一种修补沥青路面裂缝的新型材料及方法

通过一些资料调查及路面灌缝实践发现,将AH-70#重交通石油沥青与HR型聚合物按一定比例掺配合成的HR型聚合物沥青灌缝新材料用于修补沥青路面裂缝,效果较为明显,对延长道路的维护周期、减少养护费用具有积极的意义。     

带表面裂纹连续梁损伤识别的曲率模态小波分析

以带横向非对称非贯通表面裂纹的连续梁为研究对象,利用小波奇异性检测原理,提出了带表面裂纹连续梁损伤识别小波分析方法.以带表面裂纹连续梁三维有限元分析求解梁的位移模态为基础,利用中心差分法得到梁的曲率模态,再用sym4小波对曲率模态进行连续小波变换,根据小波系数模极大值识别损伤位置,以一个三跨连续梁内两处半椭圆形表面裂纹的损伤识别为例,通过数值计算分析,验证了方法的有效性.同时,计算结果表明,运用曲率模态小波变换识别连续梁损伤比基本振型的小波变换方法更为准确、有效.该研究对带表面裂纹结构的损伤诊断应用具有参考价值.     

桥梁大体积混凝土温度裂缝控制措施

大体积混凝土的温度收缩裂缝不易控制,针对该特点,通过铁路上一座连续梁桥的桥墩实例进行现场施工管理,分析造成桥梁结构中大体积混凝土裂缝原因,并采取原材料及外掺剂的选用、测温监控、循环水降温等一系列控制措施检查和处理大体积混凝土裂缝,取得较好工程效果。     

给水排水工程中钢筋混凝土结构裂缝宽度计算模式的探讨

该文从钢筋混凝土裂缝宽度计算基本理论人手,通过对《混凝土结构设计规范》(GB 50010-2002)和《给排水工程结构设计规范》(GB 50069-2002)中混凝土结构裂缝宽度计算方法的比较,阐述了上述规范在进行裂缝宽度计算时的异同之处,并结合工程算例,对计算结果进行分析比较,来探讨给水排水工程中钢筋混凝土结构裂缝宽度计算模式。     

预应力混凝土连续梁裂缝成因分析及控制

预应力混凝土连续刚构箱梁桥在施工过程中容易出现裂缝。该文对其裂缝病害成因进行了研究,并针对性地提出了预防和控制裂缝的措施,以避免和减少裂缝的发生。     

路面裂缝无损检测图像采集系统设计

针对路面裂缝无损检测要求,设计了基于单片机、GPS和线阵摄像机的路面图像采集系统。解决了单片机对线阵摄像机外触发信号的控制问题,完成了对动态图像进行高速实时的拍摄控制的要求。同时设计了基于VC＋＋和MIL软件的图像采集软件系统。包括采集参数设置,路面动态图像实时显示,GPS信号的接收和数据库信息存储。系统实现了对路面裂缝图像的动态拍摄并将其保存在计算机硬盘里,为后续图像处理提供可靠数据。试验结果表明,系统能够有效地对路面图像信息进行实时采集,并对海量信息进行存储,获得了良好的动态图像抓拍效果。     

随机载荷作用下的疲劳裂纹扩展

船舶等许多工程结构在服役过程中的受载荷历程是一个随机过程.而变幅载荷下的载荷相互作用对疲劳裂纹扩展寿命将产生显著的影响.因此研究随机载荷作用下的裂纹扩展及定量计算对船舶结构的疲劳寿命预测的可靠性是十分重要的.该文提出了一个基于有效应力强度因子,以应力比和裂纹尖端塑性区尺寸为主要参数的随机载荷作用下疲劳寿命预测模型.该模型用于预测几种载荷谱作用下的裂纹扩展试验,结果表明预测结构和实验结果符合得很好.     

具有横向裂纹轴的弯曲刚度研究

应用边界元法和叠加法对横向裂纹轴的弯曲刚度进行了计算,裂纹轴弯曲刚度的计算结果与实验曲线基本一致.文中的裂纹轴刚度模型包含了弯曲刚度、摆动刚度以及裂纹引起的交叉刚度,不但是裂纹开口方向与轴心位移矢量夹角的函数,而且考虑了支承跨度、裂纹和转盘位置等因素的影响.因此,比利用开关函数描述的模型精确、全面.     

钢桥面板纵肋与顶板焊接细节疲劳裂纹扩展三维模拟方法

为了深刻认识正交异性钢桥面板的疲劳特性,准确评估其疲劳抗力,对纵肋与顶板焊接细节进行了三维疲劳裂纹扩展模拟。提出了一种主要针对椭圆或半椭圆形疲劳裂纹的扩展模拟方法,采用相互作用积分法计算裂纹尖端处的应力强度因子K,作为三维裂纹模拟的基本参量。以青山长江公路大桥正交异性钢桥面板疲劳试验节段模型为研究对象,将纵肋与顶板焊接细节处的疲劳裂纹近似为单个半椭圆形裂纹,对其扩展过程进行三维模拟,通过试验结果验证了所提方法的有效性。在此基础上将初始裂纹分别设置于焊根和顶板焊趾,探讨了顶板厚度和U肋形式对于纵肋与顶板焊接细节疲劳裂纹扩展特性的影响问题。研究结果表明：所提出的方法能够准确模拟纵肋与顶板焊接细节疲劳裂纹的扩展过程,适用于其疲劳问题研究;增加顶板厚度能够有效改善纵肋与顶板焊接细节处的疲劳性能;相对于传统纵肋与顶板焊接细节而言,顶板与镦边U肋焊根和焊趾处的疲劳裂纹扩展特性和疲劳抗力没有显著差别,顶板与镦边U肋焊缝构造细节难以显著改善焊根和顶板焊趾处的疲劳性能;萌生于焊根并向顶板扩展的疲劳失效模式是控制传统纵肋与顶板焊接细节和顶板与镦边U肋焊缝构造细节疲劳性能的主导疲劳失效模式。     

基于卷积神经网络的路表病害识别与测量

为进一步提高利用二维图像统计路面病害的精度与效率,将卷积神经网络（Convolutional Neural Network,CNN）技术引入了基于图像分析的路面病害识别与测量。首先,将原始图像进行等尺寸分割作为CNN的训练样本。其次,经结构设计、前反馈算法训练及样本测试3个步骤后,建立病害识别模型（CNN1）。用训练完成的CNN1对所有图像进行病害类型识别并将输出结果作为裂缝特征提取模型（CNN2）和坑槽特征提取模型（CNN3）的训练样本。采用相同步骤建立裂缝特征提取和坑槽特征提取模型,完成训练后,运行CNN2,CNN3对路面裂缝与坑槽图像进行特征提取。最后,分析图像分辨率对3个CNN识别和特征提取精度以及效率的影响。结果表明：CNN1可以准确识别多种病害,CNN2的裂缝长度提取的平均误差为4.27%,宽度提取的平均误差为9.37%,裂缝病害严重等级判断准确率为98.99%;CNN3的单张图像中的坑槽个数测量无误差,单个坑槽面积的平均误差为13.43%,坑槽病害等级判定准确率为95.32%,可见CNN具有较高的测量精度;CNN1在使用CPU的情况下测试完成原始图像平均用时为704 ms·幅^-1,CNN2用时为5 376 ms·幅^-1,采用图形处理器加速后CNN1用时为192 ms·幅^-1,CNN2测试平均用时为1 024 ms·幅^-1,可见CNN在图形处理器加速下效率具有显著优势,相比其他方法,在图像分辨率高于70像素时,CNN对路面裂缝与坑槽的识别与测量具有运算高效、结果精准等优势。