基于深度学习的道路自动化监测系统及其应用研究

在道路施工监测中,传统的监测方法效率低,无法实时连续准确地预测土体变形。提出一种集成人工智能技术的道路自动化监测系统,该系统由实时物联网系统和数据处理系统组成。实时物联网系统包括双压力传感器埋入式沉降仪、数据采集系统和网络传输系统;数据处理系统则利用深度学习算法对实测数据进行训练,实现土体变形的预测。介绍了该监测系统的构成和工作原理,通过现场试验对该监测系统进行验证,将双压力传感器埋入式沉降仪的数据与沉降板的数据进行对比分析,结果显示两者之间的误差仅为6.7%,表明自动化监测仪器在道路施工监测中具有高精度。同时,现场试验结果还证明了基于深度学习算法的变形预测方法能够准确地对道路施工过程中的土体变形进行预测,其预测最大误差仅为5.3%。

动态疲劳荷载下玄武岩纤维混凝土抗渗性衰减及机理研究

为了探究动态疲劳荷载作用下玄武岩纤维混凝土抗渗性衰减规律及机理,基于抗渗性优选了玄武岩纤维最佳参数;利用自主研发的加载装置设计了疲劳试验,分析疲劳荷载下电通量的变化规律;研究了荷载作用下微观结构的演化以揭示玄武岩纤维混凝土抗渗性衰减机理。结果表明:混凝土抗渗性随玄武岩纤维长度和掺量增加呈现先增强后减弱的变化规律,基于抗渗性推荐玄武岩纤维的最佳长度为12 mm,掺量为0.08%(质量分数);随疲劳作用次数和应力比增加,玄武岩纤维混凝土电通量增加幅度低于基准混凝土,其更适合在重载、重交通地区应用;玄武岩纤维细化了混凝土孔结构,无害孔比例增加18.51%,疲劳荷载下混凝土孔径呈扩张趋势,孔分布呈粗化状态;疲劳加载前期混凝土微裂缝主要沿长度方向延伸,而加载后期以宽度扩展为主;玄武岩纤维延缓了混凝土孔结构劣化和微裂缝扩展,从而降低了抗渗性衰减幅度。

超重腐蚀环境带锈施工案例介绍及锈转换XRD机理分析

华能海门电厂属于典型的C5-M腐蚀环境,现场腐蚀严重。基材表面出现大量的点蚀坑和千层饼样锈片和锈坑。要达到防腐施工表面处理等级及其困难,所以传统涂料施工难度很大,且效果又很不理想(通常施工1 a不到就大面积漆膜脱落,基材锈蚀)。超支化碳钛笼水性涂料体系自2018年带锈、带千层饼锈片施工至今,保持良好,有效阻止了基材的进一步恶化。在带锈施工环境下,对漆膜、漆膜与锈层界面层以及膜下锈粉取样进行XRD分析,结果显示:被碳钛笼体系处理过的锈层结构与传统重防腐涂层下的锈层结构相比发生了明显变化。初步机理分析推断,碳钛笼体系涂料可以将锈层中活性的FeOOH结构转换为相对惰性的FeO(OH)结构,从而提高具有磁性定向排布的Fe3O4含量,诱导锈层原位转换成致密的防腐层,从而实现低表面处理,适用于钢结构防腐长效保护。