[发明专利]一种基于人工智能的路基连续压实检测方法

说明书

本发明公开了一种基于人工智能的路基连续压实检测方法，数据压实度检测技术领域，具体包括以下步骤：采集压路机在不同压实度路基行驶时的信号数据，并分别获取信号数据对应的压实度结果；将所述信号数据进行预处理，将经过预处理后信号数据的和对应的压实度结果输入一维卷积神经网络进行训练，建立信号数据与压实度结果的非线性映射模型；采集压路机在路基行驶时的实时信号数据，将所述实时信号数据输入所述非线性映射模型中获得实时压实度结果；本发明将人工智能算法应用到路基压实度检测这一领域，建立输入信号与压实度结果的非线性映射关系，避免了实地抽样实验的步骤，提高了检测效率。

技术领域

本发明涉及压实度检测技术领域，具体涉及一种基于人工智能的路基连续压实检测方法。

背景技术

在公路施工过程中，路基压实是至关重要的一道工序；如果压实质量得不到保证，不仅会使道路出现凹坑、裂纹等失效，严重的还会导致大面积道路坍塌，产生巨大的人员伤亡及经济损失；因此，为了提高路面的压实质量，需要对路基压实过程给予深度关注；传统的检测方法大都是破坏检测，需要对压实路面进行抽样检测，既要破坏压实路面又操作繁杂；

机器学习是一种使用统计和概率的数据驱动方式，作为人工智能的分支，允许计算机从大量数据中获取经验；通过训练与学习，可以准确得到输入与输出变量之间的映射关系，并对未曾见过的数据输入做出预测；如果能通过机器学习的方法建立压路机传感器信号与压实度指标的映射关系，便可以省掉抽样检测的步骤，仅通过信号处理分析就可以得到压实结果，这可以大大减少成本，提高效益，不过目前基于人工智能的压实度检测方法研究还比较少见，所以有必要开展这个领域的研究。

发明内容

本发明的目的在于提供一种基于人工智能的路基连续压实检测方法，解决以下技术问题：

传统的检测方法大都是破坏检测，需要对压实路面进行抽样检测，既要破坏压实路面又操作繁杂。

本发明的目的可以通过以下技术方案实现：

一种基于人工智能的路基连续压实检测方法，包括以下步骤：

采集压路机在不同压实度路基行驶时的信号数据，并分别获取信号数据对应的压实度结果；

将所述信号数据进行预处理，将经过预处理后信号数据的和对应的压实度结果输入一维卷积神经网络进行训练，建立信号数据与压实度结果的非线性映射模型；

采集压路机在路基行驶时的实时信号数据，将所述实时信号数据输入所述非线性映射模型中获得实时压实度结果。

作为本发明进一步的方案：所述信号数据的信号类型包括压路机滚筒的空间三轴振动加速度信号、路基含水量和路基孔隙度。

作为本发明进一步的方案：所述预处理的过程为：

获取信号数据的时间序列，获取所述时间序列的长度并标记为Z，获取滑动步长并标记为Y，将所需样本长度标记为X，则将所述时间序列拆分为s段子时间序列，s=Z/Y/X。

作为本发明进一步的方案：根据输入信号数据预测路基的压实度结果，并将所述压实度结果分为五类。

作为本发明进一步的方案：根据所述非线性映射模型，建立压实度结果常规校验指标数学模型，所述常规校验指标包括地基系数K₃₀、动态变形模量E_vd和压实系数K，以压实度结果为纵坐标，分别以K₃₀、E_vd和K为横坐标，进行一维回归拟合，分别建立3个常规校验指标对应的一维回归函数，每组常规校验指标选取n个坐标点，一维回归拟合函数公式如下：

y=a_jx+b_j；

其中a和b为参数，j=1,2,3，a_j和b_j的求解公式如下：

，；

其中i=1,…,n，表示x的平均数，表示y的平均数。