[发明专利]一种基于冲击回波信号的隧道衬砌脱空检测方法及系统

说明书

本发明涉及隧道工程检测技术领域，提供了一种基于冲击回波信号的隧道衬砌脱空检测方法及系统，包括：获取待测隧道衬砌的冲击回波信号；对冲击回波信号分别提取时域特征、频域特征以及时‑频域特征；对时域特征、频域特征以及时‑频域特征进行标准化后，采用第一神经网络进行进一步特征提取；对冲击回波信号，采用第二神经网络提取信号前后时序关系的特征；根据第一神经网络输出的特征和所述信号前后时序关系的特征，通过特征融合部分得到待测隧道衬砌是否存在脱空的结果。不损失信号的有用分量及特征信息，有效提高了冲击回波法对隧道衬砌是否存在脱空的识别准确率。

技术领域

本发明属于隧道工程检测技术领域，尤其涉及一种基于冲击回波信号的隧道衬砌脱空检测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

由于目前冲击回波法在进行隧道衬砌脱空检测时，通常采用傅里叶变换求解出振动信号的频谱特征，再根据缺陷主频和表观速度分析计算衬砌是否存在空洞。但由于实际的冲击回波信号并不是平稳信号，使得傅里叶变换频谱中常出现多重峰值，此外还会出现虚假频率和多余分量，导致检测结果干扰较大，容易出现误判。

随着数据信息处理技术和人工智能技术的迅猛发展，相关研究也将深度学习应用到了衬砌检测冲击回波法信号的处理中，但目前主要是将冲击回波信号时序振动数据转换为图像数据，然后利用单一的二维卷积神经网络模型进行训练及分类识别，在转换过程中会损失较多的有用信息，且对于振动信号的前后时序关系也未有考虑，因此处理结果的可靠性及准确率有限，且智能化程度不高，容易受数据处理人员主观经验的影响。

发明内容

为了解决上述背景技术中存在的技术问题，本发明提供一种基于冲击回波信号的隧道衬砌脱空检测方法及系统，同时采用不同的神经网络模型处理冲击回波法振动时序信号的不同特征，不损失信号的有用分量及特征信息，有效提高了冲击回波法对隧道衬砌是否存在脱空的识别准确率。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供一种基于冲击回波信号的隧道衬砌脱空检测方法，其包括：

获取待测隧道衬砌的冲击回波信号；

对冲击回波信号分别提取时域特征、频域特征以及时-频域特征；

对时域特征、频域特征以及时-频域特征进行标准化后，采用第一神经网络进行进一步特征提取；

对冲击回波信号，采用第二神经网络提取信号前后时序关系的特征；

根据第一神经网络输出的特征和所述信号前后时序关系的特征，通过特征融合部分得到待测隧道衬砌是否存在脱空的结果。

进一步地，所述时域特征包括对所述冲击回波信号在时间域中提取的振幅均方根值、峰值因子、峭度指标、脉冲指标、波形因子和裕度系数。

进一步地，所述频域特征包括对所述冲击回波信号，利用傅里叶变换提取的主频、频谱质心、频率带宽、频率均方根和频谱波峰数。

进一步地，所述时-频域特征包括对所述冲击回波信号，利用VMD-HHT变换提取信号的瞬时频率、瞬时包络、瞬时相位、边际谱频率。

进一步地，所述VMD-HHT变换以模糊熵和相关系数为基础建立遗传算法的目标函数，利用遗传算法寻找最优的变分模态分解的参数，以得到冲击回波信号的各有效分量，然后对各有效分量进行希尔伯特变换，提取有效分量的时-频域特征。

进一步地，所述第一神经网络、第二神经网络和特征融合部分构成隧道衬砌脱空检测模型，用于训练所述隧道衬砌脱空检测模型的数据集包括：通过对不同工况的衬砌模型进行冲击回波信号采集得到的原始数据集、以及对原始数据集进行数据增强得到的扩充数据集。

进一步地，所述数据增强包括：