环氧沥青混凝土裂纹发展的三维可视化离散元模拟

为了在三维尺度下描述环氧沥青混凝土的裂纹发展行为,运用离散元程序PFC3D内置'Fish'语言,重构了环氧沥青混凝土非均质(集料、砂浆和空隙)多层次(矿料级配)结构三维虚拟试件,对虚拟试件微观组成成分之间的接触赋予了相应的微观接触模型,采用离散元方法实施了单边切口小梁虚拟三点弯曲试验,追踪并演示了微观裂纹的衍生发展全过程,并与室内数字摄像法捕捉的试件表面裂纹发展进行对比.研究结果表明:虚拟试验得到的宏观断裂力学响应与室内试验结果的吻合度较好,且虚拟试验结果的稳定性更优;三维离散元方法可以较好地模拟环氧沥青混凝土弯曲断裂过程中裂纹起裂与扩展行为,弥补了二维方法部分缺陷;基于离散元程序的追踪裂纹三维发展的模拟方法,可以作为研究沥青混凝土材料断裂特征的辅助手段.

改革开放以来中国化马克思主义的创新逻辑——以马克思主义出场学为视角

"出场学"①,是以出场的语境、路径、形态等为理论要件,阐释马克思主义创新发展机制的哲学范式。任何一种新理论的提出和发展,往往是在现有理论的基础上创新后出场,出场后再创新的辩证过程。以此观照改革开放以来,中国化马克思主义的出场理路,"坚持问题导向"是其创新出场的姿态,"坚持和发展中国特色社会主义"是其创新出场的语境,"面向实践、面向人民、面向世界"是其创新出场的指向,"在顶层设计中深化变革"是其创新出场的路径。中国化马克思主义的出场理路,呈现出马克思主义在中国与时俱进的理论活力,彰显出其反映现实、作用于现实的实践张力。在未来,要不断推动中国化马克思主义的创新与完善,以"不断出场"秉持"持续在场",在理论活力和实践张力的平衡中,不断推进中国特色社会主义的发展。

基于卷积自编码的沥青路面目标与裂缝智能识别

目前基于深度学习的路面裂缝识别经常面临训练数据集小,以及路面图片标注成本高等问题,基于小规模路面图片数据集,利用卷积自编码(CAE)方法进行数据增强,开展包括路面裂缝在内的路面目标智能化识别方法研究。在传统图像几何变换数据增强的基础上,采用CAE重构图片方法对原始数据集进行两步骤扩增;利用卷积神经网络DenseNet,设置了不同数据扩增方法的对比试验;针对沥青路面裂缝图片背景较黑,裂缝特征不清晰,无监督聚类学习难度大等问题,采用了一种基于CAE预训练的深度聚类算法DCEC,对经数据增强的路面图片进行无标注的聚类识别。研究结果表明:经过DenseNet网络100代的训练,在同一测试集的测试下,基于原始数据集训练的网络分类准确度为78.43%,利用传统图像处理方法进行扩增后准确度为83.44%,利用所提出的图片增强方法进行数据扩增后准确度达87.19%;在保持扩增后数据集样本量大小相同的情况下,与几何变换、像素颜色变换等经典数据增强手段相比,CAE重构图片的数据扩增方法有较高的路面图片识别精度;CAE数据扩增方法较受训练数据集样本量的影响,利用传统方法将数据集扩增后进行CAE特征学习,重构后的图片样本更易被机器识别;相较于传统机器学习聚类算法,所提出的的DCEC深度聚类方法将聚类准确率提升了约10%,初步实现了无需人工标注的路面目标的端到端智能识别。