[發(fā)明專利]混凝土界面脫粘檢測方法、裝置、電子設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202310397748.9
• 申請日: 2023-04-14
• 公開（公告）號: CN116429886A
• 公開（公告）日: 2023-07-14
• 發(fā)明（設(shè)計）人: 喬丕忠;廖智威;陸林軍
• 申請（專利權(quán)）人: 上海交通大學(xué)設(shè)計研究總院有限公司
• 主分類號: G01N29/04
• 分類號: G01N29/04;G01N29/44
• 代理公司: 上海伯瑞杰知識產(chǎn)權(quán)代理有限公司 31227
• 代理人: 孟旭彤

1.一種混凝土界面脫粘檢測方法，其特征在于，所述方法包括：

獲取源結(jié)構(gòu)和目標結(jié)構(gòu)，所述源結(jié)構(gòu)為提供脫粘檢測診斷知識的結(jié)構(gòu)，所述目標結(jié)構(gòu)為待檢測結(jié)構(gòu)；

對所述源結(jié)構(gòu)和目標結(jié)構(gòu)的導(dǎo)波信號進行小波變換的時頻域信息提取；

基于所述時頻域信息構(gòu)建并獲取基于域自適應(yīng)領(lǐng)域的人工神經(jīng)網(wǎng)絡(luò)，并通過所述人工神經(jīng)網(wǎng)絡(luò)對源模型進行特征學(xué)習(xí)和參數(shù)優(yōu)化，以獲取源結(jié)構(gòu)結(jié)果預(yù)測網(wǎng)絡(luò)；

基于所述域自適應(yīng)領(lǐng)域中一對數(shù)據(jù)空間的對抗對齊和統(tǒng)計對齊，對目標模型進行引導(dǎo)式對抗自適應(yīng)訓(xùn)練，以獲取目標結(jié)構(gòu)特征提取網(wǎng)絡(luò)；

將所述源結(jié)構(gòu)結(jié)果預(yù)測網(wǎng)絡(luò)與目標結(jié)構(gòu)特征提取網(wǎng)絡(luò)進行組合，以完成待檢測結(jié)構(gòu)導(dǎo)波信號的脫粘診斷。

2.根據(jù)權(quán)利要求1所述的混凝土界面脫粘檢測方法，其特征在于，所述源結(jié)構(gòu)的脫粘診斷知識多于所述目標結(jié)構(gòu)需要的脫粘診斷知識，所述獲取源結(jié)構(gòu)和目標結(jié)構(gòu)，包括：

在已知脫粘狀態(tài)的混凝土結(jié)構(gòu)上進行波傳播試驗以獲取對應(yīng)的第一導(dǎo)波信號，并基于所述第一導(dǎo)波信號和已知脫粘狀態(tài)獲取所述源結(jié)構(gòu)；

在所述目標結(jié)構(gòu)上進行波傳播試驗以獲取所述目標結(jié)構(gòu)的第二導(dǎo)波信號，所述第二導(dǎo)波信號用于確定所述目標結(jié)構(gòu)的脫粘狀態(tài)。

3.根據(jù)權(quán)利要求1所述的混凝土界面脫粘檢測方法，其特征在于，所述對所述源結(jié)構(gòu)和目標結(jié)構(gòu)的導(dǎo)波信號進行小波變換的時頻域信息提取，包括：

通過Morlet小波的小波基函數(shù)進行連續(xù)小波變換，且小波類型在對應(yīng)時頻域內(nèi)與所述導(dǎo)波信號具有相關(guān)性；

通過編寫Python腳本調(diào)整所述小波變換的輸出頻譜的尺度為同一量級，以適應(yīng)所述人工神經(jīng)網(wǎng)絡(luò)的特征分析。

4.根據(jù)權(quán)利要求1所述的混凝土界面脫粘檢測方法，其特征在于，所述源模型包括源結(jié)構(gòu)特征提取網(wǎng)絡(luò)和源結(jié)構(gòu)結(jié)果預(yù)測網(wǎng)絡(luò)，且所述源結(jié)構(gòu)特征提取網(wǎng)絡(luò)采用卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)，以適配二維卷積核的卷積神經(jīng)網(wǎng)絡(luò)骨架層，所述源結(jié)構(gòu)結(jié)果預(yù)測網(wǎng)絡(luò)采用全連接網(wǎng)絡(luò)架構(gòu)；

所述基于所述時頻域信息構(gòu)建并獲取基于域自適應(yīng)領(lǐng)域的人工神經(jīng)網(wǎng)絡(luò)，并通過所述人工神經(jīng)網(wǎng)絡(luò)對源模型進行特征學(xué)習(xí)和參數(shù)優(yōu)化，以獲取源結(jié)構(gòu)結(jié)果預(yù)測網(wǎng)絡(luò)，包括：

通過所述人工神經(jīng)網(wǎng)絡(luò)對所述卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)進行特征學(xué)習(xí)和參數(shù)優(yōu)化，以獲取所述源結(jié)構(gòu)特征提取網(wǎng)絡(luò)；

通過所述源結(jié)構(gòu)特征提取網(wǎng)絡(luò)對所述目標結(jié)構(gòu)進行特征提取，以獲取待分析特征；

通過所述全連接網(wǎng)絡(luò)架構(gòu)構(gòu)建的全連接層對所述待分析特征進行特征分析和分析結(jié)果輸出。

5.根據(jù)權(quán)利要求4所述的混凝土界面脫粘檢測方法，其特征在于，所述基于所述時頻域信息構(gòu)建并獲取基于域自適應(yīng)領(lǐng)域的人工神經(jīng)網(wǎng)絡(luò)，并通過所述人工神經(jīng)網(wǎng)絡(luò)對源模型進行特征學(xué)習(xí)和參數(shù)優(yōu)化，以獲取源結(jié)構(gòu)結(jié)果預(yù)測網(wǎng)絡(luò)，還包括：

通過有監(jiān)督模型訓(xùn)練對所述源模型進行特征學(xué)習(xí)和參數(shù)優(yōu)化，并將所述源模型的初始參數(shù)作為已完成模型訓(xùn)練的源模型網(wǎng)絡(luò)參數(shù)對所述源模型進行訓(xùn)練；

基于反向傳播和梯度下降法最小化損失函數(shù)，以使所述源模型學(xué)習(xí)到所述源結(jié)構(gòu)的數(shù)據(jù)的空間分布和映射關(guān)系。

6.根據(jù)權(quán)利要求5所述的混凝土界面脫粘檢測方法，其特征在于，所述基于所述域自適應(yīng)領(lǐng)域中一對數(shù)據(jù)空間的對抗對齊和統(tǒng)計對齊，對目標模型進行引導(dǎo)式對抗自適應(yīng)訓(xùn)練，以獲取目標結(jié)構(gòu)特征提取網(wǎng)絡(luò)，包括：

通過判別所述源結(jié)構(gòu)特征提取網(wǎng)絡(luò)和目標結(jié)構(gòu)特征提取網(wǎng)絡(luò)的域標簽獲取混淆標簽，并通過所述混淆標簽使所述目標結(jié)構(gòu)特征提取網(wǎng)絡(luò)具有與所述源結(jié)構(gòu)特征提取網(wǎng)絡(luò)一致的數(shù)據(jù)分布結(jié)構(gòu)；

獲取所述源結(jié)構(gòu)特征提取網(wǎng)絡(luò)和目標結(jié)構(gòu)特征提取網(wǎng)絡(luò)的最大均值差異，并通過梯度下降法最小化所述最大均值差異，以使所述目標結(jié)構(gòu)特征提取網(wǎng)絡(luò)與所述源結(jié)構(gòu)特征提取網(wǎng)絡(luò)具有統(tǒng)計相似性。

7.根據(jù)權(quán)利要求4至6任一項所述的混凝土界面脫粘檢測方法，其特征在于，所述目標模型特征提取網(wǎng)絡(luò)與所述源模型特征提取網(wǎng)絡(luò)采用同一架構(gòu)。