一种基于地质雷达的隧道衬砌典型病害自动辨识方法技术

本发明专利技术提供了一种基于地质雷达的隧道衬砌典型病害自动辨识方法，用以解决地质雷达成像精度低、衬砌病害辨识困难的问题。所述自动辨识方法对典型衬砌病害数据进行去噪处理并存储，对处理后的雷达数据进行读取，并在时域、频域两方面选取出最大振幅A

An automatic identification method of tunnel lining typical diseases based on GPR

The invention provides an automatic identification method of typical diseases of tunnel lining based on geological radar, which is used to solve the problems of low imaging accuracy of geological radar and difficult identification of lining diseases. The automatic identification method can denoise and store the typical lining disease data, read the processed radar data, and select the maximum amplitude A in time domain and frequency domain

【技术实现步骤摘要】
一种基于地质雷达的隧道衬砌典型病害自动辨识方法
本专利技术属于地质雷达与隧道安全领域，特别涉及一种基于地质雷达的隧道衬砌典型病害自动辨识方法。
技术介绍
隧道工程是道桥市政设施及工矿企业中的常见工程种类。由于隧道涉及道桥运输及工矿生产的安全，需要对隧道的使用状况进行实时监督和安全预警。在隧道状况中，隧道衬砌是反映隧道是否正常的一个重要参数，辨识隧道衬砌典型病害是对隧道安全性监管的重要方面。目前，通常采用地质雷达(GroundpenetratingRadar，GPR)对隧道状况进行实时跟踪。地质雷达作为一种无损检测技术主要依靠对雷达回波信号进行处理以识别地下埋设目标，处理的手段主要为成像技术。通过信号处理和成像将雷达信号转换为雷达图像，并最终依靠专家进行图像的解译。但是，现有技术中依靠专家对雷达图像进行解译的方案对专家的依赖程度比较大，解译结果的准确度和精度取决于专家的水平和素质，主观性强。同时，当数据量较大时对专业人员的数量要求也较大，所需解译时间长，无法实现对所监测对象如隧道衬砌的实时监管。
技术实现思路
为了提高地质雷达的成像精度和实时性，克服隧道衬砌典型病害辨识困难的问题，本专利技术提供了一种基于地质雷达的隧道衬砌典型病害自动辨识方法，提高对隧道衬砌地质雷达数据的解译效率，提高图像精度和准确度。为了实现上述目的，本专利技术采取了如下技术方案。本专利技术提供了一种基于地质雷达的隧道衬砌典型病害自动辨识方法，所述方法包括以下步骤：步骤S1，对典型衬砌病害数据进行去噪处理，并存储处理完的数据；步骤S2，对处理后的雷达数据进行读取，并在时域、频域两方面进行病害信号特征提取，得到最大振幅AT、能量ET、频谱标准差ST三个辨识特征；步骤S3，基于支持向量机理论，结合核函数建立SVM样本集和二分类模型，并对模型精度进行验证。上述方案中，所述雷达数据，至少包括空洞病害和/或不密实病害数据；所述去噪处理，通过REFLEXW软件完成；所述存储数据，以‘.asc’格式存储；所述对雷达数据的读取，通过Matlab软件完成。上述方案中，所述步骤S1中的具体操作包括以下步骤：步骤S11，首先通过一维滤波，进行去直流漂移；步骤S12，然后通过静校正，进行移动开始时间；步骤S13，然后通过增益，进行能量衰减步骤S14，然后通过二维滤波，进行抽取平均道；步骤S15，然后通过一维滤波，进行巴特沃斯带通滤波；步骤S16，最后通过二维滤波，进行滑动平均，将最终处理完的数据进行存储。上述方案中，所述步骤S2中的数据读取的具体步骤包括：在REFLEXW软件目录组文件中的‘ASCII’文件夹下找到导出文件，并在Matlab软件中调用readasc.m文件进行读取，然后将读取到的数据信息存储到多维矩阵中；调用imread函数将病害雷达图导入Matlab软件，进而读取出正常信号和病害信号；从矩阵中提取出雷达信号，并将得到的雷达信号实现数据的可视化。上述方案中，所述实现雷达数据的可视化，利用plot函数来完成。上述方案中，所述步骤S2中的时域特征提取的具体步骤包括：从波形图上可以得到单道信号的最大振幅值AT以及该点所对应的时间深度；对单道信号的振幅值的平方求和得到电磁波能量ET。上述方案中，所述步骤S2中的频域特征提取的具体步骤包括：将提取出的雷达信号的离散数据点通过离散傅里叶变换转换为频谱图，所述离散傅里叶变换转换公式如下：式(1)-(2)中，n为信号长度，即采样点数；Xi为单道信号幅值；为幅值平均数；ST为频谱标准差。上述方案中，所述步骤S3中的建立SVM样本集的具体步骤包括：分别从病害区域及其相邻非病害区域中各抽取N道信号，将抽取得到的2N道信号分为两组，组成信号集合Ω；其中，前N信号为病害信号，后N道信号为正常信号，并将信号进行编号；分别计算三个辨识特征：单道信号最大振幅AT、能量ET和频谱标准差ST。上述方案中，所述步骤S3中构建二分类模型及模型精度验证的具体步骤包括：分别取编号1-N/2和N+1-3N/2的信道数组成训练集svmtrain，取编号N/2-N和3N/2+1-2N的信道数组成测试集svmtest；将训练集svmtrain进行归一化处理，再用训练集生成的训练规则对测试集svmtest进行归一化。上述方案中，所述归一化处理，进一步包括：采用核函数对训练集svmtest进行SVM训练，采用交叉验证，利用gridregression.py软件包搜索最优惩罚系数C和核函数参数g；基于所得二分类模型，对测试集svmtest进行测试和预测。由上述本专利技术的实施例提供的技术方案可以看出，本专利技术实施例的基于地质雷达的隧道衬砌典型病害自动辨识方法，对典型衬砌病害数据进行去噪处理并存储，利用Matlab软件对处理后的雷达数据进行读取，并在时域、频域两方面选取出最大振幅AT、能量ET、频谱标准差ST三个病害特征，使用支持向量机建立二分类模型对病害信号和正常信号进行区分，并对模型精度进行验证。本专利技术实施例解决了人工解译过程中效率低下问题，，同时将低维数据映射到高维空间中，方便构建二分类超平面，通过核函数建立的二分类模型辨识精度较高，对病害信号进行有效区分，有效提高了图像解译的精度。本专利技术附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例基于地质雷达的隧道衬砌典型病害自动辨识方法流程示意图；图2为本专利技术应用实例中信号道数标示图；图3为本专利技术应用实例的4道病害信号的波形图；图4为本专利技术应用实例的3道正常信号的波形图；图5为本专利技术应用实例的病害信号频谱图；图6为本专利技术应用实例的正常信号频谱图；图7为本专利技术实施例中空洞病害信号与正常信号特征值分布示意图；图8为本专利技术实施例中不密实病害信号与正常信号特征值分布示意图；图9为本专利技术实施例中对空洞病害数据建立测试集svmtest的预测结果；图10为本专利技术实施例中对不密实病害数据建立测试集svmtest的预测结果；图11为本专利技术实施例中对空洞病害的自动辨识结果；图12为本专利技术实施例中对不密实病害自动辨识结果。具体实施方式下面详细描述本专利技术的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。本技术领本文档来自技高网...

【技术保护点】
1.一种基于地质雷达的隧道衬砌典型病害自动辨识方法，其特征在于，所述方法包括以下步骤：/n步骤S1，对典型衬砌病害数据进行去噪处理，并存储处理完的数据；/n步骤S2，对处理后的雷达数据进行读取，并在时域、频域两方面进行病害信号特征提取，得到最大振幅A

【技术特征摘要】
1.一种基于地质雷达的隧道衬砌典型病害自动辨识方法，其特征在于，所述方法包括以下步骤：
步骤S1，对典型衬砌病害数据进行去噪处理，并存储处理完的数据；
步骤S2，对处理后的雷达数据进行读取，并在时域、频域两方面进行病害信号特征提取，得到最大振幅AT、能量ET、频谱标准差ST三个辨识特征；
步骤S3，基于支持向量机SVM理论，结合核函数建立SVM样本集和二分类模型，并对模型精度进行验证，利用所述二分类模型进行隧道衬砌典型病害的自动辨识。


2.根据权利要求1所述的隧道衬砌典型病害自动辨识方法，其特征在于，
所述雷达数据，至少包括空洞病害和/或不密实病害数据；
所述去噪处理，通过REFLEXW软件完成；所述存储数据，以‘.asc’格式存储；
所述对雷达数据的读取，通过Matlab软件完成。


3.根据权利要求1或2所述的隧道衬砌典型病害自动辨识方法，其特征在于，所述步骤S1中的具体操作包括以下步骤：
步骤S11，首先通过一维滤波，进行去直流漂移；
步骤S12，然后通过静校正，进行移动开始时间；
步骤S13，然后通过增益，进行能量衰减
步骤S14，然后通过二维滤波，进行抽取平均道；
步骤S15，然后通过一维滤波，进行巴特沃斯带通滤波；
步骤S16，最后通过二维滤波，进行滑动平均，将最终处理完的数据进行存储。


4.根据权利要求1或2所述的隧道衬砌典型病害自动辨识方法，其特征在于，所述步骤S2中的数据读取的具体步骤包括：
在REFLEXW软件目录组文件中的‘ASCII’文件夹下找到导出文件，并在Matlab软件中调用readasc.m文件进行读取，然后将读取到的数据信息存储到多维矩阵中；调用imread函数将病害雷达图导入Matlab软件，进而读取出正常信号和病害信号；从矩阵中提取出雷达信号，并将得到的雷达信号实现数据的可视化。


5.根据权利要求4所述的隧道衬砌典型病害自动辨识方法，其特征在于，所述实现...

【专利技术属性】
技术研发人员：王艳辉，崔广炎，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：北京;11