期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
混合-叠合梁斜拉桥钢混结合段受力性能与构造参数研究 被引量:3
1
作者 陆军 王贤强 +1 位作者 张建东 张军 《建筑结构》 北大核心 2023年第24期110-117,共8页
钢混结合段是混合-叠合梁斜拉桥加劲梁关键衔接部位,内部构造和受力状态复杂、结构参数影响不明确。为研究无格室后承压式混合-叠合梁斜拉桥钢混结合段的受力特性和传力机制,明确构造参数的影响,以主跨400m双塔双索面混合-叠合梁斜拉桥... 钢混结合段是混合-叠合梁斜拉桥加劲梁关键衔接部位,内部构造和受力状态复杂、结构参数影响不明确。为研究无格室后承压式混合-叠合梁斜拉桥钢混结合段的受力特性和传力机制,明确构造参数的影响,以主跨400m双塔双索面混合-叠合梁斜拉桥双肋型边主梁无格室后承压式钢混结合段为研究对象,通过数值模拟,分析了最不利轴力荷载工况下钢混结合段的应力和变形规律、传力机制及构造参数的影响。结果表明:最不利轴力荷载工况作用下,钢混结合段各构件应力在合理范围内,竖向变形无明显突变,刚度过渡平顺,承载能力满足设计要求且有较大的安全储备;轴向力传递承担比例由大到小依次为:桥面板、承压板、剪力钉和PBL剪力连接件;承压板厚度为60~100mm时,剪力连接件抗剪刚度适度增加;加劲肋板厚为28mm时,承压板受力明显改善。 展开更多
关键词 混合-叠合梁斜拉桥 钢混结合段 受力特性 传力机制 参数影响
下载PDF
基于PAUT与ACFM的钢桥疲劳裂纹检测试验研究
2
作者 陆军 王贤强 +1 位作者 张建东 陈春霖 《黑龙江交通科技》 2023年第10期57-59,共3页
为准确检测疲劳裂纹尖端位置和裂纹长度,采用超声相控阵检测(PAUT)与交流电磁场检测(ACFM)技术对预制疲劳裂纹进行了测试,比较了超声相控阵与交流电磁场在疲劳裂纹识别与长度定量测试的准确性。分析了涂层对交流电磁场检测识别的影响,... 为准确检测疲劳裂纹尖端位置和裂纹长度,采用超声相控阵检测(PAUT)与交流电磁场检测(ACFM)技术对预制疲劳裂纹进行了测试,比较了超声相控阵与交流电磁场在疲劳裂纹识别与长度定量测试的准确性。分析了涂层对交流电磁场检测识别的影响,并通过实桥测试进行了验证。结果表明:超声相控阵和交流电磁场能够准确识别疲劳裂纹尖端位置,裂纹长度量化评估精度在95%以上;交流电磁场检测不受涂层影响,能在不去除涂层条件下实现疲劳裂纹检测和定量评估;超声相控阵和交流电磁场检测为疲劳裂纹尖端定位提供了新方法,可为疲劳裂纹的处治提供良好基础。 展开更多
关键词 钢桥 疲劳裂纹 尖端位置 超声相控阵 交流电磁场
下载PDF
基于交流电磁场检测技术的钢结构桥梁疲劳裂纹检测和评估 被引量:5
3
作者 王贤强 杨羿 +2 位作者 刘朵 张建东 陈春霖 《工业建筑》 北大核心 2023年第8期102-106,共5页
钢结构桥梁涂层对疲劳裂纹的检测产生显著影响和干扰,为提高疲劳裂纹的检测效率和评估准确性,实现无须去除涂层的疲劳裂纹快速扫查与定量评估,基于交流电磁场(ACFM)技术开展了疲劳裂纹检测与评估试验研究。针对涂层对疲劳裂纹检测的干扰... 钢结构桥梁涂层对疲劳裂纹的检测产生显著影响和干扰,为提高疲劳裂纹的检测效率和评估准确性,实现无须去除涂层的疲劳裂纹快速扫查与定量评估,基于交流电磁场(ACFM)技术开展了疲劳裂纹检测与评估试验研究。针对涂层对疲劳裂纹检测的干扰,探究了钢结构桥梁典型涂层体系对疲劳裂纹识别与评估的影响;考虑既有涂层对疲劳裂纹的遮蔽作用,验证了ACFM对钢结构桥梁涂层下隐蔽疲劳裂纹检测的敏感性;通过对比试件和涂装试件的试验测试,分析了疲劳裂纹ACFM检测的检出精度和定量评估准确性。试验结果表明:ACFM能够对涂层下疲劳裂纹进行准确识别和长度定量评估,裂纹检出率达到100%,裂纹长度定量评估精度达到95%以上,涂层体系类型和涂层遮蔽效应的影响不明显;ACFM技术对不同长度的疲劳裂纹均表现出良好的检测能力,可实现疲劳裂纹扩展过程中不同状态裂纹的有效检测和准确评估。 展开更多
关键词 钢结构桥梁 疲劳裂纹 涂层 交流电磁场 损伤识别 量化评估
原文传递
基于深度学习算法的超声TOFD图像焊缝缺陷识别
4
作者 胡伟 阮先虎 +2 位作者 金明东 刘朵 张建东 《焊接》 2024年第10期55-60,共6页
【目的】针对传统焊缝缺陷检测中人工效率低、检测难度大和漏检率高等问题,基于试验模拟与深度学习算法提出了一种面向TOFD D扫图像的缺陷识别方法。【方法】通过室内试验对不同类型的对接焊接缺陷(夹渣、裂纹、未焊透、气孔和未熔合)... 【目的】针对传统焊缝缺陷检测中人工效率低、检测难度大和漏检率高等问题,基于试验模拟与深度学习算法提出了一种面向TOFD D扫图像的缺陷识别方法。【方法】通过室内试验对不同类型的对接焊接缺陷(夹渣、裂纹、未焊透、气孔和未熔合)进行了模拟,利用不同数据增强方法构建了实际TOFD检测数据特征图库,结合YOLOv5深度学习网络结构进行TOFD D图像数据集的训练与检测,提升模型对焊接缺陷的识别性能,并且自动输出缺陷智能检测结果。【结果】试验结果表明,该方法具备优越的模型泛化能力,当IoU阈值设定为0.5时,模型训练的准确率可达到98.05%;针对5种焊接缺陷类型,在识别时的分类置信度均超过95%,有效提升了焊接缺陷识别的效率,可满足实际场景在线识别要求。【结论】提出的焊接缺陷识别方法具有较高的准确性,可广泛用于不同缺陷检测模型的构建,为焊接质量控制提供了有效的技术支持。 展开更多
关键词 缺陷识别 TOFD YOLOv5 深度学习
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部