路面裂缝的自动化修复可以有效延长道路的使用寿命，在道路智能化养护中发挥着至关重要的作用。为解决裂缝灌缝修复过程中裂缝轨迹实时提取困难、灌缝误差较大等问题，研发了一种路面裂缝灌缝机器人(Automated Pavement Crack Sealing Robot， APCSbot)，APCSbot采用裂缝轨迹实时分割网络(S2TNet)和基于交叉熵的自适应模糊控制裂缝灌缝修复方法(Cross-entropy-based Adaptive Fuzzy Control， CEAFC)。首先，提出了一种裂缝实时分割网络(S2TNet)，该方法利用锚定比IoU平衡采样(ARIS)和平衡细粒度特征(BFGF)有效地提高了检测器在预测边界框和分割实例二进制掩码方面的性能，从而提高裂纹轨迹提取的准确性；其次，设计了一种基于交叉熵的自适应模糊控制(CEAFC)方法，采用交叉熵优化迭代对控制器参数进行调优，并构建模糊逻辑以提升修复控制的鲁棒性。此外，建立了基于四轮独立差速驱动的无人轮式机器人框架，并将裂缝分割网络和跟踪修复控制方法集成到系统中。结果表明：在DeepCrack、CFD、S2T-Crack数据集上进行的大量试验下，所提方法的路面裂缝实时分割精度为80.21%；在0.05 m·s^-1左右的速度下完成裂缝灌缝修复，细长裂缝灌缝平均误差为5.17 mm。实际道路裂缝场景测试证实了APCSbot的有效性，展示了其在路面裂缝灌缝修复方面的准确性和稳健性，为道路智能化养护提供了技术支撑。

路面裂缝分割是道路养护管理的关键技术，对提升道路安全性与耐久性至关重要。然而，由于路面场景复杂多样、裂缝形态的不规则性以及背景噪声干扰，实施高精度裂缝分割仍然面临诸多挑战。为此，提出一种基于频域Mamba与递归门控Transformer融合的路面裂缝分割方法，通过深度融合频域建模与空间特征提取，有效提升了模型对裂缝边缘特征和全局上下文信息的捕获能力。首先，采用大核递归注意机制构建Transformer架构作为U型网络骨干，通过增强空间特征交互，实现模块内局部细节与全局上下文特征的有效融合。其次，在前馈网络(Feedforward Network，FFN)中集成Sobel算子与门控机制，动态调节信息流，显著提升了边缘特征提取能力及噪声抑制效果。最后，提出一种嵌入跳跃连接的频域Mamba增强模块，通过在小波变换的频域分解中引入状态空间模型(State Space Model，SSM)，旨在增强频域和空间域的特征融合，以补偿下采样的细节信息损失。为验证所提方法的有效性，在DeepCrack537、CrackLS315和YCD数据集上进行了系统的试验与对比分析。试验结果表明:该方法在视觉效果与定量指标上均优于当前主流的分割方法，展现了良好的鲁棒性与实用价值，为路面裂缝的智能化检测提供了新的解决方案。

为有效描述矿料在沥青混合料骨架中的作用，引入了复杂网络理论对骨架拓扑结构进行表征分析。首先制备了11种沥青混合料试件，然后通过数字图像处理(DIP)技术获取矿料信息并构建骨架无权无向网络模型，接着尝试引入复杂网络理论对骨架拓扑结构进行表征。结果表明：骨架网络的无标度指标α远大于1，小世界指标S数值在0.8左右，分形维数是等效ER随机网络的1.94倍，表明骨架网络具有无标度特性、小世界特性以及自相似特性。其拓扑结构具有显著的结构复杂性，符合复杂网络的特征，表明复杂网络理论适用于骨架拓扑结构表征。同一标准矿料粒径区间内，随着度值增大，其对应的矿料颗粒数量先增加后减少；同时，随着矿料粒径的增加，峰值对应的度值也逐渐增大。AC类沥青混合料中，粒径大于1.18 mm的矿料颗粒的度值占比仅为12%左右，分别比SMA和OGFC类沥青混合料少18.8%和37.2%，说明SMA和OGFC类沥青混合料中矿料颗粒间拥有更小的接触距离，更易形成稳定的骨架结构。当矿料粒径≤2.36 mm时，归一化后的介数均值小于0.01，主要起到填充骨架的作用;2.36~9.5 mm之间矿料的介数均值逐渐缓慢增加至0.05，表明尽管2.36~9.5 mm的矿料参与了骨架构成，但可能仅起到次要承载的作用；大于9.5 mm的矿料，其介数均值显著增加，甚至能达到0.3，表明大于9.5 mm的矿料在骨架结构中起着主要承载的作用。与SMA和OGFC类沥青混合料相比，AC类沥青混合料由于其粗集料占比偏低，导致粗集料在骨架中具有更为突出的作用，其介数均值相对更高。

为实现淤泥质渣土高值化、多样化利用，研发了采用碱激发高炉矿渣(GGBS)方式固化淤泥质渣土，并在标准养护条件下实现高强度和高耐水性的人工造粒新技术。通过试验探究了碱激发剂类型、掺量以及养护时间等因素对固化土颗粒的力学强度和耐水性能的影响，并确定Ca(OH)₂与Na₂SiO₃作为碱激发剂及其最优参配比。在此基础上，进一步采用傅里叶红外光谱(FTIR)、扫描电镜(SEM)等手段对人造颗粒进行微观表征，揭示了碱激发GGBS固化土颗粒的强度形成机理及其演化规律。研究表明:GGBS在Na₂SiO₃碱激发作用下发生水化反应；当Na₂SiO₃掺量达到10%以上时，标准养护7 d颗粒强度达到5 MPa以上，且软化系数均高于0.75。通过加入Ca(OH)₂替代部分Na₂SiO₃，可以进一步增强碱激发作用，其最优掺比为1∶3，颗粒强度相比单独使用Na₂SiO₃时提升超过20%。微观试验表明:碱激发GGBS在生成水化硅酸钙(C—S—H)与水化硅铝酸钙(C—A—S—H)时，合成聚合度高、具有三维网络结构的地聚物M_x{—(SiO₂)_zAlO₂—}_n·wH₂O，填充孔隙并黏结土颗粒，显著增强人造颗粒强度。利用碱激发GGBS固化淤泥制得的人造颗粒，具有轻质(1.8~2.0 g·cm^-3)、高强(≥5 MPa)、耐水(软化系数＞0.75)、低能耗(20 ℃冷结养护)、绿色环保(固废利用率≥85%)等优点，可用于部分代替交通路基基层填料、桥梁承台回填、滨海公路防护结构等场景。

采用化学固化法处理盾构隧道废弃渣土，使其满足不同填方用土要求，是实现其资源化利用的主要途径之一。相比于水泥、石灰等传统固化方法，氧化镁(MgO)固化-碳化技术具有节能环保、绿色低碳等优势，是一种值得探索和尝试应用的方法。利用自制加速碳化装置，通过改变MgO掺量、养护龄期、碳化时间等因素，研究MgO固化-碳化盾构隧道废弃黏土可塑性和强度发展规律，并探究其用作公路路基填土的最佳改性条件。结果表明：土压盾构废弃土经MgO固化-碳化处理后，塑限小幅增加，液限和塑性指数显著降低；适量延长时间，可以显著降低塑性指数达标所需的养护龄期；碳化后土体由高液限黏土逐渐转变为低液限黏土，土体无侧限抗压强度大幅提高，碳化4 h达到峰值强度；碳化过程中，菱镁石(MgCO₃)及水化产物相互胶结，填充土体孔隙，形成致密的网状结构，碳化超过4 h后，部分水化产物分解，孔隙体积增大，这是可塑性持续降低、强度先升高后下降的原因；在MgO掺量为9%、养护7 d、碳化2 h条件下,试样塑性指数小于26，强度高于800 kPa，可满足一级公路底基层的塑性指数和强度要求。该研究可为长三角地区土压盾构产生的淤泥质废弃黏土处理与再利用提供参考。

斜拉索的涡激振动不仅会引发疲劳损伤和附属结构失效，还会增加维护成本,影响桥梁的正常运行。为推动斜拉索涡激振动理论的发展和振动控制技术的进步，对过去30年斜拉索涡激振动的研究进行综述。重点评述了涡振机理与特征、主要影响因素与作用机制、振动控制方法与应用效果3个方面的研究进展。首先，通过搜集国内外斜拉索涡激振动事件，统计了124座主跨超过500 m桥梁的最长拉索数据，分析指出研究重心已逐步从国外转向中国，预计未来的研究仍面临诸多挑战。接着，从振动机理和影响因素的角度切入，阐述了斜拉索涡激振动从传统的卡门涡街向大振幅多模态振动的演变过程；概述了来流风特性、雷诺数和阻尼比3个主要影响因素的作用原理、特征及研究进展。最后，重点总结了气动控制和辅助索控制措施的研究分类与构造特点，梳理了机械控制和混合控制措施的研究成果及其在实际工程中的应用。此外，还指出了各个部分当前研究存在的不足，并展望了未来研究的主要方向，以期为斜拉索涡激振动和振动控制提供新的研究思路。

基础设施的高速建设必将导致大规模的维养，为应对大跨径桥梁结构性能保持和承载力提升问题，围绕改变结构体系提升桥梁性能的现状及发展趋势，在对提升方法及与其密切相关的优化算法和过程安全监控技术等进行总结的基础上，系统梳理了简支变连续、增设支点、斜拉组合体系、吊拉组合体系、悬吊体系、梁拱组合体系等提升方法的研究现状和典型工程应用，形成增加约束法和附加构造法两大类型，深度剖析大跨径桥梁结构的体系主动改造行为、结构状态变化规律等科学机理。对改变体系加固面临的关键问题、主要挑战及未来发展趋势进行了展望，指出该方法效益和风险并存，新老2种体系的相容性等方面还需要系统、深入研究。桥梁损伤数学模型的建立仍是制约改变体系加固研究的短板，其涉及的多变量、多目标函数的构造和最优解标准的制定等问题仍需探索，复杂受力过程求解算法的突破仍是关键。借助智能设备，结合数字孪生，实时监测、分析、控制、反馈的交互式协同设计及智能建造方法还应进一步探索。

为深入研究大纵肋正交异性钢-UHPC组合桥面板的疲劳性能，解决传统足尺模型疲劳试验中存在的尺度割裂与信息壁垒问题，以构件、部件与结构3个尺度间的性能指标信息的相互关系为切入点，提出了多尺度融合试验研究方法。该方法采用了多尺度性能指标信息的递进、融合与反馈策略，设计了构件、部件与结构的多尺度协同疲劳试验，建立了模式化的试验研究路径，实现了对同一研究目标下多尺度试验研究的有效支撑。结果表明：所提出的多尺度融合试验研究方法，通过构件、部件与结构的信息传递与融合路径，形成系统闭环的研究体系，可有效解决多尺度试验中的数据割裂问题;构件尺度中UHPC材料、栓钉连接件和钢桥面板典型疲劳易损细节均表现出性能退化与疲劳损伤累积特征，可通过力学性能退化模型、S-N曲线及损伤累积准则进行量化表征，并作为上层尺度评估的基础输入；部件尺度中节段模型试验能够阐明各节段模型的疲劳损伤演化路径，确定其疲劳破坏模式，明确UHPC层、栓钉连接件与钢桥面板典型疲劳易损细节的控制部位，并建立局部响应与构件性能指标间的映射关系，为结构的设计参数优化及结构尺度疲劳响应分析提供试验依据与理论支撑；结构尺度中实桥原位监测结果表明,关键控制部位的应变响应稳定,损伤程度较低，各性能指标在构件、部件与结构尺度间具有良好的适用性与协调一致性。

按照纯扭→剪扭→压弯剪扭的递进层次，提出了一种可用于研究斜拉桥混凝土箱梁的压弯剪扭复合受力性能的改进型受扭软化薄膜元模型(RTSMM)。根据主梁复合受力状态，将扭转产生的应变梯度、剪切产生的剪应变，通过修正本构关系结合起来。利用软化薄膜元模型求解叠加区受初始剪切的目标应变值，进一步修正因为初始状态的存在而发生变化的平均应力系数或应力应变关系，完成纯扭到剪扭的扩展。轴向压力在抵抗扭转和剪切时起到了预压作用，同样被作为扭转前的初始状态考虑。弯矩体现为混凝土箱梁顶板和底板不对称的轴向压力，再通过Bredt薄壁管理论将箱梁板件组合，将剪扭模型进一步拓展到压弯剪扭模型。设计混凝土箱梁复合受扭模型试验验证了RTSMM的正确性，其可准确计算复合受力状态下截面的抗扭刚度，并预测受扭构件的荷载-位移全过程曲线。算例分析表明：扭转破坏首先发生在最薄弱板件，该板件决定并限制了全截面的抗扭极限值；剪扭共同作用极大降低了截面的极限扭矩值；剪与扭的耦合效应显著，对彼此均有放大效果；剪弯影响下箱梁扭转破坏一般发生在剪扭叠加区的腹板和弯矩受拉区的顶板、底板；轴向压力和预应力能显著提升扭转刚度。

以强台风区某主跨为928 m的大跨悬索桥为工程依托，采用风洞试验与数值模拟相结合的方法，对大跨悬索桥闭口流线箱梁钢箱梁颤振稳定性气动控制措施机理进行了研究。首先，针对主桥结构方案进行成桥状态结构动力特性分析；然后，采用风洞试验方法对闭口流线型主梁断面原设计方案及不同气动控制措施进行了试验研究，得到了相应的颤振临界风速与颤振失稳特征；最后，采用计算流体动力学方法(Computational Fluid Dynamics, CFD)方法，从气动力与流场特征2个维度对闭口流线型主梁断面颤振特征与气动控制措施机理进行系统研究。研究结果表明：闭口流线型钢箱梁增设中央稳定板可以显著提升桥梁颤振临界风速，大幅提高竖向振动的参与程度，中央稳定板与水平分流板组合措施可以进一步提升桥梁颤振临界风速。基于气动导数、流固耦合计算的闭口流线型主梁断面颤振临界风速与风洞试验结果吻合较好；闭口流线型主梁断面增设水平分流板主要是引导气流更好地通过桥面，从而降低桥面前缘的压力波动，增设中央稳定板使得桥面上的涡向中央移动，压力波动靠近中央，从而降低自激力矩，两者共同作用，实现提高桥梁颤振临界风速的目标。

因套箍效应，钢板约束UHPC中PBL纵向抗剪承载力与传力机理，与无钢板约束存在显著差异，且迄今缺乏深入研究和足够认识。为此，设计了钢板约束UHPC的格室型和无钢板约束UHPC的插入型共2类7组推出试件，2类试件中的开孔钢板或未开孔钢板均无承压端。通过推出试验，获得了2类推出试件的破坏形态、极限承载力、荷载-相对位移曲线等，分析了推出试件的纵向抗剪承载力组成与传力机理，探讨了不同承载力组成对其纵向抗剪性能的影响。结果表明：除纯黏结试件外，2类试件混凝土榫均为剪切破坏，贯穿钢筋在格室型试件中为纯剪破坏，在插入型试件中为弯剪破坏；在格室型试件中，PBL格室型试件较黏结纯榫、黏结钢筋、无黏结PBL试件极限承载力分别提高了59%、51%、125%；PBL格室型试件荷载-相对位移曲线可分为5个阶段，属于延性破坏；PBL插入型试件荷载-相对位移曲线分为4个阶段，属脆性破坏；背景工程尺寸下，钢板约束UHPC中,PBL纵向抗剪承载力为PBL插入型构件的2.05倍，且其由周边摩阻、混凝土榫抗剪能力和贯穿钢筋抗剪能力组成。基于试验结果与国内外学者提出的PBL剪力键抗剪承载力公式，建立了钢板约束UHPC中PBL与非约束构件的纵向抗剪承载力公式，计算值与试验值吻合较好，所得公式亦可近似用于钢板约束混凝土中PBL或非约束构件纵向抗剪承载力确定。

缆索状态的精准识别是保障大跨桥梁服役安全的核心环节，也是桥梁轻量化检测/监测体系实现高效感知的关键前提；因忽略抗弯和约束刚度等多参数的耦合影响，传统弦理论及经验方法对拉吊索的识别偏差较大，不仅难以适配轻量化监测对高精度参数感知的需求，还可能因索力识别偏差引发结构内力重分布，增加局部构件损伤风险。为此，提出一种多阶频率驱动的多参数智能反演方法，建立融合倾角-垂度-抗弯刚度-边界弹性约束的振动和模态方程，并基于有限差分法推导其矩阵格式；构建多阶频率驱动的多参数协同反演框架，通过量纲一特征参数与经验公式界定多参数可行域，设计基于元启发式算法的智能引擎，通过优化、泛化能力分析验证其全局收敛性与鲁棒性。开展实验室刚性短索振动试验及斜拉索现场振动测试，结果表明：该方法在刚性短索和中长索的索力反演中具有较高精度，其误差可控制在5%以内；相较于传统弦理论、梁理论及双频法，该方法对刚性短索的索力反演精度显著提升了20%~35%；在频率映射确定的可行域范围内，该算法在抗弯刚度反演方面达到与统一修正弦理论一致的计算精度。工程应用验证表明，该方法可有效实现刚性短索和中长索体系的多参数协同反演，在计算效率与参数识别可靠性方面均展现出良好的工程适用性，为桥梁轻量化检测/监测体系的高效感知提供关键技术支撑。

针对现有基于随机子空间(Stochastic Subspace Identification, SSI)的桥梁模态参数自动识别方法阈值及聚类数目难以确定的问题，提出了仅需一次聚类的Dirichlet过程混合模型(Dirichlet Process Mixture Model, DPMM)，实现了无需人为选定参数或阈值的桥梁结构模态参数自动识别方法。首先，通过协方差驱动的SSI (Covariance-driven SSI, SSI-Cov)算法获得桥梁初始稳定图，采用不同验证准则的稳定图清洗框架去除虚假模态信息，将稳定图清洗后的频率、阻尼比和振型信息作为高维聚类特征，构建DPMM模型的数据样本。其次，引入Dirichlet过程构建无限混合聚类模型，并结合折叠吉布斯抽样(Collapsed Gibbs Sampling, CGS)实现最优聚类数的自动迭代。最后，将提出方法运用于一座钢桁架人行天桥以及一座大跨悬索桥中，利用实测振动信号得到了桥梁模态参数。结果表明：提出方法能够有效识别桥梁结构的密集模态，仅需一个聚类步骤即可实现桥梁模态参数自动识别，其频率与振型识别结果与理论值相近。

为减小桥梁冲击损伤、提高冲击后应急通行能力，从桥墩抗剪和抗弯机理出发，在墩身外部采用纤维增强复合材料(Fiber Reinforced Polymer, FRP)管，并在墩身内部纵向混合配置普通热轧带肋钢筋和高强度精轧螺纹钢筋，针对此类FRP约束混合配筋混凝土(FRP-confined Hybrid Reinforced Concrete, FHRC)桥墩冲击动力响应与冲击后剩余承载能力开展研究。首先，开展水平冲击试验研究，采用“低速-中速-高速”3次冲击加载方式，试验结果表明，相比于RC桥墩，FHRC桥墩的冲击损伤显著减轻，高速冲击下的峰值位移减小24.5%，3次冲击后的累积残余位移减小53.6%。然后，针对冲击后的桥墩试件开展静力受压试验，试验结果表明，RC桥墩竖向承载力到达峰值后迅速下降、发生严重受压与剪切破坏，而FHRC桥墩竖向承载力下降平缓、加载结束时损伤不明显，FHRC桥墩剩余竖向承载力比RC桥墩提高53.8%，且荷载-位移曲线下降速率减小60%，表现出更高的延性与变形能力。最后，基于LS-DYNA平台建立FHRC桥墩有限元模型，实现了对连续动力冲击、先冲击再受压的接续计算，并考虑FRP复合材料管、混合配筋、混凝土等材料弹塑性损伤，有限元模拟结果与试验结果吻合良好。研究为保障重要桥梁的抗冲击安全提供了创新策略、试验验证及数值模拟方法基础。

震后桥梁损伤评估是交通网络系统、城市生命线系统韧性的关键。传统的震后评估需要大量了解桥梁损伤机理的专业人士，严重阻碍了震后的黄金救援时间，而人工智能和计算机视觉对于裂缝识别、特征提取较为擅长，但是并没有建立起裂缝图片与损伤状态对应的图像-物理机制。因此，建立了一种融合多级物理损伤准则、计算机视觉、深度学习的延性桥墩损伤状态智能预测方法，为仅通过损伤图像预测桥墩损伤状态提供了有效途径。该方法主要包含2个部分：①提取桥墩损伤图像及物理损伤信息，包括损伤特征图、墩顶横向位移和纵向钢筋应力，其中，损伤特征图由有限元模型损伤图像经过二值化与骨架化处理模拟裂缝的生成发展得到；②融合多级物理损伤准则预测损伤状态，将物理损伤信息与损伤特征图作为训练集训练残差神经网络(ResNet)。预测结果包含墩顶横向位移和纵向钢筋应力，结合多级物理损伤准则，判断桥墩结构损伤状态。在对试验数据集的预测结果中，墩顶横向位移与纵向钢筋应力的最大预测误差分别为22.38%和19.4%，两者与试验预测的最大误差均在20%左右，损伤状态预测准确。此结果证实了该方法模拟预测钢筋混凝土桥墩震后损伤状态的鲁棒性，为自动识别评估区域地震后桥梁桥墩损伤状态提供了重要思路。

中国部分在役桥梁抗震设计低于现行规范要求或未进行抗震设计，面临极大的地震风险，抗震安全问题突出。双柱式钢筋混凝土(Reinforced Concrete, RC)桥墩是主要的桥墩形式，抗震加固与改造需求巨大。面向桥梁抗震性能提升与震后功能快速恢复的需求，基于摇摆自复位机理，提出了增设摇摆墩柱以提升双柱式RC桥墩抗震性能的新技术；发展了提升后桥墩体系侧向承载力与位移分析模型；开展了有/无增设摇摆墩柱的双柱式RC桥墩拟静力试验研究，明晰了地震作用下既有双柱式RC桥墩与增设摇摆墩柱协同工作机制，揭示了提升后桥墩体系地震损伤过程、破坏模式与工作机理；基于OpenSees程序平台，建立了有/无增设摇摆墩柱的双柱式RC桥墩有限元分析模型，探究了增设摇摆墩柱预应力与耗能构件等关键参数对提升后桥墩抗震性能的影响规律。研究结果表明：通过拟静力试验发现，增设摇摆墩柱减轻了既有桥墩塑性铰区损伤程度，提升后试验桥墩体系水平承载力增加约71%；在侧移率为5%时，耗能能力增加约50%，残余位移减小约43.5%，采用增设摇摆墩柱实现双柱式RC桥墩抗震性能与震后功能可恢复性的协同提升；数值分析发现，预应力筋初始预应力值和截面积以及耗能钢棒截面积等构造参数影响提升后桥墩承载力、耗能能力以及残余位移；提出的提升后桥墩侧向承载力及位移分析模型具有较好精度。该研究拓展了既有RC桥墩抗震加固与改造领域，为既有双柱式RC桥墩抗震性能提升提供了一种新策略与实现途径。

为揭示剪切变形对薄壁箱梁畸变效应的影响机理，基于畸变剪力流分布规律，系统构建了考虑剪切变形的箱梁畸变效应分析方法。首先，从弹性力学中的几何方程出发，结合横截面应力自平衡条件，给出忽略剪切变形影响的畸变翘曲位移模式。然后，根据微元体应力平衡与横截面扭矩自平衡条件，获得箱梁横截面的翘曲剪力流分布函数。在此基础上，通过引入畸变附加转角位移，构建出考虑梯度变化的合理畸变翘曲位移函数，并建立相应的控制微分方程。选取Hermite位移插值函数，利用最小势能原理建立薄壁箱梁畸变效应的一维梁段有限元列式，并编制了相应的梁段单元程序系统。通过钢箱模型梁与PC箱梁桥的试验值及三维空间有限元的数值解验证所提方法及程序系统的准确与可靠性。数值结果表明：计算结果与试验值及ANSYS空间有限元结果吻合良好；对于等壁厚的矩形箱梁，剪切变形对其畸变翘曲应力及位移影响较小；而对带悬臂板的PC箱梁桥，剪切变形不但使畸变翘曲应力分布发生明显改变，也使得畸变横向弯矩及畸变角显著增大；采用考虑剪切变形影响的畸变翘曲位移函数可有效改善畸变翘曲应力的计算精度。提出的考虑翘曲位移梯度变化的箱梁畸变分析理论，为箱梁畸变效应的精细化求解提供了一种精度高且实用的新方法。

超高性能混凝土(UHPC)因其卓越的力学性能和耐久性被广泛应用于高性能结构,但其设计与性能预测周期长、试验成本高,限制了该材料的性能优化与大规模工程应用。为提升UHPC性能预测效率,构建了一个基于机器学习(ML)的多性能预测框架,用于高效预测和分析UHPC的抗压强度(CS)、抗折强度(FS)、扩展度(Slump flow,Slf)及孔隙率(PS)。首先建立了涵盖已发表文献和室内试验数据的CS、FS、Slf和PS数据集,分别包含23、23、17和20个输入变量,对应的数据规模为1 059、537、129和98组。通过互信息(MI)得分和相关性分析筛选关键特征,并利用条件表格生成对抗网络(CTGAN)进行数据增强,以缓解样本量不足的问题。同时,基于二叉搜索树原理的孤立森林(IF)算法被用于清理异常值,从而提升数据质量与模型稳定性。在此基础上,对12种ML模型进行对比测试,并结合贝叶斯优化与交叉验证开展超参数调优,最终确定最优预测模型。随后,采用SHAP方法揭示关键特征对UHPC性能的物理贡献机制,并通过新增室内试验验证模型的泛化能力。研究结果表明:CTGAN生成数据能够有效保持原始多变量结构,对应CS、FS、Slf和PS数据集的最佳生成比例分别为0.22、0.47、0.28和0.25;IF算法能够精准剔除异常值；在4个数据集的测试集中,XGBoost模型的预测R²分别达到0.964、0.920、0.946和0.943,综合表现最佳；基于MI得分的特征子集筛选方法可显著提升模型性能,对应的最佳子集分别为CS_17、FS_16、Slf_10和PS_18。进一步的SHAP分析揭示了不同特征对UHPC性能的影响规律,为材料设计提供了理论参考。室内试验结果验证了模型的预测偏差均控制在10%以内,证明了所提方法在UHPC性能预测与优化中的有效性与可行性。提出的UHPC性能预测框架,有望减少UHPC的设计周期与性能预测成本。

超大断面盾构隧道曲线段施工千斤顶偏心荷载作用易导致管片接缝出现张开和错台变形，进而诱发接缝防水性能退化。针对该问题，基于多道密封垫防水体系，构建了从“局部防水机理”到“整体荷载响应”的完整研究框架，分别建立了接缝防水性能流固耦合分析模型与复杂施工荷载作用下的多环管片受力分析模型，系统揭示了千斤顶偏心荷载作用造成的超大盾构管片接缝变形特征与多道密封垫防水性能退化规律。研究结果表明:多道密封垫体系呈现出“梯度屏障协同”防水机制，三道较双道及单道密封垫体系的防水性能分别提升了23.6%~35.3%与62.5%~76.2%;管片环缝在偏心荷载作用下的防水性能退化幅度达21.0%~24.0%，且在盾构上行姿态下最为显著。研究量化了千斤顶偏心荷载导致的管片接缝多道密封垫防水性能退化水平，建立了以防水性能退化率为依据的防水安全系数修正方法，明确了考虑偏心荷载影响对应防水安全系数的调整数值，可为超高水压超大断面盾构隧道管片接缝防水的精细化设计提供理论支撑，并为推动接缝防水性能安全系数由“经验判断”向“数据驱动”转变提供科学依据。

科学认识近断层隧道的地震响应特征对于实际工程建设至关重要，然而目前研究忽视了活动断裂位错和地震共同作用对近邻傍行隧道的影响。为此，基于活动断裂发震过程中断层错动变形与地震加速度能量分布比的理论关系，提出了一种考虑断层位错与地震动共同作用的“同震同错”动力输入方法，建立对应的地层-断裂带-傍行隧道结构有限元分析模型，探明近断层傍行隧道在地震-位错耦合作用下的动力响应特性，并明确了断层上下盘位置、隧道-断层间距等关键因素对傍行隧道结构的地震影响规律。结果表明：相较于仅断层错动加载或仅地震动加载，“同震同错”效应下傍行隧道结构的动力响应则更为显著，且靠近断层破裂带一侧的衬砌呈现出明显的应力集中现象，结构受力也更为复杂；由于断层的上盘效应影响，位于断层上盘的隧道结构变形和应力显著大于断层下盘的隧道结构；随着傍行隧道-断层间距的不断增大，衬砌的受力变形逐渐减小，且位于断层上下盘隧道的变形差异也逐渐减小。研究可为近活动断层傍行隧道结构抗震设计提供理论依据。

盾构隧道韧性表示隧道抵御灾害并实现功能快速恢复的能力，针对现有隧道韧性研究缺乏纵向结构韧性评价及等级量化方法这一不足，提出了一种基于“云”不确定性推理的施工扰动下盾构隧道纵向韧性评价方法。首先，采用不均匀沉降系数R和最大沉降值S_max构建性能指标，并根据隧道破坏和修复等级的加和模型建立定性规则。其次，通过规范和数值模拟方法量化隧道破坏和修复等级边界，并通过正向云发生器量化定性规则，形成“云”推理依据集。然后，考虑韧性的非负性和数据偏好性，采用对数正态分布改进的“云”发生器量化韧性等级，构建“云”推理结论集。最后，通过不确定性推理研究依据集中的实际工程数据在结论集中的表现，计算韧性值R_e。所提方法应用于上海某双线盾构隧道下穿既有盾构隧道工程，结果表明：单、双线隧道下穿扰动下既有隧道的韧性值分别为R_e=0.600和R_e=0.561，隧道整体韧性为2级，与软土地区大直径盾构隧道近距离下穿既有隧道所造成的高风险、强破坏相符。另外，所提方法与传统韧性评价方法进行了对比验证，得出的韧性值相差约1%，进一步验证了所提方法的有效性。所提方法实现了盾构隧道纵向结构的韧性评价，有效融合了定性知识与定量数据，为盾构隧道的韧性提升提供了决策参考。

为系统研究矩形顶管隧道施工对砂土地层变形的扰动特征，研发了一套土压平衡矩形顶管模型试验平台。该平台由模型土箱、顶管模型机、注浆系统以及控制与监测系统等部分组成，能够精细化模拟土体切削、渣土排出、管节顶进与衬砌支护等关键施工工艺。基于该试验平台，开展了砂土地层矩形顶管顶进施工的模型试验。试验过程中，系统监测了顶管顶进引起的地层变形及围岩压力变化，详细分析了矩形顶管施工诱发的地层变形特征和围岩压力演化规律。试验结果表明:矩形顶管隧道顶进施工引起的地表沉降呈现高斯分布特征，显著沉降区域主要集中在隧道中轴线两侧各1.0H(H为矩形顶管高度)范围内；地表沉降量和沉降槽宽度与地层损失率密切相关；地层损失率越大，地表最大沉降量显著增加，而沉降槽宽度则相应减小；拱顶土压力在施工过程中表现出“先减后稳”的演化规律，压力卸载区主要分布在隧道轴线两侧(0.5B+0.25H)范围内(B为矩形顶管宽度)；此外，土体沉降的发展具有显著的时空演化特征；施工初期，近场区(距拱顶0.25H)土体率先发生快速沉降；随着顶管推进，远场区(距拱顶0.75H至1.25H)土体的沉降逐渐增大。研究成果可为砂土地层中矩形顶管的安全施工提供重要参考。

提出基于预训练大语言模型的行驶风险推断能力构建方法，以轻量化预训练大语言模型(Large Language Model，LLM)为对象，激发其类人的行驶风险推断能力，推动LLM在驾驶风险片段召回、自动化解析风险成因等方面的应用。架构分为预热阶段和循环优化阶段。预热阶段，按照驾驶人“风险要素辨识-交互行为推断-潜在风险判别”的行驶风险推断逻辑设计思维链(Chain-of-Thought, CoT)；采用少样本学习(Few-shot Learning)方式引导轻量化LLM生成，使其初步具备行驶风险等级评估及其推断理由的生成能力。循环优化阶段，利用引导学习策略，在优化初期调用“教师”模型对风险等级评估错误的样本重新生成推断理由；收集正确样本与新生成样本，并开展监督微调。以LLAMA 3-8B模型作为基础模型，以Qwen2-72B作为“教师”模型，结合7 000个自然驾驶片段数据开展试验。结果表明：本架构将轻量化预训练模型的行驶风险等级评估准确率由0.527提升至0.783。此外，通过比较人为构建的风险推断理由与模型生成推断理由的相似性，相比于基础模型，优化后模型的ROUGE-L(Recall-Oriented Understudy for Gisting Evaluation-Longest Common Subsequence)指标由0.517提升至0.616，表明该方法能有效提升目标模型推断理由与人类风险推断理由的一致性。所提架构提供了自动化解析风险成因的可行性，为开展驾驶人安全画像和靶向安全教育提供依据。

交通系统的路径选择行为建模面临可行路径多、观测数据有限和个体偏好不确定性高等挑战。近年来，基于路段的建模范式避免了路径集构造的难题，将路径选择建模为序贯决策过程，根据核心要素路段转移效用和路段转移概率的不同建模方式，发展出了数种研究方向：知识驱动模型如递归Logit(RLogit)解析计算高效但精度不足；数据驱动模型用深度神经网络(DNN)直接建模概率，精度高但机理解释、泛化能力不足，不利于面向交通管控的预测；而现有数据-知识融合驱动的方法在学习的复杂性和计算效率上仍不够理想。为解决这些问题，提出了一种数据-知识融合驱动的路径选择行为建模新框架-深度稳健递归Logit(DR²Logit)。该方法通过DNN建模路段转移效用，同时保留传统RLogit模型高效解析计算路段转移概率的框架，从而兼顾精度、计算效率和机理解释。针对深度化RLogit模型带来的参数估计稳健性难题，证明RLogit可解的充要条件，替代前人较为严格的充分条件，精准确定并扩大了参数可行域，并相应地设计稳健学习算法。虚拟和实际路网试验的结果表明：基于充要条件的稳健参数估计算法将路径流分布散度(作为预测误差指标)分别降低了14%~98%和23%；基于DNN的效用相比于线性效用，路径流分布散度分别减少了91%~97%和71%~77%；DR²Logit在提升建模精度的同时，保持了较高的计算效率。实际路网试验表明，其参数估计耗时仅为100~200 s，预测30 000条路径仅需2.2 s。

驾驶人分心是导致道路交通事故的重要因素之一，但现有基于视觉的深度学习分心检测模型在跨域场景下由于源域与目标域分布偏移会出现显著性能退化。为提升分心检测在实际车载环境中的鲁棒性，提出一种面向驾驶人手部动作的无监督领域自适应分心检测方法MT-YOLO。该方法以YOLOv7为骨干网络，嵌入轻量级跨维度注意力模块CDA，强化驾驶人手部区域特征并抑制背景干扰；在此基础上，构建基于Mean Teacher的一致性学习框架，引入类别感知动态置信度与IoU阈值，以生成高质量目标域伪标签；同时，在检测头前加入多尺度实例级域分类器和梯度反转层，实现源域与目标域特征的对抗式对齐。试验表明：在跨域目标检测任务上，MT-YOLO相较于最优对比模型提升3.7%；在跨域分心检测任务上，引入CDA可使识别精度提升24.3%，完整模型与全监督模型的性能差距缩小至8.8%；同时，所提框架在嵌入式平台上仍能保持接近实时的推理速度。MT-YOLO在无需额外标注的条件下兼顾跨域检测精度与部署效率，为构建可扩展、低标注成本的驾驶人分心监控系统提供了一种有效技术方案。

最大压力(Max-Pressure， MP)分布式交通信号控制方法能有效稳定路网排队长度，提升路网通行效率与吞吐量，但传统最大压力控制方法缺乏周期性调度机制，仅根据路口压力启动相位，容易导致部分相位被跳过，影响行人安全与通行体验。现有周期式最大压力控制虽然能够保证相位均被启动，但绿灯时间仍主要依据压力比例静态分配，难以适应城市复杂多变的交通需求。为此，提出一种基于强化学习的动态最大压力交通信号优化方法(Dynamic Max Pressure Light， DMPLight)，旨在实现复杂交通条件下更精细的信号控制。首先，利用最大压力控制算法动态计算各相位的实时压力值确定相位启动顺序，确保各相位在周期内均得到有效启动。然后，引入近端策略优化(Proximal Policy Optimization， PPO)强化学习算法动态优化调整各相位绿灯时长，通过获取环境实时交通状态不断更新优化策略，直至收敛为最优策略并达到最优交通状态。结果表明：相比于固定控制、感应控制、传统最大压力控制、周期式最大压力控制及基于强化学习的近端策略优化算法，在早晚高峰时段，路口平均排队长度减少6.58%~44.7%，平均车辆延误减少10.05%~66.67%；在平峰时段，平均排队长度减少23.86%~72.91%，平均车辆延误减少14.12%~73.79%。所提出的动态最大压力交通信号优化方法能够有效缓解路口交通拥堵现象，显著降低车辆排队长度和延误时间，提升路网整体吞吐能力，可为智能交通信号控制系统发展提供新思路和技术支持。

为了提升高速避障与超车场景的决策安全性，针对现有深度强化学习(Deep Reinforcement Learning, DRL)仅基于短时观测状态进行决策，且缺乏对周围交通参与者的轨迹预测，从而导致决策缺乏安全性的局限，提出一种融合预测信息的深度强化学习驾驶决策方法。首先，构建基于时空Transformer的交互式轨迹预测模块，其融合空间注意力机制与时间卷积网络以提取多车交互特征，并预测周车未来轨迹。结合预测结果构建了动态行驶风险场，实现了对潜在碰撞风险和长时域驾驶安全性的量化评估。其次，设计融合轨迹预测信息的深度强化学习驾驶行为决策框架，将预测轨迹显式引入状态空间，并通过LSTM提取时序特征以优化Actor-Critic网络。同时，基于动态行驶风险场构建了安全奖励函数并引入可解释的安全约束机制，以提升决策安全性。最后，基于CARLA仿真平台和自主搭建的硬件在环台架开展试验。结果表明：所提出的融合轨迹预测信息的信赖域策略优化算法(Trust Region Policy Optimization with Trajectory Prediction Information, TRPO-P)在安全性和通行效率方面，相较于基准强化学习算法分别提升了14.80%和6.39%，验证了该决策方法在复杂动态高速公路驾驶场景中提高车辆安全性与道路通行效率的有效性。

驾驶人疲劳是诱发交通事故的主要原因之一，全球约20%的交通事故与驾驶疲劳直接相关，这对道路交通安全造成了严重威胁。现有基于视觉的疲劳检测方法易受车内外光照变化、眼睛遮挡及驾驶人头部姿态等因素干扰，从而影响检测准确性；而基于脑电、肌电等生理信号的检测方法虽然准确性较高，但需要佩戴电极等设备，具有一定的侵入性和不便性，容易对驾驶人造成不适，限制了其在实际驾驶环境中的推广。以智能座舱环境中的驾驶人为研究对象，聚焦疲劳状态检测精度及侵入性问题，提出了一种基于方向盘握力信号的驾驶人疲劳状态检测方法，通过柔性薄膜压力传感器阵列方向盘实现握力数据的精准采集。在驾驶人在环仿真系统中，采集了27名被试的脑电信号和方向盘握力数据，并基于脑电信号功率谱密度分析构建疲劳状态评估基准。结合主观评分量表，对握力信号数据进行疲劳状态标注，并通过显著性检验筛选出能够有效区分清醒、轻度疲劳和中度疲劳状态的6种握力特征指标。在此基础上，分别利用一维卷积神经(1D-CNN)和双向长短时记忆(Bi-LSTM)2种网络，构建并评估疲劳检测模型;进一步结合1D-CNN的局部特征提取能力和Bi-LSTM的时序建模能力，提出混合CNN-BiLSTM网络的驾驶人疲劳检测模型。研究结果表明：所提出模型的检测准确率达到96%，较1D-CNN和Bi-LSTM模型分别提高了22%和5%。该方法能够准确识别驾驶人不同的疲劳状态，为智能座舱环境下的驾驶人疲劳检测提供了新的技术方案。

路径跟踪控制面临动力学耦合、外在干扰及多执行器协同冲突等问题。轮边驱动双电机后驱车辆通过差动转向与主动前轮转向的协同控制，为解决上述问题提供了物理基础。为此，提出一种基于动态博弈理论的轮边后驱车辆复合转向控制方法。首先，基于Nash博弈理论建立轮边后驱系统与主动转向系统的非合作动态博弈模型，通过求解全局最优的控制解实现2个智能体间的协同优化。其次，在复合转向博弈控制框架下，考虑路面摩擦不确定性等有界干扰，基于动态零和博弈理论设计有限时间域鲁棒控制器。采用极小极大优化方法推导系统在干扰条件下的最优抗干扰策略，并完成闭环系统稳定性证明。硬件在环试验结果验证了所设计控制器的有效性,研究结果表明：在测试工况1下，动态博弈复合转向控制器相较于传统基于数值迭代策略设计的Nash博弈控制器，横向误差的均值和均方根值分别降低了42.98%和42.99%；在更复杂的测试工况2下，动态博弈复合转向控制器相较基于数值迭代策略设计的Nash博弈控制器，横向误差的均值和均方根值分别降低了75.50%和76.13%，显著提高了轮边后驱车辆的路径跟踪精度。通过结合Nash博弈协同优化策略与零和博弈鲁棒优化控制，为轮边后驱车辆提供了具有强鲁棒性的复合转向控制方案。

无轨化运输作为井下矿区的主要运输方式，具有行驶风险高、碰撞事故代价大的问题，在无人驾驶技术完全落地井下矿区之前，引入人机共融驾驶方法逐步提升自动驾驶系统的适应能力成为关键。针对智能矿车人机同时在环的决策控制优化及冲突消解问题，提出面向井下狭窄巷道场景的智能矿车人机共融决策优化方法。首先，针对智能矿车的自主决策控制，构建驾驶操作反演模型，实现转向操作到未来扫掠区域的直接映射，并通过实时感知巷道边界与反演结果的匹配与引导，提出决策控制一体化的巷道保持方法。然后，将人机共融驾驶决策系统建模为“人机双势能井”系统，引入调和势能井模型并结合阻抗交互机制构建融合势能井，推导并分析人机双势能井模型。同时，设计基于人工驾驶数据的势能井初始参数拟合方法，构建综合人机转向角偏移和偏移速度的人机意图冲突量化模型，基于动态窗口的冲突识别建立驾驶员在环的机器势能井参数优化机制。最后，在基于某井下矿区场景数据搭建的人机共融驾驶平台上开展了驾驶员在环对比试验，结果显示：在狭窄弯道场景下，提出的双势能井人机共融方法(DPW-O)相比于其他方法在人机意图冲突绝对值、主动力矩和处于碰撞风险区域的时间方面分别平均下降40.97%、21.2%和 36.90%；在长直道场景下，DPW-O相比于其他方法在人机冲突、主动力矩方面分别下降40.82%、47.56%。试验结果验证了DPW-O人机共融方法的可行性和利用人类驾驶员阻抗反馈实现机器势能井参数优化的能力。