排序方式: 共有6条查询结果,搜索用时 0 毫秒
1
1.
2.
3.
4.
昔格达软岩中灌注桩单桩竖向承载力试验研究 总被引:2,自引:0,他引:2
为向建设中的西昌-攀枝花高速公路桥梁桩基础设计提供参考(该高速公路沿线约90km路段通过岩性软弱、遇水易泥化和崩解的昔格达岩层),在攀枝花地区新九和安宁河流域德昌蒲坝的昔格达岩层中对13根灌注桩进行了单桩轴向静载试验,研究了桩的承载力和影响承载力的因素。结果表明,昔格达岩层可以作为桩基础的持力层,但应保证桩的施工质量. 相似文献
5.
熊国斌 《铁道科学与工程学报》2010,7(6)
雅泸高速公路采用冰水堆积物这一新型材料作为路基填料,没有可直接套用的填筑参考依据.在确保路基压实质量的前提下,为使施工工艺更为经济、合理,系统研究填料的成因与粒径级配特点,基于PDCA循环控制法,制定了填筑施工工艺和检测方案,并应用于施工实际.实践结果表明:PDCA循环控制法可以对路基压实质量进行动态控制,逐步提升管理水平,达到了良好的效果. 相似文献
6.
针对在嵌入式设备上部署神经网络模型存在受限于设备体积与计算性能的影响而难以保证神经网络模型的推理实时性的问题,提出了一种基于YOLOv5-nano的前车检测改进方法(HS-YOLO)。首先,采用硬拟合函数h-swish来取代SiLU激活函数,在激活关系相似的情况下提高模型推理速度;此外,引入SIOU边界框回归损失来替代CIOU损失,提高模型的训练速度与推理精度。为进一步验证改进模型的性能,使用SSD、YOLOv4-tiny、基础模型YOLOv5-nano与改进的HS-YOLO网络在相同训练条件下进行训练,得到最优模型并在测试集上进行推理测试。结果表明:HS-YOLO模型的精确率、召回率及AP0.5较原模型YOLOv5-nano分别提升了0.76%、0.43%、0.41%;在推理速度方面,HS-YOLO模型的单张图片推理耗时为7.8 ms,实时推理帧数为128 FPS,在所有模型中表现最优,较原模型分别提高了0.7 ms和10 FPS。 相似文献
1