本发明专利技术涉及一种复杂环境下混凝土钢筋锈蚀无损检测装置与方法。该装置包括两台无人机设备，一号无人机搭载WiFi信号、蓝牙信号以及5G信号发射装置，这些信号紧贴混凝土表面并发射。二号无人机配备无线信号接收装置，负责接收经过混凝土介质传播后的多种无线信号。利用无线信号在混凝土中的传播特性进行非破坏性检测。装置将测量到的信号衰减数据转化为分贝形式，结合环境数据和混凝土配料比等数据，经拉依达准则去除误差值后，使用Z‑Score算法进行归一化处理。对每种信号，采用梯度提升决策树预测模型，实现混凝土中氯化物、硫酸盐以及碳酸钙成分含量量化；基于高斯激励函数，综合多种信号量化结果，最终生成混凝土钢筋锈蚀情况预测结果。
【技术实现步骤摘要】
本专利技术涉及土木工程结构健康监测、无人机技术应用及机器学习领域。具体涉及一种复杂环境下混凝土钢筋锈蚀无损检测装置与方法。
技术介绍
1、随着土木工程结构的不断发展和使用年限的延长，钢筋锈蚀是导致混凝土结构性能退化的主要原因之一。传统的钢筋锈蚀检测方法通常需要进行破坏性取样或钻孔，不仅操作复杂、成本高，而且会对结构造成二次损伤。
2、无线信号无损检测技术是一种利用无线信号进行非接触式、非破坏性的检测手段，通过分析无线信号的传输特性，提取出关于被检测对象的内部结构和性能信息。其核心原理在于无线信号与被检测对象之间的相互作用。当无线信号穿过或反射自被检测对象时，其传输特性会发生变化，这些变化与被检测对象的内部结构和材料性质密切相关。通过分析这些变化，可以推断出被检测对象的内部缺陷、损伤或其他性能问题。
3、梯度提升决策树是一种优化的分布式梯度增强库，旨在实现高效、灵活和便携的机器学习算法。gradient boosting框架，通过并行树提升来快速准确地解决许多数据科学问题。其基本组成元素是决策树，这些决策树作为“弱学习器”共同组成梯度提升决策树模型。在梯度提升决策树中，后一棵决策树的生成会考虑前一棵决策树的预测结果，即将前一棵决策树的偏差考虑在内，使得先前决策树做错的训练样本在后续受到更多的关注。专利技术人通过无人机搭载不同的传感器和检测装置，可以实现对土木工程结构的快速、全面检测，提出了一种基于无人机双机协同的混凝土钢筋锈蚀无损检测装置与方法。
技术实现思路
>1、为解决传统方法的破坏性检测，本专利技术的目的在于提供一种复杂环境下混凝土钢筋锈蚀无损检测装置与方法，以解决上述问题，一种复杂环境下混凝土钢筋锈蚀无损检测装置，包括：2、一号无人机，所述一号无人机上搭载无线信号发射装置，通过调整发射功率和频率，使其紧贴混凝土表面发射wifi信号、蓝牙信号以及5g信号；
3、二号无人机，所述二号无人机上配备与一号无人机无线信号发射装置相匹配的无线信号接收装置，该无线信号接收装置用于接收经过混凝土介质传播后的多种无线信号，并提取信号强度、延迟、相位差；
4、飞行控制单元，用以控制一号无人机和二号无人机的飞行轨迹和协同工作；
5、定位装置，分别安装在一号无人机和二号无人机上、用于确定两者的相对位置和高度，确保检测过程中的精确性和稳定性；
6、信号转换装置，将接收到的无线信号转换为分贝形式，以便后续处理。
7、一种复杂环境下混凝土钢筋锈蚀无损检测方法包括以下步骤：
8、操控一号无人机和二号无人机，引导无人机飞行至需要紧贴混凝土表面的目标区域。
9、微调一号无人机和二号无人机的姿态，使其能够以合适的角度和速度接近混凝土表面。
10、操控一号无人机缓慢下降，直至无线信号发射装置紧贴混凝土表面。
11、当一号无人机稳定地紧贴混凝土表面后，开启无线信号发射装置，依次发射蓝牙信号、5g信号、wifi信号。同时，无人机二号开始接收无线信号，确保信号质量良好，无干扰或中断。
12、二号无人机的信号处理模块将接收到的无线信号精确转换为分贝形式，以便后续处理。
13、经过数据处理模块，采用one-hot编码分类特征转换为二进制特征，使用拉依达准则剔除数据中的异常值，对每个数据计算其z-score值替换原始数据点，实现归一化处理。
14、采用梯度提升决策树模型进行训练，以选择决策树作为基础模型，其公式为：
15、
16、使用网格搜索对进行筛选重要超参数，通过对设定值域内所有的值进行搜索并加以验证，获得重要超参数取值，对重要超参数进行优化，确定其最优值。
17、将数据集分为输入特征(x)和目标变量(y)，目标变量代表预测的氯化物、硫酸盐、碳酸钙含量百分比。
18、使用80:20的比例将数据集划分为训练集和测试集，通过迭代上一棵决策树的错误结果，不断减少残差，并在残差减少的方向上建立一个新的决策树，生成对混凝土中氯化物、硫酸盐以及碳酸钙含量进行预测，其目标函数公式为：
19、
20、其中obj为目标函数，yi和分别代表真实值和预测值，l为预测值和真实值之间的差异，ω为正则化函数；
21、为防止梯度提升决策树模型过拟合训练数据，导致在测试数据上的性能下降，设置抑制复杂度的正则项，其公式为：
22、
23、其中，t是树的叶子节点的数量，wj是第j个叶子节点的权重，它代表了该叶子节点对最终预测的贡献。γ和λ是正则化系数，用于控制正则化的强度，γ控制叶子节点数量的影响，而λ控制了叶子节点权重的影响。
24、进一步地，使用的梯度提升决策树训练模型使用二阶泰勒展开来近似目标函数以优化目标函数，其公式为：
25、
26、其中，gj和hj分别表示叶子节点j所包含的样本的一阶偏导、二阶偏导累加之和。
27、采用均方根误差(rmse)、平均绝对误差(mae)、确定系数(r2)来作为衡量梯度提升决策树模型性能的指标。rmse对于大的误差更加敏感，而mae则同等对待对所有误差，在一些情况下可能会更稳定，综合考虑两种误差衡量方式，避免单一指标的误导，其公式为：
28、
29、其中，yi是第i个样本的真实值，是模型对第i个样本的预测值，n是样本的总数。
30、通过在单个决策树中，利用每个属性分割点改进性能度量的量来计算属性的重要性，由节点进行加权和记录次数，对每种信号实现混凝土中氯化物、硫酸盐以及碳酸钙等成分含量量化。
31、综合考虑基于蓝牙信号、5g信号、wifi信号生成的混凝土中氯化物、硫酸盐以及碳酸钙等成分含量x1,x2,x3，生成新的输入新的输入x，使用高斯函数作为激励函数，其公式为：
32、x＝γ1*x1+γ2*x2+γ3*x3
33、
34、其中，g表示高斯核函数的输出值；||x-k||为欧式范数，x为输入，k为高斯函数中心，σ为高斯函数方差。
35、基于高斯函数，训练模型，其目标函数公式为：
36、
37、其中，wi为连接权重。
38、基于目标函数输出，生成混凝土钢筋锈蚀情况预测。
39、与传统方法相比，基于无人机双机协同的混凝土钢筋锈蚀无损检测装置与方法通过无线信号检测，避免了提取样本对混凝土造成的破坏，同时无人机可以快速覆盖大片区域，且能够在复杂或难以接近的地形上进行作业，相较于人工方法可以提高检测效率。
本文档来自技高网...
【技术保护点】
1.一种复杂环境下混凝土钢筋锈蚀无损检测装置，其特征在于，包括：
2.一种复杂环境下混凝土钢筋锈蚀无损检测方法，其特征在于，包括如下步骤：
3.根据权利要求2所述的一种复杂环境下混凝土钢筋锈蚀无损检测方法，其特征在于，步骤S5包括如下步骤：
4.根据权利要求2所述的一种复杂环境下混凝土钢筋锈蚀无损检测方法，其特征在于，步骤S6包括如下步骤：
5.根据权利要求2所述的一种复杂环境下混凝土钢筋锈蚀无损检测方法，其特征在于：步骤S8采用高斯函数作为激励函数，最终生成混凝土钢筋锈蚀情况预测结果：
【技术特征摘要】
1.一种复杂环境下混凝土钢筋锈蚀无损检测装置，其特征在于，包括：
2.一种复杂环境下混凝土钢筋锈蚀无损检测方法，其特征在于，包括如下步骤：
3.根据权利要求2所述的一种复杂环境下混凝土钢筋锈蚀无损检测方法，其特征在于，步骤s5包括如下步骤：
【专利技术属性】
技术研发人员：王龙宝，胡禛昊，陈清华，张伟建，殷海平，余霖，陈钊，冯卫东，应海华，
申请(专利权)人：河海大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。