一种基于机器学习的全仓面碾压施工质量评估方法技术

本发明专利技术公开了一种基于机器学习的全仓面碾压施工质量评估方法，首先，监测施工现场碾压机械的实时三维空间位置数据，利用空间位置数据得到实时碾压施工参数信息；进一步，构建碾压仓面实时高精度数字高程模型来解算压沉值；其次进行碾压实验，采集不同碾压速度、碾压遍数下的压实质量指标数据，得到本方法的样本数据集，再建立碾压施工仓面施工质量评估模型；最后在碾压仓面施工过程中基于所述模型实现碾压施工全仓面的施工质量实时评估。本发明专利技术能快速、准确估算碾压施工全仓面的压实质量指标，进一步通过对碾压参数和压实质量指标的“双评”，综合评定该仓面的压实质量，可有效避免通过少量样本来评价整体仓面碾压质量的准确性问题。确性问题。确性问题。

【技术实现步骤摘要】
一种基于机器学习的全仓面碾压施工质量评估方法


[0001]本专利技术属于土石方填筑工程碾压施工质量过程控制管理
，特别是涉及一种基于机器学习的全仓面碾压施工质量评估方法。

技术介绍

[0002]在土石方填筑工程中，填筑材料的压实质量对结构的稳定性和耐久性至关重要。因此，土石方填筑碾压施工过程中的质量控制是保证结构体施工质量和安全的关键环节。根据现行的规范要求，在填筑碾压施工质量控制中要做到“双控”：一是施工中的“过程控制”，主要控制施工过程中的碾压参数(包括摊铺厚度、加水量、激振力、碾压速度、碾压遍数等)；二是仓面施工结束后的“最终参数控制”，通过试坑采样检测填筑体的干密度或压实度来分析是否满足设计的压实质量标准。当前，有学者利用现代先进的GNSS、测量机器人等定位技术实现了对施工中碾压机械的实时、连续、高精度自动监控，在获取碾压机械施工运行中的三维坐标数据后，进一步通过这些数据实现了碾压施工重要控制参数的计算，达到了监控碾压施工质量的目的。应用中的填筑碾压施工质量监控系统基本实现了施工的“过程控制”，监控实时的激振力状态、碾压速度、碾压本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的全仓面碾压施工质量评估方法，其特征在于，包括如下步骤：步骤S1.监测施工现场碾压机械的实时三维空间位置数据，从所述三维空间位置数据中计算得到实时碾压施工参数信息；步骤S2.构建基于径向基函数神经网络改进算法的碾压仓面实时高精度数字高程模型，通过碾压前后的数字高程模型之差来解算压沉值；步骤S3.土石方填筑工程现场进行碾压实验，在施工质量监控系统实时监测的同时，布设一定数量的采样点采集不同碾压速度、碾压遍数下的压实质量指标数据，得到本方法的样本数据集，步骤S4.利用机器学习建立压实质量指标与压沉值、碾压遍数、碾压速度的数学模型，即碾压施工仓面施工质量评估模型；步骤S5.在碾压仓面施工过程中基于所述模型实现碾压施工全仓面的施工质量实时评估，并根据填筑施工质量控制标准分析质量不达标区域，及时反馈，控制施工质量。2.根据权利要求1所述的一种基于机器学习的全仓面碾压施工质量评估方法，其特征在于，所述步骤S1中，利用填筑碾压施工质量监控智能系统软硬件监测碾压机械的实时三维空间位置数据，利用空间数据挖掘算法从空间位置数据中计算得到实时碾压施工参数信息。3.根据权利要求1所述的一种基于机器学习的全仓面碾压施工质量评估方法，其特征在于，所述步骤S2中构建建施工过程中碾压仓面实时高精度数字高程模型包含以下步骤：步骤S21.在三维空间位置数据空间维度的基础上引入时间维度，碾压条带与条带之间是部分重叠覆盖的，因此部分离散点会被后面的碾压条带所覆盖，重叠覆盖部分会随着碾压遍数的增加而进一步压实，从而高程会发生变化，因此，被覆盖的点就不能再代表碾压仓面，需要由新的点更新取代它们来代表碾压仓面，因此，通过不停判断和更新的过程来获取最终碾压仓面上的高程点数据；S22.基于上一步提取的碾压仓面高程数据，利用改进的径向基函数神经网络算法建立碾压仓面实时高精度数字高程模型；S23.通过碾压前后的数字高程模型之差来解算压沉值，计算公式为ΔZ(i,j)＝Z
early
(i,j)
‑
Z
later
(i,j)式中，i、j对应栅格数据中的行列，Z
later
(i,j)为碾压后的高程值，Z
early
(i,j)为碾压前的高程值。4.根据权利要求1所述的一种基于机器学习的全仓面碾压施工质量评估方法，其特征在于，所述步骤S3中碾压实验获取样本数据具体包括如下步骤：S31.在填筑碾压工前进行土石方填筑碾压实验，利用实时监控系统获取施工过程中主要碾压参数信息，包括碾压遍数、碾压速度，同时布设一定数量的采样点通过附加质量法采集压实质量指标数据；S32.选择一块区...

【专利技术属性】
技术研发人员：张文，黄声享，
申请(专利权)人：武汉大学，
类型：发明
国别省市：