基于隧道快速检测车数据的公路隧道衬砌开裂识别模型研究

随着公路隧道的不断建设,公路隧道的病害识别问题、养护问题日益增多,传统的隧道衬砌裂纹识别工作需要大量人工参与内业工作,效率不高。文章采用隧道快速检测车所采集的图像数据,利用卷积神经网络,研究得出了一套用于定向识别隧道检测车所拍摄的公路隧道衬砌开裂的模型。根据训练过程中发现的问题,针对裂纹数据集对神经网络识别效果的影响进行了对比研究,证明了按照不同裂纹走势分类图像所训练的神经网络识别能力较好,具有较好的适用性。

基于整车风洞试验的MIRA车型数值计算

为了明确稳态数值计算对于整车气动力,特别是车身表面压力的预测能力,首先以全尺寸MIRA车型整车风洞试验数据为基准,进行网格方案研究并得出结论、车身面网格为10mm、5层边界层网格且第1层网格无量纲高度Y+=30可以满足网格无关性要求。然后,基于该网格方案进行数值计算后得到:无偏航工况下,阻力系数CD与试验值误差为0.34%,升力系数CL误差为1.06%;3°~20°偏航工况下,CD和侧向力系数CS误差分别不超过5%和9%,表明气动力计算准确性较高;车身表面254个测压点中,压力系数CP预测误差大于50%的测点个数基本不超过20%,其中误差较大的测点主要位于车身底部以及背风侧等流动较为复杂的区域。