路基弯沉检测标准

针对<公路路面基层施工技术规范>(JTJ 034-2000)中路基弯沉检测方法存在的不足,结合西安-户县高速公路试验路实体工程,对土样进行室内轻、重型击实标准回弹模量试验,现场检测土基回弹弯沉值、回弹模量和压实度等指标,对检测数据进行回归分析,得出土基回弹模量与稠度、压实度的关系,进而推出季节影响系数与稠度关系.结果表明:西安地区土基回弹模量设计取值宜在规范基础上提高20%～40%;结合回归得出的土基回弹模量与土基顶面弯沉的关系,可以得到路基顶面弯沉检测标准,从而为路基弯沉检测提供依据.     

瞬态面波法检测路基压实度的研究与探讨

提出利用瞬态瑞雷面波频散特性、瞬态瑞雷波传播速度与路基土的干密度的关系，进行公路路基土的压实度的无损检测．通过现场工地的瞬态瑞雷波与灌砂法同位测试结果的对比分析，建立了瞬态瑞雷波波速与压实度的回归经验公式，并分析了瑞雷波波速测试路基土压实度的优缺点及今后的研究重点．     

基于传递矩阵法的振动压实系统动力学分析

振动压实系统在工作过程中,物料受到压实作用而发生弹塑性形变,因而该系统的弹性回复力与位移关系呈现非线性与滞后性.为研究振动压实系统的动力学问题,建立了带有分段曲线不对称滞回环的二自由度系统模型,采用传递矩阵法求解该模型,对该模型中各单元的状态进行相关的数学描述,同时利用仿真软件对数据进行分析,得到的数据与传递矩阵方程的计算结果基本吻合.这表明所提出振动压实系统的传递矩阵模型接近实际情况,对相关系统的动力学分析具有参考价值.     

普碳钢蜂窝夹芯板的面外压缩性能

利用MTS 810材料试验机对真空钎焊普碳钢蜂窝夹芯板的面外压缩性能进行了实验测试. 分析了面外压缩变形特性以及结构参数对蜂窝夹芯板面外压缩强度的影响. 研究发现,普碳钢蜂窝夹芯板的面外压缩变形可分为弹性变形、塑性变形和压实三个阶段. 蜂窝胞壁厚度与胞壁边长的比值t/a是影响塑性变形初期变形方式的主要因素. 比值t/a＞0.0427时,塑性变形初期以屈服方式进行;t/a7＜0.0427时,塑性变形初期以屈曲方式进行. 在结构参数对性能的影响中,胞壁厚度对蜂窝夹芯板的初始压缩强度和峰值抗压强度影响最大,胞壁边长的影响次之,而面板及夹芯厚度的影响较小.     

影响土的压实因素

<正>土工建筑物,如土坝、道路填方都需要对填筑土料压实,以提高它的密实度,使填土有足够的强度及较小的压缩性、透水性。施工填土压实密度的填筑标准,一般先由实验室试验,求得最大干密度、最优含水率。通过工地的碾压试验,进行校核并作适当修正,最终确定最优的碾压参数和填筑标准。     

公路边坡降雨侵蚀特征及土的崩解试验

为研究公路边坡降雨侵蚀的特殊性以及土质边坡的可蚀性，通过观察分析，并利用自行研制的崩解仪进行了压实黄土浸水崩解试验。试验结果表明，公路边坡降雨侵蚀中的重力侵蚀所占比例较大，坡面土的崩解是主要分散方式。建立了有效空隙比与崩解速率的相关关系，说明压实度、含水量对崩解影响的本质，即压实度、含水量的变化可统一用土的有效空隙比说明崩解规律，回归公式可用于预测压实土的崩解速率。土的崩解性反映了压实土的可蚀性，通过对比得出，边坡上压实土的可蚀性可用崩解速率表征，在工程水土保持研究中可用崩解速率作为土的可蚀性评价指标。     

公路工程路基路面压实施工技术探析

路基路面压实施工属于公路工程建设中快要结束的最后一道工序,也是对公路工程质量进行保障的最重要工序之一。而公路工程的路基路面压实施工技术的高低在保证公路工程质量方面发挥着非常重要的作用,因此探析我国公路工程路基路面压实施工技术具有一定的现实意义。     

核子湿度密度仪在施工中的应用

<正>郑漯改扩建工程水泥稳定碎石底基层、基层施工中规范要求压实度检测频率为2000m2为6个点,规范要求检测的压实度频率大、工作量大,如果单是靠常规的灌砂法检测现场压实度,     

黄土地区公路路基冲击压实试验

基于中国北方某湿陷性黄土路基工程,利用动力触探和面波法等方法对冲击压实工后的黄土路基进行对比检测。试验认为,冲击压实效果主要受路基填土含水量、起始压实度和颗粒组成等因素的影响;冲击压实能使路基整体强度得到均匀提高;可以用核子法、面波法、动力触探与标准贯入测试方法检测冲压质量。研究还表明,正确掌握试验与检测的时效性,有利于准确评价公路路基压实质量。     

智能压路机压实模糊神经网络控制及仿真

将模糊系统与神经网络相结合,提出了一种由模糊化层、模糊推理层和清晰化层组成的模糊神经网络结构,并将其用于智能压路机压实控制.针对振动压路机的压实性能要求,采用钟型函数作为隶属度函数,通过计算规则重要度来提取模糊推理层规则群中比较重要的规则,运用补偿模糊神经网络的学习算法解决参数的自动调整问题.把工程实践中得出的模糊控制规则表作为训练模糊神经网络的样本,仿真结果表明该模糊神经网络控制器具有在误差限度范围内的泛化能力.