详情

原文传递一种结合机器学习的隧道衬砌无损检测的辅助判定方法

专利名称：	一种结合机器学习的隧道衬砌无损检测的辅助判定方法
摘要：	本发明公开了一种结合机器学习的隧道衬砌无损检测的辅助判定方法：从采集的击振信号内提取特征参数；对特征参数内的反射时间进行回归拟合，得到标定值；以得到的特征参数表示原始信号，对此组特征值进行标记，记录其缺陷情况，以此作为一条训练集；在不同的测试对象上重复步骤上述步骤，增加训练集数量；利用模型训练软件进行模型训练；通过建好的模型，对未知检测结果的数据进行解析。本发明消减了由于厚度、材质变化产生的不利影响，增加了衬砌背面的反射时间作为缺陷判定参数，可以较好地反映缺陷特征，解决了现有的检测方法受工作人员主观因素影响较大，检测准确性较差的问题，实现了提高检测精度、降低人员主观干扰，确保检测结果客观准确的效果。
专利类型：	发明专利
国家地区组织代码：	四川;51
申请人：	四川升拓检测技术股份有限公司
发明人：	吴佳晔;罗技明;李科;黄伯太;张远军;刘秀娟;华容如
专利状态：	有效
申请日期：	2019-04-19T00:00:00+0800
发布日期：	2019-08-02T00:00:00+0800
申请号：	CN201910317985.3
公开号：	CN110082429A
代理机构：	成都行之专利代理事务所(普通合伙)
代理人：	伍星
分类号：	G01N29/04(2006.01);G;G01;G01N;G01N29
申请人地址：	643000 四川省自贡市高新区板仓孵化大楼三楼301室
主权项：	1.一种结合机器学习的隧道衬砌无损检测的辅助判定方法，其特征在于，包括以下步骤： (a)将传感器固定到测试对象上并进行击振，采集击振信号； (b)从采集的击振信号内提取特征参数，所述特征参数包括反射时间；其中对特征参数内的反射时间进行回归拟合，得到标定值； (c)以得到的特征参数表示原始信号，并根据实际情况，对此组特征值进行标记，记录其缺陷情况，以此作为一条训练集； (d)在不同的测试对象上重复步骤(a)～(d)，增加训练集数量； (e)利用模型训练软件进行模型训练：首先读入所有训练集，然后选择对应的分类器，并设置好分类器参数，进行建模； (f)通过建好的模型，对未知检测结果的数据进行解析。 2.根据权利要求1所述的一种结合机器学习的隧道衬砌无损检测的辅助判定方法，其特征在于，所述特征参数包括结构及边界条件信息、击振信号信息、反射时间信息Ti、反射时间信息Ti与标定值间的差异率RTi、反射时间信息Ti与拟合值间的差异率SRTi、以及相敏指标。 3.根据权利要求2所述的一种结合机器学习的隧道衬砌无损检测的辅助判定方法，其特征在于，所述相敏指标为Ti、RTi、Tiexp之间的相敏指标，其中Tiexp为根据拟合曲线的预测时间。 4.根据权利要求1所述的一种结合机器学习的隧道衬砌无损检测的辅助判定方法，其特征在于，对反射时间进行回归拟合的方法为m-1次回归拟合、直线回归拟合、二次回归拟合或多次回归拟合。 5.根据权利要求1所述的一种结合机器学习的隧道衬砌无损检测的辅助判定方法，其特征在于，对反射时间进行回归拟合时，将离散过大的数据去掉。 6.根据权利要求5所述的一种结合机器学习的隧道衬砌无损检测的辅助判定方法，其特征在于，所述离散过大的数据为超出均值±2倍标准偏差的数值。 7.根据权利要求2所述的一种结合机器学习的隧道衬砌无损检测的辅助判定方法，其特征在于，所述其中Td为根据设计厚度计算的底部反射时间理论值；当设计厚度不明时，RTi取实测时间参数。 8.根据权利要求2所述的一种结合机器学习的隧道衬砌无损检测的辅助判定方法，其特征在于，所述其中Tiexp为根据拟合曲线的预测时间。 9.根据权利要求1所述的一种结合机器学习的隧道衬砌无损检测的辅助判定方法，其特征在于，步骤(e)中通过以下任一模型进行训练：随机森林、贝叶斯网络、神经元网络。 10.根据权利要求2所述的一种结合机器学习的隧道衬砌无损检测的辅助判定方法，其特征在于，所述反射时间信息Ti包括衬砌背面反射时间、反射时间的基频周期。
所属类别：	发明专利