[发明专利]隧道衬砌病害变化特征智能反演方法、系统及存储介质

说明书

本发明公开了一种隧道衬砌病害变化特征智能反演方法、系统及存储介质，包括：在多个不同的时间段对待测隧道衬砌区域进行地质雷达数据采集，获得待测隧道衬砌区域在多个时间段的B‑scan数据；分别对各个时间段的B‑scan数据进行合成孔径聚焦算法处理，对应得到聚焦B‑scan数据，形成待测隧道衬砌区域各个时间段对应的的二维B‑scan数据对；将各个时间段对应的二维B‑scan数据对分别输入训练好的神经网络模型；所述神经网络模型由时相切片反演模块和位相切片反演模块通过四维反演模块级联形成；神经网络模型输出各个时间段对应的介电常数模型，得到待测隧道衬砌区域缺陷的变化特征。本发明实现待检测区域的病害动态检测，能极大提高工作效率和反演稳定性。

技术领域

本发明属于土木工程、岩土工程和无损检测技术领域，具体涉及一种隧道衬砌病害变化特征智能反演方法、系统及存储介质。

背景技术

地质雷达(GPR)凭借其无损、高效、抗干扰水平高、穿透能力强等特点，在土木工程、岩土工程和无损检测等领域得到了广泛的应用。地质雷达作为一种能够获取地下内部信息的无损检测工具，其工作流程是在选定待检测区域之后，确定测线布设、网格尺寸、测点间距等试验参数，通过发射电磁波并接受回波来探测物体的内部结构。地质雷达以共偏移距二维剖面测量方式可以得到一张反映地下信息的B-scan数据。只针对单张B-scan数据进行检测识别，会因缺少三维空间宽度方向信息而难以对三维病害进行精准定位及定量判断，考虑到相邻道采集的地质雷达B扫描沿宽度方向具有连续性，通过处理空间内多个二维B-Scan数据，可以实现地下信息更加完整的获取与分析。

在地质雷达数据解释方面，需要专家来解释地质雷达数据中的各种地下物体，包括环境复杂性和实验噪音。此外，用肉眼分析大量地质雷达数据是一项效率低下且耗时的工作。因此，发展一种快速、准确的地下目标自动检测技术显得尤为重要。近年来，基于卷积神经网络(CNN)的方法直接从输入数据中学习特征表示得到了广泛的应用。研究人员开发了基于CNN数据解释方法，用于从GPR数据中自动检测目标。现有的基于CNN的方法进行地质雷达数据解释的主要问题是，仅针对待检测区域的某个时间状态使用单张B-scan数据进行解释分析，而没有考虑在不同时间段利用多个B-scan数据的空间特征信息来进行三维动态化的缺陷检测、目标反演等工作。

发明内容

本发明的目的就是为了解决上述背景技术存在的不足，提供一种隧道衬砌病害变化特征智能反演方法、系统及存储介质，基于级联CNN网络结构利用不同时间段的多个B-scan数据的空间特征信息，实现待检测区域的病害动态检测，能极大提高工作效率和反演稳定性。

本发明采用的技术方案是：一种隧道衬砌病害变化特征智能反演方法，包括以下步骤：

在多个不同的时间段对待测隧道衬砌区域进行地质雷达数据采集，获得待测隧道衬砌区域在多个时间段的B-scan数据；

分别对各个时间段的B-scan数据进行合成孔径聚焦算法处理，对应得到聚焦B-scan数据，由各个时间段的B-scan数据和聚焦B-scan数据组合形成待测隧道衬砌区域各个时间段对应的的二维B-scan数据对；

将各个时间段对应的二维B-scan数据对分别输入训练好的神经网络模型；所述神经网络模型由时相切片反演模块和位相切片反演模块通过“时相+位相”的四维反演模块级联形成；

神经网络模型输出各个时间段对应的介电常数模型；

通过各个时间段对应的介电常数模型获取待测区域在不同时间段的缺陷的位置和形状，得到待测隧道衬砌区域缺陷的变化特征。