蓄电池接线柱损伤后的修复方法

蓄电池接线柱与接线卡头之间常因松动、腐蚀而造成接触不良,当大电流放电使用时会把接线柱烧断烧伤,无法正常投入使用,如果更换新的蓄电池,会给车主或单位造成一定的经济损失。笔者在长达11年的工作实践中优选出了一种简便的修复方法,此法成本低、工具易制、修复时间短、修复后     

汽车车身结构和维修技术解析(四)

<正>(接2015年第2期)3.用整形修复机修复碰撞轻微损坏汽车车身外部覆盖件是采用不可拆卸的方法连接。例如,汽车车身侧围外板、汽车车门外板,如果碰撞不严重,采用更换车门总成显然是不可取的,所以修复这些碰撞轻微损坏,可以使用整形修复机进行修复。汽车常会发生相互碰擦造成汽车车身刮伤,一般经目测和测量检查没有涉及到其他车身构件损伤。汽车车身修复分钣金作业和涂装作业两个部分,分别由汽车车身钣金工、汽车车身     

运行中双孔污水箱涵修复技术

随着运行年限的增加,在不影响运行的情况下对大型污水干管的损坏部位进行修复已成为亟待解决的问题。以上海某段约4.7 km的双孔老箱涵的修复工程为例,通过采取箱涵顶开孔、中隔墙渗漏伸缩缝的水下临时封堵、内壁外贴橡胶止水带封闭渗漏伸缩缝、箱涵底部土体加固以及运行配合等一系列措施,对运行中严重渗漏的双孔老箱涵成功实施修复,为其它大口径排水管道或箱涵的修复提供借鉴。     

树根桩和气泡轻质土修复公路路基边坡稳定性研究

针对重庆山区某公路路基塌方段的加固工程,将气泡轻质土和树根桩两种技术有机结合,是一种修复塌方路基的新手段。根据气泡轻质土和树根桩的工作原理,运用FLAC3D有限差分软件对气泡轻质土和树根桩修复垮塌路基的效果进行模拟。结果表明:用强度折减法计算出树根桩加固气泡轻质土路基边坡的稳定安全系数满足路基边坡稳定性要求,优化后的树根桩群设计参数可简化路基边坡支护方案;使用树根桩群支护气泡轻质土路基边坡可以快速修复垮塌路基。     

帕萨特B5碰撞修复实例

一辆前部发生碰撞的上海大众帕萨特B5 1.8T事故车,前部已严重变形,两气囊炸开,右前纵梁变形严重,左侧前纵梁前部向左偏离9cm左右。前机盖、水箱框架、前保险杠、右前翼子板、左右大灯全部损坏。前保险杠内杠及水箱下横梁都严重变形,右前门、右后门、右后膀子被挤进15cm左右。     

SC材料在水泥混凝土桥面裂缝快速修复中的应用

水泥混凝土裂缝修复材料受到工程界广泛关注。本文选取SC裂缝修复材料,通过室内试验,考察了SC材料的拉拔强度、抗压强度及抗折强度等各项性能;并结合国内某正在建设的大桥,介绍了SC材料的施工工艺。试验对比的结果表明SC材料满足混凝土裂缝修复材料的性能要求,在实桥上的成功应用证明了SC材料是一种快速、有效的水泥混凝土桥面和路面裂缝修复材料。     

径向基函数在图像修复中的应用

提出了径向基函数的图像修复算法．由用户手工标记出要修复的区域，算法自动计算修复区域的轮廓并沿法向扩张，确定合适的径向基函数重构区域，并将该区域内图像上的每个点的像素值看成高度场中该点的高度值，这样一张图像就张成了以像素值为高度的三维曲面，从而将图像修复问题转化为三维散乱数据点的曲面重建问题．该算法能正确，稳定地处理各种破损区域。     

沥青路面水损害的修复工程

水损害是沥青路面出现危害最大、最常见的早期破坏,它的主要形式有表面层产生坑洞、表面层和中间层同时产生坑洞以及局部表面产生网裂和形变、唧浆、网裂、坑洞,防止水损害的措施有提高沥青与集料之间的粘附性,提高集料之间的粘结力,防止水分进入沥青混合料内部。     

基于韧性评估的地铁网络修复时序决策方法

为提高地铁应对突发事故的韧性,提出基于韧性评估的地铁网络修复时序方案决策方法.基于复杂网络理论,利用Space L方法构建地铁网络拓扑结构,部分节点失效后利用不同的修复策略生成备选方案;选取网络平均效率为性能指标,构建韧性指数评估不同修复时序方案下地铁网络韧性的表现,推荐韧性指数最大的方案为最优方案,探讨不同修复策略与网络恢复性能间的关系;以南京地铁为例进行实例分析.结果表明,多个节点失效时,优先修复策略受同步维修队伍个数的限制,前期表现较差,但有助于提升整个恢复阶段网络的性能;并行使用优先修复策略和增加维修队伍可有效提高网络韧性,缩短恢复时间.     

基于对称残差U型网络的路网交通流量数据修复

针对路网交通数据采集过程中,采集设备稀缺或故障等原因造成路网交通流量数据缺失问题,提出基于对称残差U型网络(Residual U-Net,RU-Net)模型的大规模路网交通流量数据修复方法.通过将路网交通流量数据网格化和时序通道化操作,构成可供卷积操作的张量数据格式;利用RU-Net编码解码能力,对交通流量数据进行编码;在解码过程中保持失真度较小,使模型学习到交通流量数据内部多因素耦合特性.通过残差学习使交通流量数据编码后的信噪比提升,压缩率降低,提升模型修复精度.实验结果表明,RU-Net模型能够利用交通流量特性学习历史和非故障采集点数据与待修复数据的映射关系,在不同数据缺失率,不同缺失模式下,高效地完成对大规模路网交通流量数据的修复.