从16届世界地震工程大会看可恢复功能抗震结构研究趋势

可恢复功能抗震结构是指地震后不需修复或者稍加修复就可恢复使用功能的结构,目前已成为地震工程领域一个新的研究方向,近年来受到了全球地震工程学者与工程技术人员的广泛关注。2017年1月在智利圣地亚哥召开的第16届世界地震工程大会的主题为"可恢复功能-土木工程的新挑战"。本文从摇摆及自复位结构、带可更换构件的结构两方面对本次世界地震工程大会展示的有关可恢复功能抗震结构的国际研究进展进行了总结。按照结构体系的不同,介绍了可恢复功能抗震结构在框架结构、剪力墙结构、框架-剪力墙结构、桥梁结构中的研究现状。大量的试验研究和数值模拟结果表明了可恢复功能结构优良的抗震性能。在此基础上,对该领域今后的研究方向进行了展望。

基于改进Mask R-CNN的钢桥多病害智能识别

钢桥在现代交通基础设施中扮演着重要的角色,然而,由于长期服役与环境影响,钢桥可能出现涂层锈蚀、螺栓脱落等病害。为解决传统的钢桥病害检测需要人工参与,费时费力且主观性强的问题,提出了一种基于深度学习的钢桥病害检智能识别方法。利用无人机在图像采集方面的优势,采集大量高清病害图像,经图像增强、标注后建立钢桥病害图像库,用于模型的训练和测试;引入掩膜区域卷积神经网络(Mask R-CNN)构建钢桥病害识别模型,实现钢桥病害的自动识别;并通过更换骨干网络的方式进一步提升模型性能。研究结果表明:将骨干网络由传统的ResNet101替换为VoVNet后模型性能显著提升,交并比阈值为0.5与0.5∶0.95时,优化后模型的识别平均精确率分别为0.84与0.59;相同交并比阈值下较之优化前有约10%的提升。将改进的模型应用于上莘桥表观病害检测,其对涂层锈蚀、螺栓锈蚀与螺栓脱落的识别准确率分别达到了89.3%、85.7%、73.1%;改进的Mask R-CNN模型在钢桥病害识别任务中表现出了优异的性能,无人机与深度学习相结合的方法能够实现钢桥病害的高精度、自动化检测,具有重要的科学研究和工程应用价值。