扩建公路结构性加筋土本构模型及路基差异沉降机理研究

来源 :辽宁工程技术大学 | 被引量 : 0次 | 上传用户:jessicazrz
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在公路扩建工程中,组成新、旧路基的土体在荷载历史、固结时间及重组过程等方面存在较大差异,并且新旧路基土具有不同程度结构性,因此二者表现出迥异的力学性质,使公路扩建工程存在新旧路基差异沉降问题。该问题不仅导致扩建公路过早出现路面病害现象,降低道路的舒适性、经济性与安全性,而且会影响道路整体稳定性,缩短公路正常使用寿命。采用土工格栅对新旧路基结合处土体进行加强可缓解路基的差异沉降,但格栅具有明显的蠕变特性,导致加筋土路基的工后变形明显,降低了其对工后差异沉降的控制效果。针对以上问题,通过机理分析、理论研究、室内试验、现场监测及数值模拟等研究手段,对扩建道路新旧路基结构性加筋土受力累积变形规律进行深入研究,推导结构性加筋土本构模型,最终提出扩建公路新旧路基差异沉降的计算方法与控制建议。主要研究内容如下:
  (1)在土体弹塑性边界面模型的基础上,考虑结构性因子的衰减规律,提出了新型弹塑性边界面模型。该模型表明,围压能够使孔隙产生变形,从而显著影响土体的的结构性强度特征。在荷载循环施加过程中,循环应力比越大,土体结构性破坏越严重,土体的强度降低的越快,达到循环稳定状态时产生的应变越大。同时,结构性衰减因子随着加载次数的增加呈现正弦衰减规律。
  (2)根据筋材与土体之间协调变形关系,基于土的修正剑桥(MCC)模型与筋材黏弹性模型推导出加筋土的黏弹塑性临界状态本构模型。结果表明,该模型在p-q平面内的屈服轨迹仍然为椭圆轨迹方程,但椭圆的长轴不再位于p轴上,而是绕中心点旋转后与p轴呈一定夹角,当筋材与土体间无摩擦、含筋率为0或筋材刚度为0时,模型退化为土的MCC模型。
  (3)开展了加筋土试样的常规三轴试验,阐述了模型中各参数的确定方法及其与土体MCC模型参数之间的关系。给出了通过土体参数、筋材参数及加筋率等指标推算加筋土材料的黏弹塑性本构模型参数的具体方法,并引入表征加筋土材料各向异性的组构张量对影响MCC材料破坏应力比M的影响进行讨论。
  (4)基于土体结构性边界面模型对公路扩建工程新路基分层填筑过程引起的旧路基沉降量进行数值计算,并通过公路扩建工程现场实测路基沉降数据对数值计算结果进行了验证与参数反分析。基于路基加筋土黏弹塑性本构模型对公路扩建施工后各阶段的路基累计沉降量与新、旧路基差异沉降量进行计算和预测。
  (5)开展了路面拼接结构力学性能试验,结合试验数据讨论了存在路面结构时,路面拼接部位刚度、拼接位置对工后累计沉降量与路基差异沉降量的影响。最后,根据计算结果就具体工程中的路面材料配制选择、预留工后沉降高度及新路面搭接宽度等方面给出了公路扩建中加筋路基—路面体系变形控制的具体建议。
其他文献
近年来,随着人工智能技术的发展,深度学习受到越来越多专业学者的关注。自动编码器是一种典型的深度学习算法,堆叠自动编码器通过将多个自动编码器堆叠级联而成,以其优秀的特征提取能力被广泛应用于高维数据的降维处理中,尤其是非线性数据的处理,效果良好。但是在堆叠自动编码器数据降维中,无法评估提取的信息是否包含噪声。低秩矩阵恢复算法通过矩阵分解获取数据的低秩成分,从而实现了数据降噪。本文结合堆叠自动编码器的降
学位
近年来,随着绿色农业概念的提出,作物病害的防治问题受到极为广泛的关注。目前,计算机视觉技术在作物病害识别领域中的应用已经取得了一定的研究成果,然而基于传统机器视觉的病害识别方法需要依赖人工特征选取,难以全面的反应作物叶片病害特性,精确率仍有待提高。卷积神经网络是一种深度学习算法,可有效避免传统计算机视觉技术繁琐的特征选择过程,并实现比传统算法更高的识别精度,但是,现有基于深度学习的叶片病害识别模型
学位
无线传感器网络是一组电池供电的小型设备和无线基础设施,用于监测和记录环境中的状况。无线传感器网络广泛应用于各种应用层面,如军事监控应用、定位成像应用、环境监测、医疗保健应用、精准农业等。  在敌方环境中部署无线传感器网络用于军事监视等关键任务时,由于敌方部署环境、有限的计算能力和有限的电池寿命等无线传感器网络固有的关键约束,其单个传感器节点很容易被敌方破坏。这些关键挑战使得传统网络中使用的现有传统
移动传感器网络具有自组织性、灵活性和可扩展性,可以广泛地应用在广域监控、搜救任务和追逃行动等场景中。这些典型的应用场景要求移动传感器网络具备快速高效的广域覆盖和多目标追踪能力,并对移动节点的运行灵活性、任务处理效率、环境适应能力以及协调协作性能等都提出了较高的要求。然而实际应用场景中存在许多约束和不确定因素,如节点运行环境复杂、网络拓扑结构易变、信息交换效率低下等,移动节点之间的协调性能受到严重影
目标检测是机器视觉和数字图像处理技术的一个重要研究方向,主要包含特征提取、描述和匹配,同时也是图像拼接、目标跟踪、运动分析、目标识别、视觉导航研究领域的基础。这些应用处理需求不同,包括对处理时间(在线、离线或实时)、遮挡的鲁棒性、旋转的不变性以及多角度的最优检测。然而,光学遥感图像的目标检测依然存在诸多局限性,因此本文针对这些不足进行分析与改进。在计算机视觉领域,现今最优秀的特征提取方法主要根据待
随着汽车电子技术的飞速发展,汽车中的电子控制单元越来越多,导致传统单一的CAN(ControllerAreaNetwork,CAN)网络结构越来越无法保证汽车的性能需求,出现了由多个子网构成的混合CAN网络。为了保证整车网络中多个子网之间能够实现信息交互,需要车载网关将消息从一个网络转发至另一个网络。网关作为网络信息交互中心,其消息转发时延将影响汽车的安全性和稳定性,因此网关消息的实时性对整车网络
户外广告牌是一种常见的广告传播方式,它具有持续时间长、对地区和消费者的选择性强、视觉冲击力强等优点,因此对于在户外进行打广告的需求来说,广告牌是一个很好的选择。一般来说,户外广告牌可以分为静态的广告牌和动态的广告牌。静态广告牌的特点是更换一次广告会很麻烦,更换广告的成本也会很高,但是持续时间较长。动态广告牌可以播放包含图片、视频等在内的不同形式的广告内容,可以通过视觉以及听觉两种方式来达到吸引顾客
受益于互联网技术的飞速发展,人类的生活发生了巨大的变化。通过互联网,人们可以随时随地办理各类在线业务,获取各种资讯,体验多样的娱乐生活。互联网已经成为人类生活中不可或缺的一部分。然而,由于互联网的开放性,人们在享受各类网络服务的同时也存在着一定的安全风险。身份认证密钥协商协议是确保网络参与者在开放的网络环境中实现安全通信的一种行之有效的安全机制。有别于传统的单服务器网络架构,多服务器网络架构更适用
网络与计算基础设施的边缘化是近年来网络和计算架构技术发展的新趋势,逐渐形成基于边缘基础设施的智能网络和系统形态,并推动了基于边缘计算的感知和计算模式。与传统中心化网络和计算架构相比,边缘网络设备的分散会导致计算、存储和传输资源分配策略局部化,相关服务与应用受用户移动、交互行为的动态化影响,使得资源分配策略效率低。因此边缘智能给网络架构、数据传输、资源分配、模型部署、分布式训练等带来新的挑战。而通过
学位
模型诊断(Model-Based Diagnosis,MBD)问题是人工智能领域的重要研究方向之一,可追溯至1987年De Kleer、Williams和Reiter的具有重要性标志意义的工作。到目前为止,MBD问题已发展到利用多种不同的模型进行建模,如离散事件模型、定性模型、不完全因果模型和混合模型。并且其成果也成功应用到多个领域,如航天航空、汽车制造、电信网络、燃气轮机条件监测、软件验证、以及
学位