[发明专利]一种海涂围堤堤身内部缺陷程度识别方法

说明书

技术领域

本发明涉及结构内部缺陷程度识别技术领域，具体涉及一种海涂围堤堤身内部缺陷程度识别方法。

背景技术

在中国乃至全球所有拥有海岸线的国家及地区，海堤的建造已经有很长的历史，但大规模得建造海涂围堤却是近几十年发展起来。海涂围堤所用材料也由最初的土石发展成为现在的钢筋混凝土。在材料的改进过程中，虽然解决了旧式海堤的典型问题-白蚁筑巢，提高了海涂围堤的的刚度和整体稳定型，但坚固的现代海堤内部也存在着一些潜在的缺陷，例如海涂围堤由于施工技术不合格，验收规范不成熟，以及海堤基础不均匀沉降而造成的堤身内部出现架空、堤身内部形成大小不一的孔洞、类型不一的裂缝等；

堤身护坡结构损坏、堤顶防浪墙损坏等表面性破坏虽可通过定期巡检发现，但它们间接引起的隐蔽性破坏(堤身内部架空，堤身内部空洞大小等)则不易通过定期巡检发现，因此，海涂围堤内部缺陷程度识别技术是海涂围堤安全保障的一个关键技术。本发明主要是用于测量海涂围堤堤身内部孔洞尺寸及深度大小，为所检测的海涂围堤是否需要维修提出合理的参考性意见。而传统的识别内部缺陷程度的方法一般是通过敲击海涂围堤堤身表面混凝土，通过敲击声音大致定出内部缺陷的位置，该传统方法存在如下几个缺点：1、海涂围堤线长、面广，该检测方法耗费大量的人力物力也只能大致定出缺陷的位置，难以满足评定要求；2、该方法不能确定海涂围堤堤身内部缺陷程度，比如内部孔洞的深度等；3、该方法不能为指导维修工作提供具体的数据；4、该方法的检测周期长。

发明内容

针对现有技术存在的不足，本发明的目的在于提供一种操作简单，易于测量，检测周期短，精确程度且节省了大量的人力物力的海涂围堤堤身内部缺陷程度识别方法。

为实现上述目的，本发明提供了如下技术方案：一种海涂围堤堤身内部缺陷程度识别方法，利用红外热成像技术及人工神经网络，海涂围堤堤身内部缺陷程度识别包括以下步骤：

(1)建立一个包含一个输入层、一个隐含层以及一个输出层的神经网络模型，在该神经网络模型的输入层输入现场温度、湿度、红外区范围数据、温度差异数据，神经网络模型的输出为孔洞深度；

(2)利用红外热成像仪得到现场温度、湿度、红外区范围数据、温度差异以及与这些数据一一对应的孔洞深度数据训练神经网络模型，反复调整网络中的连接权值以使神经网络模型的预测值和实测值之间的误差达到最小，通过这组连接权值而建立的模型即为训练完成的神经网络模型；其中误差是通过计算目标值与输出值之间的均方差和相关系数来确定；

(3)当利用红外热成像仪获得新的海堤表面温度、湿度、红外区范围数据时，即可利用训练完成的神经网络模型输出孔洞深度预测值。

所述步骤(1)中，所述温度差异是由空气温度和采用红外热成像得到的红外热图像中所反应的混凝土表面的温度计算所得。

所述步骤(2)中的均方差的计算公式为：其中y_k和分别是神经网络的预测值和观测值，n是数据的个数，k表示第k个数据。

所述步骤(2)中的相关系数的计算公式为：

其中和分别是预测值和观测值的平均值，y_k表示神经网络的预测值。

本发明的优点是：首先在数据采集方面采用了红外热成像技术来探测堤身表面的温度等数据，定性得出损伤部位，避免采用大量的人力物力到现场采集数据，从而降低了科学的危险性和不确定性；更重要的是利用训练完成的人工神经网络算法来输出海涂围堤堤身内部空洞大小不但成本较低，且设备简单、精确程度高，能够满足指导现场维修工作的精度要求。

下面结合说明书附图和具体实施例对本发明作进一步说明。

附图说明

图1为本发明实施例的人工神经网络模型的示意图。

具体实施方式

参见图1，本发明公开的一种海涂围堤堤身内部缺陷程度识别方法，利用红外热成像技术及人工神经网络，海涂围堤堤身内部缺陷程度识别包括以下步骤：

(2)建立一个包含一个输入层、一个隐含层以及一个输出层的神经网络模型，在该神经网络模型的输入层输入现场温度、湿度、红外区范围数据、温度差异数据，神经网络模型的输出为孔洞深度；

(2)利用红外热成像仪得到现场温度、湿度、红外区范围数据、温度差异以及与这些数据一一对应的孔洞深度数据训练神经网络模型，反复调整网络中的连接权值以使神经网络模型的预测值和实测值之间的误差达到最小，通过这组连接权值而建立的模型即为训练完成的神经网络模型；其中误差是通过计算目标值与输出值之间的均方差和相关系数来确定；