混凝土缺陷智能化檢測與定量識別方法技術

本發明專利技術公開一種混凝土缺陷智能化檢測與定量識別方法，通過對混凝土試件的沖擊回波信號樣本采集以及信號降噪處理和特征值提取，構建出包括特征提取、缺陷檢查、缺陷診斷以及缺陷定量和定位這幾個分析組件的識別模型，通過該模型對待測混凝土進行檢測識別；本發明專利技術針對現有混凝土缺陷檢測技術的不足，在理論分析、數值模擬和模型試驗的基礎上，應用先進的信號處理和人工智能技術，充分挖掘測試信號特征信息，由此建立了基于小波分析和極限學習機的混凝土缺陷智能化快速檢測與分類識別模型，該模型具有較好的分類識別性能，實現了對混凝土缺陷類型、性質和范圍的智能化快速定量識別與評價，進一步提升了混凝土缺陷無損檢測技術創新與應用水平。

【技術實現步驟摘要】

本專利技術涉及混凝土無損檢測
，具體是一種混凝土缺陷智能化檢測與定量識別方法。
技術介紹
混凝土是建設工程中使用最為普遍的結構材料之一，混凝土內部缺陷的存在往往會嚴重影響結構的承載力和耐久性。如何探測混凝土結構內部缺陷，并對缺陷的性質、位置及范圍給予正確的識別和評價，成為當前的技術難點，也是國內外工程界和學術界共同關注的焦點。因此，為了能準確、客觀、全面和快捷的對工程實體質量進行診斷和評估，有必要深入開展混凝土缺陷無損檢測與快速評價技術的研究。目前,混凝土缺陷無損檢測的技術主要有超聲脈沖、沖擊回波以及探測雷達技術等。其中，在工程上被廣泛應用并制定國家或行業技術標準的，目前只有超聲脈沖法。超聲波法具有測試穿透能力強，適應性好，操作方便及測試效率高等優點；但是，由于超聲波法在測點布置上存在需要具備兩個對測面的限制以及混凝土對高頻超聲波的強吸收和各向異性問等題，目前超聲波法對混凝土缺陷檢測的應用范圍有限且精度不高，尚處于定性檢測階段。此外，探地雷達雖可以單面測試，但其發射的是電磁波，測試結果受內部配筋的影響較大。混凝土缺陷檢測與識別主要依賴于對測試信號的有效處理。當前對測試信號常用的處理方法是快速傅立葉變換。然而傅立葉變換作為一種處理平穩信號的時、頻域單參數方法，分析具有典型非平穩特征的缺陷檢測信號將表現出本質的不足，這在很大程度上限制了無損檢測技術的發展。混凝土缺陷檢測與識別是建立在混凝土的某些性能特征與測試物理參量之間相關關系的基礎上的，因而是一個復雜的模式識別問題。由于受到試驗條件及材料性能等眾多因素的影響，這種相關關系將表現出較為復雜的非線性特性，往往是一種復雜的非線性映射關系。而目前普遍采用的統計回歸方法，是用確定的表達式來描述這種復雜的非線性關系，顯然很難得到較好的逼近精度。同時，目前對測試信號的解釋還是依靠專業技術人員通過人工手段進行分析和判別，當測試數據量很大時，在有限的時間內，人工方法將難以完成對測試信號的全面分析與判別工作，且分析結果受人為因素影響較大。這些都給最終快速、準確評價混凝土結構質量狀況帶來困難，評價結果的效率及可靠性難以保證。近年來，數據信息處理技術和人工智能技術的不斷發展，為解決上述問題提供了有效途徑。如專家系統、人工神經網絡、支持向量機、極限學習機等均具有很強的非線性映射能力，特別適合于非線性模式識別，但目前的應用大都是通過簡單的模型試驗來獲得訓練樣本，加之人工神經網絡等算法自身存在泛化能力差以及對小樣本測試環境的適應性弱等局限性，這在很大程度上影響了應用人工智能進行混凝土缺陷分類識別的有效性。
技術實現思路
本專利技術的目的在于提供混凝土缺陷智能化檢測與定量識別方法，該方法能夠實現對混凝土缺陷類型、性質和范圍的智能化快速定量識別與評價，進一步提升混凝土缺陷無損檢測技術創新與應用水平。本專利技術解決其技術問題所采用的技術方案是：混凝土缺陷智能化檢測與定量識別方法，包括以下步驟：a) 信號樣本采集；采集一系列混凝土模型試件的沖擊回波信號，混凝土模型試件包括有各種類型質量缺陷以及質量正常的試件；b) 信號降噪處理；對采集的信號通過小波分解并對小波分解系數作用閾值，除去高頻噪聲分量，然后進行小波信號重構，得到降噪后的沖擊回波信號；c) 信號特征提取；將降噪處理后的沖擊回波信號通過小波正交分解到不同層次的頻帶內，計算分解頻帶的特征值，構成混凝土測試信號特征參數數據庫；d) 構建分類識別模型；利用取得的混凝土測試信號特征參數數據庫，建立基于小波分析和極限學習機的混凝土缺陷智能化快速檢測與定量分類識別模型，并采用魯棒性交叉驗證法來訓練和驗證所述分類識別模型；e)獲取待檢測混凝土的沖擊回波信號，并將該沖擊回波信號輸入建立的分類識別模型中，通過分類識別模型進行信號特征提取、缺陷檢查、診斷并輸出識別結果。進一步的，所述步驟b中采用4階Symlets小波函數作為小波分解的基函數，同時采用自適應尺度的閾值量化，閾值門限的選取跟隨小波分解的細節部分在各尺度上噪聲統計特性的變化而變化。進一步的，所述步驟c中的信號特征提取是選擇步驟b中小波分解后包含表征分類模式信息的三個基礎分量，分別從小波系數、重構波形和重構波頻譜計算特征值。進一步的，所述步驟d中建立的分類識別模型是使用極限學習機作為分類器，并應用五折交叉驗證方法來訓練、驗證該分類識別模型以及評價該分類識別模型的分類識別性能，該分類識別模型包括特征提取、缺陷檢查、缺陷診斷以及缺陷定量與定位四個分析組件。本專利技術的有益效果是：一、在信號樣本采集方面，本專利技術根據土木工程中混凝土結構常見的質量缺陷，制作一系列含有不同類型和性質缺陷，例如空洞、裂縫、非密實體以及質量正常的混凝土模型試件，測試方法采用新近興起的具有適合單面檢測、檢測深度大、受混凝土材料及結構狀況差異性影響較小等優點的沖擊回波法，同時，結合有限元建模，對復雜缺陷情況進行了數值模擬，這不僅為建立混凝土缺陷智能化快速檢測與定量分類識別模型提供了豐富而具有代表性的訓練樣本，而且通過模型實驗和數值模擬，深入研究了沖擊應力波在混凝土中傳播的基本特性及影響因素，極大地提高了測試信號樣本采集的有效性；二、在信號降噪處理方面，小波信號降噪的關鍵是選定合適的小波基函數和閾值，本專利技術應用了具有較強時域和頻域局部化能力的4階Symlets小波函數作為小波分解的基函數，同時采用了自適應尺度的閾值量化，其閾值門限的選取將根據小波分解的細節部分在不同尺度上噪聲的統計特性的不同而不同，較之傳統的固定閾值及其它閾值降噪，具有更好降噪效果；三、在信號特征提取方面，本專利技術基于沖擊回波可視化分析，應用Shannon熵標準和Sym4小波基對降噪后的沖擊回波信號進行4層小波分解，得到8個頻段的分解系數，選擇其中包含表征分類模式信息的三個基礎分量，分別從小波系數、重構波形和重構波頻譜這幾個方面計算特征值，得到31個特征值，較之已有的相關研究文獻，本專利技術在多尺度分辨空間中提取了較為全面而豐富的缺陷信號的特征值，為實現對混凝土缺陷的類型、性質和范圍的定量識別提供了更加充分和有效的特征信息；四、在分類器設計方面，本專利技術使用了新近發展起來的極限學習機作為分類模型，與傳統的人工神經網絡等其它追求樣本趨于無窮的分類算法相比，該機器學習方法不僅結構簡單，而且具有訓練參數少、學習速度快和泛化性能好等優點，尤其在小樣本模式分類方面具有突出的優勢，因此特別適合本專利技術中的分類建模問題。綜上所述，混凝土缺陷檢測與識別是一個復雜的模式識別問題，采用常規的統計回歸方法很難實現信號特征參量與缺陷狀態之間較為復雜的非線性映射關系，同時分析結果受人為因素影響較大。此外，現有文獻中提出的一些諸如基于專家系統、人工神經網絡、支持向量機等方法的人工智能分類識別算法，目前的應用大都是通過簡單的模型試驗來獲得訓練樣本，加之這些追求樣本趨于無窮的分類算法自身存在泛化能力差以及對小樣本測試環境的適應性弱等局限性，在很大程度上影響了混凝土缺陷分類識別的有效性。目前混凝土缺陷無損檢測總體上仍處在定性階段，且效率與精度均不夠理想。本專利技術針對現有的混凝土缺陷無損檢測技術的不足，應用先進的信號處理和人工智能技術，在充分挖掘檢測數據信息、有效地提取缺陷特征值的基礎上，建立了基于小波分析和極本文檔來自技高網...

【技術保護點】
混凝土缺陷智能化檢測與定量識別方法，其特征在于，所述方法包括以下步驟：a)?信號樣本采集；采集一系列混凝土模型試件的沖擊回波信號，混凝土模型試件包括有各種類型質量缺陷以及質量正常的試件；b)?信號降噪處理；對采集的信號通過小波分解并對小波分解系數作用閾值，除去高頻噪聲分量，然后進行小波信號重構，得到降噪后的沖擊回波信號；c)?信號特征提取；將降噪處理后的沖擊回波信號通過小波正交分解到不同層次的頻帶內，計算分解頻帶的特征值，構成混凝土測試信號特征參數數據庫；d)?構建分類識別模型；利用取得的混凝土測試信號特征參數數據庫，建立基于小波分析和極限學習機的混凝土缺陷智能化快速檢測與定量分類識別模型，并采用魯棒性交叉驗證法來訓練和驗證所述分類識別模型；e)獲取待檢測混凝土的沖擊回波信號，并將該沖擊回波信號輸入建立的分類識別模型中，通過分類識別模型進行信號特征提取、缺陷檢查、診斷并輸出識別結果。

【技術特征摘要】
1.混凝土缺陷智能化檢測與定量識別方法，其特征在于，所述方法包括以下步驟：a) 信號樣本采集；采集一系列混凝土模型試件的沖擊回波信號，混凝土模型試件包括有各種類型質量缺陷以及質量正常的試件；b) 信號降噪處理；對采集的信號通過小波分解并對小波分解系數作用閾值，除去高頻噪聲分量，然后進行小波信號重構，得到降噪后的沖擊回波信號；c) 信號特征提取；將降噪處理后的沖擊回波信號通過小波正交分解到不同層次的頻帶內，計算分解頻帶的特征值，構成混凝土測試信號特征參數數據庫；d) 構建分類識別模型；利用取得的混凝土測試信號特征參數數據庫，建立基于小波分析和極限學習機的混凝土缺陷智能化快速檢測與定量分類識別模型，并采用魯棒性交叉驗證法來訓練和驗證所述分類識別模型；e)獲取待檢測混凝土的沖擊回波信號，并將該沖擊回波信號輸入建立的分類識別模型中，通過分類識別模型進行信號特征提...

【專利技術屬性】
技術研發人員：嚴衛中，崔德密，張景奎，呂列民，黃從斌，楊智，
申請(專利權)人：安徽省水利部淮河水利委員會水利科學研究院，
類型：發明
國別省市：安徽;34