[发明专利]一种基于声振信号深度学习的混凝土结构内部缺陷成像系统与方法

说明书

一种基于声振信号深度学习的混凝土结构内部缺陷成像系统，基于智能电动车，检测设备包括信号发生与声场拾音装置、分析处理模块以及远程操作系统等，当电动车在混凝土板表面行走时，信号发生装置连续对混凝土板面进行冲击使得板面附近形成声波场时域信号利用声场拾音装置接收，采样形成声波场数字信号；对采样信号进行滤波处理后利用自动检测模块中以训练好的分类器对数据进行实时检测，经过对混凝土板面的全域检测，最终在缺陷成像模块中进行缺陷成像。本发明具有对混凝土结构内部缺陷位置进行实时、高效和准确的检测与定位等特点。通过缺陷成像便于工程人员准确的掌握混凝土结构内部缺陷位置并对其进行修复，防止产生更大的危害与经济损失。

技术领域

本发明属于利用深度学习对混凝土结构内部缺陷进行检测的技术领域，可用于混凝土内部缺陷的快速无损检测与缺陷成像，特别涉及一种混凝土结构内部缺陷成像系统与方法。

技术背景

近年来以混凝土为建筑材料的基础设施得到大量的修建，由于环境因素和长期交通荷载的影响下，混凝土结构不断的退化，分层和空洞为混凝土结构最常见的两个问题。我国每年都要投入大量的资金来改善结构状况来维持它的寿命。准确有效的结构评估有助于工程人员做出正确的维护决策，降低维修成本。由于是内部缺陷无法从表面直接观察，因此研究者提出了许多针对混凝土结构内部缺陷的检测方法与技术。

采用冲击回波的对混凝土板进行损伤检测的方法已被一些学者研究，为了提高对板的检测效率，一些自动检测系统与方法被提出。Jinying Zhu利用球链作为冲击源的自动检测系统对板面进行冲击，收集不同区域的信号经过短时傅里叶变换后求其能量值对板面进行损伤成像。这种方法存在的问题是链球在拖拽过程中，与板面的冲击响应较小且摩擦过大导致信噪比过小。Gang Zhang等人设计了一种自动分层检测系统来收集板面冲击信号，并采用神经网络对梅尔频率倒谱系数作为分层特征进行检测。这种方法存在的问题是他的自动检测系统需要人力推动检测车，但人为因素的干扰容易导致检测精确度不高。为了解决以上方法的不足，设计寻找一种可以实现高效准确的对混凝土结构内部损伤的检测系统与技术变得重要。

发明内容

为了克服现有技术的缺点，本发明的目的是提供一种基于声振信号深度学习的混凝土结构内部缺陷成像系统与方法，可以用于对结构内部缺陷位置进行实时、高效和准确的检测与定位。以便对缺陷所处位置进行精准修复。本发明基于声学方法对混凝土结构内部缺陷进行快速无损检测，通过信号发生与采集装置对冲击源作用于混凝土表面产生的信号进行收集。麦克风传感器连接信号适调器对麦克风进行供电并对信号进行调节与放大。然后与信号采集仪相连，信号可以通过信号采集仪将数据实时传输至远程控制装置中，对收集到含有缺陷的自制混凝土结构的一维振动信号输入到神经网络中进行训练得到一个训练模型。因为神经网络可以自动提取并学习不同区域的声振信号来达到对不同信号状态的分类，最后利用训练好的模型可以实现对其他未知缺陷位置的混凝土结构进行快速准确的内部缺陷实时在线检测。

为了实现上述目的，本发明的技术方案是：

一种基于声振信号深度学习的混凝土结构内部缺陷成像系统，设置于智能电动车设备上。

所述检测设备包括：

信号发生与声场拾音装置，用于电动车在混凝土板表面行走的过程中用拾音装置收集信号发生装置产生冲击声振时域信号。

信号调理模块，用于对拾音设备供电，并对拾取的声振时域信号调理处理与放大，以便于信号的传输。

数据采集模块，用于同步采集由信号调理模块传输的不同冲击位置相关的声振时域信号。

远程操作系统，包括信号处理模块，神经网络学习模块，自动检测模块与缺陷成像模块。用于对被采集的数据进行进一步的分析处理。