PDF全文阅读

郑永飞¹  ,  刘常振² ,  解   路³  ,  郭   攀⁴ ,  邓恩峰³

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

3 .  郑州大学 土木工程学院 ，河南 郑州 450000 ;  4.  郑州大学 水利与交通学院 ，河南 郑州 450000)

摘   要：UHPC- NC 组合梁延性的检测方法较为单一，且对梁体的开裂损伤缺少有效的监测手段。文章分别 对 NC 梁和 UHPC- NC 组合梁进行四点弯曲试验，采用声发射技术对破坏过程进行监测，并基于声发射累计振铃 计数和能量对其进行延性分析。结果表明：相较于 NC 梁，采用 50  mm 厚 UHPC  的 UHPC - NC 组合梁在开裂荷载、屈服荷载和极限荷载方面均有所提高，对开裂荷载的提升效果最大，达到 100% , 然而，其位移延性和曲率延性分别降低了 7. 0% 和 10. 0%;  在受弯破坏过程中，UHPC - NC组合梁将 NC 梁的开裂荷载阶段从极限荷载的14. 0% 延续至 25. 0% ;  通过声发射的累计振铃计数和能量分析，证明了这种方法在混凝土结构延性指数计算中的可行性。

关键词：UHPC- NC 组合梁 ；混凝土梁 ；受弯试验 ；延性 ；声发射 ；参数特征

中图分类号：TU375            

文献标志码：A           

文章编号： 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

*基金项目：河南省交通运输厅科技项目(2021 J3) 。

作者简介：郑永飞  (1979—) , 男 ，本科，高级工程师，研究方向：建筑施工管理。 

通信作者： 郭   攀  (1985—) , 男，博士，高级工程师，研究方向： 结构检测。

收稿日期：2023- 05- 06