水下桩基病害检测及损伤评估研究

来源 :东南大学 | 被引量 : 0次 | 上传用户:zs1979
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
桩基础是桥梁基础的主要形式,对水下桩基础出现的病害进行及时修复可以避免不少桥梁垮塌事故的发生。但由于技术难度大、起步发展晚等原因,水下桩基的病害检测与损伤评估存在不少问题有待解决。为此,本文对水下桩基病害检测与损伤评估展开了研究。本文的研究方法包括现场检测,数值模拟计算和数学建模分析,主要的研究内容与结论如下:(1)开展了吉林市江湾大桥的水下桩基病害检测。本文通过查阅资料对比了现阶段主流的水下桩基检测方法并分析了各自的优缺点,综合考虑场地客观条件与经济性因素后,选择了水下探摸和水下摄影的方式对吉林市江湾大桥进行水下桩基病害检测。通过实地检测发现吉林市江湾大桥的水下桩基损伤情况比较轻微,出现的典型病害有桩基表面混凝土的剥落与桩基底部的冲刷、掏空。(2)进行了典型病害影响下的桩基承载力分析。为了使病害检测的结果可以直观准确地反映受损桩基承载能力损失的幅度,本文定量分析研究了典型病害对桩基承载力产生的影响,研究目标是能够通过损伤参数直接计算桩基承载力的损失幅度。研究以数值模拟的方式进行,定量分析了不同桩长、桩径的桩基在受不同严重程度的不同病害影响时的承载力变化。(3)对数值模拟结果展开分析。发现桩基的尺寸大小对出现病害时桩基承载力的损失幅度有显著影响,尺寸越小的桩基受病害影响时的承载力下降幅度越大;病害的严重程度对出现病害时的桩基承载力下降速度有显著影响,存在严重病害的桩基的承载力下降速度更快。因此桥梁桩基的后期维护过程中应该加大对小型桩基的关注;同时不应忽视较轻微的前中期病害,避免因病害的恶化导致桩基承载能力的快速下降。(4)建立了水下桩基损伤评估模型。由于数值模拟无法完全实现通过损伤参数直接计算桩基承载力的损失幅度的目标(仅能在预设工况下实现),本文使用数学建模方法对数值模拟结果进行了拟合,得到了以病害严重程度和桩基尺寸大小为变量的水下桩基损伤评估模型,并通过多种方法验证了该模型的预测精度。(5)分析了水下桩基损伤评估模型的实际应用价值。不同工程的各项工程参数区别巨大,导致建立的损伤评估模型不具备很强的泛用性。因此该模型的主要价值不在于模型本身,而在于提出了一种新的损伤评估方法。实际的损伤评估工作可以借鉴本文提出的新方法,即使用实际工程的相关参数进行数值模拟计算,再根据数值模拟计算的结果建立损伤评估模型以进行实际的损伤评估工作。
其他文献
党的十九大提出实施乡村振兴战略,建设生态宜居的美丽乡村。江苏省委书记娄勤俭书记在省委十三届八次全会上说,建设什么样的乡村、怎样建设乡村,是一个历史性课题。美丽乡村要美得有形态、美得有韵味、美得有温度、美得有质感,既要实现山清水秀、天蓝地绿的乡村风貌,也要展现村美人和的社会氛围。研究紧紧契合时代发展战略要求,以乡村振兴战略为基底,以重要讲话内容为引导,探索江苏绿色宜居村镇建设发展成效与方向。首先,研
学位
物联网技术的飞速发展使得自组网的应用越来越普遍,但是自组织网络的定位精度和节点的功耗问题一直是研究难点。本学位论文的研究重点在于首先提出基于软件定义网络(Software Defined Networking,SDN)架构的无人机辅助的节点间测距方法,然后利用无人机在某个区域内周期性地广播信标信号,并基于非测距的节点感知方法对一些盲节点进行定位,进而将这些得到位置之后的盲节点作为锚节点,最后利用得
近年来,多波束卫星通信以其高频谱效率和高能量效率(Energy Efficiency,EE)吸引了工业界和学术界的浓厚兴趣。考虑到未来无线网络需要支持急剧增加的数据流量并对偏远地区提供稳定可靠的网络覆盖,多波束卫星通信能对可用资源进行灵活和高效的利用,从而满足未来无线网络的需求。为解决频谱稀缺问题,多波束卫星通信采用了多输入多输出(Multiple-input Multiple-output,MI
学位
通信卫星作为一种稳定,可靠和有效的通信手段,在信息领域发挥着越来越重要的作用,但由于位于地球相当大的领土上的干扰站都可以利用卫星转发器接收机发送信号,因此卫星通信系统的地球-航天器无线电线路特别容易受到干扰。干扰使卫星通信存在严重的安全问题。针对卫星移动通信系统中的干扰问题,本文进行了如下研究:首先,研究干扰检测技术。干扰检测技术包括检测干扰是否存在和确定干扰信号频点。介绍了简单高效的能量检测法来
人工智能深度学习快速发展,尤其是在以图像为代表的计算机视觉、自动驾驶和以语音、文本为代表的自然语音识别等领域,深度学习取得了巨大的成功,逐步应用于生产生活的各个方面。然而,神经网络容易受到微弱扰动的攻击,导致网络以较高的置信度得到错误结果。扰动后的样本在视觉上与原始样本相似,被称“对抗样本”。这种漏洞,使得在高精、高安全要求的场景应用中,深度网络模型的落地部署困难。近些年来,关于对抗样本的研究主要
学位
学位
学位