课程文献中心 更多>>

关键词： 后浇带   伸缩缝   降低施工成本   保证施工质量   加快施工进度   快速拆模法  

摘要： 通过理论分析和工程实例，详细介绍了后浇带的两种施工方法，即：后浇带变更为伸缩缝的施工方法、后浇带模板支架快速拆模法，以及后浇带常规施工方法的注意事项。这些施工方法的应用，缩短了工期，施工质量得到了有效保证，并且大大降低了施工成本。

摘要： 阳光沙滩，碧海蓝天，鱼鸥翔集、游人如织，这就是被称为“城市阳台”的青岛西海岸新区灵山湾的一角。但谁又能想到，“几年之前，这里都是鲍鱼海参的养殖池，海岸线被分割得支离破碎。居民虽然离海很近，但想真正到海边要费不少劲”。和着轻柔的海浪声，青岛市生态环境局西海岸新区分局业务一科科长鲍德强娓娓道来。2016年蓝色海湾整治行动开展以来，

关键词： 阳台空间   高密度住宅   生活表达   城市面貌   住宅设计  

摘要： 随着十九世纪中叶开始的工业革命的轰鸣,人类的生活走进了社会化大生产的阶段,大量的人口从农业生产中被释放出来投入到工业生产中去,拉开了城市化的大幕。数百年后的今天,我国的城市化率也已经逼近中国社科院建议的70%-75%,这也意味着我国有9亿人左右在城市中长期生活。为了实现这样的目标,我们也付出了一定代价,其问题在长三角地区中尤为突出。具有一定地域特色的传统织体城市住宅空间如今被打破,片段式的在城市中存在。而用地成本成倍增加,让城市走向高密度也有意味着住宅建筑的高度也在逐步上升,以杭州为例,杭州的高速扩张导致大量的新旧住宅在城市中共存。于此同时,为了满足日益增长的住宅需求,大量的高层住宅被在很短的时间内被修建了起来,而在这一过程中为了规范其建设以及控制其成本,现代高层住宅在设计上也逐渐趋同。这就导致了在长三角地区的城市当中,融合在旧有城市建筑与城市结构中的文脉被不可逆的摧毁,城市展现出一种错综复杂的面貌,且个人生活的特殊性也被高密度住宅内化而无从表达。在当代高容积率住宅当中如何展现个人生活的特殊性,就成为了当代住宅设计中值得思考的问题。幸运的是,大规模的高容积率住宅建设也并不是铁板一块,其中仍然存在这缝隙,这个缝隙便是阳台。阳台空间是几乎唯一未在设计之初就被规划好功能的空间,其空间属性也是外化的,论文以高容积率住宅阳台空间为研究对象,试图探索阳台空间与城市面貌之间的关系。论文概述了工业化以来阳台空间的发展历程以及未来趋势,界定了高容积率住宅阳台空间与高密度现代城市的研究视域。通过对高密度住宅阳台空间与杭州及周边地区高密度城市现状之间的相关性研究,反应二者之间相互联系与影响。以阳台空间作为一个切入点,深度挖掘阳台空间在城市建设当中的潜力,说明建筑师、城市居民与城市之间的关系。试着以一种自下而上的立场,为未来的住宅设计与城市建设提供过一个新的视角。

关键词： 高分辨率遥感影像   深度学习   弱样本   语义分割   建筑物分类  

摘要： 建筑物作为人类活动的主要场所,在城市场景中广泛分布。研究城市中建筑物的类型、位置、分布等空间和属性信息,可为城乡区域规划、道路交通管理等应用提供决策和技术支持。随着遥感技术的发展,高分辨率遥感影像以其获取地物丰富的纹理和形状等信息的能力,逐渐流行于建筑物信息提取和分类领域。然而,随着影像的分辨率提高,影像中地物信息的冗余度也随之增加。同时高分辨率影像更细致的纹理和形状信息,则会导致不同地物类型的类间相似性增加。因此如何从高分辨率遥感影像中自动准确地提取建筑物的信息,成为了极具挑战的热点问题。 传统遥感影像建筑物提取算法耗时、耗力,已经不再适用于在信息量庞大的高分辨率影像中提取和分类建筑物。近年来,深度学习语义分割方法凭借自动化程度高、精度准确的优势,为高分辨率影像中建筑物信息的自动分割提供了新的解决思路。然而,由于高分辨率影像中建筑物的外观形状不规则且纹理差异性较大,目前的语义分割方法无法全面地考虑建筑物的特征,难以同时兼顾空间多尺度全局特征和局部细节特征,从而导致建筑物的分类和提取精度较差。此外,现有的深度学习方法需要大量的人工标注的样本进行训练,才能得到较为理想的结果,不能利用无标签的影像进行训练。 针对上述问题,本研究开展了以下工作: (1)针对目前高分辨率遥感影像的建筑物像素级语义分割方法,存在的各类型建筑物之间边界轮廓模糊、同类型建筑物区域内部完整性低等问题,本研究提出了一种耦合Deep Labv3+和Vision Transformer编码器的双分支并行特征融合模型FDTNet,以实现建筑物的精细遥感分类与提取。 (2)针对建筑物深度学习语义分割模型需要大量人工标注训练样本的问题,本研究提出了基于机载Li DAR点云和高分辨率遥感影像的弱样本自动生成方法,以弱样本代替真实样本,从而降低模型对有标签训练样本的需求量。 (3)针对多源LiDAR点云和高分辨率遥感数据生成的弱样本,质量与真实样本存在偏差,导致模型测试精度较低的问题,本研究提出了一种弱样本优化策略,用于提高弱样本的分类结果精度。 为了证明本研究提出的建筑物弱监督分类方法的有效性,本研究基于分辨率尺度不同的两个高分辨率影像建筑物分类数据集,Yuhu城市数据集和Xiang Xi城乡建筑物数据集进行实验。在模型方法的对比实验中,相比于基础网络模型Deep Labv3+,FDTNet模型对每个类分类结果的交集()、平均()和总体准确度()等方面均有显著提升,FDTNet模型在建筑物多分类的Yuhu城市数据集上的至少提高了2.2%,证明了本研究方法对网络模型框架改进的合理性。同时,在基于FDTNet模型的弱样本优化实验中,将真实样本、弱样本、优化后的弱样本分别作为FDTNet模型的输入,所得的三种样本测试结果表明,以Li DAR数据和影像数据生成的弱样本,在弱样本中建筑物训练特征充足的条件下,可以替代人工标注的真实样本进行模型训练。 本研究提出多源遥感数据的建筑物弱监督分类FDTNet模型,通过对比验证其他成熟的建筑物语义分割模型(包括UNet、Deep Labv3+、Vision Transformer、Swin-Transformer、Swin T-CNN和Res T),探索了FDTNet在建筑物数据集上的分类性能,设计的弱样本生成和优化策略可以提升弱样本的质量,从而提升建筑物弱监督分类精度。本研究深化了基于多源遥感数据的地物目标弱监督智能解译,在时间效率、样本制作和结果精度等方面具有重要优势,将在自然资源调查、生态环境监测和城乡空间规划等领域提供技术支撑。

关键词： 板栗   花芽分化   组织结构   营养物质   内源激素  

摘要： 板栗是世界著名干果和木本粮食树种,通常种植在山地、丘陵地区,对荒山绿化、生态环境改善、经济发展等方面有重要意义。实际生产中,板栗树体雄花量过大,雌花量相对不足,增加了树体营养消耗,导致板栗雌花发育不良、落花落果和空蓬的现象,降低板栗产量,制约产业发展,因此,提高板栗产量的可行途径就是提高板栗雌花数,或者适当减少板栗雄花数。经过课题组多年的实地调研,发现了“寡雄、多雌、雄花败育”三种比较特殊的板栗类型,本研究通过对这三种不同类型板栗花芽分化外部形态、内部解剖结构的观察和营养物质、内源激素的测定,界定了板栗花芽分化的时期,分析了其与对照类型板栗解剖结构的差异,并探究了各性状形成的生理基础,有效服务板栗育种研究,同时指导栽培生产,也可以为后续基于板栗花芽分化对植物营养和植物激素响应的理论研究,探索板栗花芽性别分化的生理和分子生物学机理提供理论依据。试验结果表明:1.河北昌黎地区,板栗雌花花芽分化从4月中旬开始,5月中旬雌蕊原基形成,6月初雌花盛开结束,共经历45 d左右;板栗雌花分化过程可划分为6个时期:花簇苞片原基分化期、花簇原基分化期、萼片原基分化期、雄蕊原基分化期、雌蕊原基分化期、雌蕊(柱头)伸长期。2.寡雄类型板栗和多雌类型板栗的维管束细胞相较于对照跨度要更大,其两侧花原基细胞的完整度更好,且多雌类型板栗的中央花原基分化较其他类型板栗相比,在相同时期下分化程度更高,该形态结构更利于板栗雌花簇的发育,促进板栗多雌现象的发生,对照和雄花败育类型板栗花簇原基两侧细胞的破碎及离层的发生会减弱板栗雌花的分化,导致板栗总体产量的降低。3.雌花盛开期,雄花序可溶性糖含量寡雄类型板栗最高(YL 1.28%、QX1.19%),多雌类型板栗次之(YQ 1.10%、LQ 0.96%),二者均显著高于对照类型板栗ZF 0.67%,雄花序可溶性蛋白含量寡雄类型板栗最低(QX 2.71%、YL2.77%),多雌类型板栗中可溶性蛋白含量(LQ 4.21%、YQ 3.61%)显著高于其他类型板栗,对照类型板栗ZF可溶性蛋白含量为3.12%,表明雄花序中高水平的可溶性糖、低水平的可溶性蛋白可能与板栗寡雄现象的发生存在一定关系;两性花序显现期及雌花盛开期,LQ的可溶性蛋白含量分别为1.27%、1.92%,YQ分别为1.14%、1.51%,多雌类型板栗在两时期均保持较高水平的可溶性蛋白含量,表明雌花序中高水平的可溶性蛋白积累可能正是板栗多雌现象发生的原因。4.在整个分化期,IAA、CTK、ABA及GA对板栗雌花簇分化具有不同作用,寡雄类型材料QX、YL的IAA、CTK和GA含量在萌芽后14 d(萼片原基分化期)达到最大值,QX、YL的IAA含量分别为1291.5 ng/m L、1713.25 ng/m L,CTK含量分别为10.56 ng/m L、12.75 ng/m L,GA含量分别为10.22(10ng/m L)、12.15(10ng/m L),表明萼片原基分化期IAA、CTK和GA的高表达,可能与板栗寡雄性状存在一定关系;多雌类型板栗LQ、YQ的CTK和GA含量在萌芽后28d达到最大值,CTK含量分别为10.15 ng/m L、9.33 ng/m L,GA含量分别为8.98(10ng/m L)、7.65(10ng/m L),表明雄蕊原基分化期及雌蕊原基分化期高表达的CTK和GA可能正是板栗多雌现象产生的原因;萼片原基分化期ABA含量(84.57 ng/m L)的显著升高,可能与雄花败育类型板栗整个结果枝雄花序正逐渐发生枯死、败育现象的发生存在一定关系。

关键词： 道路工程   伸缩装置   降噪型   伸缩缝  

摘要： 为研究降噪型伸缩装置在桥梁工程中的应用，文章基于对模数式伸缩装置、梳齿板式伸缩装置、无缝式伸缩装置的结构和噪音分析，开发设计了两种降噪型伸缩装置，并开展了实际应用，根据噪声实测效果，得出结论：降噪型钢模数式伸缩装置可降低噪声5～9 dB，具备良好的降噪效果。

关键词： 道路工程   桥梁伸缩缝   免碾压沥青混合料   数值模拟   性能研究  

摘要： 桥梁伸缩缝是桥梁结构中一个不可或缺的组成部分,它通常位于两梁端之间、桥台与梁端之间或者桥梁的联结部位上,具有调节车辆荷载等因素所引起的桥梁上部结构之间位移和联结的重要作用。然而,重载交通伴随环境影响导致桥梁伸缩装置发生破坏,主要表现形式为过渡区混凝土破坏以及混凝土与钢板、混凝土与铺装层之间脱粘。目前,针对这类病害一般采用水泥基修补材料,然而其养护时间长,耐久性不足问题较突出。因此,本文提出采用基于沥青基材料的柔性伸缩缝材料——免碾压沥青混合料填充锚固区,开展适应于桥梁伸缩缝的免碾压沥青混合料材料设计和性能研究,有重要的现实意义和工程价值。首先,根据有限元软件建立了桥梁伸缩缝结构模型,分别模拟了静载和动载,研究了在不同车速、荷载和温度作用下桥梁伸缩缝关键部位的力学响应,发现重载、低温均会导致桥梁伸缩缝结构产生较大应力,且过渡区与型钢接缝处所受纵向拉应力较大;选择了原材料进行了技术性质试验,采用马歇尔试验与流动度试验,确定以空隙率、毛体积密度、沥青饱和度、马歇尔稳定度、流值和流动度作为免碾压沥青混合料设计指标,得到了最佳油石比;选取三种外加剂,通过试验评价了免碾压沥青混合料的高温稳定性、低温抗裂性、水稳定性和疲劳性能,结合层次分析法确定0.3%掺量的Sasobit对免碾压沥青混合料综合性能改善最为显著;利用界面粘结试验发现SBS改性乳化沥青撒布量为0.8L/m时界面粘结性能最好;使用直接拉伸试验和压缩弹性恢复试验评价了免碾压沥青混合料的变形性能;通过应力松弛试验并结合数学模型评价了免碾压沥青混合料的松弛性能。

关键词： 木结构构件   点云分类   PointNet++   有限元分析   健康诊断  

摘要： 中国文化源远流长,其中,木结构古建筑是中国文化的重要组成部分。中国木结构古建筑具有长期稳定性,即使经历了自然和人为损害,仍能够保持其完整性和功能性,这种长期稳定性取决于多个因素,包括建筑材料、工艺、结构和维护等。当前,国家高度重视已有建筑的安全性;单霁翔也在《建立故宫古建筑研究性保护机制的思考》一文中表示评估工作与实际工作脱节,特殊的评价普遍不足。因此,评估古建筑木结构的安全性,并提出合理的修缮方案是需要得到正确处理的问题。利用三维激光扫描技术生成的点云数据用于古建筑木结构构件分类以及安全性的评估,提供了全面的三维数据支持本文主要研究如何实现对古建筑中的木构件进行三维点云自动分割及健康诊断,包括对古建构件现状完整有限元模型的高效建模等。本研究遵循文物修复的可持续发展原则,旨在为故宫建筑的修缮和加固提供理论和技术支持,主要研究内容如下:(1)对于目标为古建筑这样的大场景的三维点云分类任务,深度学习中的Point Net网络与Point Net++网络可以胜任。本文对Point Net++改进,以提升对古建筑中的立柱,梁,枋点云分类的分类效果,除了数据增强方面,本文还通过更新Pointnet++的Adam优化器与交叉熵损失函数,使用Adam W与使用带标签平滑的交叉熵损失函数(Cross Entropy with label smoothing),放弃对网络增加深度,针对性解决“由于数据量小,而引发的过拟合与较差的泛化能力问题”,提高神经网络的准确率与效率,完成对木构件的分割。与原始Point Net++网络相比,本文改进的Point Net++算法在木柱类与梁类的Io U分别提升了39.3%与12.6%。(2)本文经过对建筑历史与考古资料整理分析,参考《营造法式》,《工程做法》,《太和殿三百年》等,在此基础上,针对古建筑三维数字化点云模型,通过对古建点云构件分割算法,点云引导下的标准构件变形算法,生成古建构件现状完整有限元模型。使用有限元方法,结合计算机数值模拟分析方法,量化构件残损状况,对重建的太和殿的简化实体现状模型进行静力分析。太和殿简化实体模型自上而下包括三个组成部分:上层梁架,斗拱,梁架与柱网。把屋面重量换算为集中荷载,集中质量施加在上层梁架的童柱顶与金柱挑尖梁上,下层屋面重量折算并施加在一层挑尖梁上;梁、枋、柱的连接简化为刚性连接;柱底采用铰接的连接方式。(3)应用计算机数值模拟分析得到的构件残损状况量化结果,判断最危险构件,结合累计损伤模型,预估古建筑剩余寿命,进行古建筑健康诊断。健康诊断包括判断损伤状态与评估建筑剩余寿命。将有限元静力分析计算结果与《GB50165-92:古建筑木结构维护与加固技术规范》对比,完成建筑现状损伤的判定。同时,承受恒载轴力与弯矩的木构件通过构件累计损伤模型进行数值分析模拟,来完成损伤耐久性评定,以此评估构件和建筑剩余寿命。考虑到腐蚀因素会引起木材强度的变化,故将所用到的Gerhards累计损伤模型进行腐蚀修整。结合损伤状态与评估建筑剩余寿命分析结果,最终完成太和殿的健康诊断。诊断结果表明:太和殿健康状态良好,各构件应力与应变程度均完全在规范范围内,在不考虑地震洪涝等自然灾害和人为损害等因素下,至少能安全存在1044-1063年,且太和殿立柱与梁枋现存时间为328年,远远短于预估寿命。

关键词： 合成孔径雷达   建筑固废分类   全卷积神经网络   注意力机制   数据增强   毫米波成像  

摘要： 随着我国城市化建设的日益深入，建筑固体废弃物的总量也在急剧上升，给社会和自然环境带来了严重的负担。为了减少建筑固废垃圾的负面影响，需要面对绿色建筑材料研究、提高建筑材料利用率、建筑固废垃圾资源化利用等新的课题。本文主要研究建筑固废的资源化利用课题，目前建筑固废资源化利用手段主要通过人工分类，面临依靠人力、分类质量低、规模小、智能化水平低等问题，无法实现高效资源化利用的要求。本文提出了基于毫米波SAR成像和改进U-Net网络的建筑固废智能识别方法。建筑固废分类实际工作环境空气中弥漫粉尘、成像装置表面附着粉尘，这些因素导致衰减、遮蔽光线;建筑固废表面附着粉尘，影响建筑固废颜色、纹理等视觉特征。上述原因都使得光学成像效果受到严重影响。然而，毫米波合成孔径雷达（SyntheticApertureRadar,SAR）因其穿透特性，不受此类因素影响，并且能够穿透一定厚度的木板和塑料，能够在有遮挡情况下进行成像，基于上述优点，选择毫米波SAR成像系统对建筑固废进行识别。在SAR图像分类任务中，SAR图像具有相干斑噪声、类内多样与类间相似、标记样本少等特点，这使得SAR图像相比自然光学图像的语义分割难度更大，采用传统特征提取的方法无法实现高效分类。针对该问题，本文对深度学习中的全卷积神经网络进行了深入研究，U-Net网络将高层次的语义特征作为目标识别的基础，与低层次的高分辨率信息相结合，准确地恢复分割细节。对于小样本和复杂场景都具有很好的泛化性能，因此，本文选择U-Net网路为基本网络架构对建筑固废进行分割。主要研究内容如下：　　一、针对没有开源的建筑固废SAR图像数据库问题，使用毫米波SAR雷达成像系统对建筑固废进行数据采集，区分相对独立、随机堆叠、相互遮挡等不同分布场景来模拟现实中建筑固废随机分布情况。通过人工标注方法完成数据集的制备。　　二、针对建筑固废SAR图像具有相干的斑点噪声、目标边缘不清晰等特点，造成语义分割性能较差的问题，提出了一种基于SE（Squeeze-and-Excitation）注意力和空洞卷积模块的U-Net网络分割算法。通过引入SE注意力模块，使网络能够更关注信息丰富、特征突出的通道，提升网络的分割性能。并将原网络模型的普通卷积运算功能全部更新为空洞卷积运算，从而扩大了卷积运算的感知范围，提高对SAR图像的特征提取能力。使用自建的数据集进行实验验证，实验结果表明，本章算法有效提升了网络模型的分割性能。　　三、针对建筑固废SAR图像中由于各类样本像素不均衡和SAR图像背景复杂导致网络模型分割结果存在的建筑固废漏警识别问题，提出了基于Mixup数据增强和二阶段处理相结合的U-Net网络分割算法。采用Mixup数据增强方法使网络更好地学习各类别固废目标的决策边界，提高网络的泛化能力;采用二阶段处理方法解决样本不平衡问题。首先，将所有类别目标视作前景类进行分割识别，使前景类和背景类之间不再呈现样本不平衡问题。然后，在前景类语义分割的基础上，对前景类中的各特定类别进行语义分割。实验结果表明，该算法可以有效解决建筑固废漏警识别问题，提升了网络模型的分割性能。