【摘 要】
：
聚氨酯多孔弹性混合料（PPEM）由聚氨酯黏结剂、橡胶颗粒和石料组成，相较于普通沥青混合料具有空隙率大、橡胶颗粒掺量高等特点。由于PPEM是大孔隙结构，使得雨天雨水易流入路面内部，进而引发水损害。为此，基于浸水马歇尔试验、冻融劈裂试验和浸水飞散试验，分别测试不同聚氨酯黏结剂、橡胶颗粒替换量、级配3种工况下PPEM的水稳定性。结果表明：对比分析不同聚氨酯黏结剂多孔弹性混合料，其中PU-III多孔弹性混
论文部分内容阅读
聚氨酯多孔弹性混合料（PPEM）由聚氨酯黏结剂、橡胶颗粒和石料组成，相较于普通沥青混合料具有空隙率大、橡胶颗粒掺量高等特点。由于PPEM是大孔隙结构，使得雨天雨水易流入路面内部，进而引发水损害。为此，基于浸水马歇尔试验、冻融劈裂试验和浸水飞散试验，分别测试不同聚氨酯黏结剂、橡胶颗粒替换量、级配3种工况下PPEM的水稳定性。结果表明：对比分析不同聚氨酯黏结剂多孔弹性混合料，其中PU-III多孔弹性混合料水稳定性最好，PU-IV多孔弹性混合料水稳定性最差；当橡胶颗粒替换量不断提高时，PPEM的马歇尔残留稳定度和抗拉强度比呈线性增长，说明橡胶颗粒对PPEM水稳定性的提高有促进作用；PPEM所用级配的空隙率与其水稳定性呈负增长，水稳定性随空隙率增大而减小。
其他文献
目前,大多数现代企业和组织已经使用过程感知信息系统来支持日常业务管理。过程感知信息系统可以提供业务过程的建模、部署、执行和交付,保证业务过程的高效执行和可靠交付。随着现代企业和组织的业务过程复杂度和柔性的提高,业务过程执行出现异常情况的几率也在增加。异常会造成业务过程执行中断,或者执行偏离预定路线而导致执行结果与预期不一致,进而造成损失。如何检测业务过程执行中的异常对现代企业和组织是一个挑战。现有
随着社会的进步,传统身份识别因需要随时佩戴外物或牢记密码导致无法满足人们的需求,而生物特征识别技术仅通过人体部分特征来完成验证过程,便捷安全的优势使其成为热门研究方向。疫情时代,进一步凸显出生物识别技术中非接触式身份认证方式的安全性,因此具有该优势的掌静脉识别技术成为了研究重点。掌静脉识别技术因使用静脉纹理作为身份证明,故具有无法直接观测和不易被摹拓的优势。但大量研究表明,该识别技术目前存在原始掌
在采煤工作面刮板输送机应用中，针对传统驱动系统重载启动困难、负载分配不均、整体效率低等问题，设计了一种采用矿用高压永磁同步变频一体机的驱动方案。将永磁同步电机和高压变频器进行一体化设计，并对永磁电机的变频驱动控制算法和电磁设计进行优化，提高了系统的鲁棒性，减少了整体能耗。通过仿真和现场试验，证明了高压永磁同步变频一体机在刮板输送机中应用的可行性。
聚氨酯混合料强度形成和温度稳定性的研究为密级配聚氨酯混合料设计提供参考。基于沥青混合料组成设计方法，设计了悬浮密实结构聚氨酯混合料（PC-13）和骨架密实结构聚氨酯混合料（SMP-13）的矿料组成，针对不同环境温度监测马歇尔试件强度和高度变化并分析其强度和体积变化，根据不同温度下布氏黏度测试结果分析施工可操作性，并通过车辙试验和低温弯曲试验评价温度稳定性。结果表明：PC-13和SMP-13的最佳胶
目前的通用目标检测算法已经在许多应用场景下展现了它的能力,但在针对小目标场景（如无人机检测,航天任务等）下的物体检测仍然存在很大困难。其原因是:首先图像里面的一些目标相对或绝对尺寸太小,在进行目标检测时容易被忽略,除尺寸问题外小目标还经常出现模糊、遮挡以及聚集等问题,这给神经网络去提取小目标物体的特征提出了很大考验。因此,这也使得目前通用的目标检测网络直接应用到小目标场景下的结果不够理想。为解决上
发展学生的符号意识是数学教学的重要目标。在课堂教学中，教师要创设合适的情境，设计具有挑战性的数学活动，引导学生经历知识的建构过程，帮助学生在探索中归纳和理解数学模型，并进行解释和应用，进而发展学生的符号意识。
表格文档编辑系统是世界上应用最为广泛的软件系统之一,随着云服务和Web2.0的发展,将传统的本地表格编辑系统逐渐向云端迁移,并且添加多人实时协同功能对提高工作效率具有重大意义。尽管工业界已经有较为成熟的在线表格协同应用,但是这些应用在面临操作冲突时无法将多方意愿融合,只是简单的提示用户存在冲突或者让多个冲突版本共存,所以如何在能保证结果一致的情况下尽可能的保留用户意愿是协同编辑领域的一个难题。在支
技术是通过计算机对输入文本进行归纳,生成一段简洁且有概括性的文字。自动文本摘要技术能对网上海量的文本数据起到“降维”的效果,有效的缓解信息过载带来的压力。近年来深度学习的发展极大地推动了自动文本摘要技术的进步,但摘要模型仍存在可控性差、生成摘要不全面和长时间依赖等问题。为解决这些问题,本文使用深度学习算法对自动文本摘要进行研究,内容如下:第一,针对生成式摘要算法在生成过程中会忽略由关键词提供的重要
当前人口数量增多,伴随着城市发展,大型公共场所的数量呈现快速增长,利用计算机视觉技术对公共场所的视频数据进行分析,可以获取行人信息,进而完成对公共场景下的人流分析,加强公共场景的管理与安全。在分析了YOLO v5算法之后,发现其主要是基于卷积进行网络架构设计,而基于卷积的网络对于全局特征的提取能力不足,加之Vision Transformer在视觉任务中对图像的编码具有冗余,这些都会导致不能较好的