[發明專利]基于彈性波和機器學習的混凝土結構缺陷檢測方法

有效

• 申請號: 201811068320.5
• 申請日: 2018-09-13
• 公開（公告）號: CN109190272B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 吳佳曄;羅技明;李科;楊森;蘇亞軍;吳波濤;常崟;王紅印;劉媛麗
• 申請（專利權）人: 四川升拓檢測技術股份有限公司
• 主分類號: G06F30/13
• 分類號: G06F30/13;G06F30/20;G06N3/02;G06N20/00
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 梁田

本發明公開了基于彈性波和機器學習的混凝土結構缺陷檢測方法，采用沖擊彈性波作為檢測媒介，利用拾取的信號特征，結合機器學習得到分析模型，進而檢測混凝土結構缺陷；信號特征主要利用其頻譜特性及頻譜累計偏移率，并建立屬性以供機器學習；通過獲取混凝土結構健全部位的信息反映混凝土力學特性的基準參數；通過對各種結構厚度、工況下健全混凝土結構、有缺陷混凝土結構進行檢測，分析信號特征屬性，建立訓練集以供機器學習并得到分析模型；利用分析模型對未知狀態的混凝土結構檢測數據進行分析，并對其分析結果進行驗證；將數據和驗證結果做成示例再補充到訓練集，后續不斷重復以上步驟，優化分析模型，提高精度。

技術領域

本發明涉及一種檢測方法，具體涉及一種基于彈性波和機器學習的混凝土結構缺陷檢測方法。

背景技術

混凝土結構為當今使用最廣泛且最重要的建筑、土木結構，由其像隧道襯砌這種大面積混凝土結構，在工程中作用為支撐上部結構，其直接影響到隧道施工過程和運營階段的安全，然而在施工過程中，仍然會有比如偷工減料、施工工藝落后、施工步驟錯誤或人為疏忽大意等原因導致混凝土結構出現缺陷。

對應隱蔽工程的混凝土結構，在無破壞的前提下要對混凝土結構缺陷進行無損檢測目前有較多的檢測方法，如沖擊彈性波、地質雷達、超聲波等等，然而這些測試方法均為得到某一兩個目標參數，再結合檢測人員的經驗加以判斷，檢測人員根據判斷標準再結合經驗加以判斷，給出結果很難做到判斷結果精準化，更別說智能化。

然而隨著大數據的不斷發展，人工智能已悄然進入了無損檢測行業，為了做到對混凝土結構缺陷檢測的智能、精準化，結合人工智能進行結果的分析時非常必要的，人工智能不僅可結合多個參數進行結果自動判讀，還可再現有數據基礎上繼續學習，不斷提高判讀的精確度和準確度。

發明內容

本發明所要解決的技術問題是：混凝土結構缺陷檢測精度和準確度低的問題，本發明提供了解決上述問題的基于彈性波和機器學習的混凝土結構缺陷檢測方法。

本發明通過下述技術方案實現：

基于彈性波和機器學習的混凝土結構缺陷檢測方法，其特征在于，主要包括以下步驟：

A、采用沖擊彈性波作為檢測媒介，對測試對象的混凝土結構，通過獲取健全部位的信號，作為反映混凝土力學特性的基準參數；

B、利用信號的頻譜特性及頻譜累計偏移率得到信號特征，并建立信號特征屬性；

C、通過對各種結構厚度、工況下健全混凝土結構、有缺陷混凝土結構進行檢測，分析信號特征屬性，建立訓練集以供機器學習并得到分析模型；

D、利用分析模型對未知狀態的混凝土結構檢測數據進行分析，并對其分析結果進行驗證；

E、將數據和驗證結果做成示例再補充到訓練集，進而優化分析模型；

F、重復步驟A～C，不斷優化分析模型，提高預測精度。

采用沖擊彈性波作為檢測媒介，利用拾取的信號特征，結合機器學習得到分析模型，進而檢測混凝土結構缺陷；信號特征主要利用其頻譜特性及頻譜累計偏移率，并建立屬性以供機器學習；對作為測試對象的混凝土結構，通過獲取健全部位的信息，作為反映混凝土力學特性的基準參數；通過對各種結構厚度、工況下健全混凝土結構、有缺陷混凝土結構進行檢測，分析信號特征屬性，建立訓練集以供機器學習并得到分析模型；利用分析模型對未知狀態的混凝土結構檢測數據進行分析，并對其分析結果進行驗證；將數據和驗證結果做成示例再補充到訓練集，進而優化分析模型；后續不斷重復以上步驟，優化分析模型，提高精度。

進一步的，所述步驟A中拾取信號特征的方法包括以下步驟：

A1、采集被測物，在被測物上標記檢測點，使用信號激發裝置激發信號，使信號在被測物內部傳播；