城市地铁盾构隧道病害快速检测与工程实践PDF|Epub|txt|kindle电子书版本网盘下载

城市地铁盾构隧道病害快速检测与工程实践PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1城市地铁发展现状1

1.2地铁隧道结构病害现状3

1.3地铁隧道结构病害检测技术5

1.3.1基于摄像测量的自动检测技术6

1.3.2基于激光扫描的自动检测技术7

1.3.3探地雷达无损探测技术8

1.4地铁隧道结构病害检测技术发展趋势9

第2章 城市地铁隧道结构病害11

2.1地铁隧道衬砌结构、施工方法和病害基本类型11

2.1.1地铁隧道的结构形式12

2.1.2地铁隧道的施工方法13

2.1.3地铁隧道结构病害的基本类型14

2.2上海地铁盾构隧道运营环境与结构病害26

2.2.1上海地铁隧道运营环境27

2.2.2上海地铁隧道病害调查34

2.2.3隧道结构病害特征与规律总结与分析44

2.3隧道结构检测项目及措施48

2.3.1隧道结构检测项目49

2.3.2隧道结构检测措施51

第3章 盾构隧道结构病害常规人工检查53

3.1检查类型及作用53

3.2检查内容54

3.2.1渗漏水55

3.2.2管片损伤58

3.2.3结构形变59

3.2.4结构裂化老化59

3.2.5其他病害61

3.3资料成果要求62

3.3.1记录表62

3.3.2记录影像66

3.3.3其他信息66

第4章 盾构隧道三维激光扫描检测68

4.1三维激光扫描检测原理68

4.1.1脉冲飞行时间测距法69

4.1.2调制波相位测距法69

4.2三维激光扫描检测设备及其选用70

4.2.1三维激光扫描检测设备70

4.2.2三维激光扫描检测设备的选用73

4.3三维激光扫描检测软件74

4.3.1数据采集74

4.3.2坐标系配准76

4.3.3点云去噪78

4.3.4数据压缩80

4.3.5三维模型重建82

4.3.6纹理映射85

4.3.7工程与数据管理86

4.4三维激光扫描检测数据处理方法87

4.4.1隧道变形与轮廓限界87

4.4.2病害图像处理90

4.5三维激光扫描检测发展趋势91

第5章 盾构隧道摄影成像扫描检测94

5.1摄影技术概述94

5.1.1摄影发展简史94

5.1.2摄影基本概念95

5.2摄影测量介绍97

5.2.1摄影测量概述97

5.2.2摄影测量基本概念98

5.2.3常用摄影测量解析方法100

5.2.4摄影测量用于断面变形检测的研究102

5.3摄影测量仪器与检测装备103

5.3.1图像传感器103

5.3.2图像采集卡107

5.3.3照明光源109

5.3.4旋转编码器111

5.4移动式隧道病害检测系统111

5.4.1检测系统组成111

5.4.2模拟隧道试验113

5.5摄影成像扫描检测116

5.5.1检测计划116

5.5.2检测过程116

5.5.3检测装置与人员配置117

5.5.4检测报告117

5.6数字图像处理117

5.6.1数字图像处理简介117

5.6.2数字图像处理基本步骤118

5.7图像数据库系统122

5.7.1 MySQL概述122

5.7.2系统开发122

第6章 盾构隧道壁后注浆探地雷达无损探测127

6.1盾构隧道壁后注浆目的及施工中存在的问题127

6.1.1壁后注浆的目的127

6.1.2壁后注浆系统分类128

6.1.3注浆材料的选择129

6.1.4壁后注浆施工中的问题129

6.2隧道壁后注浆探地雷达无损探测国内外研究现状131

6.3盾构隧道壁后注浆探地雷达无损探测模拟试验研究133

6.3.1探地雷达无损探测原理133

6.3.2盾构隧道壁后注浆探测模拟试验135

6.4盾构隧道壁后注浆探地雷达无损探测正演数值模拟分析157

6.4.1盾构隧道壁后注浆探地雷达时域有限差分法数值模拟框架157

6.4.2盾构隧道壁后注浆纵向分布数值模拟159

6.4.3盾构隧道壁后注浆环向分布数值模拟170

6.4.4数值正演模拟结论173

6.5盾构隧道壁后注浆探地雷达无损探测结果的图像识别技术174

6.5.1基于小波神经网络的图像识别技术175

6.5.2基于小波神经网络的隧道壁后注浆探测识别结果181

6.5.3盾构隧道壁后注浆探地雷达无损探测图像识别案例185

第7章 基于深度学习的图像处理194

7.1机器学习与深度学习194

7.1.1机器学习194

7.1.2深度学习195

7.2人工神经网络195

7.2.1人工神经网络的构成196

7.2.2人工神经网络的反向传播算法197

7.2.3人工神经网络的相关参数198

7.3深度学习方法198

7.4基于深度学习的隧道病害识别实例202

7.4.1渗漏水病害识别的全卷积网络模型202

7.4.2基于R-FCN的隧道衬砌病害检测模型210

第8章 盾构隧道结构检测的其他方法221

8.1隧道结构渗漏水红外检测221

8.1.1检测原理221

8.1.2隧道实测222

8.2隧道纵向沉降静态监测224

8.2.1基于倾角传感器的纵向沉降静态监测方案224

8.2.2基于倾角传感器的纵向沉降静态监测传感器研发227

8.2.3无线纵向沉降传感器室内试验233

8.2.4无线纵向沉降传感器现场试验236

8.3隧道纵向沉降动态监测244

8.3.1基于倾角传感器的纵向沉降动态监测方案244

8.3.2机械设计思路248

8.3.3数据处理及无线传输系统251

8.3.4数据处理及无线传输系统单元电路设计252

8.4隧道裂缝深度检测254

8.4.1裂缝发展情况跟踪监测254

8.4.2裂缝深度扩展情况监测255

第9章 盾构隧道结构检测实例258

9.1隧道结构三维激光扫描检测实例1258

9.1.1工程概述258

9.1.2检测仪器259

9.1.3检测过程260

9.1.4内业作业262

9.2隧道结构三维激光扫描检测实例2269

9.2.1工程概述269

9.2.2检测仪器及流程269

9.2.3外业作业270

9.2.4内业作业272

9.2.5成果质量检查276

9.2.6测量成果278

9.3隧道结构表面病害摄影成像扫描检测实例283

9.3.1工程概述284

9.3.2检测仪器284

9.3.3检测流程285

9.3.4外业作业285

9.3.5内业作业288

9.3.6检测结果统计299

9.3.7摄像测量检测技术优势总结300

9.4隧道壁后注浆层探地雷达探测实例301

9.4.1工程概述301

9.4.2现场检测方案及数据分析302

第10章 总结与展望306

参考文献310

附录321

附录1隧道结构检查结果报告321

附录2表单式记录326

附录3展开图327