【摘 要】
：
针对工程中构件钢筋混凝土保护层厚度难以准确检测的实际问题,研发了一套环境校准试验装置,开展构件钢筋混凝土保护层厚度检测技术研究。在研究测试仪器、钢筋种类、钢筋间距、钢筋层数以及检测速度对检测结果影响的前提下,形成了一套合理、完善且适用于公路水运工程钢筋混凝土保护层厚度检测的方法和校准规程。结果显示:利用此研究成果,能够有效提高实际工程中钢筋混凝土保护层厚度检测准确率;能够节省仪器校准标准试件的制作。
【机 构】
：
浙江省交通运输科学研究院,浙江省道桥检测与养护技术研究重点实验室
【基金项目】
：
浙江省公路管理局科技计划项目(2018H17)。
论文部分内容阅读
针对工程中构件钢筋混凝土保护层厚度难以准确检测的实际问题,研发了一套环境校准试验装置,开展构件钢筋混凝土保护层厚度检测技术研究。在研究测试仪器、钢筋种类、钢筋间距、钢筋层数以及检测速度对检测结果影响的前提下,形成了一套合理、完善且适用于公路水运工程钢筋混凝土保护层厚度检测的方法和校准规程。结果显示:利用此研究成果,能够有效提高实际工程中钢筋混凝土保护层厚度检测准确率;能够节省仪器校准标准试件的制作。
其他文献
中国石材协会第七届理事会自2015年3月以来,在民政部、国务院国资委和中国建筑材料联合会的正确领导、支持下,在会员单位的共同努力下,协会理事会坚持以习近平新时代中国特色社会主义思想为指导,坚决贯彻落实党的十八大和十九大精神,不忘初心,牢记使命,贯彻实施“宜业尚品造福人类”建材行业发展新目标,努力发挥行业协会作用,以服务会员、服务行业、服务政府、服务社会的责任担当,在推动石材行业转型升级,加快推进行业高质量发展方面开展了大量工作,取得了一些成绩。
现分析浙江、江苏、上海的智慧公路目标和内容,提出了省(市)级智慧高速决策支持系统框架,研究了决策支持平台的交通状态判别、OD分析、出行特征分析、交通事件实时报警、交通事故追溯、交通拥堵解析、交通设施性能分析、养护方案推荐、养护作业监督与考核等应用功能,并从数据资源的角度,对高速公路的基础设施数据、动态交通流数据、事故数据等进行了分类研究,提出了统一管理、资源共享、安全共治的协同机制,对于智慧高速的决策系统建设具有一定的参考意义。
拉索是斜拉桥的主要传力结构,索的健康状态将直接决定着桥梁的正常运营。现系统阐述了基于压力传感器的索力监测法、基于振动频率的索力监测法、基于电磁传感器的索力监测法、光纤光栅监测法及声发射监测法等几种主要的拉索健康监测技术的基本原理,并对其适用性进行了讨论,为斜拉桥拉索健康监测提拱了有力依据。
在城市隧道的运行过程中,需重点做好隧道交通管理机电系统的运维管理和养护工作,最大程度地提升隧道的运行性能,为隧道运行提供必要的保障。然而,值得注意的是,在当前的城市隧道交通管理机电系统的养护过程中,仍然存在许多的问题。针对此类问题,需要探究其根源所在,并在此基础上,进一步提出和落实相对应的养护对策。基于此,重点分析城市隧道交通管理机电系统养护过程中存在的主要问题及相关的应对策略等内容,为提高隧道交通管理机电系统的养护管理水平做出应有的贡献。
阐述了市政设施养护模式的发展现状,给出综合养护管理的概念和基本模式。通过对比现有养护模式和综合养护模式的优缺点以及城市新区建设的特点,建议城市新区市政设施养护采取特许经营的综合养护模式,能够更好地实现经济和社会效益。
春风送暖、艳阳高照。2021年4月28日下午在济南市南郊宾馆,山东省石材行业迎来了自2020年新冠疫情以来的头一场重要活动--石材行业新一代技术装备发展交流会暨山东省石材行业协会第九届会员代表大会。大会由山东省石材行业协会秘书长聂燕珍主持,山东省石材行业协会八届理事会会长、副会长、常务理事、理事及会员代表140余人出席了大会。
针对无人工靶标视频的结构振动识别,提出基于模板匹配的视频识别流程。基于某悬索桥风振视频,对比分析了模板选择、插值算法、局部插值放大倍数以及相机抖动对算法识别精度、计算时间的影响。研究结果表明,选择具有双向特征的图像模板识别结果相对可靠。插值算法中,最近邻插值算法对识别结果精度改善不明显。局部插值放大可改善识别精度,但需要平衡计算效率。对案例视频建议采用4倍局部放大倍数。
分别以20%及23%两种设计目标空隙率拌和沥青混合料,在嘉闵高架北延伸工程中铺筑两段试验路。通过压实度、平整度(IRI)、渗水系数、横向力系数等指标,研究其路用性能,并对SMA路面及OGFC降噪路面进行噪声测试,定量分析其降噪效果。研究表明,采用类似于SMA路面的施工工艺条件下,OGFC路面的各项力学性能指标均能达到规范要求,且车速越高,OGFC路面降噪效果越显著。
为了研究山区双车道公路曲线路段驾驶员心率的变化规律,在武陵山区公路S228进行了实车实验。提出了心率超限概率作为衡量驾驶员心率变化水平的新指标,并分析了该指标依横向力和纵坡的变化规律。最后,使用机器学习建立了预测模型。结果表明:在上坡路段,驾驶员的心率超限概率主要受横向力影响;横向力水平相同的条件下,驾驶员在下坡路段的心理负荷较大。相对于传统指标,采用心率超限概率作为因变量训练的机器学习模型预测精度较高。