玄武岩纤维织物高延性混凝土拉伸性能

为研究玄武岩纤维织物高延性混凝土（TR-HDC）的拉伸力学性能，设计和制作了36组TR-HDC狗骨形拉伸试件，通过单轴拉伸试验研究织物配网率、PVA短纤维掺量、基体类型和网格间距（5mm、10mm）对TR-HDC拉伸力学性能的影响.试验结果表明：随织物配网率的增加，TR-HDC试件的抗拉强度大幅提高，多裂缝开展特征明显；PVA短纤维的掺入可有效改善织物与基体的界面特性，防止基层的剥离，减少织物与基体之间的滑移，并且提高织物强度利用率；网格间距增大时，掺入的PVA短纤维更容易穿过织物网格，与纤维束充分接触，增加了织物与基体的机械锚固力，使纤维织物的强度利用率提高；基体中粉煤灰掺量的改变对于TR-HDC试件的抗拉强度影响较小，而粉煤灰掺量较多时，试件的应变较大，裂缝间距较小.通过对试验结果进行回归分析，考虑PVA掺量与纤维织物耦合作用，给出了TR-HDC单轴抗拉强度简化计算模型.     

Q460钢管管板连接节点的受弯性能试验研究

对是否设置加强环板、不同节点板宽度和钢管轴压力的6组共12个Q460钢管管板连接节点进行受弯承载力试验研究. 结果表明：无加强环板试件在节点板两端由于应力集中，承载力较低，有加强环板试件的节点板两端应力分布均匀，试件承载力显著提高. 当节点板宽度与钢管直径之比由2.5增大到3.0时，无加强环板、1/4加强环板、1/2加强环板试件的承载力分别提高6.10%~16.07%、13.36%~20.68%、9.61%~12.34%. 与无加强环板试件相比，1/4加强环板试件的承载力提高102.86%~130.73%，1/2加强环板试件的承载力提高129.88%~166.33%. 当钢管轴压比由0.10增大到0.23时，无加强环板、1/4加强环板、1/2加强环板试件的承载力分别降低10.05%~17.77%、10.79%~16.20%、4.74%~7.05%. 现有规范对于无加强环板节点的承载力计算偏于保守. 考虑加强环板和钢管轴力对节点受弯承载力的影响，提出了Q460钢管管板连接节点的受弯承载力计算公式，与试验结果吻合较好.     

BT工程项目风险分析与效益共享研究

针对BT工程项目风险分配原则问题,首先分析了BT工程项目所面临的两类风险:普通建设模式下的风险与BT模式特有的风险.其次,根据"风险分担,效益共享"的原则,建立了风险分担的数学模型.模型结果表明,项目风险由对该风险偏好系数最大的一方去承担,项目的整体效益最大.最后,根据该结论对BT工程项目提出了具体的的风险与效益分配原则,对指导项目各参与方进行BT项目谈判与建设实施具有实际指导作用.     

考虑黏结滑移与剪切效应的不均匀冻融损伤RC剪力墙数值模型

为了合理评估严寒环境下在役钢筋混凝土（RC）剪力墙的抗震性能，采用相对动弹性模量为冻融损伤系数，结合修正Petersen模型构建了不均匀冻融损伤模型；基于经过准确性验证的既有公式建立了完好RC剪力墙剪切恢复力模型，进而通过分析冻融损伤RC剪力墙实测剪应变和剪力受参数影响的变化趋势，采用多参数回归建立了冻融损伤RC剪力墙剪切恢复力模型；基于既有材性实测数据建立了不均匀冻融损伤黏结强度模型，同时结合既有钢筋黏结滑移模型通过理论推导建立了不均匀冻融损伤纵筋滑移模型；结合所建立的不均匀冻融损伤模型、冻融损伤剪切滞回模型、冻融损伤不均匀的黏结强度-滑移模型，提出了冻融损伤剪力墙构件数值模型.最后采用8个不同参数冻融损伤RC剪力墙的拟静力实测数据对本文所提的数值模型的准确性进行了验证.结果表明：本文建立的数值模型可较准确地模拟冻融损伤RC剪力墙低周往复下的力-变形关系，可用于冻融环境下RC剪力墙的抗震性能评估.     

织物增强HDC加固砖柱受压性能试验研究

为研究纤维网格高延性混凝土（TRHDC）加固砖柱的受压性能，进行了8组砖柱的受压试验；基于各试件的破坏形态、承载力和加固面层横向拉应变，分析了不同加固方式、偏心距、纤维网格种类和层数对加固效果的影响. 结果表明：TRHDC面层能够提高砖柱的整体性，改善其脆性破坏特征；砖柱承载力随玻璃纤维网格层数的增加而增大；由于碳纤维织物具有较高的抗拉强度和弹性模量，其约束效果优于玻璃纤维网格高延性混凝土；TRHDC面层的约束效果随着偏心距的增大而降低. 评估了砌体结构设计规范和相关文献中的分析模型在预测TRHDC加固砖柱抗压强度及应变方面的适用性，理论值与试验值吻合较好.     

基于改进MVCNN的IFC构件分类识别审查方法

为实现IFC构件精确、高效分类，提出一种改进的多视图卷积神经网络（Multi-view Convolutional Neural Network， MVCNN）模型，该模型引入了自注意力模块和长短期记忆（Long Short-term Memory，LSTM）网络，针对MVCNN模型特征融合的局限性，设计了LSTM_ATT模块；通过对各视图数据特征关系的自适应调整，并结合注意力权重对输入的各视图数据进行融合，得到一个更具辨识性的3D形状描述符，从而提高模型对各相似IFC构件的分类检测性能. 使用IFCNet数据集对建筑领域20个主要类别的IFC构件进行训练并在测试集上对改进MVCNN模型与MVCNN模型进行实验对比. 实验结果表明，改进模型的分类准确率和F1值分别达到了88.27%、86.72%，相比改进前准确率提高了9.46%，对相似构件之间的分类识别效果明显.