细粒土分类及压实特性研究

在公路路基施工过程中,细粒土是主要的路基填筑材料,这就对细粒土的物理特性和压实特性提出了严格的要求,在国内外细粒土分离的基础上研究了其分离标准,并通过室内试验研究了土的压实特性。     

浅析公路桥梁锚固体系——锚板的参数化设计

对公路桥梁锚固体系进行了概述,同时从摩擦系数、锚合角度以及接触高度方面探讨了公路桥梁锚固体系中锚板安全性能影响参数,并研究了锚固体系中锚板参数设计,从锚板外观质量控制、硬度控制以及性能控制方面提出了锚板施工中质量控制措施,以期为公路桥梁锚固体系中锚板的参数化设计提供一些参考,确保锚固体系的锚固性能,推动我国公路桥梁锚固体系的不断发展。     

吉林兰旗松花江特大桥索塔锚固区空间应力分析

吉林兰旗松花江特大桥是一座单索面双塔预应力混凝土斜拉桥,索塔锚固区采用U形预应力钢束锚固形式。通过运用现代有限元方法,对该桥的索塔锚固区进行了空间应力分析,论证了该桥的索塔锚固区设计是安全的;同时也探讨了在强大斜拉索力作用下环向预应力锚固形式的受力特点,为同类型桥梁的索塔设计提供了重要的参考依据。     

基于SOM的我国民用机场分类研究

科学准确地对民用机场分类可以将机场自身定位,为机场发展及评估提供可靠依据,具有重要的现实意义。本文选用了15个影响我国机场分类的关键因素,运用神经网络技术中的自组织映射(Self-Organizing Map,文中简称SOM)将我国民用机场进行了细分,并分析了各类机场的特点。结果表明,SOM能很好地应用于我国民用机场分类,是一种科学、有效的分类方法。     

备件消耗预测方法研究现状及发展

备件消耗预测是制定备件消耗标准的基础工作之一,通过对国内外有关备件消耗预测的文献进行研究,在分析当前备件分类的基础上,总结消耗连续型备件和消耗间断型备件的消耗预测方法研究现状,指出不同类型消耗预测模型的优点及存在的不足,揭示了备件消耗预测的研究重点及发展趋势。     

基于改进NSGA-Ⅱ和IGA-BP神经网络的索梁锚固区结构优化研究

为实现大跨度斜拉桥索梁锚固区钢锚箱的结构优化,依托某大跨度斜拉桥索梁锚固区结构实际工程,提出了一种基于NSGA-Ⅱ算法与IGA-BP神经网络模型的结构参数优化方法。首先基于BP神经网络确定了钢锚箱响应数据预测的拓扑结构,采用自适应交叉变异改进的遗传算法对钢锚箱结构响应神经网络预测模型的权值阈值调参,得到满足拟合精度要求的IGA-BP神经网络预测模型。然后建立考虑结构平均应力和主要板件上峰值应力的数学优化模型,采用改进交叉、变异算子的NSGA-Ⅱ算法设计了钢锚箱结构参数优化流程。最后联合改进NSGA-Ⅱ算法和IGA-BP模型实现了钢锚箱结构参数的优化求解。结果表明：自适应遗传算法对BP神经网络权值与阈值调参的效果良好,相较于标准BP神经网络,IGA-BP神经网络的拟合精度和训练效率均更高;改进NSGA-Ⅱ算法可以实现对钢锚箱结构参数的寻优求解,根据Pareto协调最优解的结果,钢锚箱支撑板与承压板厚度有一定增加,加劲板和锚垫板厚度略微降低;优化后的结构上平均应力降幅约为2.7%,其中承压板应力峰值由200.9 MPa降低至178.1 MPa,降幅约为11.3%,支撑板应力峰值由199.6...     

高速公路边坡滑坡抢险工程的治理

湖南某高速公路右侧边坡原已采用坡面拱形骨架进行了护坡治理,由于多种原因发生了滑坡和破坏,为不破坏原有的加固措施,结合该裂隙岩质边坡的特点,采用锚固的方法对该边坡进行了抢险加固治理,取得了成功。     

预应力锚索抗滑桩在公路滑坡治理中的应用及探讨

以某高速公路k50段路堑右边坡的滑坡工程地质资料为依据,分析了滑坡成因,采用平衡设计理念对该滑坡进行了预应力锚索抗滑桩加固设计。对滑坡推力分布形式、锚索预应力初值大小、抗滑桩抗滑段嵌入深度对计算结果的影响进行了分析,提出了建议。     

高速公路路基高边坡锚固防护施工技术应用分析

在路基高边坡维护工程开展中,需要使用锚固措施,降低出现边坡坍塌的概率。结合工程案例,分析高速公路路基高边坡稳定的重要性,对路基高边坡锚固防护技术与高速公路路基施工质量的关系进行探讨,并且对不同的施工阶段进行研究,提出高速公路路基高边坡锚固防护施工技术控制措施,保证高速公路路基高边坡防护质量,为高速公路稳定运行提供良好环境。     

基于特征图可视化的医学图像分析

现有的医学图像分类算法中普遍存在模型的可解释性问题,将同一卷积神经网络应用到不同的数据集上,分类性能千差万别.针对这一问题,提出了一种基于特征图可视化的医学图像分析方法.在卷积神经网络的特征提取阶段设计4个特征图可视化模型,这些模型将具有与网络相同的输入层以及权重,但输出则是一系列特征图.采用SSIM相似度对信息熵最大的特征图评估,分析4个模型提取到的特征信息.在kaggle官网上提供的BreaKHis、Chest X-Ray、Retinal OCT 3类数据集上进行实验,其中基于VGG16网络的特征图可视化模型提取到的特征相似度分别集中在0.95,0.93,0.85,分类精度分别为75.96%,77.19%,99.40%.此外,在ResNet18网络上也有相同的表现.研究表明：分类性能取决于网络的特征提取能力,在保证相似性的前提下,卷积层之间提取到的特征其相似度越低,该数据集在同一网络上往往表现出更好的分类性能.