【摘 要】
：
针对隧道工程锚杆质量检测速度慢的问题,提出一种超声波无损检测方法:通过室内沙槽模拟试验对锚杆超声波信号检测,用EMD方法对检测的锚杆超声波信号特征进行分析.结果表明,利用超声波检测方法可精确定位识别锚杆缺陷位置及其底部位置;通过EMD分解检测信号,可发现能量分布以及锚杆底部位置和缺陷位置信息主要集中在前几个IMF分量,且能量分布与锚杆直径及发射功率等外界因素无关.
【机 构】
：
安徽交通职业技术学院 土木工程系,安徽合肥230051
论文部分内容阅读
针对隧道工程锚杆质量检测速度慢的问题,提出一种超声波无损检测方法:通过室内沙槽模拟试验对锚杆超声波信号检测,用EMD方法对检测的锚杆超声波信号特征进行分析.结果表明,利用超声波检测方法可精确定位识别锚杆缺陷位置及其底部位置;通过EMD分解检测信号,可发现能量分布以及锚杆底部位置和缺陷位置信息主要集中在前几个IMF分量,且能量分布与锚杆直径及发射功率等外界因素无关.
其他文献
学生在美的环境中,能够受到润物细无声的教育.小学的班级文化建设中渗透着美育,教师根据教育教学实践,从识美育之重要,开启无痕之美;明文化之结构,塑造无痕之美;探建设之路径,强化无痕之美;寻有效之评价,完善无痕之美四方面阐述班级文化的无痕之美是怎样浸润童心的.
基于FR4基板的双面螺旋结构,设计了一个系统工作频率为10 MHz的负磁导率超材料并对其进行数值仿真,通过Smith算法结合MATLAB从而计算出超材料的磁导率.利用超材料对电磁波的负折射率和聚焦效应,提高无线电能传输系统(WPT)的传输效率和传输距离.最后通过Maxwell电磁仿真,验证了该材料的聚焦性及其在无线电能传输系统中应用的有效性.
陶行知教育思想的核心观点是“生活即教育,教学做合一,行是知之始”.文章将通过创设有效教学情境,强化教学效果、树立分层教学理念,提升教学效率、引导学生自主探究,培养主体意识等多个探究方向,对以学生为本的初中数学教学措施进行分析.
以杭州文一西路上跨轨道交通5号线改造项目为例,介绍了MJS工法桩的设计工艺和施工流程,并对其施工过程中可能产生的钻孔沉管困难和偏斜、旋喷废浆排放不畅等情况采取了相应的预防措施,效果明显,具有一定的推广价值.
为提高“光伏发电”内容的教学质量,丰富教学内容,将PSIM仿真融入理论教学中.以光伏组件的外特性和最大功率点跟踪(maximum power point tracking,MPPT)为例,完成光伏组件外特性波形绘制和分析,用图解法介绍了光伏MPPT的原理,分析了Boost电路的阻抗变换特性,在PSIM仿真软件中实现了占空比干扰法的MPPT算法.实践表明,在光伏发电教学中引入PSIM仿真,能够促进学生理解光伏组件的外特性,掌握光伏MPPT技术,提高了教学效果.
针对传统衣用纤维耐水渗透性和防污性差而无法起防护作用的问题,提出用静电纺丝技术制备一种FPU/PU/CNTs纤维膜,并研究了CNTs含量对FPU/PU/CNTs纤维膜性能的影响规律.结果表明:当CNTs含量为0.75％时,FPU/PU/CNTs纤维平滑膜和纤维膜前进接触角分别增长至125°和155o,此时耐水渗透压力为108 KPa,纤维膜拉伸强度增加到12.5 MPa,顶破强度增加到47.6 KPa,纤维膜顶破伸长强度降低至35 KPa;该材料表现出优异的防污性和耐水渗透性,具备一定的市场推广价值.
采用沸水浴、碳酸钠和蛋白酶三种脱胶方法去除蚕丝纤维表面的丝胶蛋白,并将氧化石墨烯溶液均匀吸附于蚕丝纤维的表面,制得石墨烯(RGO)/蚕丝(SF)复合纤维(Reduced Graphene Oxide/Silk Fiber).研究发现:3种RGO/SF复合纤维的力学性能均有明显提高,其中蛋白酶法得到的RGO/SF复合纤维的断裂强力值最大,为5.406 cN;蚕丝纤维表面的电阻值明显变小,在0.3～0.9 MΩ/cm之间,其中酶脱胶法得到的RGO/SF复合纤维的比电阻值最小,为0.306 MΩ/cm.说明石墨
在小学班级管理工作中,班主任不能一味地依靠学校规章制度对学生进行刚性管理和应试教育,而要在树立个人权威的基础上,通过关爱来赢得学生的信任,在班级管理中真正做到严而不厉,以人为本,促进新型尊师爱生师生关系的构建.
将嘉兴学院2017级和2018级共计323名护理学专业本科生随机分为实验组(N=162)和对照组(N=161),对照组采用常规教学模式,实验组则采用基于批判性思维培养的S3DWR教学流程,结果显示,实验组学生的整体批判性思维水平得到提升(t=-7.025,P<0.01),且在开放思想、分析能力、系统化能力、自信心这四个维度上显著高于对照组.由此得出,在护理学专业机能学实验教学中引入批判性思维,可有效提升护理学专业学生的临床应变和处理复杂问题的能力.
基于CNN-LSTM编解码网络的体育视频分类方法,利用经典的预训练模型提取视频帧空域特征并将其编码为固定长度的语义向量,通过LSTM实现对视频帧序列间的长时依赖关系的建模和语义向量解码,经过分类网络输出视频标签.在公开的具有挑战性的体育视频数据集Sports8和Olympic16上进行了深入的实验.结果表明,该CNN-LSTM编解码网络能够对视频序列的时空特性进行有效建模,在Sports8数据集上取得96.9％的平均分类准确率,比现有最好方法提高4.9％;在Olympic16数据集上取得84.73％的平均