刚性路面脱空声识别集成神经网络方法

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.     

刚性路面脱空声识别集成神经网络方法

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.     

基于频率下降率的刚性路面脱空自适应神经网络识别研究

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。     

模糊控制理论及音谱分析技术在刚性路面脱空识别中的应用

介绍一种利用模糊控制理论及音谱分析技术对刚性路面进行脱空识别的方法。通过声振法采集及分析声音信号．可以准确地判定刚性路面地基接触情况。     

基于傅立叶变换和奇异值分解的路面脱空判定

声振法检测水泥混凝土路面脱空所采集的是声振信号,可用频谱图分析,采用奇异值分解可有效地提取特征矢量,并将特征矢量送入神经网络进行模式识别。分析结果表明,能在车辆噪声干扰下有效地识别水泥混凝土路面板下地基的脱空情况,为检测路面板下地基脱空的方法提供了理论依据。     

刚性路面脱空尺寸对探地雷达反射信号影响分析

根据雷达电磁波在路面结构中的传播特性,建立了雷达电磁波在脱空刚性路面结构层中的传播模型,并基于此模型模拟了矩形、十字形及圆形脱空形态下雷达电磁波的反射信号,研究了脱空尺寸对雷达反射信号的影响。结果表明:脱空水平尺寸主要影响脱空上下界面反射波幅的大小,竖向尺寸主要影响脱空下界面反射波峰出现的时延。研究成果探索了探地雷达识别刚性路面板下脱空大小的可行性,也为实际应用提供了重要的技术支持。     

基于ABAQUS的水泥路面脱空形态神经网络识别方法

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。     

声振法对刚性路面板脱空状况检测应用的研究

采用声振法研究混凝土路面板脱空与声学特征变化的关系,利用有限元方法分析有、无脱空混凝土路面板的振动频率。通过声振法检测,得出脱空的范围与声学特征参数有很好的相关性。以某一脱空路面为例,通过计算分析,提出以反映路面脱空位置和程度的固有频率和频率下降率的组合参数来识别路面的脱空面积大小和位置,为用声学特征进行混凝土路面脱空等缺陷无损检测提供理论和实验依据。该法速度快、精度高,便于实际应用。     

基于FWD检测数据确定刚性路面板脱空范围

对于Winkler地基上的混凝土板,利用Ansys建立了落锤式弯沉仪(FWD)荷载作用下刚性路面的分析模型.在不同的工况作用下,计算脱空刚性路面板表面的挠度,根据路面弯沉值的变化趋势,得出了刚性路面弯沉盆形状系数βi的变化规律,研究对刚性路面结构在FWD荷载作用下确定脱空范围具有一定的理论意义和工程应用价值.     

公路工程瞬态锤击检测技术

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.     

基于改进SegNet的沥青路面病害提取与分类方法

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。      

基于子波能量和神经网络分类器的机动车车型识别

为了使交通管理系统能进行可靠的机动车分类,研究了轿车、轻型越野车和货车3种机动车目标的声信号,提出了一种采用子波分解后不同尺度上声信号能量作为特征向量的特征提取算法,并设计了kNN(k近邻)分类器和改进BP神经网络分类器用于目标分类。目标识别和分类试验结果表明:所提出的特征提取算法能够很好地体现不同类型目标之间的差异,提取的特征向量稳健;设计的改进BP神经网络分类器的分类精度可达92.6%,且分类效果优于kNN分类器。     

小波神经网络在基于图象处理的路面破损识别中的应用

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。     

水泥混凝土路面不同脱空检测方法识别率的对比验证

通过水泥板每孔灌浆量以及与其他孔连通情况,对几种脱空检测方法进行了验证。在500 m长的试验路中分别使用了FW D、声振法等设备进行了脱空检测,通过比较每孔灌浆量的方法对几种检测方法进行了验证,得到了不同检测方法的识别率,为施工单位选择适当的检测方法提供了依据。     

空耦雷达技术在检测沥青路面厚度的探讨

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。     

利用BP人工神经网络反算沥青路面基层弹性模量研究

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。     

用神经网络评定机场水泥混凝土道面质量

为了简便、有效地进行水泥混凝土道面使用质量的评定,应用神经网络建立了道面平整度、摩擦系数与道面使用质量间的网络模型。通过对12个军用机场道面平整度、摩擦系数和道面损坏状态的调查,将所得数据作为样本对网络进行训练。结果表明,当目标误差为1×10-5时,计算值与实测值间的相对误差均小于03 %。该法可用来进行道面使用质量的评定。