基于辛方法模拟探地雷达电磁波在道路结构层中的传播

模拟电磁波在层状体系中的传播是利用探地雷达检测路面结构层厚度的关键问题。辛算法是求解Hamilton系统的保结构方法,该方法在计算过程中随时间的推进始终是辛变换,保持了系统的总能量守恒。在有关整体性,稳定性,和长期跟踪能力等方面的计算中,具有很大优势。虽然由于路面材料的耗散性质,路面结构已经不能看做经典Hamilton系统,但是辛算法依然可以应用。利用二阶精度的辛分块龙格库塔方法模拟探地雷达电磁波在路面结构层中的传播,并将模拟波形与实测波形进行对比,验证算法的正确性和适应性。     

基于改进粒子群算法的路面厚度反演分析

传统公路厚度检测都是采用钻芯取样,人工测量的方法,不仅效率低,而且破坏路面结构。路面雷达是一种连续、高效、无破损的路面质量检测工具。通过对路面雷达回波信号进行反演分析,可以得到路面结构层介电常数、厚度等信息。该文采用一种改进的粒子群优化方法,建立路面结构层参数的改进粒子群反演算法,实现了结构层介电常数和厚度的反演分析。通过对比理论模型反演结果发现,该方法得到的结构层介电常数精度高于标准粒子群方法,采用该方法分析实际路面雷达回波信号,与钻芯结果对比可知,反算结果与实际钻芯测量值误差在3%以内。     

GPR与FWD在旧路性能综合评价中的应用

探地雷达(GPR)能够检测高速公路基层、底基层和路基的病害,落锤式弯沉仪(FWD)可以检测路面弯沉,并且可基于实测的弯沉盆反演出路面各结构层模量,从而对结构层的承载能力作出评价.综合应用这两种先进的无损检测技术对旧路性能进行全面评价,可为科学制定养护方案,降低工程投资提供可靠的依据.     

基于Crack Mask R-CNN模型的路面裂缝像素级分割及测量算法应用分析

针对现有路面裂缝分割存在的问题,该文提出一种Crack Mask R-CNN像素级分割算法。Crack Mask R-CNN是一种用于路面裂缝图像的实例分割框架,其不仅可对图像中的裂缝进行检测,还可以对每一个裂缝的具体轮廓给出一个高质量的分割结果。首先对采集的道路裂缝大数据进行数据去噪和数据增强,构建用于模型训练、测试的数据集;其次,通过优化分割算法中锚框的比例和大小提高模型选择裂缝候选区域的准确度,并使用IoU-guided非极大值抑制（Non-Maximum Suppression,NMS）算法替代传统算法,以此提高道路裂缝分割精度。在模型学习超参数优化方面,通过训练多种组合算例,从中选择分割效果最优的超参数组合,最终训练出裂缝分割精度为93.45%的分割模型;最后,通过提取裂缝区域的拓扑特征信息,进一步实现裂缝像素级别尺寸信息的有效测量。