[發(fā)明專利]隧道襯砌病害變化特征智能反演方法、系統(tǒng)及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202211246860.4
• 申請日: 2022-10-12
• 公開（公告）號: CN115630492A
• 公開（公告）日: 2023-01-20
• 發(fā)明（設(shè)計）人: 余飛;余紹淮;陳楚江;吳游宇;余順新;羅博仁;劉德強;徐喬
• 申請（專利權(quán)）人: 中交第二公路勘察設(shè)計研究院有限公司
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06N3/04;G06N3/08
• 代理公司: 武漢開元知識產(chǎn)權(quán)代理有限公司 42104
• 代理人: 黃行軍

1.一種隧道襯砌病害變化特征智能反演方法，其特征在于：包括以下步驟：

在多個不同的時間段對待測隧道襯砌區(qū)域進行地質(zhì)雷達數(shù)據(jù)采集，獲得待測隧道襯砌區(qū)域在多個時間段的B-scan數(shù)據(jù)；

分別對各個時間段的B-scan數(shù)據(jù)進行合成孔徑聚焦算法處理，對應(yīng)得到聚焦B-scan數(shù)據(jù)，由各個時間段的B-scan數(shù)據(jù)和聚焦B-scan數(shù)據(jù)組合形成待測隧道襯砌區(qū)域各個時間段對應(yīng)的的二維B-scan數(shù)據(jù)對；

將各個時間段對應(yīng)的二維B-scan數(shù)據(jù)對分別輸入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型；所述神經(jīng)網(wǎng)絡(luò)模型由時相切片反演模塊和位相切片反演模塊通過四維反演模塊級聯(lián)形成；

神經(jīng)網(wǎng)絡(luò)模型輸出各個時間段對應(yīng)的介電常數(shù)模型；

通過各個時間段對應(yīng)的介電常數(shù)模型獲取待測區(qū)域在不同時間段的缺陷的位置和形狀，得到待測隧道襯砌區(qū)域缺陷的變化特征。

2.根據(jù)權(quán)利要求1所述的一種隧道襯砌病害變化特征智能反演方法，其特征在于：獲得待測區(qū)域的B-scan數(shù)據(jù)后對其進行直達波去除、噪聲去除預(yù)處理操作；預(yù)處理之后，對B-scan數(shù)據(jù)進行合成孔徑聚焦算法處理。

3.根據(jù)權(quán)利要求1所述的一種隧道襯砌病害變化特征智能反演方法，其特征在于：在待測隧道襯砌區(qū)域內(nèi)均勻布設(shè)多條平行的地質(zhì)雷達測線，所述地質(zhì)雷達測線覆蓋待測隧道襯砌區(qū)域；在同一時間段通過地質(zhì)雷達采集地質(zhì)雷達測線數(shù)據(jù)，得到待測隧道襯砌區(qū)域在該時間段的B-scan數(shù)據(jù)。

4.根據(jù)權(quán)利要求3所述的一種隧道襯砌病害變化特征智能反演方法，其特征在于：地質(zhì)雷達在不同時間段對地質(zhì)雷達測線進行數(shù)據(jù)采集；地質(zhì)雷達搭載定位系統(tǒng)和測距系統(tǒng)實現(xiàn)地質(zhì)雷達測線位相的初校準(zhǔn)，調(diào)整數(shù)據(jù)采集的測線位相、網(wǎng)格尺寸和網(wǎng)格大小，使多個時間段在同一指定位置重復(fù)測量的位相信息保持一致。

5.根據(jù)權(quán)利要求1所述的一種隧道襯砌病害變化特征智能反演方法，其特征在于：神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建過程包括：

在不同的時間段對已知的隧道襯砌仿真模型進行多位置的地質(zhì)雷達數(shù)據(jù)采集；獲得已知的隧道襯砌模型的不同位置在不同時間段的B-scan數(shù)據(jù)；

對已知的隧道襯砌模型的不同位置在不同時間段的B-scan數(shù)據(jù)進行合成孔徑聚焦算法處理，得到相應(yīng)的已知的隧道襯砌模型的不同位置在不同時間段的聚焦B-scan數(shù)據(jù)；

將不同時間段的數(shù)據(jù)定義為時相序列，不同位置的數(shù)據(jù)定義為位相序列，形成已知的隧道襯砌仿真模型的二維B-scan數(shù)據(jù)對時相序列和二維B-scan數(shù)據(jù)對位相序列；

分別構(gòu)建時相切片反演模塊、位相切片反演模塊和四維反演模塊的訓(xùn)練集：

時相切片反演模塊的訓(xùn)練集的單個樣本信息包括：以前一時相二維B-scan數(shù)據(jù)對、當(dāng)前時相二維B-scan數(shù)據(jù)對和下一時相二維B-scan數(shù)據(jù)對作為輸入；以當(dāng)前相二維B-scan數(shù)據(jù)對的介電常數(shù)模型作為反演的標(biāo)簽；

位相切片反演模塊的訓(xùn)練集的單個樣本信息包括：以前一個位相二維B-scan數(shù)據(jù)對、當(dāng)前位相二維B-scan數(shù)據(jù)對、下一個位相二維B-scan數(shù)據(jù)對作為輸入，以當(dāng)前位相二維B-scan數(shù)據(jù)對的介電常數(shù)模型作為反演的標(biāo)簽；

四維反演模塊的訓(xùn)練集的單個樣本信息包括：以時相切片反演模塊的輸出和位相切片反演模塊的當(dāng)前輸出作為輸入，以當(dāng)前時相當(dāng)前位相二維B-scan數(shù)據(jù)對的介電常數(shù)模型作為反演的標(biāo)簽。

采用訓(xùn)練集對神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練。

6.根據(jù)權(quán)利要求1所述的一種隧道襯砌病害變化特征智能反演方法，其特征在于：所述時相切片反演模塊和位相切片反演模塊均采用融入聚焦成像處理分支的Unet網(wǎng)絡(luò)結(jié)構(gòu)；

時相切片反演模塊和位相切片反演模塊的編碼器模塊均采用B-scan數(shù)據(jù)、聚焦B-scan數(shù)據(jù)、介電常數(shù)模型三通道輸入，上采樣階段中將最后一次下采樣得到的數(shù)據(jù)通過卷積層后進行上采樣；將上采樣得到的數(shù)據(jù)與下采樣過程中同尺寸同通道數(shù)的B-scan數(shù)據(jù)、聚焦B-scan數(shù)據(jù)進行通道拼接，之后通過卷積層改變通道數(shù)再次進行上采樣，重復(fù)進行通道拼接、卷積、上采樣操作；共進行3次上采樣；將最后上采樣的數(shù)據(jù)通過卷積提取并融合通道特征信息，實現(xiàn)數(shù)據(jù)降維，得到輸出結(jié)果；

采用雙通道的Unet網(wǎng)絡(luò)作為四維反演模塊。