一种劲性复合桩完整性及缺陷类别的识别方法和系统技术方案

本发明专利技术涉及一种劲性复合桩完整性及缺陷类别的识别方法和系统，方法包括对多根劲性复合桩进行低应变反射波法检测，获取每根劲性复合桩的芯桩的低应变反射波检测信号；进行多分辨率小波分解，提取各层小波分量的功率均值、方差和各层小波所占能量比作为对应劲性复合桩的第一特征向量；同时，将芯桩的直径和长度作为应劲性复合桩的第二特征向量；由第一特征向量和第二特征向量组成训练样本数据集；训练BP神经网络得到缺陷判别模型；通过缺陷判别模型输出得到识别结果。与现有技术相比，本发明专利技术具有降低了劲性复合桩多介质、多界面的特性对检测结果分析造成的干扰，提高了对于劲性复合桩完整性及缺陷识别的准确性。桩完整性及缺陷识别的准确性。桩完整性及缺陷识别的准确性。

【技术实现步骤摘要】
一种劲性复合桩完整性及缺陷类别的识别方法和系统


[0001]本专利技术涉及桩基础检测
，尤其是涉及一种劲性复合桩完整性及缺陷类别的识别方法和系统。

技术介绍

[0002]软土地质因为强度低、压缩量大、渗透性差等工程特性，通常要采用由水泥土搅拌桩(外芯)和混凝土预制桩(内芯)组成的劲性复合桩进行施工。劲性复合桩既可以发挥混凝土预制桩的高承载力优点，又可以显著降低工程成本而得到越来越广泛的应用。但是，由于劲性复合桩施工属于地下隐蔽工程，往往会因为施工工艺不成熟、地质条件复杂、施工队伍水平差、质量控制不严等因素的影响，导致桩基施工过程中出现缩颈、扩径、裂纹、夹泥、沉渣甚至断桩等质量问题，必定会影响到桩基的承载力，从而影响上部结构的安全性。
[0003]现有对劲性复合桩的缺陷识别通常是采用常规基桩检测使用的低应变反射波法，结合接收信号的波形、波速等物理量的变化，利用数理统计的方法并结合个人的经验对缺陷位置、缺陷程度进行定性的或经验性的判定。但是，这种方法受人的经验因素影响很大，其测量准确性对检测人员的水平依赖很大，显然已不能满足现代工程检测需求。同时，劲性复合桩作为一种新型的复合桩，在使用低应变反射波法进行芯桩完整性检测时，混凝土
‑
水泥土
‑
桩周土多介质、多界面的特性会对低应变反射波法检测结果分析造成一定干扰，从而导致其分析结果和实际芯桩完整性情况存在一定偏差，更加提高了缺陷判断的难度，影响了缺陷识别的准确性。

技术实现思路

[0004]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种劲性复合桩完整性及缺陷类别的识别方法和系统。
[0005]本专利技术的目的可以通过以下技术方案来实现：
[0006]一种劲性复合桩完整性及缺陷类别的识别方法，包括以下步骤：
[0007]S1、对多根劲性复合桩进行低应变反射波法检测，获取每根劲性复合桩的芯桩的低应变反射波检测信号；
[0008]S2、对获取的反射波检测信号进行多分辨率小波分解，提取各层小波分量的功率均值、方差和各层小波所占能量比作为对应劲性复合桩的第一特征向量；同时，将芯桩的直径和长度作为应劲性复合桩的第二特征向量；由第一特征向量和第二特征向量组成训练样本数据集；
[0009]S3、通过训练样本数据集训练BP神经网络得到缺陷判别模型；
[0010]S4、对待检测劲性复合桩进行低应变反射波法检测，获取其芯桩低应变反射波检测信号，同时获取待检测劲性复合桩的芯桩的直径和长度；
[0011]S5、从待检测劲性复合桩的低应变反射波检测信号提取第一特征向量，和其芯桩的直径、长度一起作为缺陷判别模型的输入数据，由缺陷判别模型输出得到识别结果。
[0012]进一步地，所述功率均值P
ai
的表达式为：
[0013][0014]式中，N为信号样本数，x
N
为对应各分层信号样本处的幅值，i为小波分解层数。
[0015]进一步地，所述方差S
i2
的表达式为：
[0016][0017]式中，N为信号样本数，x
N
为对应各分层信号样本处的幅值，i为小波分解层数，u
i
为各层信号幅值均值。
[0018]进一步地，所述各层小波所占能量比D
i
表达式为：
[0019][0020][0021][0022]式中，N为信号样本数，x
N
为对应各分层信号样本处的幅值，i为小波分解层数，E
i
为各层能量，E
t
为总能量。
[0023]进一步地，所述BP神经网络包括输入层节点、输出层节点和隐层节点构成，特征向量的元作为输入量加载到相应的输入层节点，输出节点产生分类结果，即输出量；通过一定量的训练样本数据得到输入量和输出量之间的非线性关系，从而固定得到缺陷判别模型。
[0024]进一步地，所述缺陷判别模型输出得到识别结果包括六个分类，分别为：完整桩、缩径桩、扩径桩、断桩、离析桩和沉渣过厚。
[0025]一种劲性复合桩完整性及缺陷类别的识别系统，包括：
[0026]模型训练模块，用于构建缺陷判别模型，具体包括：
[0027]数据获取单元，用于对多根劲性复合桩进行低应变反射波法检测，获取每根劲性复合桩的芯桩的低应变反射波检测信号；
[0028]样本组合单元，对获取的反射波检测信号进行多分辨率小波分解，提取各层小波分量的功率均值、方差和各层小波所占能量比作为对应劲性复合桩的第一特征向量；同时，将劲性复合桩的芯桩的直径和长度作为应劲性复合桩的第二特征向量；由第一特征向量和第二特征向量组成训练样本数据集；
[0029]训练单元，用于通过训练样本数据集训练BP神经网络得到缺陷判别模型；
[0030]识别模块，用于对待检测劲性复合桩进行完整性和缺陷识别，具体包括：
[0031]第一处理单元：用于对待检测劲性复合桩进行低应变反射波法检测，获取其芯桩低应变反射波检测信号，同时获取待检测劲性复合桩的芯桩的直径和长度；
[0032]第二处理单元：用于从待检测劲性复合桩的低应变反射波检测信号提取第一特征向量，和其芯桩的直径、长度一起作为缺陷判别模型的输入数据，由缺陷判别模型输出得到识别结果。
[0033]进一步地，所述BP神经网络包括输入层节点、输出层节点和隐层节点构成，特征向量的元作为输入量加载到相应的输入层节点，输出节点产生分类结果，即输出量；通过一定量的训练样本数据得到输入量和输出量之间的非线性关系，从而固定得到缺陷判别模型。
[0034]进一步地，所述缺陷判别模型输出得到识别结果包括六类，分别为：完整桩、缩径桩、扩径桩、断桩、离析桩和沉渣过厚。
[0035]与现有技术相比，本专利技术具有以下有益效果：
[0036]1、本专利技术通过对低应变反射波法的检测信号进行多分辨率小波分解，降低劲性复合桩的芯桩周围多介质对于反射波检测信号分析过程中的干扰可能性，并且结合BP神经网络算法对于劲性复合桩的桩基完整性进行自动判断和缺陷类型分析，提高了缺陷分析的准确性和使用效率。使用者可以对缺陷桩采取相应的处理措施，降低工程事故隐患，对劲性复合桩的推广及工程应用意义重大。
[0037]2、本专利技术在检测信号小波分解后选用了了功率均值、方差和各层小波所占能量比作为第一特征向量，并且将芯桩的直径和长度作为第二特征向量，由此确定的训练样本数据集可以对各个劲芯桩低应变反射波法的检测信号的差异性进行较大程度的概括收集，并考虑由于桩长、桩径等桩型差异对于低应变检测信号的影响，提高识别精确度。
附图说明
[0038]图1为本专利技术的流程示意图。
[0039]图2为小波多分辨率分解示意图。
[0040]图3为基于BP神经网络对劲性复合桩完整性及缺陷识别的示意图。
具体实施方式
[0041]下面结合附图和具体实施例对本专利技术进行详细本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种劲性复合桩完整性及缺陷类别的识别方法，其特征在于，包括以下步骤：S1、对多根劲性复合桩进行低应变反射波法检测，获取每根劲性复合桩的芯桩的低应变反射波检测信号；S2、对获取的反射波检测信号进行多分辨率小波分解，提取各层小波分量的功率均值、方差和各层小波所占能量比作为对应劲性复合桩的第一特征向量；同时，将芯桩的直径和长度作为应劲性复合桩的第二特征向量；由第一特征向量和第二特征向量组成训练样本数据集；S3、通过训练样本数据集作为输入端训练BP神经网络得到缺陷判别模型；S4、对待检测劲性复合桩进行低应变反射波法检测，获取其芯桩低应变反射波检测信号，同时获取待检测劲性复合桩的芯桩的直径和长度；S5、从待检测劲性复合桩的低应变反射波检测信号提取第一特征向量，和其芯桩的直径、长度一起作为缺陷判别模型的输入数据，由缺陷判别模型输出得到识别结果。2.根据权利要求1所述的一种劲性复合桩完整性及缺陷类别的识别方法，其特征在于，所述功率均值P
ai
的表达式为：式中，N为信号样本数，x
N
为对应各分层信号样本处的幅值，i为小波分解层数。3.根据权利要求1所述的一种劲性复合桩完整性及缺陷类别的识别方法，其特征在于，所述方差S
i2
的表达式为：式中，N为信号样本数，x
N
为对应各分层信号样本处的幅值，i为小波分解层数，u
i
为各层信号幅值均值。4.根据权利要求1所述的一种劲性复合桩完整性及缺陷类别的识别方法，其特征在于，所述各层小波所占能量比D
i
表达式为：表达式为：表达式为：式中，N为信号样本数，x
N
为对应各分层信号样本处的幅值，i为小波分解层数，E
i
为各层能量，E
t
为总能量。5.根据权利要求1所述的一种劲性复合桩完整性及缺陷类别的识别方法，其特征在于，所述BP神经网络包括输入层节点、输出层节点和隐层节点构成，特...

【专利技术属性】
技术研发人员：周洁，任君杰，刘钟，赵文强，唐益群，
申请(专利权)人：浙江坤德创新岩土工程有限公司，
类型：发明
国别省市：