钻孔灌注桩钢筋笼上浮机理分析

为研究钢筋笼上浮机理,根据相似理论研制出能够模拟新拌混凝土性能的相似混凝土.基于相似混凝土,开展了薄铁片、钢筋和箍筋的提拉试验,分别得到薄铁片的侧阻力、主筋的端头阻力和箍筋阻力的计算模型,总结了各因素对阻力的影响规律.结果表明,混凝土与钢筋之间的相对运动速度对侧阻力、端头阻力和箍筋阻力影响不大;侧阻力峰值与侧面积和埋深呈线性关系,侧阻力由摩擦力和侧粘力两部分构成;钢筋端头阻力峰值与端头受到的混凝土压力成正比.箍筋阻力是箍筋排开混凝土时受到的竖向合力,峰值与箍筋上表面积和混凝土压强乘积成正比.分析表明混凝土液面进入钢筋笼而混凝土导管口位于钢筋笼底部以下时,钢筋笼最容易发生上浮,建立了这种情况下钢筋笼受到的向上合力计算方法,分析了向上合力与主筋根数、箍筋间距、混凝土在钢筋笼内的高度的关系.     

冲击成孔与潜水电钻成孔施工质量对比分析

试桩采用潜水电钻成孔,达到中风化花岗层时,钻机晃动严重,且钻速非常的慢。冲击钻机虽然钻速快,适用于坚硬质土层,但是还需要改进工艺。     

浅谈阻止箱梁内膜上浮施工技术

文章介绍了阻止箱梁内膜上浮的施工技术,即针对目前桥梁箱梁现浇施工中的不足,通过对箱梁模板加设横梁扁担、控制混凝土的塌落度、掌握振捣时间等因素,来阻止箱梁内模的上浮,从而保证箱梁模具的稳定性.因此,探讨和推进这种技术的改进和优化,对于保证施工质量是十分重要的.     

对预应力混凝土管桩上浮问题的若干思考

预应力混凝土管桩由于具有承载力高、适应性强等特点,近年来得到了大力推广,但面对预应力混凝土管桩在施工中存在的质量问题,管桩上浮现象十分突出,必须要引起我们关注.本文通过分析预应力混凝土管桩的施工特点,以枣庄市某工业区工程为例,针对上浮原因,提出处理措施.     

钻孔灌注桩中钢筋笼上浮的原因及预防措施

在钻孔灌注桩基础施工过程中,灌注混凝土时钢筋笼上浮现象时有发生,少则上浮几厘米至十几厘米,多则上浮几十厘米甚至过米,直接影响钻孔灌注桩的质量,本文结合实际,就桩基础施工过程中钢筋笼上浮的原因及控制措施进行了探讨和分析。     

控制空心板梁预制气囊上浮的体会

本文对控制空心板梁预制气囊上浮的技术措施进行了探讨。     

钻孔灌注桩的质量控制

钻孔灌注桩是桩基础中常见的一种基础形式,广泛应用于房屋建筑、水工建筑和桥墩基础的施工,具有施工速度快、占地少、相邻干扰小、承载力高、造价经济等优点。钻孔灌注桩的施工既有测量工作,又有机械操作、钢筋加工、混凝土拌制和灌注等多种工作,可谓工程种类繁多,技术含量高,影响因素多。在施工过程中,容易出现桩位偏差过大、孔底沉渣超标、钢筋笼上浮、桩体混凝土离析、断桩、夹泥等质量问题,这些质量问题往往使基桩难以满足设计要求,且补救困难,不能完全通过事后检查来判断存在的问题,必须加强施工准备、成孔、清孔、下钢筋笼、灌注水下…     

40米预应力混凝土箱梁施工总结

本文主要结合松花江汉河特大桥40米预应力混凝土箱梁施工来阐述：如何合理地确定台座、模板的数量；在混凝土浇注现场施工中，经常遇到的技术难题有那些，并且该如何处理，以供类似工程作以参考。     

UAE-DLLME-SFO-HPLC测定沉积物中的十溴联苯醚

在正交试验设计基础上, 采用GANN模型及Matlab遗传算法工具箱对超声辅助萃取（ultrasonic assisted extraction, UAE） 上浮溶剂固化（solidification of floating organic drop, SFO） 分散液液微萃取（dispersive liquid liquid microextraction, DLLME）的萃取条件进行优化, 建立了沉积物中十溴联苯醚的液相色谱测定方法. 结果表明: 所建方法线性范围为2~9 595 ng/g, 相关系数R₂=0.999 4, 检出限（S/N=3）及定量限（S/N=10）分别为0.6 ng/g及2.0 ng/g; 在434.4 ng/g质量比下, 方法加标回收率为98.20%（RSD=5.2%, n=3）.     

基于卷积神经网络-长短期记忆的施工期盾构管片上浮过程预测模型

为了实现施工期盾构管片上浮过程的智能预测，采用动力水准仪对施工期盾构管片上浮过程进行自动化监测并建立了基于卷积神经网络?长短期记忆（CNN-LSTM）深度学习算法的管片上浮过程智能预测模型。结果表明：管片上浮阶段呈现出“阶梯状”，即管片上浮主要发生在盾构掘进期间，且掘进状态的上浮量最大，占峰值的75.24 %~98.29 %；CNN-LSTM模型对施工期盾构管片上浮过程具有较好的预测效果，在训练集上的均方误差MSE、平均绝对误差MAE和决定系数R2分别为0.038 7、0.148 2和0.999 3，在测试集上为0.030 7、0.138 9和0.801 9；相较于反向传播（BP）模型，CNN-LSTM模型在训练集与测试集上的性能均有所提升，且测试集的提升更明显，最高可达89.71 %。研究结果可为盾构管片上浮的现场实测及预防处治提供新思路。