基于YOLOv5s-FCS的钢材表面缺陷检测

针对传统钢材表面缺陷检测方法易出现误检、漏检和部分缺陷种类检测精度低等问题,设计了一种钢材表面缺陷网络YOLOv5s-FCS。首先引用了FReLU激活函数构建了卷积模块CBF,有效增强了网络的空间解析能力,优化了网络检测精度;其次,将坐标注意力机制嵌入到网络的neck部分来增强网络特征融合的能力,从而使网络能够提取更加丰富的特征信息;最后,将YOLOv5s的损失函数替换为SIoU loss,提高了预测框的回归精度。通过在NEU-DET数据集上进行消融实验、可视化对比实验,结果表明,YOLOv5s-FCS网络的mAP值达到了0.747,相较于原YOLOv5s网络提高了8.3%,相较于YOLOv3网络提高了11.8%,相较于YOLOXs网络提高了4.2%,相较于YOLOv6s提高了1.4%,验证了该方法的可行性、有效性。

深冲钢炼钢区段专线化层流运行模式实践

鉴于某钢厂深冲钢炼钢区段运行效率较低、能量耗散较大、过程稳定性较差等问题,对炼钢区段各工序内时间-事件进行解析,协调优化各工序作业时间;并结合生产线特点,构建“一对一”层流专线化生产路径。生产实践表明:采用专线化层流运行模式生产深冲钢,可避免前、后工序间交叉运行时铁素流在空间、时间、能耗上的不确定性;工序间链接时间缩短,炼钢区段总作业时间从247.9 min缩短至193.5 min;过程能量耗散减少,转炉终点温度从1671.7℃降至1653.9℃。

纤维尺寸效应对深井井壁衬砌支护层力学特性的影响

为探究纤维尺寸效应对深井井壁钢纤维混凝土力学特性及应变演化的影响,设计三种不同钢纤维尺寸和掺量的混凝土配方,通过测试试样的力学特性后得知,随着钢纤维尺寸、掺量的增加,试样单轴抗压强度、抗拉强度、抗折强度以及弹性模量提升。借用数字图像相关技术对试验过程监测发现,钢纤维的加入使得试样破坏时表面裂纹数量、长度远大于素混凝土试样,随着钢纤维尺寸的增加,试样破坏时试样表面裂纹宽度有所下降,混凝土试样的轴向变形降低。当试样到达峰值荷载时,素混凝土迅速失稳破坏,而钢纤维混凝土试样在到达峰值荷载时仍然存在一定残余强度。运用随机森林模型对钢纤维混凝土测试强度进行训练、测试与预测,结果表明训练、测试、预测样本精度较高,R 2>0.8,均方根误差值较小,改进随机森林模型对钢纤维混凝土强度的预测较精确,利用此预测模型,可大幅度降低优化钢纤维混凝土配方所需要的人力与物力成本,结果可为现场混凝土配方强度预测提供参考。

HUW组合钢板桩在软土地基深基坑工程中的 适应性分析

目的:本研究旨在分析HUW组合钢板桩在软土地基深基坑工程中的结构适应性,以期为相似地区深基坑工程提供理论支持。方法:基于某软土地区科技产业园深基坑工程,运用ABAQUS有限元软件,通过增量法模拟实际开挖过程,计算正常开挖下的结构变形和土体位移,从而分析HUW组合钢板桩在实际工程中的结构可行性。结果:随着基坑的逐层开挖,基坑边缘的沉降值逐步增大,尤其在软土地基条件下,地表沉降现象更为明显。针对6.3米深基坑的开挖,HUW组合钢板桩的最大水平位移为22.78毫米,符合基坑施工规范的要求。结论:HUW组合钢板桩在实际工程中具备可行性,可为类似工程提供理论参考。但土体受侧向约束的影响,在边界区域会形成局部隆起,因此需对边坡边缘进行加固处理。

基于深度学习的钢卷端面缺陷检测系统设计

针对热轧钢卷端面图像背景复杂、缺陷特征各异、缺乏标准缺陷数据集,用传统视觉方法难以自动识别问题,提出了基于深度学习的热轧钢卷端面缺陷检测的技术架构,给出了该框架下的图像采集、预处理与分割、深度神经网络算法设计和缺陷特征数据库搭建等关键技术,最后开发了基于深度学习的钢卷端面缺陷检测系统,试验表明该系统的典型缺陷检出率在90%以上,解决了热轧钢卷端面缺陷长期依赖人工肉眼识别的行业性难题,实现了端面缺陷的在线、自动、精准检测,所形成的成套端面缺陷检测技术和装备,在钢铁行业多条热轧产线稳定、可靠地投用运行。

深水硬质岩嵌入式承台无封底施工关键技术

深水嵌入式承台基础施工中,需将泥面开挖至封底混凝土以下并对基底进行清理,以保证封底混凝土的高度和浇筑质量。对于地质条件良好的硬质岩,存在开挖困难、水下作业工期长、质量控制难、施工成本高等问题。该文依托重庆嘉华轨道专用桥主墩承台施工,采用理论分析、数值计算和工程实施验证相结合的方法,形成一种深水硬质岩嵌入式承台无封底施工技术。该施工技术,采用开挖壁体基槽并浇筑基槽混凝土的方式取代大体积封底混凝土,达到为承台施工提供干作业环境的目的,可将承台范围内基坑开挖由水下作业转为干作业,缩短水下开挖作业工期,节约水下混凝土用量,提高施工质量和施工效率,降低施工成本。

深基坑双排微型桩-锚-撑组合支护结构受力与变形特性

为深入研究深厚杂填土地层深基坑微型桩-锚-撑组合支护结构随基坑开挖的受力与变形演化规律,首先,依托青岛市某深基坑工程开展双排微型桩-锚-撑原位试验,分析开挖工况下前、后排桩的桩身弯矩分布规律;然后,结合ABAQUS有限元模拟方法,明确微型桩、预应力锚索与钢支撑之间的协同作用及基坑变形规律;最后,揭示微型桩桩径变化、支护结构作用对桩身受力及基坑变形的影响机制。研究结果表明:增加开挖深度引起桩身正弯矩和负弯矩不断增大,极值点位置不断下移,桩身弯矩整体呈正“S”形分布;开挖至基底,前排桩的桩身反弯点分别位于钢支撑下方0.5 m和开挖面位置,后排桩的桩身反弯点分别位于钢支撑下方0.5 m和开挖面下方1.0 m范围内;基坑开挖竖向影响范围约为1.35H(H为基坑开挖深度),桩径增加近1倍,土体水平位移仅减少约51%,且随桩径继续增加,其对于限制基坑变形效果不显著;相较于桩锚支护结构,桩-锚-撑支护结构作用下,前、后排桩的最大水平位移分别减小34.9%和27.3%,基坑土体的最大水平位移减小46.0%。

深基坑斜直交替钢管桩复合土钉墙数值模拟分析

依托福建某医院的基坑工程实例,采用数值模拟方法,研究斜直交替钢管桩复合土钉墙支护结构的变形特征及其稳定性。结果表明:坡面水平位移最大变形出现在基坑“腰部”,设计时应适当加强此位置的变形控制;斜直交替钢管桩复合土钉墙支护体系安全可行,其较双排直立钢管桩复合土钉墙及单一土钉墙有更好的变形控制能力和更高的稳定性。

基于遗传算法NSGA-Ⅱ的H13模具钢深孔加工参数优化

针对枪钻深孔钻削H13模具钢刀具磨损快、加工温度高的问题,以枪钻切削速度、进给量、外刃第一后角为优化对象,并以钻削轴向力和刀具温度为评价指标,设计了BBD响应面优化试验,建立有限元仿真模型,获得轴向力和刀具温度的二次多项式回归方程,最后采用NSGA-Ⅱ算法进行多目标优化求解非劣解集,与响应曲面优化结果相结合得到唯一解。结果表明:最终优化解切削速度为832.21r/min、进给量为0.011 2 mm/r、外刃第一后角为9.35°,轴向力和切削温度较低,此时钻削稳态平均仿真轴向力为611.2 N,实际轴向力为592.7 N;仿真温度为279.3℃,实际温度为321.1℃,为实际加工生产提供了参考方案。

基于深度学习的正交异性钢桥面板疲劳裂纹智能识别方法研究

为提高正交异性钢桥面板疲劳裂纹的识别效果,基于深度学习方法,进行正交异性钢桥面板疲劳裂纹识别方法研究。制作疲劳裂纹试件,通过室内检测采集检测结果图像建立数据集,结合图像预处理改进数据集中图像;基于单一回归目标检测(You Only Look Once,YOLO)系列中的YOLOv5s图像识别算法,引入轻量级卷积注意力机制(Convolutional Block Attention Module,CBAM),建立疲劳裂纹超声相控阵检测图像的智能识别方法;将该方法应用于超声波相控阵检测结果判读。结果表明:结合限制性对比度直方图均衡(Contrast Limited Adaptive Histogram Equalization,CLAHE)算法与自适应中值滤波的图片预处理方法较为适合超声相控阵检测图像的图片预处理;通过引入CBAM改进图像识别算法,图像识别的精确度相较改进前提升1.28%,达到98.74%;建立的YOLOv5s-CBAM图像识别算法能够准确地框选疲劳裂纹区域,对四类常见疲劳裂纹类型的识别置信度达到0.91,对其它裂纹类型的识别置信度达到0.85,在室内环境下能够满足疲劳裂纹的智能检测需求。

18CrNiMo7-6渗碳钢磁场深冷处理工艺研究

风电、高铁等高端齿轮产品工作环境比较复杂、恶劣,对齿面硬度及韧性要求高,一旦发生损伤,维修成本高。针对这一现状,对18CrNiMo7-6渗碳钢设计磁场深冷处理正交试验方案,选择最优工艺组进行洛氏硬度检测,并采用光学显微镜观察其显微组织与晶粒度。与常规热处理结果进行对比,探索磁场深冷处理对18CrNiMo7-6渗碳钢冲击韧性、硬度及微观组织的影响。结果表明,磁场深冷处理后的冲击韧性和硬度均有所提升。最优工艺参数为磁场强度为1 T,且不进行交变处理、深冷温度为-190℃、保冷时间为16 h、降温速率为2℃/min,其冲击韧性比常规热处理提高38.07%,洛氏硬度值提高9.49%。微观组织分析表明,磁场深冷处理能促进试样组织中残余奥氏体转变,并细化晶粒。

基于改进YOLOv4的钢材表面缺陷检测

针对钢材表面缺陷检测精度低,易漏检、误检、定位不准确等问题,提出一种基于改进YOLOv4的钢材表面缺陷检测算法,首先使用K-means++算法分析标注框的分布信息,获取最优的锚框,提高定位精度,减少网络损失;其次在YOLOv4网络原有特征层基础上继续增加一浅层特征即尺度为104×104的新特征层,增大特征检测尺度,提高小缺陷目标检测精度;最后在原始主干网络的基础上引进注意力机制,使网络更多关注有用信息,从而使检测更准确。将上述算法与其它算法在NEU-DET数据集上进行对比实验,所提算法平均检测精度相较于原YOLOv4提高了4.69%达到78.10%,相较于目前其它的主流目标检测算法也更优秀。

杂填土地层深基坑微型桩-锚-撑组合支护体系受力特性原位试验

为深入研究杂填土地层深基坑桩-锚-撑组合支护体系受力特性,依托青岛市某深基坑工程开展微型桩-锚-撑原位试验,分析不同开挖工况下双排微型钢管桩桩身弯矩与预应力锚索轴力的演化规律,揭示该支护体系下前、后排桩的受力性状、预应力锚索应力分布特征,探讨邻近建筑物、基坑暴露时间及钢支撑拆除对该支护体系内力的影响。研究结果表明:1)在基坑开挖过程中,前排桩在受力中起主导作用;当开挖至基底时,桩身最大正、负弯矩极值呈现增大趋势,且极值点不断下移,开挖面以上桩身弯矩均呈正“S”型分布。2)开挖深度增加引起开挖面上、下1.0 m范围内桩身弯矩显著增大,前排桩桩身的反弯点分别位于钢支撑下方0.5 m、开挖面位置。3)在开挖过程中,锚索轴力沿埋深方向呈现减小趋势,锚固段前端1.5 m之后的轴力基本不变或呈微小波动。4)锚索锚固段应力高度集中在锚固段前端4.0 m以内的区域,约为锚固段长度的44%,锚固段末端基本未产生轴力,可对该段长度进行优化处理。5)邻近建筑物对微型钢管桩桩身受力影响较小;随着基坑暴露时间增加,桩身弯矩呈微小增长趋势;钢支撑拆除后,前排桩的弯矩变化集中在0.38H~0.96H(H为基坑开挖深度)。6)桩-锚-撑组合支护体系能够较好地限制基坑变形,选择合理的支撑预应力是该类基坑设计的关键。

超低温热疲劳对Z2CND18.12奥氏体不锈钢显微组织与力学性能的影响

核电厂低低水位阀门维修中经常采用冰塞封堵实现一段管道的封闭隔离,为研究冰堵作业中冷冻→解冻→加热过程对一回路管材Z2CND18.12奥氏体不锈钢的显微组织与力学性能的影响,采用实验模拟方法开展了20个循环周次的超低温热疲劳(-196℃→0℃→350℃→室温)实验。通过金相、X射线衍射、扫描电子显微镜和透射电子显微镜等方法设备表征材料经过不同循环周次的显微组织变化;通过室温、高温拉伸、室温冲击等测试方法获得试样宏观力学性能变化。研究结果表明:Z2CND18.12奥氏体不锈钢管材在20个循环周次的超低温热疲劳后,仍然保持了0周次试样(原始样品)的强度、塑性和韧性;显微组织中未发生相变和沉淀相析出,仅位错密度增加,晶粒尺寸略微减小。综上可知超低温热疲劳后Z2CND18.12奥氏体不锈钢管材显微结构稳定、力学性能良好,能够抵抗深冷热循环的反复作用。

基于LSTM的双相钢数据驱动本构模型研究

为准确预测多相材料在任意变形模式下的力学响应,以双相钢细观模型为研究对象,通过高斯过程生成5000组任意加载路径,按19∶1的比例划分训练集与测试集,基于深度学习法预测双相钢细观模型在未知加载路径下的应力-应变响应。结果表明:基于时序的LSTM深度学习模型可捕捉到细观模型应力-应变非线性映射关系的转变,预测的正应力均方根误差为0.062,切应力均方根误差为0.108,局部最大累积塑性应变均方根误差为0.115,证明了基于深度学习模型与细观模型结合的数据驱动型材料本构关系预测的可行性。

深水薄覆盖层区大型双壁钢围堰施工技术

以长沙香炉洲大桥索塔墩基础施工为依托,综合考虑桥址区的地质、水文、沿岸地形地貌、吊装能力等因素,对双壁钢围堰制造、下水、浮运、精确定位、着床等施工关键技术进行研究,提出竖向分节、水平成环接高、整体浮运、平台拉锚系统精确定位大型钢围堰施工工艺。工程实践证明,提出的深水薄覆盖层场域钢围堰精确定位施工成套技术是成功的,可为类似工程提供参考。

基于深度学习的钢板表面缺陷识别方法及系统开发

在热轧钢板的生产过程中,由于工况的多样性,钢板表面难免会形成不同类型的缺陷。针对传统方法对钢板表面缺陷的识别准确率和效率较低的问题,提出了一种结合残差网络和迁移学习的钢板表面缺陷识别方法。首先,构建基于迁移学习的神经网络框架,同时采用全局平均池化和Dropout等优化策略增加网络的泛化能力,提高分类精度。其次,预处理钢板表面缺陷数据集,并通过钢板表面缺陷识别实验对模型性能进行检验。实验结果表明,基于迁移学习的网络模型在测试集上的识别准确率可以达到98.33%。最后,设计并开发了钢板表面缺陷识别系统,采用Power Designer软件构建系统的物理数据模型,并完成系统架构的设计,将训练好的神经网络模型应用到系统中,有效提高了钢板缺陷分类识别的智能化和信息化水平。

钢吊车梁疲劳裂缝开展的图像识别方法研究

钢结构服役过程中,结构受到反复的疲劳荷载,即使未达到极限强度,结构仍会产生表面疲劳裂缝,发生破坏。目前钢结构裂缝检测技术已有很多研究,包括人工巡检、接触式智能涂层传感技术等。但人工巡检效率低下,且极易漏检,接触式的技术操作复杂、成本较高。近年来,利用图像识别技术检测结构缺陷的方法由于其易操作性和较高的检测效率,吸引了缺陷检测研究者们的关注。深度学习方法能够很好地解决复杂环境中的特征匹配问题。因此,采用深度学习的方法检测钢吊车梁疲劳裂缝,训练基于YOLOv5网络的裂缝图像识别模型,并通过传统图像处理与深度学习的结合方法,提高检测的精度,最终设计并实现了基于PC端与Android端的钢结构板件裂缝检测软件的开发制作。

钢支撑架设滞后对地连墙基坑变形影响分析

为研究钢支撑滞后对深基坑支护体系变形的影响,以目前处于施工高峰期的北京地铁13号线、22号线某深基坑为例,通过监测数据分析钢支撑滞后并叠加多种不利因素工况下中立柱、相邻钢支撑轴力变化情况,以及围护结构的变形模式。结果表明:快速的土方开挖与支撑滞后情况下,宽大基坑中立柱隆起速率明显增加;同一断面内第2、3道支撑滞后会导致第1道支撑轴力快速上升;偏压影响下,同一断面内基坑两侧围护结构变形模式不同且墙顶位移方向相反;同基坑不同断面第1道支撑滞后与第2道支撑滞后其围护结构变形模式存在差异;不同壁厚基坑其地连墙敏感度明显不同。

新型深海风机钢管桩基础安装用导向架结构优化

为解决水深45.000 m深海风机钢管桩基础安装作业可靠性差和精度低等问题,对一种新型深海风机钢管桩基础安装用导向架进行结构优化。采用有限元法(Finite Element Method, FEM)与试验相结合的方法,从环境参数与作用载荷、结构形式、作业工况和结构强度与结构稳定性等方面对导向架进行综合研究。经海试验证,优化的导向架的打桩精度与打桩高效性均满足技术指标要求,可大幅提高深海风机钢管桩基础安装作业速度和质量。