基于神经网络的叠合面粗糙度检测方法研究

神经网络是人工智能领域模仿动物神经系统的一种理论,成功应用于语音处理、图像分析、自适应控制等领域。现尝试将神经网络理论应用于叠合面粗糙度检测,利用已有的大量经过专家判定的叠合面照片进行训练,神经网络可以自动检测叠合面的粗糙度,与现有方法相比,基于神经网络的检测客观迅速,提高了检测过程的效率和检测结果的准确性,符合建筑业转型升级的趋势。

叠合构件叠合面受剪承载力的计算方法研究

通过分析国内外直接剪切试件和叠合梁(板) 2种不同类型的叠合面受剪试验的试验数据,发现叠合面的受剪承载力除与结合筋的配筋率、叠合面粗糙度及后浇混凝土强度等级有关外,还与叠合梁(板)的破坏形态、叠合面沿梁(板)高度位置的变化、剪跨比以及二次受力影响等因素有关。在综合分析国内外叠合梁(板)试验研究成果的基础上,提出了叠合梁(板)叠合面受剪承载力计算的设计建议,可供规范修编时选用和参考。