灰岩地区隧道排水管长期性能及化学结晶淤堵机理

南方湿热多雨条件下,灰岩隧道地区排水管化学结晶淤堵是影响隧道结构安全的重要因素,为有效解决排水管化学结晶处治养护技术难题,有必要探究湿热条件下灰岩隧道排水管化学结晶淤堵机理。在模型试验的基础上,采用离散元理论及刚-柔接触理论,对灰岩隧道排水管化学结晶淤堵全过程进行了模拟计算与分析,取得了一系列成果:(1)获取了隧道工程排水管渗流作用下位移场与应力场的分布规律及特征,验证了模型试验结果的正确性;(2)根据模型试验及数值计算得出的泄水量-时间变化规律,提出了灰岩隧道排水管最佳破晶第一养护时间节点与最晚破晶第二养护时间节点;(3)揭示了灰岩隧道排水管长期性能及化学结晶淤堵机理。

基于CSMR和卷积神经网络的岩质边坡稳定性分析

CSMR分类体系是一种半定量的岩质边坡稳定性分析方法,其综合考虑了多因素对边坡稳定性的影响,但是计算复杂。在岩质边坡稳定性评价CSMR分类体系基础上,引入卷积神经网络原理,建立基于CSMR和卷积神经网络的边坡稳定性评价模型。首先,通过85个实测岩质边坡样本对模型进行训练,构建CSMR方法中的坡高H、高度修正系数ξ、RMR评分、结构面方位修正系数(F_(1)、F_(2)、F_(3))、开挖方法修正系数F 4和结构面条件修正系数λ共8个影响因子和边坡稳定状态的非线性映射关系。然后,用另外15个边坡样验证基于CSMR和卷积神经网络的岩质边坡稳定性分析模型的有效性。最后,将模型应用于广东清远银湖城边坡稳定性分析,其预测值和期望值基本吻合。同时与有限元分析法计算结果进行了对比,表明该方法具有较强的泛化能力,能快速预测边坡稳定性,可为山区工程建设中岩质边坡工程设计和管理提供依据和参考。

弹性体振动微扰分析的变分形式

弹性结构的刚度和质量分布的微小变化,会引起固有频率的微小变化。本文采用小参数法和变分原理相结合的方法分析固有模态的微扰。这比微分方程法和矩阵方法简单、直观,所得结果也更具有普遍性。

GREEN函数法在力学中的应用

论述了 GREEN 函数、基本解及模态分析中的传递函数之间的联系。得到了连续系统的传递函数的展开式。

数字图像相关技术在结构损伤检测中的应用

结构损伤识别技术是结构健康监测的核心技术,也是健康监测的重难点之一。工程测量中受测量环境和技术的影响,很难获得完备的实验数据。论文利用一种新型测量技术,数字图像相关性(Digital Image Correlation,以下简称"DIC")技术,来提高模态应变能的识别精度。首先运用DIC技术和传统加速度传感器两种测量手段来获取固有频率和模态振型,实验结果表明,DIC技术获取的频率和振型与加速度传感器基本一致;随后对网壳结构进行基于DIC的模态应变能损伤识别分析,参数识别法获得模态振型及利用振型拟合得到的转角代入损伤识别指标进行损伤识别,结果表明,基于DIC的模态应变能损伤识别法能够有效进行损伤定位识别,且识别精度较好。

基于曲率模态差和模态置信的钢架损伤识别研究

运用曲率模态差法和模态置信准则同时对一个空间钢架进行损伤单元位置的判定和破坏程度的识别,并对这两种方法进行比较。以空间钢架为具体研究对象,对其进行损伤识别数值模拟,再用中心差分法计算出曲率值,将损伤前后的曲率模态值相减,得到曲率模态差值;通过模态振型的改变量的多少来判别损伤情况即模态置信准则识别方法。比较结果表明模态置信准则在单元发生小程度损伤时识别不了,而曲率模态差法可以识别,并且识别的阶数多于模态置信准则。

基于NES的空间桁架结构被动减振研究

该文利用等效方法将由众多杆件构成的、离散的空间直线式桁架等效为连续梁,对等效梁附加NES(非线性能量阱)的桁架结构进行瞬态减振研究。通过等效方法将梁式桁架结构建模为等效线性连续系统(有限长度梁),并用有限元模型对其进行了验证。建立了含NES附件的等效悬臂梁的振动控制方程,并采用伽辽金法进行离散,分别分析了附加和不附加NES附件的梁在外激励下的横向振动位移响应。通过计算NES附件附着在结构的不同位置条件下的外激励响应,研究了NES对结构的振动抑制作用。此外,还研究了不同质量的NES附件在不同位置时结构的外激励响应,得到了NES附加质量对减振效果的影响。从结果可以看到,NES附件可以减弱X型桁架在瞬态激励作用下的响应,且当NES附件的质量增加时,系统的振动振幅下降更快,NES附件的能源消耗效率更高。同时还对比了NES被动减振和线性刚度阻尼减振器(TMD)的减振效果。结果表明,在附加NES的结构中,在激励发生后的5 s左右时,结构振幅的衰减就达到了可观的程度,振幅下降的趋势更为陡峭,体现了NES优于线性刚度阻尼减振的良好减振效果。并通过实验验证了不同质量的NES附件的衰减效果,在梁的自由端施加相同的位移激励幅值(15 mm),在此情况下,NES附件的质量越大,悬臂梁结构的瞬态响应衰减效率越高。实验结果与理论计算结果吻合较好。

基于卷积神经网络的排水管道缺陷智能检测与分类

针对传统排水管道缺陷检测中需要消耗大量人力的问题,基于人工智能算法——卷积神经网络(CNN),建立自动检测和评估排水管道缺陷的智能系统。对CCTV视频图像中六种常见的管道状态(裂缝、错口、障碍物、残墙坝根、树根和正常类别)进行模型学习、训练和测试。CNN模型训练和验证的正确率分别为100%和97%,六类管道状态的平均识别准确率达到90%,证明所构建的模型在不需要相关检测专业知识的情况下,可以很好地识别本研究中的管道缺陷类型。其中,CNN模型对树根和错口的检测具有较高置信度,其次是残墙坝根和裂缝,障碍物和正常类别的分类精度最低。深度学习在排水管道缺陷自动检测领域具有可行性,模型具有良好的泛化能力,可为管道缺陷检测提供科学、准确的检测工具。

基于Deeplabv3+的排水管道缺陷检测与语义分割

传统计算机视觉技术应用于排水管道缺陷检测和评估,存在识别类型单一、时效性差、判断准确率低等问题,无法满足现代排水管道多缺陷共存、实时性强和精准检测的需求。近年来兴起的深度学习神经网络技术,具有强大的数据特征学习和处理能力。为此,提出了基于Deeplabv3+卷积神经网络的管道缺陷检测及语义分割方法,实现对排水管道缺陷的多类型检测、空间定位和几何属性分割。分别比较了ResNet-18、ResNet-50、Mobilenet_v2、Xception和InceptionResnet_v2这5类骨架特征提取网络对缺陷检测和语义分割的影响作用。结果表明,ResNet-50的识别分割性能优于其他网络,准确率达到89.8%,平均交并比和加权交并比分别为53.2%和83.9%,分割速率为12.50帧/s。这为排水管道缺陷的智能检测与分割提供了新的技术支撑和手段。

基于生成对抗网络和迁移学习的排水管道缺陷识别

城市排水设施的服役可靠性成为越来越重要的工程问题,高效率、自动化、大规模的管道缺陷智能检测是城市排水设施建设和管理的迫切需求和重要发展趋势。近年来深度学习技术发展迅速,为排水管道缺陷检测提供了新方法。然而,数据量不足和样本不均衡是深度学习模型普遍存在的问题,影响模型的泛化能力和识别鲁棒性。基于当前先进的生成对抗网络(StyleGAN),提出了一种高质量的排水管道缺陷图像合成方法,以解决训练样本问题。进一步采用卷积神经网络算法,借助迁移学习和预训练模型(SqueezeNet网络)实现管道缺陷识别,提升模型识别效率,并对合成图像进行效果验证。结果表明,StyleGAN能高效合成高质量的缺陷图像,识别模型的平均精度达到90.0%(对树根、错口、残墙坝根和障碍物的精度分别为99.7%、92.3%、87.7%和81.7%)。借助生成对抗网络实现数据增强,为深度学习模型训练提供了一种有前景的方法,具有重要的应用意义。

华南地区灰岩隧道排水管化学结晶淤堵试验研究

隧道排水系统的结晶堵塞始终是隧道施工与运营管养技术人员面临的技术难题,处治费用很高,排水孔堵塞对隧道施工过程或者运营期间有较大的安全威胁。文章借助模型试验对隧道结晶淤堵过程及变化规律进行探究,与现场试验比对分析得出:(1)CaCO_(3)结晶体纯度高且水流速低时,结晶沉淀物有充分时间停留在排水管壁且易粘附在管壁内表面,结晶体更加容易堆积并堵塞,结晶淤堵速率加快,反之结晶淤堵速率变慢。(2)模型与现场试验在同等测试条件下得出的隧道排水管第一、第二养护时间节点是一致的,从而验证了模型试验结果的正确性。

基于大数据迁移学习的灰岩地区排水孔淤堵自动识别技术

隧道排水管淤堵或者失效,会危及边坡的稳定和公路的交通安全。目前缺乏对排水孔淤堵分类的研究。排水孔淤堵分类对排水管道的后期养护具有重大意义。为探索排水孔淤堵智能化检测方法,文章依托广连高速高峰隧道等粤北实体工程,研究了一种采用模型迁移的方法,将排水孔图像数据输入预训练卷积神经网络进行训练,以对新图像进行分类。在采集的排水孔图像数据集上进行试验,对比了三种不同网络模型对该数据集的准确率,结果表明,使用ResNet-18进行排水孔淤堵分类识别,准确率可达到93%,实现了对排水孔淤堵状态的有效分类,并且随着日后数据集的扩大,识别准确率将会有进一步的提高。

排水孔结晶淤堵图像的语义分割识别技术及APP研究

为了提高隧道排水孔结晶淤堵情况的检测速度以及淤堵程度定性分析的精确程度,探究并使用了一种语义分割卷积神经网络模型DeepLab v3+resnet18,对隧道排水孔图像进行识别。将230张排水孔图像中的成分划分为“结晶”“、排水孔壁”和“其他”三个类别,并以138张图像(样本总数的60%)训练DeepLab v3+resnet18模型,之后92张(样本总数的40%)图像进行预测。结果表明,基于此语义分割网络模型的全局准确度达95%,其中结晶类的预测准确度在75%以上,达到了对排水孔结晶淤堵图像定性分析的基本要求。此外,还将此语义分割卷积神经网络模型自编至MATLAB APP中,能够让工作人员容易、方便地进行排水孔结晶淤堵病害的图像检测(预测)工作。

基于无人机和迁移学习的涵洞图像识别及GPS定位

为提高涵洞淤堵病害的检测效率,研究了基于无人机采集病害视频、图像资料和迁移学习的卷积神经网络(人工智能)算法对涵洞图像进行分类。将涵洞状况分为:淤堵、部分淤堵和正常3个类别。并把在ImageNet图像数据集上预训练过的人工智能算法(如ResNet-18网络模型)应用至涵洞图像中,以此提高人工智能算法的准确性。结果表明:使用ResNet-18对涵洞分类识别准确率可达到93%,实现了对涵洞状况的有效分类。此外,还提出了一种通过MATLAB调用涵洞状况图像GPS信息得到地理位置定位的方法,帮助二次检测或后期维护人员快速达到病害现场,进行相关的监测维护工作。

灰岩隧道防化学结晶淤堵及新型可更换排水管研究

广东粤北山区灰岩分布范围广,隧道通车运营多年后隧道边墙仰斜排水孔容易发生Ca^(2+)化学结晶淤堵,排水孔化学结晶致塞是一种常见隧道病害,影响隧道结构的安全稳定和行车安全,因此,需要开展防化学结晶淤堵技术研究。隧道通常是采用仰斜排水孔的排水方法,然而,仰斜排水孔在长期岩溶水作用下易发生化学结晶淤堵,导致排水效果逐渐降低甚至失效。依托广东广连高速公路(广州从化至清远连州)高峰隧道开展了新型可更换排水管研究,为今后类似工程提供技术支撑。

几何参数对主动脉支架生物力学性能的影响

径向支撑力是评估支架在血管内移位和血管再狭窄等并发症的重要力学指标。目前针对主动脉覆膜支架的径向支撑力的研究较为少见。借助正交试验的方法,利用有限元分析全面地研究了覆膜支架主要几何参数对径向支撑力的影响。研究结果表明支架丝的直径对径向支撑力的影响最为显著,主要几何参数对支架径向支撑力的影响程度排序为:支架丝径>轴向长度>支架波峰数>波峰半径。同时径向支撑力的改变也会改变血管表面的应力环境,有可能导致血管的损伤。本研究为支架的结构优化设计具有指导意义。

亚声速气流激励下旋转叶片的饱和渗透现象

研究了在1∶2内共振条件下,压气机叶片在亚声速气流作用下的非线性耦合振动响应。利用涡格法得到了三维绕流压气机叶片的横向气动载荷。采用Chebyshev-Ritz法获得旋转叶片的第一阶扭转模态和第二阶弯曲模态的模态函数,并将计算出的前三阶频率并与有限元计算结果进行对比。利用Galerkin法对系统的偏微分方程进行截断,得到扭转模态与弯曲模态的两自由度常微分方程。通过对存在线性刚度项耦合的系统进行了求解,得到了系统存在的两种可能的解支,并对其进行稳定分析。通过对系统两阶模态间能量传递的分析,计算了当调谐参数为σ=0,σ1≠0以及调谐参数为σ=0,σ1=0时系统扭转模态与弯曲模态的力-幅曲线,分析了模态幅值间的饱和行为和能量传递的现象,当外激励调谐参数σ1=0时,扭转模态幅值的跳跃现象消失。同时分析了不同参数对力-频、幅-频特性的影响。