一种隧道衬砌中钢筋的去噪方法技术

本发明专利技术公开了一种隧道衬砌中钢筋的去噪方法，包括步骤S1、针对隧道衬砌结构设计符合实际意义的隧道衬砌中钢筋网覆盖下的病害模型，通过时域有限差分正演(FDTD)得到正演模拟图，同时设计出与病害相对应的真实模型图；步骤S2、将正演模拟图作为输入和真实模型图作为输出放在GPR

【技术实现步骤摘要】
一种隧道衬砌中钢筋的去噪方法


[0001]本专利技术涉及一种隧道衬砌中钢筋的去噪方法，属于探地雷达领域


技术介绍

[0002]探地雷达是一种基于高频率电磁波传播的无损检测工具，具有快速、无损以及连续探测的特点，并且可以将地下结构剖面实时成像，因此被广泛应用于工程和环境物探，是探测隧道衬砌下隐藏病害情况的良好工具。然而由于隧道衬砌中浅层钢筋网络对病害雷达信号的覆盖性，导致探地雷达无法准确识别钢筋网下的病害。一些研究是采用GprMax正演模拟对钢筋网下的病害进行人工图像解译，但是此类方法耗时长、精度低。因此，如何高精度去除钢筋噪音影响已成为目前探地雷达识别隧道衬砌下病害体的一大难题。
[0003]目前，较为广泛使用的钢筋去噪方法有人工解译法和深度学习法。
[0004]2004年徐茂辉等通过大量正演模拟研究钢筋的雷达图像，随后使用BP人工神经网络识别出了钢筋的直径。但该方法并没有识别出钢筋网下的病害，且正演模拟耗时长、成本高且试件数量不足。
[0005]2020年叶煜辉等通过深度学习研究了隧道衬砌下的各类病害，然而该方法并没有给出受钢筋强信号干扰下病害的识别方法。
[0006]2020年李姝凡等通过深度学习研究了钢筋网下混凝土中空洞和脱空病害识别和去噪问题，然而该方法中研究的病害模型较为单一，且没有运用在隧道衬砌检测中。
[0007]综上所述，针对隧道衬砌中钢筋网下病害的识别去噪问题尽管相继出现了不同的解决方案，但有的耗时长，试件数量少；有的虽研究隧道衬砌中不同类型病害，但没有给出钢筋网下的病害体具体识别方法；有的虽研究钢筋网下脱空与空洞病害识别方法，但是研究的病害模型较为单一，且没有应用于隧道衬砌环境中。

技术实现思路

[0008]为了克服现有技术中的问题，本专利技术提供一种隧道衬砌中钢筋的去噪方法。
[0009]本专利技术解决上述技术问题所提供的技术方案是：一种隧道衬砌中钢筋的去噪方法，包括以下步骤：
[0010]步骤S1、针对隧道衬砌结构设计符合实际意义的隧道衬砌中钢筋网覆盖下的病害模型，通过时域有限差分正演(FDTD)得到正演模拟图，同时设计出与病害相对应的真实模型图；
[0011]步骤S2、将正演模拟图作为输入和真实模型图作为输出放在GPR
‑
inv Net网络结构中进行训练及参数迭代，获得最优的GPR
‑
inv Net网络结构；
[0012]步骤S3、根据训练后最优的GPR
‑
inv Net网络结构输出去噪预测结果图。
[0013]进一步的技术方案是，所述步骤S2中的具体训练过程为：
[0014]步骤S21、首先将数据x
i
输入到第一层中；
[0015]步骤S22、通过中间层的计算最后达到输出层；
[0016]步骤S23、计算数据x
i
的均值μ
β
和方差然后对数据x
i
进行标准化；最后设置可学习参数γ和β，还原数据特征；
[0017]步骤S24、重复S21
‑
S23，计算第L2,L3,
···
,L
n
层的激活值a2,a3,
···
,a
n
，同时对每一层进行标准化；
[0018]步骤S25、计算输出层L
n
的误差项；
[0019]步骤S26、计算全局误差；
[0020]步骤S27、计算最终层的权重参数的梯度值、偏置参数的梯度值，并根据反向传播的思路对第m层的参数求其梯度值；
[0021]步骤S28、重复以上步骤，观察学习率并控制梯度更新的速度以达到最佳参数选择。
[0022]进一步的技术方案是，所述步骤S21中的计算公式为：
[0023][0024]式中：x
i
为第i个数据的输入，为第m层中第i个神经元的激活值。
[0025]进一步的技术方案是，所述步骤S22中的计算公式为：
[0026][0027][0028]式中：为第m层第i个神经元的加权和，ω为权重参数，b为偏置参数，f(
·
)为激活函数。
[0029]进一步的技术方案是，所述步骤S23中均值μ
β
和方差的计算公式为：
[0030][0031][0032]式中：μ
β
为均值；为方差。
[0033]进一步的技术方案是，所述步骤S23中对数据进行标准化的公式为：
[0034][0035]式中：μ
β
为均值。
[0036]进一步的技术方案是，所述步骤S23中还原数据特征的公式为：
[0037][0038]式中：y
i
为还原数据。
[0039]进一步的技术方案是，所述步骤S25中的计算公式为：
[0040][0041]式中：为第n层中第i个神经元的激活值。
[0042]进一步的技术方案是，所述步骤S26中的计算公式为：
[0043][0044]式中：C为全局误差。
[0045]进一步的技术方案是，所述步骤S27中的计算公式包括：
[0046][0047]梯度值计算公式：
[0048][0049]则权值参数的梯度值可表示为：
[0050][0051]同理有偏差的梯度值可表示为：
[0052][0053]对于模型第m层参数的梯度值：
[0054][0055][0056]式中：C为全局误差；ω为权重参数，b为偏置参数。
[0057]本专利技术具有以下有益效果：本专利技术具有处理时间快、操作简单、精度高等优点。
附图说明
[0058]图1为GPR
‑
inv Net网络结构图；
[0059]图2为不含钢筋空洞模型图；
[0060]图3为含一半钢筋空洞模型图；
[0061]图4为钢筋全覆盖下空洞模型图；
[0062]图5为衬砌结构中钢筋全覆盖下空洞模型图；
[0063]图6为衬砌结构中钢筋全覆盖下裂隙模型图；
[0064]图7为衬砌结构中钢筋全覆盖下疏松体模型图。
具体实施方式
[0065]下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0066]本专利技术的一种隧道衬砌中钢筋的去噪方法，包括以下步骤：
[0067]步骤S1、针对隧道衬砌结构设计符合实际意义的隧道衬砌中钢筋网覆盖下的病害模型，通过时域有限差分正演(FDTD)得到正演模拟图，同时设计出与病害相对应的真实模型图；
[0068]步骤S2、将正演模拟图作为输入和真实模型图作为输出放在GPR
‑<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种隧道衬砌中钢筋的去噪方法，其特征在于，包括以下步骤：步骤S1、针对隧道衬砌结构设计符合实际意义的隧道衬砌中钢筋网覆盖下的病害模型，通过时域有限差分正演得到正演模拟图，同时设计出与病害相对应的真实模型图；步骤S2、将正演模拟图作为输入和真实模型图作为输出放在GPR
‑
inv Net网络结构中进行训练及参数迭代，获得最优的GPR
‑
inv Net网络结构；步骤S3、根据训练后最优的GPR
‑
inv Net网络结构输出去噪预测结果图。2.根据权利要求1所述的一种隧道衬砌中钢筋的去噪方法，其特征在于，所述步骤S2中的具体训练过程为：步骤S21、首先将数据x
i
输入到第一层中；步骤S22、通过中间层的计算最后达到输出层；步骤S23、计算数据x
i
的均值μ
β
和方差然后对数据x
i
进行标准化；最后设置可学习参数γ和β，还原数据特征；步骤S24、重复S21
‑
S23，计算第L2,L3,
···
,L
n
层的激活值a2,a3,
···
,a
n
，同时对每一层进行标准化；步骤S25、计算输出层L
n
的误差项；步骤S26、计算全局误差；步骤S27、计算最终层的权重参数的梯度值、偏置参数的梯度值，并根据反向传播的思路对第m层的参数求其梯度值；步骤S28、重复以上步骤，观察学习率并控制梯度更新的速度以达到最佳参数选择。3.根据权利...

【专利技术属性】
技术研发人员：曹楠，张志厚，谢小国，张天一，田银川，赵明浩，陶俊利，黄世宁，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：