共查询到17条相似文献,搜索用时 156 毫秒
1.
2.
刚性路面脱空声识别集成神经网络方法 总被引:3,自引:0,他引:3
基于集成神经网络对刚性路面脱空声的识别与分类能力,用简单的敲击法获取了刚性路面的声响应信号,通过对声信号的频域特征提取,应用集成神经网络对刚性路面脱空状况进行了识别.实验表明所给出的特征提取方法和集成神经网络模型是解决刚性路面脱空识别的一条较为有效途径. 相似文献
3.
为快速而又有效地进行无损检测(NDT),探讨了动量系数和学习率自适应调整的神经冈络算法.及刚性路面脱空识别特征参数的选取,提出以反映结构损伤位置和程度的频率下降率作为结构脱空识别的特征参数。利用有限元方法对刚性路面脱空进行数值模拟,同时采用声振法研究了刚性路面板声学特征变化的关系,分别获取训练样本数据,通过自适应神经网络对刚性路面脱空进行了识别研究。从中可以看出,采用频率下降率和自适应神经网络技术对刚性路面脱空进行缺陷识别分析具有较高的精度和可靠性。为用声学特征进行刚性路面脱空等缺陷识别提供了理论和实验依据。 相似文献
4.
5.
6.
7.
《筑路机械与施工机械化》2019,(5)
为了能够准确识别板底脱空形态,并给出注浆工程量的计算依据,提出一种基于ABAQUS的神经网络方法。利用ABAQUS有限元软件模拟不同脱空形态路面板在荷载激励下的声学信号并提取声学特征值;通过BP神经网络构建多指标声学特征与脱空形态指标的关系模型;由实测声学信号提取脱空区域的多指标声学特征值,并进行路面板底脱空形态指标的预测。结果表明,建立的神经网络模型能够比较准确地识别板底脱空形态指标,可以为水泥混凝土路面板底脱空处治工程量的预测提供有效手段和依据。 相似文献
8.
9.
10.
公路工程瞬态锤击检测技术 总被引:3,自引:0,他引:3
为了实现刚性路面板脱空和路基压实质量的快速无损检测,提出了以瞬态锤击为特色的动态检测技术.简述了瞬态锤击检测技术原理,给出了瞬态振动信号的分析处理方法;针对瑞雷波相速度测试结果,借鉴物探中剥层法反演了路基剪切波速剖面;建立了4种路基土密度与剪切波速的数学模型,给出了剪切波法确定路基压实度的公式,从而实现了对路基压实度的波动检测;结合刚性路面的模态分析和模型试验结果,对路面瞬态振动信号进行了频谱分析,从而获得了路面板脱空状况信息.结果表明:路面板脱空严重时,其振动基频一般低于50 Hz,对于支承良好的路面板,其振动基频通常大于200 Hz. 相似文献
11.
针对现有SegNet算法难以精确区分裂缝和灌封裂缝等具有相似特征的沥青路面病害的问题,提出了基于改进SegNet网络的沥青路面病害提取方法。针对道路标线和光照不均匀等导致路面病害图像质量差异化的因素,本研究在去除道路标线的基础上,运用带色彩恢复的多尺度视网膜增强算法,降低道路标线和光照对图像质量的影响以及增强路面病害图像的对比度、色调和亮度,提高病害的识别精度;为了充分利用图像的上下文信息,解决SegNet网络对细微病害分割效果不佳的问题,引入残差神经网络(ResNet)作为编码器,并对解码器中每个上采样产生的特征图拼接2个分别由卷积层(1×1的卷积核)和空洞卷积层从对应的编码器中获取的尺度相同的特征图;运用形态学闭运算连接分割结果中不连续的裂缝。为了验证改进算法的有效性,将其与典型的语义分割方法(SegNet和BiSeNet)在测试集上进行测试和性能对比。研究结果表明,3种方法的平均交并比(MIoU)和F1分数(F1-score)分别为(82.4%,98.9%),(69.4%,94.0%),(80.5%,98.1%);利用这3种方法对甘肃省部分路段路面病害的提取效果进行对比测试,提出方法的裂缝漏检率和误检率分别为2.91%,1.94%,优于SegNet(10.68%,14.56%)和BiSeNet(6.80%,12.62%)。本研究所提方法能够更精确地提取和区分沥青路面裂缝和灌封裂缝。 相似文献
12.
13.
由于路面破损形式的多种多样,造成路面破损分类成为一大难题,这极大的限制了路面破损自动检测的普及和发展,使得路面破损自动检测即使在发达国家普及得也不够理想。本文主要研究基于图象子块分布特性的路面破损识别算法,对比研究了小波神经网络和传统的BP神经网络在基于图象子块分布特性的路面破损识别。仿真结果显示,小波神经网络优于传统的BP神经网络。 相似文献
14.
15.
本文介绍了神经网络的基本理论,提出了一种采用BP神经网络模型对空耦雷达道路检测路面厚度进行测算的新方法。并对BP神经网络模型在沥青混凝土路面厚度检测的应用进行了分析、比较,为GPR技术在道路工程检测实践中提供一种辅助判断手段。 相似文献
16.
基于层状弹性体系理论,利用BP人工神经网络预测沥青路面基层弹性模量。通过构建路表弯沉盆与沥青路面基层参数之间的数据库,建立了BP人工神经网络反算基层弹性模量预测模型。由理论弯沉盆作为已知输入参数进行反算时,基层弹性模量的反算值与理论值相对误差在8%左右;由实测弯沉盆作为已知输入参数进行反算时,计算弯沉盆与标准化实测弯沉盆的拟合均方差RMSE为4.49%。检验结果表明:基于层状弹性体系理论,建立的BP人工神经网络反算沥青路面基层弹性模量模型,可满足实践工程要求。 相似文献