基于CT扫描技术的不同压实度下沥青混合料细观空隙特性研究

【目的】深入了解压实不足对沥青混合料内部空隙细观结构的影响。【方法】以SMA-13试件为对象,通过调整压实次数制备不同压实度的试件。采用计算机断层扫描和图像识别技术精确识别空隙,探究不同压实度下的沥青混合料空隙细观结构特性,包括空隙数量、体积、主轴方向角和配位数。【结果】在沥青混合料成型过程中,受到外部击实功的影响,内部空隙的主轴方向逐渐趋向于稳定状态。此外,随着压实次数的增加,沥青混合料内的大部分空隙逐渐减小,但也存在一些相邻的开口空隙在逐渐结合后形成更大的开口空隙。最终,随着压实程度的提高,空隙的平均配位数减小,导致空隙连通性下降,整体空隙网络的复杂度逐渐减小。【结论】本研究旨在更好地理解不同压实度下沥青混合料空隙结构的细观差异,为沥青混合料的设计、评价和维护提供更为科学的依据。     

乳化沥青冷再生混合料的透水性与空隙特征

为了研究乳化沥青冷再生混合料的透水性与空隙特征之间关系,通过测定渗透系数来评价其透水性,并利用工业CT扫描观测其内部细观空隙结构.根据乳化沥青冷再生混合料养生过程中空隙率的变化,探究水泥和水对其空隙形成的影响.结果发现,乳化沥青冷再生混合料在较高的空隙率下具有相对较低的透水性;其平均空隙尺寸略小于同级配的热拌沥青混合料,且大空隙较少,小空隙较多;乳化沥青冷再生混合料的空隙由压实空隙和养生空隙构成,水分的蒸发和水泥用量对养生空隙的形成具有显著的影响,随着水分的蒸发和水泥的水化,乳化沥青冷再生混合料内部形成了许多养生空隙;乳化沥青冷再生混合料的空隙尺寸以及分布特征是造成其低透水性的重要因素.     

基于细微观试验的水泥乳化沥青混合料空隙特征

水泥乳化沥青混合料中的水泥和乳化沥青会发生相互作用,因而其空隙结构较普通热拌沥青混合料复杂.采用X射线断层扫描技术(CT)研究乳化沥青用量和水泥用量对混合料中细观空隙分布和空隙特征的影响,基于扫描电镜(SEM)进一步研究混合料中微观尺度的空隙结构.结果表明,随着乳化沥青用量的增大,混合料内部空隙尺寸有所减小,试件水平断面上的空隙总面积和平均单个空隙面积减小;水泥用量超过3％时,混合料的CT可视空隙率明显增大,且空隙中的大尺寸空隙比例增高;由于乳化沥青及水泥材料的相互作用,水泥乳化沥青混合料的内部空隙结构比传统热拌沥青混合料疏松.     

水平管泡状流强制扰动下的空隙波特性

在水平透明玻璃管内以空气和水为流体介质研究了强制扰动下气-液两相泡状流空隙波的特性,应用高速摄影仪和电导探针,对不同扰动频率下空隙波的不稳定性和波速进行了观察测量.研究结果表明,空隙波对于外界周期性扰动具有频率选择特性,随含气率的提高,扰动传播的衰减减慢,流动不稳定性增加.对应于一定的扰动频率,空隙波有不同的速度概率分布,呈现色散特性.空隙波的波速概率分布在两相混合流速处出现峰值,向两侧加速递减,与高斯分布接近.     

骨架密实类AC-13型沥青混凝土级配范围设计

本文以安徽省S205省道改扩建工程为背景,就骨架密实类的沥青混凝土进行级配设计,提出以关键筛孔以上颗粒为主骨料,其他作为填料来分析混合料的构成。主骨料的空隙除预留设计空隙以外均被填料填充,这样就形成了理想的骨架密实类结构,考虑到实际施工时的压实情况,主骨料的空隙范围确定为在堆积松散状态空隙和振实状态空隙之间。整个级配通过六个控制性筛孔来控制,结合相关参数来设计骨架密实类的A C-1 3型沥青混凝土级配范围。     

相对市场空隙下企业投资浅探

市场空隙是企业投资的必要条件。在完全市场经济条件下,企业面对的市场空隙往往是相对的。为了生存与发展,在相对市场空隙下,企业必须从扩大企业生产产品的社会需求量和提高企业产品的市场占有额两个方面做出正确的投资策略。     

计算网络K-终端可靠性的一种K-树拆法

给出了计算网络K-终端可靠性的一种K-树拆法,用这种方法,计算复杂网络K-终端可靠性时,不用求出全部K-树,从而有效地提高了计算速度。此方法也适用于有向网络。     

大空隙沥青路面渗水性能测试方法和指标分析

大空隙沥青路面由于其空隙率大,具有抗滑、降噪、环保等优点,已经逐渐得到推广和应用。针对我国现行道路规范中大空隙沥青路面渗水性能测试方法的特点,分析渗水性能测试方法和渗透仪的研究现状。     

空隙特征对OGFC沥青混合料路用性能的影响

为了进一步探究空隙特征对OGFC沥青混合料路用性能的影响,研究采用MATLAB数字图像处理技术,获取了功能性沥青混合料（OGFC-13,OGFC-16）试件断面的细观图像,同时本研究对OGFC沥青混合料进行了力学性能试验与排水性能试验。研究结果表明：OGFC-13的总空隙数量以及空隙面积在10mm2以上的空隙数量均多于OGFC-16,而后者的连通空隙多于前者;OGFC-16的排水性能好于OGFC-13,但易遭受水损害;OGFC-13的低温性能和水稳定好于OGFC-16,而高温性能则相反;通过空隙形态图像可以更加明显看出,OGFC-13中的空隙被细集料堵塞,而OGFC-16的空隙堵塞程度明显较低,这就使得OGFC-16具有更好的排水性能和较差的低温性能和水稳定性。     

透水性对丁坝周围能量变化的影响试验研究

丁坝是航道整治常用的整治建筑物之一,实际工程中其多由块石抛筑而成并具有一定的透水性.通过水槽概化模型试验和理论分析相结合的方法,研究了不同空隙尺寸和不同空隙率条件对坝身段、坝头前端和主流带区能量变化的影响,结果表明:透水丁坝在坝身段空隙尺寸越小,水流通过损耗位能越少;坝头前端动能与空隙尺寸成反比,与空隙率成正比;主流带区,空隙尺寸和空隙率的变化对位能影响不明显,对动能影响明显.研究成果对于深刻认识实际丁坝工程失稳机理具有重要意义,并可为丁坝设计和修复提供技术支撑.     

基于关系表示的树数据结构的实现

用关系数据库存储和表示的树数据结构能使信息系统准确地描述数据之间的关系,同时能以一致的方法表示和处理层次和关系数据,有利于信息系统构造以及实现更友善的用户接口．本文以关系数据集为基础定义了一种关系树,提出了树结构在关系数据集上的存储方案,讨论了关系树一般性计算的实现方法,如树的建立、结点访问、插入、删除和遍历等     

基于粗集的混合变量决策树构造算法研究

文章提出混合变量决策树结构,并在此基础上提出基于粗集理论的混合变量决策树构造算法RSH2,算法在每个结点选择尽可能少的属性明确划分尽可能多的实例,减小了决策树规模,且易于理解。将RSH2算法与ID3算法及基于粗集的单变量决策树算法HACRs进行实验比较,结果表明该算法有良好性能。     

平面二部图的完美匹配集合上的有向根树结构及其生成

图的完善匹配或１－因子指覆盖子其所有顶点的独立边集。对含有完善匹配的平面二部图，其所有完美区通过某旋转变换形成层次组织结构。可用有向根树或半格表示。建立了平面二部图的完善匹配集合上新有向根树结构并可通过算法来生成。     

基于粗糙集决策树算法的研究

传统的决策树方法在实际应用中存在很多不足,如生成树规模过大,抗噪性较差等,因此,提出了将变精度粗糙集和混合变量集算法应用于决策树分类中,通过变精度和混合属性集分类减小树的规模和过度拟合问题,降低了噪声数据对属性选择的影响,并通过实验证明该算法与传统的算法相比具有较大的优越性。     

关于一类树的Hosoya指标极值

图G的Hosoya指标定义为G的独立边子集的总数目,令Hn,d表示具有n个顶点,直径为d的树集。本文讨论了图类Hn,d,3中取得最大Hosoya指标的树。     

一种可用于分类型属性数据的多变量决策树算法

针对绝大部分多变量决策树只能联合数值型属性,而不能直接为带有分类型属性数据集进行分类的问题,提出一种可联合多种类型属性的多变量决策树算法(CMDT).该算法通过统计各个分类型属性的属性值在各个类别或各个簇中的频率分布,来定义样本集合在分类型属性上的中心,以及样本到中心的距离.然后,使用加权k-means算法划分决策树中的非终端结点.使用这种结点划分方法构建的决策树可用于数值型数据、分类型数据以及混合型数据.实验结果表明,该算法建立的分类模型在各种类型的数据集上均获得比经典决策树算法更好的泛化正确率和更简洁的树结构.     

IVR系统可扩充流程树的构造及应用

提出了一种可扩充交互式语音应答系统 ( Interactive VoiceResponse IVR)流程树的构造 ,介绍了其基本原理 .在此基础上设计出可扩充的流程树 ,并在 IVR系统中具体实现了其可扩充功能 ,从而为 IVR流程的灵活设置提供了一种可行的方案 ,解决了当前存在的 IVR系统流程不可自由设置 ,扩展性差的问题 ,满足了系统随时扩充的需要     

粗糙集与故障树理论的组合故障诊断

故障知识的获取以及故障树结构的确定一直是亟待解决的瓶颈问题.将粗糙集理论引入到故障树的故障诊断中,利用粗糙集对实例测得的故障信息进行知识约减和知识获取,寻找系统各个故障源信号之间的逻辑关系,并通过这些逻辑关系构造基于知识的故障树模型.故障实例分析表明,将粗糙集理论与故障树有机结合在一起进行故障诊断能有效地压缩故障特征空间,实现快速、准确的故障推理.     

树映射的若干动力性质研究

讨论了周期点为闭集的树映射的特征,连续树映射的混沌集与不变概率测度的关系,以及树映射拓扑熵为零的几个必要条件,所得结论推广了区间上的相应结果.     

决策树优化研究

提出用新的极值点禁忌搜索算法构造分类问题的全局优化决策树,该算法呆用于不可微分的目标函数。全局树优化方法是非贪婪的,用于构造具有固定结构的多变量决策树,将多变量决策树表示成析取线性不等式集合,全局树优化就是使析取线性不等式中的分类误差最小化。