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:CN110082429B

    公开(公告)日:2022-02-22

    申请号:CN201910317985.3

    申请日:2019-04-19

    IPC分类号: G01N29/04 G06F17/18 G06N20/00

    摘要: 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。

    一种基于频谱和振幅监测路基压实质量的方法

    公开(公告)号:CN112127342A

    公开(公告)日:2020-12-25

    申请号:CN202011117230.8

    申请日:2020-10-19

    IPC分类号: E02D1/00 E01C19/23 G01H17/00

    摘要: 本发明公开了一种基于频谱和振幅监测路基压实质量的方法,在压路机碾压轮上安装振动传感器,振动传感器与采集终端无线连接,振动传感器实时采集压路机振动信号并发送到采集终端;采集终端对接收到的振动信号进行实时处理,提取信号各阶次谐波的振幅值;利用信号各阶次谐波的振幅值、压路机起振力F、桁架重量m1、碾压轮重量m2、重力加速度g、基础频率f0、碾压轮宽度B以及路基填料材质泊松比μ通过计算得到压实评价指标CEV值;在监测路基相应位置利用落球式回弹模量测试仪进行测试,得到回弹模量值Eq;拟合得到CEV与Eq的关系系数,在后续路面连续压实的检测中使用关系系数与CEV值计算得到压实质量值E。

    基于深度学习图像识别的套筒灌浆密实度判别方法

    公开(公告)号:CN110569917A

    公开(公告)日:2019-12-13

    申请号:CN201910870663.1

    申请日:2019-09-16

    IPC分类号: G06K9/62 G06N3/04 G06N3/08

    摘要: 本发明公开了基于深度学习图像识别的套筒灌浆密实度判别方法,解决了现有的套筒灌浆密实度判别方法检测耗时费力,检测成本较高而识别率不高的问题。本发明包括S1:通过敲击方式获取套筒各个测试点的波形图作为样本数据,共采集套筒灌浆密实度数据信息1200个训练样本数据;S2:对套筒灌浆密实度数据样本进行预处理,形成weka支持的arff文件;S3:构建套筒灌浆密实度深度学习网络模型,设置该深度学习网络模型的训练参数,根据步骤S2预处理后的arff文件输入到该深度学习网络模型的输入层进行模型训练,从而获得训练好的套筒灌浆密实度深度学习网络模型;S4:根据模型实时进行套筒灌浆密实度判别。

    一种锚杆AI检测方法
    5.
    发明公开

    公开(公告)号:CN109187770A

    公开(公告)日:2019-01-11

    申请号:CN201811238914.6

    申请日:2018-10-23

    IPC分类号: G01N29/44

    摘要: 本发明公开了一种锚杆AI检测方法,包括数据采集步骤及数据处理步骤,所述数据处理步骤为解析数据采集步骤采集到的数据以得到检测结果,所述数据处理步骤为:将检测现场采集到的数据发送至服务器,服务器调用已建立的AI模型对检测数据进行自动解析,通过分类模型对灌浆密实度进行判定、采用回归模型对锚杆长度进行预测,最终将AI解析结果实时返回到现场。该检测方法可有效保证检测结果的客观性。

    一种基于机器学习提高无损检测精度的方法

    公开(公告)号:CN108491931A

    公开(公告)日:2018-09-04

    申请号:CN201810271658.4

    申请日:2018-03-29

    IPC分类号: G06N3/08 G06N3/04 G06N99/00

    摘要: 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,且采用人工智能判断,摒弃了传统的人为经验干预,有效的提高检测结果的精度。

    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

    IPC分类号: G01N29/04 G06F17/18 G06N20/00

    摘要: 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

    IPC分类号: G06F17/50 G06N3/02 G06N20/00

    摘要: 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

    IPC分类号: G06N3/08 G06N7/01 G06N20/00

    摘要: 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.