为研究预应力混凝土用钢棒(steel bar for prestressed concrete, PC钢棒)-钢筋混合配筋混凝土柱的抗震性能,设计制作了5根相同尺寸、相同纵筋配筋率、不同PC钢棒替代率的PC钢棒-钢筋混合配筋混凝土柱试件,通过拟静力试验研究了PC钢棒...为研究预应力混凝土用钢棒(steel bar for prestressed concrete, PC钢棒)-钢筋混合配筋混凝土柱的抗震性能,设计制作了5根相同尺寸、相同纵筋配筋率、不同PC钢棒替代率的PC钢棒-钢筋混合配筋混凝土柱试件,通过拟静力试验研究了PC钢棒替代率对试件抗震性能的影响规律。结果表明:随着PC钢棒替代率的提高,试件的裂缝分布高度降低,裂缝数量变少,滞回曲线的饱满程度逐渐降低,耗能能力降低,残余位移角减小,自复位能力增强;当PC钢棒的替代率不大于50%时,各试件的峰值荷载接近;当PC钢棒的替代率大于50%时,试件的峰值荷载随PC钢棒替代率的增大而提高;当加载位移角相同且不大于1.0%时,配置PC钢棒的混凝土柱的残余位移角较为接近,且明显小于未配置PC钢棒的钢筋混凝土柱的残余位移角;当加载位移角相同且大于1%时,柱的残余位移角随着PC钢棒替代率的增高而降低。展开更多
极低频电磁台网成功观测到大量的Pc1地磁脉动事件,研究极低频Pc1地磁脉动的自动识别方法对于全面分析地球空间电磁物理环境具有重要意义.本文采用了YOLOv8目标检测网络、ResNet残差网络和定向特征增强技术,提出了一种基于计算机视觉的Pc...极低频电磁台网成功观测到大量的Pc1地磁脉动事件,研究极低频Pc1地磁脉动的自动识别方法对于全面分析地球空间电磁物理环境具有重要意义.本文采用了YOLOv8目标检测网络、ResNet残差网络和定向特征增强技术,提出了一种基于计算机视觉的Pc1地磁脉动自动识别模型(Automatic Detection Model for Pc1 Geomagnetic Pulsation,简称ADM-Pc1).以大连台站和丽江台站的极低频观测数据为例,利用2015—2016年的数据作为训练集进行模型的监督学习,并使用2017—2022年的数据作为测试集对模型性能进行评估.实验结果显示,ADM-Pc1模型的F1-Score值达到了95%,错分率仅为0.9%,虚警率仅为5.8%,漏检率仅为9%,处理1天数据平均耗时是2.72 s,显著优于现有的最优识别模型.这表明,ADM-Pc1模型在识别效果和计算速度方面均能更好地满足实际工程需求.展开更多
文摘为研究预应力混凝土用钢棒(steel bar for prestressed concrete, PC钢棒)-钢筋混合配筋混凝土柱的抗震性能,设计制作了5根相同尺寸、相同纵筋配筋率、不同PC钢棒替代率的PC钢棒-钢筋混合配筋混凝土柱试件,通过拟静力试验研究了PC钢棒替代率对试件抗震性能的影响规律。结果表明:随着PC钢棒替代率的提高,试件的裂缝分布高度降低,裂缝数量变少,滞回曲线的饱满程度逐渐降低,耗能能力降低,残余位移角减小,自复位能力增强;当PC钢棒的替代率不大于50%时,各试件的峰值荷载接近;当PC钢棒的替代率大于50%时,试件的峰值荷载随PC钢棒替代率的增大而提高;当加载位移角相同且不大于1.0%时,配置PC钢棒的混凝土柱的残余位移角较为接近,且明显小于未配置PC钢棒的钢筋混凝土柱的残余位移角;当加载位移角相同且大于1%时,柱的残余位移角随着PC钢棒替代率的增高而降低。
文摘极低频电磁台网成功观测到大量的Pc1地磁脉动事件,研究极低频Pc1地磁脉动的自动识别方法对于全面分析地球空间电磁物理环境具有重要意义.本文采用了YOLOv8目标检测网络、ResNet残差网络和定向特征增强技术,提出了一种基于计算机视觉的Pc1地磁脉动自动识别模型(Automatic Detection Model for Pc1 Geomagnetic Pulsation,简称ADM-Pc1).以大连台站和丽江台站的极低频观测数据为例,利用2015—2016年的数据作为训练集进行模型的监督学习,并使用2017—2022年的数据作为测试集对模型性能进行评估.实验结果显示,ADM-Pc1模型的F1-Score值达到了95%,错分率仅为0.9%,虚警率仅为5.8%,漏检率仅为9%,处理1天数据平均耗时是2.72 s,显著优于现有的最优识别模型.这表明,ADM-Pc1模型在识别效果和计算速度方面均能更好地满足实际工程需求.