一种基于声振信号深度学习的混凝土结构内部缺陷成像系统，基于智能电动车，检测设备包括信号发生与声场拾音装置、分析处理模块以及远程操作系统等，当电动车在混凝土板表面行走时，信号发生装置连续对混凝土板面进行冲击使得板面附近形成声波场时域信号利用声场拾音装置接收，采样形成声波场数字信号；对采样信号进行滤波处理后利用自动检测模块中以训练好的分类器对数据进行实时检测，经过对混凝土板面的全域检测，最终在缺陷成像模块中进行缺陷成像。本发明专利技术具有对混凝土结构内部缺陷位置进行实时、高效和准确的检测与定位等特点。通过缺陷成像便于工程人员准确的掌握混凝土结构内部缺陷位置并对其进行修复，防止产生更大的危害与经济损失。
【技术实现步骤摘要】
一种基于声振信号深度学习的混凝土结构内部缺陷成像系统与方法
本专利技术属于利用深度学习对混凝土结构内部缺陷进行检测的
，可用于混凝土内部缺陷的快速无损检测与缺陷成像，特别涉及一种混凝土结构内部缺陷成像系统与方法。技术背景近年来以混凝土为建筑材料的基础设施得到大量的修建，由于环境因素和长期交通荷载的影响下，混凝土结构不断的退化，分层和空洞为混凝土结构最常见的两个问题。我国每年都要投入大量的资金来改善结构状况来维持它的寿命。准确有效的结构评估有助于工程人员做出正确的维护决策，降低维修成本。由于是内部缺陷无法从表面直接观察，因此研究者提出了许多针对混凝土结构内部缺陷的检测方法与技术。采用冲击回波的对混凝土板进行损伤检测的方法已被一些学者研究，为了提高对板的检测效率，一些自动检测系统与方法被提出。JinyingZhu利用球链作为冲击源的自动检测系统对板面进行冲击，收集不同区域的信号经过短时傅里叶变换后求其能量值对板面进行损伤成像。这种方法存在的问题是链球在拖拽过程中，与板面的冲击响应较小且摩擦过大导致信噪比过小。GangZhang等人设计了一种自动分层检测系统来收集板面冲击信号，并采用神经网络对梅尔频率倒谱系数作为分层特征进行检测。这种方法存在的问题是他的自动检测系统需要人力推动检测车，但人为因素的干扰容易导致检测精确度不高。为了解决以上方法的不足，设计寻找一种可以实现高效准确的对混凝土结构内部损伤的检测系统与技术变得重要。
技术实现思路
为了克服现有技术的缺点，本专利技术的目的是提供一种基于声振信号深度学习的混凝土结构内部缺陷成像系统与方法，可以用于对结构内部缺陷位置进行实时、高效和准确的检测与定位。以便对缺陷所处位置进行精准修复。本专利技术基于声学方法对混凝土结构内部缺陷进行快速无损检测，通过信号发生与采集装置对冲击源作用于混凝土表面产生的信号进行收集。麦克风传感器连接信号适调器对麦克风进行供电并对信号进行调节与放大。然后与信号采集仪相连，信号可以通过信号采集仪将数据实时传输至远程控制装置中，对收集到含有缺陷的自制混凝土结构的一维振动信号输入到神经网络中进行训练得到一个训练模型。因为神经网络可以自动提取并学习不同区域的声振信号来达到对不同信号状态的分类，最后利用训练好的模型可以实现对其他未知缺陷位置的混凝土结构进行快速准确的内部缺陷实时在线检测。为了实现上述目的，本专利技术的技术方案是：一种基于声振信号深度学习的混凝土结构内部缺陷成像系统，设置于智能电动车设备上。所述检测设备包括：信号发生与声场拾音装置，用于电动车在混凝土板表面行走的过程中用拾音装置收集信号发生装置产生冲击声振时域信号。信号调理模块，用于对拾音设备供电，并对拾取的声振时域信号调理处理与放大，以便于信号的传输。数据采集模块，用于同步采集由信号调理模块传输的不同冲击位置相关的声振时域信号。远程操作系统，包括信号处理模块，神经网络学习模块，自动检测模块与缺陷成像模块。用于对被采集的数据进行进一步的分析处理。所述信号发生与声场拾音装置与信号调理模块之间通过有线通讯实现信息传输与供电支持；所述信号调理调理模块进行信号调理处理包括放大、滤波，以将信号转换成数据采集模块能够识别的标准信号；所述数据采集模块将声振时域信息通过无线通讯方式传输到远程操作系统。所属远程操作系统对时域信号的分析与处理步骤如下：信号处理模块，首先将采集到的原始信号进行滤波处理，消除环境噪音等异常值，并去掉电动车启动及停止所需时间的声音信号数据，然后对不同位置收集到的数据进行划分，并将处理后的时域信号储存在计算机指定位置，便于数据实时存取以及进行后续操作。所述神经网络学习模块，在进行自动检测前，我们触发网络学习模块来对已知缺陷的混凝土板的声振信号进行训练得到一个分类器。所述自动检测模块，当得到分类模型后，我们触发自动检测模块来检测未知的混凝土板的缺陷位置，根据实时传入的声振时域信息，可以对被检测区域是否存在缺陷进行实时的判断。所述缺陷成像模块，当对板面检查区域进行完全扫查后，缺陷成像模块会根据模型输出的判断参数对板进行缺陷成像，将缺陷位置反馈给工程人员以便对其采取及时而有效的措施进行修复以免造成更大的伤害。所述智能电动设备上设置有为基于声振信号深度学习的混凝土结构内部缺陷成像系统提供电源支持的机载锂电池。和现有的混凝土结构内部缺陷检测系统与方法相比较，本专利技术具有实时自动行驶、连续、实时等的特点。非常适合对大面积混凝土板进行缺陷检测，尤其是利用深度学习对声振信号进行处理与分析，很大程度的提高了缺陷检测的效率与精度，并可实时对混凝土表面进行全域的检测与缺陷成像，可以提高检测效率，给工程人员提供参考进行精准修复，使得混凝土结构缺陷检测的经济型与检测的精细化得到保障。附图说明图1为本专利技术原理示意图。图2为本专利技术的信号发生与声场拾音装置示意图。图3为本专利技术网络结构模块的结构图。图4为本专利技术的一个实施例的混凝土板缺陷声振信号收集示意图。具体实施方式下面结合该检测系统与方法原理和实施例，对本专利技术的装备与方法做进一步的详细描述。以下实施例和附图用于说明本专利技术所提机载声波检测设备与方法具体的检测实施过程，但不是用来限定本专利技术的范围。图1所示，本专利技术一种基于声振信号深度学习的混凝土结构内部缺陷成像系统，设置于智能电动车上，实施对未知缺陷位置的混凝土板的检测作业，电动车上设置有为检测系统提供电源支持的机载锂电池。检测设备包括：信号发生与声场拾音装置，如图2所示，该装置由电磁冲击器与麦克风传感器组成固定于小车尾部的钢架上，电磁冲击器对混凝土板表面冲击产生声振时域信号后利用麦克风传感器进行收集。同时继电器控制着电磁冲击器向下冲击板面与回缩的时间长短，这样就可以根据不同的场景设置相应的时间间隔。装置外层利用隔音泡沫来隔绝其他噪音的干扰。信号调理模块，与信号发生与声场拾音装置之间通过有线通讯实现信息传输与供电支持，对麦克风传感器收集到的声振时域信号进行放大、滤波等信号调理处理，将信号转换成数据采集模块能够识别的标准信号。数据采集模块，用于同步采集由信号调理模块传输的不同冲击位置相关的声振时域信号。并将采集到的信号通过无线通讯方式实时传输到远程操作系统。远程操作系统由信号处理模块，神经网络学习模块，自动检测模块与缺陷成像模块组成。信号处理模块，首先将采集到的原始信号进行滤波处理，消除环境噪音等异常值，并去掉电动车启动及停止所需时间的声音信号数据，然后对不同位置收集到的数据进行划分，并将处理后的时域信号储存在计算机指定位置，便于数据实时存取以及进行后续操作。神经网络学习模块，在对未知缺陷位置的混凝土板进行自动检测前，先要触发神经网络学习模块对已知缺陷位置的混凝土板进行数据收集并训练分类器。本专利技术采取全卷积神经网络(FCN)进行训练，网络结构如图3所示，它由卷积层，BN+RULE层，本文档来自技高网...
【技术保护点】
1.一种基于声振信号深度学习的混凝土结构内部缺陷成像系统，设置于加载设备上，包括检测设备，所述加载于智能电动车上，实施现场无损检测作业，其特征在于，所述检测设备实时采集混凝土结构表面的声振信号时，对信号进行调理处理，并通过进一步分析处理得出实时检测区域健康状态，当对规定区域完成检测后通过缺陷成像模块对混凝土结构进行缺陷成像。/n
【技术特征摘要】
1.一种基于声振信号深度学习的混凝土结构内部缺陷成像系统，设置于加载设备上，包括检测设备，所述加载于智能电动车上，实施现场无损检测作业，其特征在于，所述检测设备实时采集混凝土结构表面的声振信号时，对信号进行调理处理，并通过进一步分析处理得出实时检测区域健康状态，当对规定区域完成检测后通过缺陷成像模块对混凝土结构进行缺陷成像。
2.根据权力要求1所述基于声振信号深度学习的混凝土结构内部缺陷成像系统，其特征在于，所述检测设备包括：
信号发生与声场拾音装置，用于电动车在混凝土板表面行走的过程中用拾音装置收集信号发生装置产生冲击声振时域信号。
信号调理模块，用于对拾音设备供电，并对拾取的声振时域信号调理处理与放大，以便于信号的传输。数据采集模块，用于同步采集由信号调理模块传输的不同冲击位置相关的声振时域信号。
远程操作系统，包括信号处理模块，神经网络学习模块，自动检测模块与缺陷成像模块。用于对被采集的数据进行进一步的分析处理,实现远程实时的对被检测区域的缺陷检测，最终通过缺陷成像模块对被检测区域进行缺陷成像。
3.根据权力要求2所述基于声振信号深度学习的混凝土结构内部缺陷成像系统，其特征在于，所述远程操作系统包括：
信号处理模块，用于将采集到的原始信号进行滤波处理，消除环境噪音等异常值，并去掉电动车启动及停止所需时间的声音信号数据，然后对不同位置收集到的数据进行划分，并将处理后的时域信号储存在计算机指定位置，便于数据实时存取以及进行后续操作。
所述神经网络学习模块，用于在进行自动检测前，我们触发网络学习模块来对已知缺陷的混凝土结构的声振信号进行训练得到一个分类器。
所述自动检测模块，当得到分类模型后，我们触发自动检测模块来检测未知的混凝土结构的缺陷位置，根据实时传入的声振时域信息，可以对被检测区域是否存在缺陷进行实时的判断。
所述缺陷成像模块，用于对混凝土板面检查区域进行完全扫查后，缺陷成像模块会根据模型输出的判断参数对结构进行缺陷成像，将缺陷位置反馈给工程人员以便对其采取及时而有效的措施进行修复以免造成更大的伤害。
4.根据权力要求2所述基于声振信号深度学习的混凝土结构内部缺陷成像系统，其特征在于，所述信号发生与声场拾音装置与信号调理...
【专利技术属性】
技术研发人员：陈军，尚高，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。