双向水平加载下钢筋混凝土柱抗震性能的数值模拟

为了研究双向水平荷载作用下钢筋混凝土柱的抗震性能,基于地震工程模拟平台OpenS-ees,采用纤维模型对钢筋混凝土柱空间受力性能进行了数值模拟,模拟结果与已有试验结果吻合较好.在此基础上,讨论了双向水平加载下轴压比、体积配箍率等参数对柱抗震性能的影响规律.结果表明:双向水平加载对柱构件的界限轴压比几乎没有影响,界限轴压比为0.4～0.5;轴压比小于0.1时,柱斜向水平承载力较主轴方向略有提高;在界限轴压比附近,柱斜向水平承载力下降10%左右,主轴方向水平承载力下降幅度达35%左右,同时主轴方向上柱的极限位移角及滞回耗能均随轴压比的增大而显著降低,故实际设计时应充分考虑空间作用对单一主轴方向的不利影响;体积配箍率对柱的延性有较大影响,但对峰值承载力的影响不明显.     

基于深度学习YOLOX算法的混凝土构件裂缝智能化检测方法

针对现有混凝土构件裂缝人工检测操作不仅费时、费力,而且易出现错检、误检、漏检,以及部分位置难以开展检测的问题,提出一种基于深度学习YOLOX(You Only Look Once)算法的混凝土构件裂缝智能化检测方法;首先采集、整理包含各类混凝土构件的典型裂缝图像,并通过图像数据增强建立Pascal VOC数据集,然后基于Facebook公司开发的深度学习框架Pytorch,利用数据集训练YOLOX算法,并进行裂缝识别和验证;将训练完成后YOLOX算法移植至搭载安卓系统的手机端,进行现场实时检测操作。结果表明：在迭代次数为700时,混凝土构件裂缝识别精度可达88.84%,能有效筛分混凝土构件表面裂缝,并排除其他干扰项,证明了所提出的方法对裂缝具有较高的识别精度和广泛的适用性;经试验测试,移植至手机端的YOLOX算法能在提升便携性的同时保证高效、准确的检测效果,具有良好的应用前景。