[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

摘要

本发明提供了一种基于支持向量机的桩身缺陷严重程度自动识别方法，对多根缺陷桩基进行超声波透射法检测，对各测点的超声检测信号的特征参量进行了提取，并对各测点的缺陷严重程度进行了标识，获得了若干组不同特征参量组合的数据样本，然后利用支持向量机针对不同的特征参量组合的数据样本进行训练得到了识别模型，利用识别模型对工程桩的声波透射法检测数据进行桩身缺陷严重程度识别验证。本发明可对声波透射法桩基完整性检测的数据进行快速的自动识别，得到桩身各测点的缺陷严重程度，且准确性更高。

主权项

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pv,i，其中式中：vi——第i个测点的声速；vm——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δA,i，其中δA,i＝Ai‑Am  (3)式中：Am——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；Ai——第i个测点相对波幅值；3)测点信号能量与最大能量之比pE,i，其中式中：Ei——第i个测点信号的能量；Emax——最大测点信号能量；4)第i节点上最大的相对能量MaxTi，以及第i节点上，最大相对能量MaxTi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；Tj，i为第j分解层第i个节点的信号相对能量；Ej，i表示第j层的第i个节点的重构信号对应的能量；Ej为第j层的总能量；j＝0，1，2，…，n，n为分解层数；i＝0，1，2，…，2j‑1；