型（A-Unet）的裂缝检测方法。【方法】以Unet网络为基础,研究了编码器的深度如何影响模型训练时间、检测精度。在解码过程中设计一种融合空间和通道注意力模块,将高分辨率的浅层特征与上采样获得的深层特征信息赋予不同权重,进一步增强裂缝特征。同时,增加dice损失函数对模型进行评价,减少因检测目标与背景数量相差较大,导致评价不准确的问题。【结果】在测试数据集中进行评价,精确度,MIou,召回率分别达到94.70%,86.16%,91.34%。A-Unet模型检测效果明显优于其他5种模型。【结论】利用该方法检测混凝土裂缝精度得到较大提升,且节约了模型训练时间,提高检测效率。     

基于无人机的悬索桥主缆自动巡检及小样本表观病害识别

为了实现悬索桥主缆的自动化、智能化检查,开展了基于无人机的主缆巡检路径规划和小样本数据下的主缆病害识别研究。首先,利用无人机倾斜摄影测量技术快速建立悬索桥的三维模型,提出主缆无人机自动巡检路径的规划方法;然后,采用Faster RCNN网络模型识别主缆图像中的表观病害;最后,采用基于图像融合的数据增强方法,提高小样本数据集下目标检测的准确率。在Faster RCNN网络模型训练过程中,随着训练轮次的增加,测试集中裂纹、锈蚀和划痕3类病害的平均精确率得到提升,并在第15个训练轮次后逐渐稳定,在经过100个训练轮次后,测试集中所有类别的平均精确率为0.723。以小龙湾桥为研究对象,进行了主缆的现场检查试验。研究结果表明：基于悬索桥三维模型进行主缆无人机自动巡检路径规划具有实际可行性;基于Faster RCNN网络模型能较准确地识别主缆的裂纹、锈蚀和划痕病害;利用图像融合方法生成病害数据能有效克服数据样本少的问题,并提高识别的准确性。