岩溶区桥梁桩基桩长确定方法研究

根据岩溶区桥梁基桩的工程特点,并考虑桩身转动时桩尖断面与基底岩接触面上产生的反力矩等对基桩的影响,提出了岩溶区桥梁基桩嵌岩深度的计算方法;在溶洞顶板抗冲切、抗剪验算中分别引入格里菲斯判据和莫尔判据,推导了岩溶区基桩下伏溶洞顶板稳定性计算新方法,并由此得出最小顶板安全厚度的确定方法.在此基础上,提出了如何根据地质钻探资料,确定岩溶区桥梁基桩桩长的计算流程,并应用于湖南省宁道高速公路,获得了较好的经济效益.     

抗滑表层沥青混合料路用性能分析

选用AK16、SAC16、SMA16、SUP16型沥青混合料,比较系统地分析了其路用性能,特别是高温稳定性、水稳定性等力学性能以及表面的抗滑性及透水性。     

基于自抗扰控制的小型ROV姿态与深度控制研究

针对小型有缆式水下航行器(ROV)运动控制中参数不易确定和在有扰动的情况下,易出现抗干扰性能差等问题,文章提出了一种基于自抗扰控制(ADRC)的小型ROV姿态和深度控制方法.建立ROV的运动学和动力学模型,并进行模型的简化;基于ADRC控制方法设计小型ROV的姿态与深度控制器,并在有干扰和无干扰2种情况下分别进行仿真分...     

基于形态检测与深度学习的高空视频车辆识别

为了准确提取广域场景道路交通信息,本文融合形态检测与深度卷积网络,提出了无人机视频车辆定位及车型识别方法. 首先,基于形态检测建立候选目标提取算法,并构建了含244 520 个无人机视频车辆样本的深度学习图像基准库;然后,通过增加卷积层、池化层及调整网络参数等方法对AlexNet 进行重构,提出了改进模型AlexNet*;最后,建立了基于候选目标提取算法与AlexNet*的车辆识别方法. 验证分析显示：AlexNet*的图像分类F1 均值达 85.51% ,优于AlexNet(82.54% )、LeNet(63.88% )、CaffeNet(46.64% )、VGG16(16.67% ) 及 GoogLeNet(14.38%);本文车辆识别方法对小汽车及公交车的正检率、重检率和漏检率均值分别达94.63%、6.87%、4.40%,可有效识别无人机视频目标.     

基于卷积神经网络的防松铁丝断裂分类算法研究

防松铁丝用于防止螺栓松动,若其发生断裂可能导致螺栓松动或丢失,影响关键部件的正常运行,威胁动车组运行安全.由于防松铁丝发生断裂时,断裂部位特征信息少,特征区域较小,使基于传统卷积神经网络的分类方法难以有效提取到断裂特征信息,导致分类精度不高,容易漏判误判.基于以上原因,利用深度学习方法,建立基于卷积神经网络的孪生网络模...     

嵌岩桩竖向荷载性能分析

文章效仿《建筑桩基技术规范》（JGJ 94-94）中的嵌岩桩计算模式,就《公路桥涵地基与基础设计规范》（JTJ 024-85）中的嵌岩桩计算公式的不足之处进行了探讨,提出了改进的嵌岩桩承载力计算公式。改进公式中将覆盖土层的摩阻力作为单桩承载力的一部分。并在计算嵌固力和端阻力时。采用了与规范相异的修正系数,分析中考虑了桩的长细比、桩底岩土的影响,即给出了桩的嵌固力和端阻力随嵌岩深度变化而需要的修正。因而该修正式比《公路桥涵地基与基础设计规范》（JTJ 024-85）提供的嵌岩桩计算公式更为合理、经济,同时可加快工程的施工进度。     

横向承载嵌岩桩的数值分析及设计探讨

嵌岩桩的横向承载性状一直受到工程界的关注,嵌固深度是影响嵌岩桩横向承载能力的主要因素之一。本文在建立数值模型并取得与模型试验结果有较好吻合的前提下,分析并拟合了最小嵌固深度与水平荷载和模量系数之间的关系式,得出了利用数值分析得到的位移比率曲线可判断桩的极限荷载的结论,同时对最小嵌固深度及其计算式的作用进行了讨论。     

改进的多因素砼碳化方程

较系统地阐述了现有的多因素砼的碳化模型,并对它们进行了分析比较,结合最新的研究动态,提出了考虑环境因素和CO2浓度因素的碳化深度预测模型,用工程实测数据对模型进行了验证,同时指出了砼碳化方程模型需要改进的地方.     

提高高速公路设计深度之意义初探

结合工程实例,从提高设计深度对经济效益的影响分析入手,阐述了当前提高高速公路设计深度的重大意义。