混凝土钢筋保护层厚度检验方法、系统、终端及介质技术方案

本发明专利技术公开了一种混凝土钢筋保护层厚度检验方法、系统、终端及存储介质，所述方法包括：扫描多个不同保护层厚度的混凝土钢筋，得到对应的标准波形图；提取所述标准波形图的分布特征；利用支持Bagging的机器学习算法，训练并学习所述分布特征，得到混凝土钢筋的保护层厚度预测值；利用所述机器学习算法的评价指标对所述保护层厚度预测值进行评估，得到混凝土钢筋的保护层厚度目标值。本发明专利技术提供的混凝土钢筋保护层厚度检验方法，克服了现有抽样检测中存在的抽样不全面问题，同时能够在构件无损的前提下，快速准确地检测出混凝土钢筋的保护层厚度，具有易实施、安全性高及可靠性强的优点。点。点。

【技术实现步骤摘要】
混凝土钢筋保护层厚度检验方法、系统、终端及介质


[0001]本专利技术涉及混凝土结构无损检测
，具体涉及一种混凝土钢筋保护层厚度检验方法、系统、终端及介质。

技术介绍

[0002]混凝土构件的混凝土钢筋保护层一般指的是从受力纵筋的外边缘位置到构件混凝土的外连缘之间的距离，其主要是对钢筋起到保护作用，避免钢筋等材料不受到水气的锈蚀，从而保护钢筋混凝土的受力性能和桥梁本身的使用寿命以及耐久性都不受到影响。精准的钢筋保护层厚度检测结果不仅是工程验收和质量评价的依据，同时可以更好促进钢筋保护层施工控制工艺的改进和发展，使其能够更好保证混凝土构件的安全性和耐久性。但是，现行方法中针对装配式混凝土构件的保护层厚度的检测大多是抽样破损检测，缺乏对预制构件的整批无损检测，进而引发混凝土保护层施工时的质量问题及安全性问题。

技术实现思路

[0003]本专利技术的目的在于提供种混凝土钢筋保护层厚度检验方法、系统、终端及介质，该方法能够解决现有抽样检测中存在的不全面、检测结果准确度无法保障、进而导致施工安全性低的技术问题。
[0004]为了克服上述现有技术中的缺陷，本专利技术提供了一种混凝土钢筋保护层厚度检验方法，包括：
[0005]扫描多个不同保护层厚度的混凝土钢筋，得到对应的标准波形图；
[0006]提取所述标准波形图的分布特征；
[0007]利用支持Bagging的机器学习算法，训练并学习所述分布特征，得到混凝土钢筋的保护层厚度预测值；
[0008]利用所述机器学习算法的评价指标对所述保护层厚度预测值进行评估，得到混凝土钢筋的保护层厚度目标值。
[0009]进一步地，所述标准波形图的分布特征，包括所述标准波形图的平均值、峰值、均方根、标准值、偏度、频带功率及波峰因数。
[0010]进一步地，所述利用支持Bagging的机器学习算法，训练并学习所述分布特征，得到混凝土钢筋的保护层厚度预测值，包括：
[0011]根据所述标准波形图的平均值、峰值、均方根、频带功率及波峰因数建立训练样本集；
[0012]采用随机有放回采样方式，将所述训练样本集分成多个训练样本子集；
[0013]利用分类树模型对所述训练样本子集进行机器学习，得到多个训练结果；
[0014]加权并整合所述训练结果，得到扫描信号强度与钢筋保护层厚度的映射关系，根据所述映射关系得到所述混凝土钢筋的保护层厚度预测值。
[0015]进一步地，所述利用所述机器学习算法的评价指标对所述保护层厚度预测值进行
评估，得到混凝土钢筋的保护层厚度目标值，包括：
[0016]获取所述评价指标的计算公式：
[0017][0018]式中，y为钢筋保护层厚度预测值，y
′
为钢筋保护层厚度实际值，n为预测值的总个数；
[0019]当RMSE＜5时，将所述保护层厚度预测值作为所述保护层厚度目标值。
[0020]本专利技术还提供了一种混凝土钢筋保护层厚度检验系统，包括：
[0021]波形图获取单元，用于扫描多个不同保护层厚度的混凝土钢筋，得到对应的标准波形图；
[0022]特征提取单元，用于提取所述标准波形图的分布特征；
[0023]预测单元，用于利用支持Bagging的机器学习算法，训练并学习所述分布特征，得到混凝土钢筋的保护层厚度预测值；
[0024]评估单元，用于利用所述机器学习算法的评价指标对所述保护层厚度预测值进行评估，得到混凝土钢筋的保护层厚度目标值。
[0025]进一步地，所述标准波形图的分布特征，包括所述标准波形图的平均值、峰值、均方根、标准值、偏度、频带功率及波峰因数。
[0026]进一步地，所述预测单元，还用于：
[0027]根据所述标准波形图的平均值、峰值、均方根、频带功率及波峰因数建立训练样本集；
[0028]采用随机有放回采样方式，将所述训练样本集分成多个训练样本子集；
[0029]利用分类树模型对所述训练样本子集进行机器学习，得到多个训练结果；
[0030]加权并整合所述训练结果，得到扫描信号强度与钢筋保护层厚度的映射关系，根据所述映射关系得到所述混凝土钢筋的保护层厚度预测值。
[0031]进一步地，所述评估单元，还用于：
[0032]获取所述评价指标的计算公式：
[0033][0034]式中，y为钢筋保护层厚度预测值，y
′
为钢筋保护层厚度实际值，n为预测值的总个数；
[0035]当RMSE＜5时，将所述保护层厚度预测值作为所述保护层厚度目标值。
[0036]本专利技术还提供了一种终端设备，包括：
[0037]一个或多个处理器；
[0038]存储器，与所述处理器耦接，用于存储一个或多个程序；
[0039]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上任一项所述的混凝土钢筋保护层厚度检验方法。
[0040]本专利技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行实现如上任一项所述的混凝土钢筋保护层厚度检验方法。
[0041]相对于现有技术，本专利技术的有益效果在于：
[0042]本专利技术公开的混凝土钢筋保护层厚度检验方法，包括扫描多个不同保护层厚度的混凝土钢筋，得到对应的标准波形图；提取所述标准波形图的分布特征；利用支持Bagging的机器学习算法，训练并学习所述分布特征，得到混凝土钢筋的保护层厚度预测值；利用所述机器学习算法的评价指标对所述保护层厚度预测值进行评估，得到混凝土钢筋的保护层厚度目标值。本专利技术克服了现有抽样检测中存在的抽样不全面问题，并能够在构件无损的前提下，快速准确地检测出混凝土钢筋的保护层厚度，具有易实施、安全性高及可靠性强的优点。同时，该方法能够提高预制混凝土构件的合格率，更有效地提高、指导、控制施工质量，以及更能显著延长装配式混凝土结构的安全使用年限和耐久性使用年限。
附图说明
[0043]为了更清楚地说明本专利技术的技术方案，下面将对实施方式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方式，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。
[0044]图1是本专利技术某一实施例提供的混凝土钢筋保护层厚度检验方法的流程示意图；
[0045]图2是图1中步骤S30的子步骤流程示意图；
[0046]图3是本专利技术某一实施例提供的钢筋扫描仪扫描试验图；
[0047]图4是本专利技术某一实施例提供的扫描波形信号示意图；
[0048]图5是本专利技术某一实施例提供的机器学习流程图；
[0049]图6是本专利技术某一实施例提供的混凝土钢筋保护层厚度检验系统的结构示意图。
具体实施方式
[0050]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种混凝土钢筋保护层厚度检验方法，其特征在于，包括：扫描多个不同保护层厚度的混凝土钢筋，得到对应的标准波形图；提取所述标准波形图的分布特征；利用支持Bagging的机器学习算法，训练并学习所述分布特征，得到混凝土钢筋的保护层厚度预测值；利用所述机器学习算法的评价指标对所述保护层厚度预测值进行评估，得到混凝土钢筋的保护层厚度目标值。2.根据权利要求1所述的混凝土钢筋保护层厚度检验方法，其特征在于，所述标准波形图的分布特征，包括所述标准波形图的平均值、峰值、均方根、标准值、偏度、频带功率及波峰因数。3.根据权利要求2所述的混凝土钢筋保护层厚度检验方法，其特征在于，所述利用支持Bagging的机器学习算法，训练并学习所述分布特征，得到混凝土钢筋的保护层厚度预测值，包括：根据所述标准波形图的平均值、峰值、均方根、频带功率及波峰因数建立训练样本集；采用随机有放回采样方式，将所述训练样本集分成多个训练样本子集；利用分类树模型对所述训练样本子集进行机器学习，得到多个训练结果；加权并整合所述训练结果，得到扫描信号强度与钢筋保护层厚度的映射关系，根据所述映射关系得到所述混凝土钢筋的保护层厚度预测值。4.根据权利要求1或3所述的混凝土钢筋保护层厚度检验方法，其特征在于，所述利用所述机器学习算法的评价指标对所述保护层厚度预测值进行评估，得到混凝土钢筋的保护层厚度目标值，包括：获取所述评价指标的计算公式：式中，y为钢筋保护层厚度预测值，y
′
为钢筋保护层厚度实际值，n为预测值的总个数；当RMSE＜5时，将所述保护层厚度预测值作为所述保护层厚度目标值。5.一种混凝土钢筋保护层厚度检验系统，其特征在于，包括：波形图获取单元，用于扫描多个不同保护层厚度的混凝土钢筋，得到对应的标准波形图；特征提取单元，用于提取所...

【专利技术属性】
技术研发人员：王彦峰，吴小蕙，张章亮，王流火，陈辉祥，蔡振华，车伟娴，雷翔胜，王向兵，潘柏崇，邓小玉，王兴华，陈锟，郭金根，朱文卫，夏晋，吴仁杰，
申请(专利权)人：广东电网有限责任公司，
类型：发明
国别省市：