一种结合机器学习的隧道衬砌无损检测的辅助判定方法

    公开(公告)号:CN110082429A

    公开(公告)日:2019-08-02

    申请号:CN201910317985.3

    申请日:2019-04-19

    Abstract: 本发明公开了一种结合机器学习的隧道衬砌无损检测的辅助判定方法:从采集的击振信号内提取特征参数;对特征参数内的反射时间进行回归拟合,得到标定值;以得到的特征参数表示原始信号,对此组特征值进行标记,记录其缺陷情况,以此作为一条训练集;在不同的测试对象上重复步骤上述步骤,增加训练集数量;利用模型训练软件进行模型训练;通过建好的模型,对未知检测结果的数据进行解析。本发明消减了由于厚度、材质变化产生的不利影响,增加了衬砌背面的反射时间作为缺陷判定参数,可以较好地反映缺陷特征,解决了现有的检测方法受工作人员主观因素影响较大,检测准确性较差的问题,实现了提高检测精度、降低人员主观干扰,确保检测结果客观准确的效果。

    基于弹性波和机器学习的混凝土结构缺陷检测方法

    公开(公告)号:CN109190272A

    公开(公告)日:2019-01-11

    申请号:CN201811068320.5

    申请日:2018-09-13

    Abstract: 本发明公开了基于弹性波和机器学习的混凝土结构缺陷检测方法,采用冲击弹性波作为检测媒介,利用拾取的信号特征,结合机器学习得到分析模型,进而检测混凝土结构缺陷;信号特征主要利用其频谱特性及频谱累计偏移率,并建立属性以供机器学习;通过获取混凝土结构健全部位的信息反映混凝土力学特性的基准参数;通过对各种结构厚度、工况下健全混凝土结构、有缺陷混凝土结构进行检测,分析信号特征属性,建立训练集以供机器学习并得到分析模型;利用分析模型对未知状态的混凝土结构检测数据进行分析,并对其分析结果进行验证;将数据和验证结果做成示例再补充到训练集,后续不断重复以上步骤,优化分析模型,提高精度。

    一种基于机器学习提高无损检测精度的方法

    公开(公告)号:CN108491931B

    公开(公告)日:2023-12-19

    申请号:CN201810271658.4

    申请日:2018-03-29

    Abstract: 本发明公开了一种基于机器学习提高无损检测精度的方法,包括依次进行的以下步骤:A、建立人工智能基本模型,收集大量检测数据作为学习数据;B、将步骤A中收集的学习数据导入人工智能基本模型中进行训练;C、将需要分析的检测数据导入训练后的人工智能基本模型中,人工智能基本模型生成检测结果。本发明使用多个目标参数并结合被测物已知状态进行人工智能学习,利用贝叶斯网络和神经元网络作为基本模型进行建模,采用决策树方法进行分析,相比传统技术,提高了目标参数的利用,且采用人工智能(56)对比文件Biao Wu et.al.A Bayesian approach forsparse flaw detection from noisy signalsfor ultrasonic NDT《.NDT & EINTERNATIONAL》.2016,第76-85页.刘国华.声发射信号处理关键技术研究《.中国博士学位论文全文数据库》.2008,第I140-39页.刘国华.声发射信号处理关键技术研究《.中国博士学位论文全文数据库》.2008,第I140-39页.

    落球式岩土材料力学特性的现场测试系统

    公开(公告)号:CN111521496B

    公开(公告)日:2023-11-03

    申请号:CN202010566458.9

    申请日:2020-06-19

    Abstract: 本发明公开了落球式岩土材料力学特性的现场测试系统,包括:被配置为内置加速度传感器(2)的自由落体物,被配置为计算岩土材料的变形特性、强度特性的分析系统(9),所述加速度传感器(2)输出静止过程、自由落体过程、碰撞过程所感应到的加速度变化率,所述变形特性为变形模量,强度特性为内部摩擦角,所述分析系统包括:时刻提取装置A、高度计算装置、时刻提取装置B、碰撞接触时间计算装置、变形模量计算装置,根据Hertz碰撞理论建立有变形模量计算模型,内部摩擦角计算装置:根据Vesic空洞扩张理论建立有内部摩擦角计算模型,用于获取内部摩擦角计算模型所需的变形模量E、高度H后得到内部摩擦角#imgabs0#。

    基于弹性波和机器学习的混凝土结构缺陷检测方法

    公开(公告)号:CN109190272B

    公开(公告)日:2023-04-18

    申请号:CN201811068320.5

    申请日:2018-09-13

    Abstract: 本发明公开了基于弹性波和机器学习的混凝土结构缺陷检测方法,采用冲击弹性波作为检测媒介,利用拾取的信号特征,结合机器学习得到分析模型,进而检测混凝土结构缺陷;信号特征主要利用其频谱特性及频谱累计偏移率,并建立属性以供机器学习;通过获取混凝土结构健全部位的信息反映混凝土力学特性的基准参数;通过对各种结构厚度、工况下健全混凝土结构、有缺陷混凝土结构进行检测,分析信号特征属性,建立训练集以供机器学习并得到分析模型;利用分析模型对未知状态的混凝土结构检测数据进行分析,并对其分析结果进行验证;将数据和验证结果做成示例再补充到训练集,后续不断重复以上步骤,优化分析模型,提高精度。

    基于热力图对碾压轨迹及次数的展示系统及方法

    公开(公告)号:CN110717084B

    公开(公告)日:2022-06-24

    申请号:CN201911044539.6

    申请日:2019-10-30

    Abstract: 本发明公开基于热力图对碾压轨迹及次数的展示系统,包括若干个施工标段,每个施工标段设置有若干个碾压机,所述碾压机设置有定位系统、控制端,所述控制端与定位系统连接。基于热力图对碾压轨迹及次数的展示系统的展示方法步骤为:根据坐标点确定区域范围,然后根据坐标点绘制三个不同直径的圆,将经过三个不同直径的圆的坐标点用于热力图绘制。根据步骤S2中最初的三个当前点的半径不一致可以看出碾压机的运动方向,通过步骤S3的得到的热力点的颜色变化可以看出碾压机的运动轨迹。

    落球式岩土材料力学特性的现场测试系统

    公开(公告)号:CN111521496A

    公开(公告)日:2020-08-11

    申请号:CN202010566458.9

    申请日:2020-06-19

    Abstract: 本发明公开了落球式岩土材料力学特性的现场测试系统,包括:被配置为内置加速度传感器(2)的自由落体物,被配置为计算岩土材料的变形特性、强度特性的分析系统(9),所述加速度传感器(2)输出静止过程、自由落体过程、碰撞过程所感应到的加速度变化率,所述变形特性为变形模量,强度特性为内部摩擦角,所述分析系统包括:时刻提取装置A、高度计算装置、时刻提取装置B、碰撞接触时间计算装置、变形模量计算装置,根据Hertz碰撞理论建立有变形模量计算模型,内部摩擦角计算装置:根据Vesic空洞扩张理论建立有内部摩擦角计算模型,用于获取内部摩擦角计算模型所需的变形模量E、高度H后得到内部摩擦角。

    基于热力图对碾压轨迹及次数的展示系统及方法

    公开(公告)号:CN110717084A

    公开(公告)日:2020-01-21

    申请号:CN201911044539.6

    申请日:2019-10-30

    Abstract: 本发明公开基于热力图对碾压轨迹及次数的展示系统,包括若干个施工标段,每个施工标段设置有若干个碾压机,所述碾压机设置有定位系统、控制端,所述控制端与定位系统连接。基于热力图对碾压轨迹及次数的展示系统的展示方法步骤为:根据坐标点确定区域范围,然后根据坐标点绘制三个不同直径的圆,将经过三个不同直径的圆的坐标点用于热力图绘制。根据步骤S2中最初的三个当前点的半径不一致可以看出碾压机的运动方向,通过步骤S3的得到的热力点的颜色变化可以看出碾压机的运动轨迹。

    基于深度迁移实现IAE MEM后处理图片识别及标注的方法

    公开(公告)号:CN110378436A

    公开(公告)日:2019-10-25

    申请号:CN201910677522.8

    申请日:2019-07-25

    Abstract: 本发明公开了基于深度迁移实现IAE MEM后处理图片识别及标注的方法,所述方法包括:步骤A:收集IAE MEM后处理图像,将收集的图像作为数据集,注释数据集以定义每个图像中各种缺陷的边界框;步骤B:构建Tiny Yolo模型,基于数据集生成训练集,基于训练集对Tiny Yolo模型进行训练;步骤C:基于训练后的Tiny Yolo模型,对待识别的IAE MEM后处理图片进行识别及标注;本方法通过深度迁移学习能够在小样本的情况下实现大数据才能达到的训练效果,极大的提高IAE MEM后处理智能识别及标注各类缺陷包括超厚、不密实、欠厚、脱空的能力。

Patent Agency Ranking