一种基于特征曲线匹配低应变曲线的桩基缺陷识别方法技术

本发明专利技术公开一种基于特征曲线匹配低应变曲线的桩基缺陷识别方法，包括：步骤1：为各个桩基础缺陷类型生成对应的缺陷特征曲线；步骤2：将各个不同桩基础缺陷类型的缺陷特征曲线转换为对应的文本文件；步骤3：滑动截取实际低应变曲线上的数据，计算截取数据与缺陷特征曲线之间的匹配精度来构建匹配精度曲线，在匹配精度曲线上提前出超过预设阈值的匹配精度极大值；步骤4：根据匹配精度计算出实际低应变缺陷上缺陷类型的分类概率；步骤5：确定缺陷类型的等级。本发明专利技术能够实现低应变曲线的桩基缺陷自动识别，能够极大的提高桩基检测的效率和准确度，减少人工判断低应变曲线导致的桩基缺陷误判、漏判概率。漏判概率。漏判概率。

【技术实现步骤摘要】
一种基于特征曲线匹配低应变曲线的桩基缺陷识别方法


[0001]本专利技术涉及桩基缺陷识别
，具体是一种基于特征曲线匹配低应变曲线的桩基缺陷识别方法。

技术介绍

[0002]桩基础(包括预应力管桩、灌注桩、钢桩等)是工程建设领域广泛使用的基础形式之一，而由于桩基础是具有隐蔽特性的重要工程结构，一旦施工过程中质量控制不严，而在施工或建设过程中又不能及时识别出缺陷，将会导致严重的工程隐患。现有对桩基础缺陷识别或检测的方法中，主要包括高应变、低应变、钻孔取芯等检测方法。在这些现有方法中，各种识别方法各有优劣，其中，由于低应变检测最常采用的是无损桩基础的检测，且其操作过程简单、快速，因此，低应变检测成为日益重要的桩基础缺陷识别手段。
[0003]目前，基于低应变方法的桩基础缺陷识别往往完全或大部分依赖于人工辨识，包括判断桩基础的缺陷类型、大小及位置等都需要依靠人工完成，费时费力，且容易造成漏检(漏检率高)、误检。也有一些通过神经网络来实现桩基础缺陷识别的方法，但也存在相应不足。例如，公开号为CN112418266A的中国专利技术申请，其公开了一种基于卷积神经网络的桩基完整性分类识别方法。该专利技术申请公开的方法中，需要将低应变曲线绘制成图像，并压缩成64像素
×
64像素大小的图片，然后采用深度学习神经网络对图片进行学习，从而对桩基缺陷进行分类。这种方法在压缩图像的过程中，会造成低应变曲线的信息丢失，特别是对于桩长较长的桩基础，如桩长大于30m。由于曲线上的缺陷特征只占很少一部分范围，在对图像压缩过程中，低应变曲线上的缺陷信息有可能会丢失。另外，在绘制低应变曲线的时候，坐标轴和网格线的存在也会对卷积计算造成干扰。上述原因都会使得利用卷积神经网络进行桩基低应变曲线的精度较低。

技术实现思路

[0004]针对现有技术的不足，本专利技术的目的是提供一种基于特征曲线匹配低应变曲线的桩基缺陷识别方法，其能够解决
技术介绍
所描述的问题。
[0005]实现本专利技术的目的的技术方案为：一种基于特征曲线匹配低应变曲线的桩基缺陷识别方法，包括如下步骤：
[0006]步骤1：对每一种桩基础缺陷类型生成对应的缺陷特征曲线，各个缺陷特征曲线构成缺陷特征曲线集合；
[0007]步骤2：生成与缺陷特征曲线同样长度的滑动窗口，在实际低应变曲线上按预设的滑动步长移动滑动窗口，从实际低应变曲线上截取数据，并以滑动窗口距离实际低应变曲线上原点的距离为自变量、所截取的数据与缺陷特征曲线之间的匹配精度为因变量构成匹配精度曲线，从匹配精度曲线中提取出上峰值，将大于预设阈值的上峰值作为当前匹配精度曲线的匹配精度极大值，匹配精度极大值表征了当前实际低应变曲线在上峰值位置处有多大程度具有缺陷特征曲线所反映的缺陷类型，
[0008]其中，缺陷特征曲线与滑动窗口在实际低应变曲线上所截取的数据之间的匹配精度按公式
①
计算得到：
[0009][0010]式中，C
i
表示第i种缺陷类型所对应的缺陷特征曲线与滑动窗口在实际低应变曲线上所截取的数据之间的匹配精度，f
i
表示第i种缺陷类型对应的缺陷特征曲线，g
i
表示滑动窗口在实际低应变曲线上所截取的数据，M为缺陷特征曲线的数据长度，也即是缺陷特征曲线上的数据点的数量，
[0011]步骤3：根据匹配精度计算出实际低应变缺陷上缺陷类型的分类概率。
[0012]进一步地，在所述步骤1中，缺陷特征曲线的时间长度取0.01ms
‑
1ms，缺陷特征曲线上的离散的数据点数量在50
‑
1000之间。
[0013]进一步地，所述桩基础缺陷类型包括局部缩径、局部扩径和弯曲。
[0014]进一步地，所述滑动窗口的预设滑动步长为1
‑
10。
[0015]进一步地，在步骤1之后、步骤2之前，还包括如下步骤：
[0016]将各个不同桩基础缺陷类型的缺陷特征曲线转换为对应的文本文件，并记为缺陷特征文本，在缺陷特征文本上截取数据。
[0017]进一步地，所述步骤3的具体实现包括如下步骤：
[0018]步骤4
‑
1：将缺陷特征曲线集合中所有同一缺陷类型的缺陷特征曲线与对应缺陷类型的实际低应变曲线之间的匹配精度作为该缺陷类型的匹配精度，从而得到实际低应变曲线在每一种缺陷类型中的匹配精度，
[0019]其中，实际低应变曲线在第i种缺陷类型下的第j个匹配精度记为C
i,j
，因此，实际低应变曲线在第i种缺陷类型下的所有匹配精度集合为[C
i,1
,C
i,2
,
…
，C
i,j
,
…
C
i,Q
]，Q为匹配精度极大值的总个数，也即是超过预设值的上峰值的总个数，
[0020]按公式
②
计算得到实际低应变曲线中的缺陷类型归类为第i种缺陷类型A
i
的分类概率P
i,j
：
[0021][0022]式中，e表示自然底数，
[0023]步骤4
‑
2：在分类概率集合中[P
i,1
,P
i,2
,
…
,P
i,Q
]的最大值作为实际低应变曲线中的缺陷类型归类为第i种缺陷类型A
i
的最终概率。
[0024]进一步地，所述步骤3之后，还包括确定缺陷类型的等级。
[0025]进一步地，所述确定缺陷类型的等级的具体实现包括：
[0026]将各个缺陷类型的缺陷特征曲线进行采样频率缩放和幅值缩放，从而得到缩放后的缺陷特征曲线，并计算得到缩放后的缺陷特征曲线与实际低应变曲线的匹配精度，根据匹配精度大小输出相对应的缺陷等级。
[0027]进一步地，将缺陷类型A
i
的缺陷特征曲线的采样频率和幅值进行缩放，然后将缩放后的缺陷特征曲线按上述方法重新计算实际低应变曲线在各个缩放后的缺陷特征曲线中的分类概率，并逐步缩放幅值，直至实际低应变缺陷中的缺陷类型的分类概率最大化，并
确定当前幅值的缩放值，然后根据缩放置大小排序将缺陷程度分层若干等级。
[0028]进一步地，采样频率的缩放区间为0
‑
10。
[0029]本专利技术的有益效果为：本专利技术能够实现低应变曲线的桩基缺陷自动识别，能够极大的提高桩基检测的效率和准确度，减少人工判断低应变曲线导致的桩基缺陷误判、漏判概率。
附图说明
[0030]图1为本专利技术方法的流程示意图；
[0031]图2为断桩缺陷类型何扩径缺陷类型的缺陷特征曲线；
[0032]图3为缺陷特征曲线在实际低应变曲线上通过滑动步长所计算的匹配精度曲线的示意图；
[0033]图4为根据匹配精度极大值的位置定位出的缺陷类型所在位置的示意图。
...

【技术保护点】

【技术特征摘要】
1.一种基于特征曲线匹配低应变曲线的桩基缺陷识别方法，其特征在于，包括如下步骤：步骤1：对每一种桩基础缺陷类型生成对应的缺陷特征曲线，各个缺陷特征曲线构成缺陷特征曲线集合；步骤2：生成与缺陷特征曲线同样长度的滑动窗口，在实际低应变曲线上按预设的滑动步长移动滑动窗口，从实际低应变曲线上截取数据，并以滑动窗口距离实际低应变曲线上原点的距离为自变量、所截取的数据与缺陷特征曲线之间的匹配精度为因变量构成匹配精度曲线，从匹配精度曲线中提取出上峰值，将大于预设阈值的上峰值作为当前匹配精度曲线的匹配精度极大值，匹配精度极大值表征了当前实际低应变曲线在上峰值位置处有多大程度具有缺陷特征曲线所反映的缺陷类型，其中，缺陷特征曲线与滑动窗口在实际低应变曲线上所截取的数据之间的匹配精度按公式
①
计算得到：式中，C
i
表示第i种缺陷类型所对应的缺陷特征曲线与滑动窗口在实际低应变曲线上所截取的数据之间的匹配精度，f
i
表示第i种缺陷类型对应的缺陷特征曲线，g
i
表示滑动窗口在实际低应变曲线上所截取的数据，M为缺陷特征曲线的数据长度，也即是缺陷特征曲线上的数据点的数量，步骤3：根据匹配精度计算出实际低应变缺陷上缺陷类型的分类概率。2.根据权利要求1所述的基于特征曲线匹配低应变曲线的桩基缺陷识别方法，其特征在于，在所述步骤1中，缺陷特征曲线的时间长度取0.01ms
‑
1ms，缺陷特征曲线上的离散的数据点数量在50
‑
1000之间。3.根据权利要求1所述的基于特征曲线匹配低应变曲线的桩基缺陷识别方法，其特征在于，所述桩基础缺陷类型包括局部缩径、局部扩径和弯曲。4.根据权利要求1所述的基于特征曲线匹配低应变曲线的桩基缺陷识别方法，其特征在于，所述滑动窗口的预设滑动步长为1
‑
10。5.根据权利要求1所述的基于特征曲线匹配低应变曲线的桩基缺陷识别方法，其特征在于，在步骤1之后、步骤2之前，还包括如下步骤：将各个不同桩基础缺陷类型的缺陷特征曲线转换为对应的文本文件，并记为缺陷特征文本，在缺陷特征文本上截取数据。6.根据权利要求1所述的基于特征曲线匹配低应变曲线的桩基缺陷识别方法，其特征在于，所述步骤3的具体实现包括如下步骤：步骤4
‑
1：将缺陷特征曲线集合中所有同一...

【专利技术属性】
技术研发人员：毛凤山，吕述晖，苏世定，李金祥，苏林王，吴佳琪，
申请(专利权)人：中交第四航务工程局有限公司，
类型：发明
国别省市：