综合精品_淫语对白_亚洲一线二线在线观看_自偷自拍av_女m被主人虐玩调教91_青草精品视频_一乃葵在线_村上里沙在线观看_国产精品刺激_日韩精品视频免费_国产又黄又猛又粗_3d蒂法精品啪啪一区二区免费_日韩一本在线_奇米精品一区二区三区四区_日本三级黄色录像

PDF全文閱讀

鄭永飛¹  ,  劉常振² ,  解   路³  ,  郭   攀⁴ ,  鄧恩峰³

( 1 .  中交四公局第一工程有限公司 ，北京 100123 ;  2.  中交建筑集團有限公司 ，北京 100000 ;

3 .  鄭州大學 土木工程學院 ，河南 鄭州 450000 ;  4.  鄭州大學 水利與交通學院 ，河南 鄭州 450000)

摘   要：UHPC- NC 組合梁延性的檢測方法較為單一，且對梁體的開裂損傷缺少有效的監測手段。文章分別 對 NC 梁和 UHPC- NC 組合梁進行四點彎曲試驗，采用聲發射技術對破壞過程進行監測，并基于聲發射累計振鈴 計數和能量對其進行延性分析。結果表明：相較于 NC 梁，采用 50  mm 厚 UHPC  的 UHPC - NC 組合梁在開裂荷載、屈服荷載和極限荷載方面均有所提高，對開裂荷載的提升效果最大，達到 100% , 然而，其位移延性和曲率延性分別降低了 7. 0% 和 10. 0%;  在受彎破壞過程中，UHPC - NC組合梁將 NC 梁的開裂荷載階段從極限荷載的14. 0% 延續至 25. 0% ;  通過聲發射的累計振鈴計數和能量分析，證明了這種方法在混凝土結構延性指數計算中的可行性。

關鍵詞：UHPC- NC 組合梁 ；混凝土梁 ；受彎試驗 ；延性 ；聲發射 ；參數特征

中圖分類號：TU375            

文獻標志碼：A           

文章編號： 1005- 8249   (2024)  05- 0149- 06 

DOI:10. 19860/j.cnki.issn1005 - 8249.2024.05 .027

 

ZHENG Yongfei ¹  ,  LIU Changzhen² ,  XIE Lu³  ,   GUO Pan⁴ ,  DENG Enfeng³

( 1 . CCCC Fourth Highway First Engineering Co.，Ltd. ，Beijing 100123 ,   China;

2. CCCC Construction Group Co.，Ltd.，Beijing 100000 ,  China;

3 . School of Civil Engineering ,  Zhengzhou University ,  Zhengzhou 450000 China;

4. Collage of Water Conservancy and Transportation ,  Zhengzhou University ,  Zhengzhou 450000 China)  

Abstract: In response to the challenges of low training efficiency and insufficient detection performance in the current field of road and bridge detection,this paper designs a road and bridge crack detection model based on Inception Resnet -v2.This model combines its powerful feature learning ability with multi-scale feature fusion,significantly improving the accuracy of crack detection in complex road and bridge environments.Meanwhile,the application of GKA clustering algorithm effectively reduces the computation of unnecessary regions and improves detection efficiency.The experiment results show that compared with AlexNet,the proposed model not only achieves an 8.67% improvement in frame rate(FPS),ensuring the potential for real-time processing,but also achieves significant improvements in accuracy,precision,recall,and F1 score of 3.19%,3.75%,1.34%,and 2.66%,respectively .This model provides strong support for improving the intelligence level of road and bridge detection technology,and provides valuable reference and inspiration for future research and development in this field.

Keywords: road and bridge inspection; deep learning; multi scale; attention mechanism; clustering algorithm

*基金項目：河南省交通運輸廳科技項目(2021 J3) 。

作者簡介：鄭永飛  (1979—) , 男 ，本科，高級工程師，研究方向：建筑施工管理。 

通信作者： 郭   攀  (1985—) , 男，博士，高級工程師，研究方向： 結構檢測。

收稿日期：2023- 05- 06