[发明专利]混凝土钢筋腐蚀状态评定方法、系统、终端及存储介质

说明书

本发明公开了一种混凝土钢筋腐蚀状态评定方法、系统、终端及存储介质，所述方法包括：在预设周期内获取混凝土钢筋的无腐蚀状态、不同腐蚀状态的标准波形图；提取所述标准波形图的分布特征；利用SVR支持向量回归的机器学习算法，训练并学习所述分布特征，得到混凝土钢筋的初始腐蚀电流密度预测值；利用所述机器学习算法的评价指标对所述初始腐蚀电流密度预测值进行评估，并得到目标腐蚀电流密度预测值。本发明提供的混凝土钢筋腐蚀状态评定方法，能够大大减小腐蚀状态检测的工作量，同时能快速准确、无损伤地检测出具体工作环境下钢筋腐蚀状态。

技术领域

本发明涉及混凝土钢筋腐蚀状态检测技术领域，具体涉及一种混凝土钢筋腐蚀状态评定方法、系统、终端及存储介质。

背景技术

混凝土中的钢筋腐蚀会导致钢筋混凝土结构物破损，是影响结构耐久性的主要影响因素之一。精准的混凝土构件内部钢筋腐蚀状态的评定结果可以作为混凝土结构的维护和维修的依据，使其能够更好保证混凝土构件的安全性和耐久性。因此从经济和安全的角度考虑，应尽早诊断出钢筋的腐蚀区域，便于维护工作。

在进行腐蚀检测过程中，由于传输线路埋在混凝土结构中，往往导致检测工作量大，受外界因素影响大，且在施工过程中容易损坏。为了缓解上述问题，目前较为成熟的非破损检测方法主要集中在半电位法、混凝土电阻法等，通过测定钢筋混凝土腐蚀体系的电化学特性来确定混凝土中钢筋的腐蚀程度或腐蚀速度。但是这类检测方法仍存在测量周期长、操作复杂、腐蚀环境单一等问题。

发明内容

本发明的目的在于提供一种混凝土钢筋腐蚀状态评定方法、系统、终端及存储介质，该方法能够解决现有检测方法中存在的测量周期长、操作复杂、腐蚀环境单一的技术问题。

为了克服上述现有技术中的缺陷，本发明提供了一种混凝土钢筋腐蚀状态评定方法，包括：

在预设周期内获取混凝土钢筋的无腐蚀状态、不同腐蚀状态的标准波形图；

提取所述标准波形图的分布特征；

利用SVR支持向量回归的机器学习算法，训练并学习所述分布特征，得到混凝土钢筋的初始腐蚀电流密度预测值；

利用所述机器学习算法的评价指标对所述初始腐蚀电流密度预测值进行评估，并得到目标腐蚀电流密度预测值。

进一步地，所述标准波形图的分布特征，包括所述标准波形图的平均值、峰值、均方根、标准值、偏度、频带功率及波峰因数。

进一步地，所述利用SVR支持向量回归的机器学习算法，训练并学习所述分布特征，得到混凝土钢筋的初始腐蚀电流密度预测值，包括：

根据所述标准波形图的平均值、峰值、均方根、频带功率及波峰因数建立训练样本集，并建立与所述训练样本集对应的实际腐蚀电流密度数据集；

建立关于所述训练样本集的目标函数，所述目标函数无限趋于实际腐蚀电流密度数据；

利用SVR支持向量回归的机器学习算法，以所述目标函数为中心建立预设宽度的隔离带；

将落入所述隔离带中的训练样本作为目标样本并进行整合，得到扫描信号强度与腐蚀电流密度的映射关系，根据所述映射关系得到所述初始腐蚀电流密度预测值。

进一步地，所述利用所述机器学习算法的评价指标对所述初始腐蚀电流密度预测值进行评估，并得到目标腐蚀电流密度预测值，包括：

获取所述评价指标的计算公式：

其中，y′为初始腐蚀电流密度预测值，y为实际腐蚀电流密度，n为预测数值的总个数；

当MAPE＜10时，将所述初始腐蚀电流密度预测值作为所述目标腐蚀电流密度预测值。