沥青路面施工智能监控系统研究
这是一篇关于沥青路面,摊铺压实,数据采集,智能监控的论文, 主要内容为近年来,我国公路建设发展迅速,但是对施工质量把控不严,导致路面出现早期病害,造成经济损失,影响交通安全。本文针对现有沥青路面施工质量控制系统存在的功耗高、定位精度低、测量误差大和实时性差等问题,研发了沥青路面施工智能监控系统。系统主要监控施工车辆摊铺碾压速度和轨迹、路面摊铺碾压温度、压路机碾压振动强度与碾压遍数等施工参数,当发现施工工艺不符合规范时,发送短信通知管理者和施工人员及时纠正,实现施工过程的质量动态监控。本文主要工作如下:(1)提出了系统总体设计方案。根据沥青路面施工工艺和规范分析了系统的设计需求,设计了系统总体构架。(2)设计了系统硬件方案。硬件部分主要包括太阳能电池板、智能数据采集主机、温度传感器和定位基站,完成了各功能模块的硬件电路原理图和PCB设计。(3)设计了系统软件方案。根据系统功能划分了系统任务,完成了智能数据采集主机、温度传感器和远程监控云平台的软件设计,结合系统硬件实现了施工数据的实时采集与传输。(4)开展了监控系统的功能验证试验。智能数据采集设备采集施工现场实时数据发送给远程监控云平台,平台接收并显示施工数据,将系统数据与现场实况进行了比对分析。测试结果表明,系统能够对施工车辆实现高精度定位,采集真实可靠的沥青路面温度和车辆振动数据并进行功耗管理,远程监控云平台可以显示并记录施工实况,对施工现场进行远程监控以达到“过程控制”的目的,保证施工质量,验证了系统的可靠性和实用性。
沥青路面施工智能监控系统研究
这是一篇关于沥青路面,摊铺压实,数据采集,智能监控的论文, 主要内容为近年来,我国公路建设发展迅速,但是对施工质量把控不严,导致路面出现早期病害,造成经济损失,影响交通安全。本文针对现有沥青路面施工质量控制系统存在的功耗高、定位精度低、测量误差大和实时性差等问题,研发了沥青路面施工智能监控系统。系统主要监控施工车辆摊铺碾压速度和轨迹、路面摊铺碾压温度、压路机碾压振动强度与碾压遍数等施工参数,当发现施工工艺不符合规范时,发送短信通知管理者和施工人员及时纠正,实现施工过程的质量动态监控。本文主要工作如下:(1)提出了系统总体设计方案。根据沥青路面施工工艺和规范分析了系统的设计需求,设计了系统总体构架。(2)设计了系统硬件方案。硬件部分主要包括太阳能电池板、智能数据采集主机、温度传感器和定位基站,完成了各功能模块的硬件电路原理图和PCB设计。(3)设计了系统软件方案。根据系统功能划分了系统任务,完成了智能数据采集主机、温度传感器和远程监控云平台的软件设计,结合系统硬件实现了施工数据的实时采集与传输。(4)开展了监控系统的功能验证试验。智能数据采集设备采集施工现场实时数据发送给远程监控云平台,平台接收并显示施工数据,将系统数据与现场实况进行了比对分析。测试结果表明,系统能够对施工车辆实现高精度定位,采集真实可靠的沥青路面温度和车辆振动数据并进行功耗管理,远程监控云平台可以显示并记录施工实况,对施工现场进行远程监控以达到“过程控制”的目的,保证施工质量,验证了系统的可靠性和实用性。
沥青路面协同施工监控及质量评价技术研究
这是一篇关于沥青路面,协同施工,路面性能,预测,施工质量评价,DPSIR的论文, 主要内容为沥青路面的施工质量会直接影响道路使用的稳定性和耐久性。传统沥青路面施工工艺流程与路面性能试验等环节的控制管理主要依赖于监理旁站和纸质报告,有些虽然使用了信息化平台,但监测数据也仅仅作为记录作用,这就造成施工过程质量控制存在滞后、信息化数据使用不充分等问题。因此,本文在陕西省交通运输厅科研项目“智能化高速公路建设运营管理信息技术研究(21-04X)”的支持下,设计一套沥青路面协同施工监控方案,建立基于材料试验和生产监测数据的路面性能预测模型和沥青路面协同施工质量评价模型,实现路面性能与施工质量的过程控制,对提升工程管理效率有着积极的现实意义。首先,分析沥青路面生产施工工艺各环节数据采集及监控管理的需求,设计盖涵“施工管理、施工工艺、性能试验、拌和生产和物料运输”的沥青路面协同施工监控及质量评价总体方案,进一步对路面协同施工模块进行了设计实现。其次,基于监控模块采集的试验数据和生产数据,构建了Spearman+PCA前处理优化的沥青路面性能多元线性回归预测模型,该模型对芯样马歇尔试验稳定度和流值的预测结果与实际值的相关系数高达0.959和0.811,均明显优于传统BP神经网络和Spearman+PCA前处理优化的BP神经网络,证明该模型适用于路面性能试验的预测,解决了路面性能试验结果滞后的问题。最后,分析评价指标间逻辑关系,结合各项沥青路面施工技术标准规范,建立了DPSIR沥青路面协同施工质量评价指标体系,该体系可将评价指标按压力、驱动、状态、影响和响应性因素间作用关系进行分析划分,构建层次分析法和熵权法综合赋权的沥青路面协同施工质量评价模型,该模型的实例评价结果和现有文献方法相比更具综合性与全面性,实现了沥青路面施工质量全面、及时的评价。本文设计的沥青路面协同施工监控模块在工程应用验证中取得了良好的效果,为路面性能预测和施工质量评价提供了数据支撑。所建立的沥青路面协同施工质量评价体系作为指导生产和施工的依据,对发挥信息化平台协同施工的最佳效益、保证公路施工管理决策的系统化、科学化和现代化具有重要的意义。
基于BIM技术的市政道路设计研究
这是一篇关于BIM,Revit二次开发,市政道路,沥青路面,结构层,三维模型,正向设计的论文, 主要内容为传统的市政道路设计主要采用CAD二维绘图以及手算的方式,一旦发生工程变更,设计修改工作量非常大,BIM技术的出现,为解决这些问题提供了新方向。论文提出了一种基于BIM技术的市政道路结构层的设计方法,以Revit建模软件为基础,利用Visual Studio作为二次开发工具,使用C#语言对创建的三维模型进行二次开发,实现市政道路项目以模型、拟定尺寸、计算、计算书、图纸这样设计步骤的正向设计,解决传统二维设计中存在的诸多问题。论文主要研究内容如下:(1)实现市政道路参数化三维模型的创建:对市政道路进行构件分析,利用Revit建立市政道路参数化族文件,生成市政道路参数化模型的项目文件和剖面图。(2)市政道路设计程序化:借助C#对Revit软件进行二次开发,开发基于Revit平台的市政道路设计选项卡以及沥青路面结构层设计面板功能,编写市政道路沥青路面结构层设计窗体程序,主要包括输入基本参数、结构层厚度计算及采用、应力分析及优化设计。通过编写市政道路沥青路面结构层设计窗体程序,实现可视化交互数据分析、生成计算书、生成含有主要工程量明细表的图纸。(3)市政道路程序化设计工程应用:将设计程序应用于L市XS路工程,以创建的市政道路参数化三维模型为依托,在Revit项目中直接进行结构层剖面设计:点击市政道路设计,进入沥青路面结构层设计,输入基本尺寸、参数等进行结构层厚度计算、应力计算及验算;通过可视化交互,实现应力分析和方案比选,在计算的结构层满足规范要求的前提下,优化结构层设计;生成计算书及图纸等设计成果,实现了正向设计。证明创建市政道路参数化三维模型,进行市政道路结构层的正向设计是可行的。
基于BIM技术的市政道路设计研究
这是一篇关于BIM,Revit二次开发,市政道路,沥青路面,结构层,三维模型,正向设计的论文, 主要内容为传统的市政道路设计主要采用CAD二维绘图以及手算的方式,一旦发生工程变更,设计修改工作量非常大,BIM技术的出现,为解决这些问题提供了新方向。论文提出了一种基于BIM技术的市政道路结构层的设计方法,以Revit建模软件为基础,利用Visual Studio作为二次开发工具,使用C#语言对创建的三维模型进行二次开发,实现市政道路项目以模型、拟定尺寸、计算、计算书、图纸这样设计步骤的正向设计,解决传统二维设计中存在的诸多问题。论文主要研究内容如下:(1)实现市政道路参数化三维模型的创建:对市政道路进行构件分析,利用Revit建立市政道路参数化族文件,生成市政道路参数化模型的项目文件和剖面图。(2)市政道路设计程序化:借助C#对Revit软件进行二次开发,开发基于Revit平台的市政道路设计选项卡以及沥青路面结构层设计面板功能,编写市政道路沥青路面结构层设计窗体程序,主要包括输入基本参数、结构层厚度计算及采用、应力分析及优化设计。通过编写市政道路沥青路面结构层设计窗体程序,实现可视化交互数据分析、生成计算书、生成含有主要工程量明细表的图纸。(3)市政道路程序化设计工程应用:将设计程序应用于L市XS路工程,以创建的市政道路参数化三维模型为依托,在Revit项目中直接进行结构层剖面设计:点击市政道路设计,进入沥青路面结构层设计,输入基本尺寸、参数等进行结构层厚度计算、应力计算及验算;通过可视化交互,实现应力分析和方案比选,在计算的结构层满足规范要求的前提下,优化结构层设计;生成计算书及图纸等设计成果,实现了正向设计。证明创建市政道路参数化三维模型,进行市政道路结构层的正向设计是可行的。
基于深度学习的公路路面病害识别与分析算法研究
这是一篇关于沥青路面,卷积神经网络,生成式对抗网络,图像分类,图像分割的论文, 主要内容为公路养护工作是我国的一项重点任务。及时、有效地检测路面破损情况并进行路面补救,对保证道路交通安全至关重要。人工走查方法耗时耗力并存在潜在危险;数字图像处理的方法也因人为提取特征且检测准确性低等问题而受到限制。因此,设计出实时、迅速、识别精度高的路面检测算法迫在眉睫。深度学习算法可自动对所输入图像特征进行较准确的识别和判断,已在众多领域得到证实和广泛应用。鉴于此,本文以沥青路面破损图像为研究对象,基于深度卷积神经网络算法,期望实现对路面破损图像的快速、准确检测识别。主要结论如下:(1)针对小样本图像问题,采用基于Visual Geometry Group(VGG)模型的优化识别网络模型,提出一种S-VGG网络模型作路面破损类别的分类识别方法。以精确率、召回率、F1值为模型评估指标,并将结果与支持向量机算法(SVM)作对比。结果表明:S-VGG的分类准确率较高,收敛较稳定,可以适应小样本数据的分类识别。相比SVM,在同等试验环境、数据前提下,本文模型的分类准确率、F1值分别提高了25.6%,23.4%,具有更好的分类效果。(2)针对现实情况试验样本少的问题,提出了一种基于生成式对抗网络的扩充样本的方法。即,以原始收集图像为基础,采用传统数据增强方法获得扩充样本(traditional-set),在两者基础上筛选出新的数据集,引入生成式对抗网络生成试验样本,样本集合命名为GAN-set。结果表明:该方法能满足深度学习海量数据样本需求,可用于后续图像分类算法及分割算法研究。(3)针对VGG-16模型在试验过程中存在参数冗余,占用内存大等问题,提出一种基于改进型VGG的路面裂缝分类识别算法,并在不同数据集(GAN-set和traditional-set)上将该改进算法与不同算法(VGG-16与主流深度网络模型)作对比研究。结果表明:改进后模型的分类准确率达到96.30%,相比于原始的90.40%,提升5.9%;GAN-set在模型分类准确率、精确率、F值上均优于traditional-set;改进型VGG+GAN-set组合的分类识别效果提升明显。(4)针对原始算法在复杂背景下存在误检或漏检问题,提出了一种基于改进型U-Net的路面裂缝分割算法,并将该算法与传统图像分割算法及U-Net、FCN算法作对比研究。结果表明:相比传统分割算法,本文算法降低了因障碍物、遮挡物等因素造成的分割效果差的几率,相比主流分割算法,在评估指标上的得分均较突出,平均像素精度及平均交并比分别达到92.43%、83.43%。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码驿站 ，原文地址：https://m.bishedaima.com/lunwen/54592.html
