[发明专利]基于支持向量机的桩身缺陷严重程度自动识别方法

权利要求书

1.一种基于支持向量机的桩身缺陷严重程度自动识别方法，其特征在于，包括：采用支持向量机的分析方法对多个不同的特征参量组合的数据样本进行了训练和验证后得到的识别模型，利用识别模型对桩基完整性检测的桩身各测点的缺陷严重程度进行识别；

所述特征参量包括：

1)测点波速与平均波速之比p_v，i，其中

式中：v_i-第i个测点的声速；

v_m-根据《建筑基桩检测技术规范(JGJ106-2014)》计算的声速平均值；

2)测点波幅与平均波幅之差δ_A，i，其中

δ_A，i＝A_i-A_m (3)

式中：A_m-根据《超声法检测混凝土缺陷技术规程(CECS 21：2000)》计算的波幅平均值；

A_i——第i个测点相对波幅值；

3)测点信号能量与最大能量之比p_E，i，其中

式中：E_i——第i个测点信号的能量；

E_max-最大测点信号能量；

4)第i节点上最大的相对能量MaxT_i，以及第i节点上，最大相对能量MaxT_i所对应的分解层序号；

其中，相对能量T为超声检测信号经过小波包分解提取的n个不同分解层的多个节点上的信号相对能量；T_j，i为第j分解层第i个节点的信号相对能量；E_j，i表示第j层的第i个节点的重构信号对应的能量；E_j为第j层的总能量；

j＝0，1，2，...，n，n为分解层数；i＝0，1，2，...，2^j-1；

2.根据权利要求1所述的桩身缺陷严重程度自动识别方法，其特征在于，还包括：对多根缺陷桩基进行超声波透射法检测，从桩身各测点的超声检测信号中提取所述特征参量并对其缺陷严重程度进行标识，进而获得所述特征参量的数据样本，采用支持向量机的分析方法对数据样本进行了训练和验证后得到的识别模型。

3.根据权利要求1所述的桩身缺陷严重程度自动识别方法，其特征在于，所述支持向量机的分析方法为：

采用LibSVM工具包，利用工具包中的相关函数对特征参量的数据样本进行训练和验证，得到识别桩基完整性检测的桩身缺陷严重程度的模型文件，然后利用该模型文件，使用LibSVM工具包的预测函数，输入工程桩桩身各测点的特征参量，对各测点的缺陷严重程度进行自动识别。

4.根据权利要求1所述的桩身缺陷严重程度自动识别方法，其特征在于，训练和验证时，利用若干种不同的寻找最优参数的方法得到最优惩罚因子及核函数的γ值，然后分别使用多项式核函数、径向基核函数进行训练与预测，得到不同的训练与预测结果，选取预测结果最优的寻找最优参数的方法和核函数构建所述识别模型。

5.根据权利要求1所述的桩身缺陷严重程度自动识别方法，其特征在于，利用多项式核函数或者径向基核函数对所述数据样本进行训练及预测。