圆形截面偏压构件正截面抗压承载力计算系数探讨

根据JTG D 62-2004《公路钢筋混凝土及预应力混凝土桥涵设计规范》,比较了圆形截面钢筋混凝土偏压构件正截面抗压承载力计算系数D的查表值与公式计算值的差异,提出了修正方法.分析结果表明:该方法具有较好的计算精度,满足桥梁设计需要.     

论桥台沉降处理

围绕由于承载力不足导致的桥台沉降问题展开研究,从施工角度探索处理方法,并给出详细的施工方案。通过改进施工,桥台沉降问题得到了很好的解决。     

桥梁加固中粘贴碳纤维布的应用实例

在桥梁的梁板受拉区粘贴碳纤维布能显著提高结构的承栽能力,限制裂缝的发展,提高桥梁的耐久性。以石安高速公路邯郸北互通匝道桥的加固为实例,阐述粘贴碳纤维布在桥梁加固中的应用,具有一定的实用价值。     

按挠度优化混凝土板配筋的应用

混凝土板的挠度各部位不同,钢筋应变也必然不同,板各部位配筋的数量应当参照其所处部位的挠度。板边挠度最小,与边相邻且平行的第一根钢筋作用微小,应按构造配置。通过虚拟计算、数据分析推测出：混凝土板“等距点”（板中距三边距离相等的点称为“等距点”）的荷载使相应三边产生的支座反力基本相同;板底各部位主筋配筋率的大小应遵循抛物线方程。按此方案施工．板底主筋将节约19．6％。     

桥梁检测和加固技术应用研究

目前,随着我国交通事业的飞速发展,桥梁作为交通枢纽,发挥着越来越重要的作用,已经成为全国经济发展的纽带。桥梁因其长期处在外界物理和化学因素共同作用下,材料更易于不断劣化,最终形成较大损伤。在总结前人桥梁检测维修经验的基础上,并依据工程实例,进一步研究桥梁检测和加固技术,详细阐述桥梁的检测、维修方法及加固方案,对以后类似旧桥检测加固提供一定的借鉴意义。     

不同加固方法对主梁加固效果的试验研究

利用自行设计的反力框架装置,对某特大桥拆除的旧梁进行不同的加固试验,并对不同加固方式的效果进行评价,对工程实践具有极大的参考价值。     

隧道与互通出口小净距路段换道可靠性研究

为分析高速公路隧道与互通出口小净距路段在不同交通流状况下的车辆驶出概率,提出了基于交通仿真的安全换道概率模型。首先,采用VISSIM标定仿真模型并进行正交试验,获取小净距路段在不同净距长度、交通量、驶出比例、大型车比例下的交通数据,在此基础上确定瞬时交通流密度及相应车流平均速度的计算方法,构建相应的分布模型,通过K均值聚类算法研究不同速度下的瞬时交通流密度大小和出现概率;同时引入可靠度方法并利用微分法来构建车辆安全换道概率模型,综合考虑车速、车流密度、目标车道临界可插入间隙等因素的不确定性,应用蒙特卡罗仿真法搭建求解概率模型的算法,并通过MATLAB对模型进行求解;针对分流车初始位置的不同,分别得到了不同交通量、大型车比例、净距长度下的换道驶出成功率,进而研究不同交通流状况组合下的净距长度。结果表明：交通量、大型车比例、净距长度对净距路段内侧车道车辆换道驶出成功率有显著性影响,研究结果可为规范的进一步完善提供参考。     

预应力钢板箍与CFRP复合加固RC墩柱轴压性能试验研究

提出一种新型的采用预应力钢板箍(PSJ)和碳纤维布(CFRP)复合加固钢筋混凝土(RC)墩柱加固方法(简称PSJ-CFRP)。为验证该新型加固技术的可行性和有效性,进行了8个足尺圆形墩柱轴压性能试验,研究参数包括不同加固方法(PSJ、CFRP和PSJ-CFRP)、钢板箍预应力水平、PSJ与CFRP加固配箍特征值等,比较分析采用不同加固方式加固试件的加固效果、破坏形态和承载力等,研究了PSJ-CFRP复合加固RC墩柱的受压机理,钢板箍预应力度、PSJ与CFRP加固配箍特征值等关键参数对试件轴压性能的影响和规律。试验结果验证了PSJ-CFRP复合加固技术的有效性,CFRP与钢板箍协同工作、优势互补,既提高了试件的承载能力,又改善了试件的变形性能,加固试件呈现延性破坏特征。采用CFRP加固的试件,试件的承载能力得到提高,但变形能力降低,呈现脆性的破坏特征。在相同加固配箍特征值下,减小加固箍板净间距能取得更好的加固效果。在试验和理论分析的基础上,提出了PSJ-CFRP复合加固RC墩柱轴向受压承载力计算公式,能较好地预测加固墩柱的轴心受压承载力。     

地铁盾构区间工程造价分析

介绍地铁盾构区间的施工方法,阐述盾构区间土建工程造价构成、基本指标。通过对武汉、昆明、江苏等地盾构区间概算分析,找出影响盾构区间土建工程造价的因素,为以后盾构区间土建工程概算编制提供参考。     

Asynchronous n-step Q-learning adaptive traffic signal control

Ensuring transportation systems are efficient is a priority for modern society. Intersection traffic signal control can be modeled as a sequential decision-making problem. To learn how to make the best decisions, we apply reinforcement learning techniques with function approximation to train an adaptive traffic signal controller. We use the asynchronous n-step Q-learning algorithm with a two hidden layer artificial neural network as our reinforcement learning agent. A dynamic, stochastic rush hour simulation is developed to test the agent’s performance. Compared against traditional loop detector actuated and linear Q-learning traffic signal control methods, our reinforcement learning model develops a superior control policy, reducing mean total delay by up 40% without compromising throughput. However, we find our proposed model slightly increases delay for left turning vehicles compared to the actuated controller, as a consequence of the reward function, highlighting the need for an appropriate reward function which truly develops the desired policy.