钢筋混凝土雷达信号的BP人工神经网络识别.pdfVIP

维普资讯 第 24卷第 1期 华 中 科 技 大 学 学 报 (城市科学版) Vo1．24No．1 2007年 3月 J．ofHUST．(UrbanScienceEdition) Mar．2007 钢筋混凝土雷达信号的BP人工神经网络识别 谢慧才 ，徐茂辉 (1．汕头大学 土木工程系，广东 汕头 515063~2．深圳市建筑科学研究院，深圳 518031) 摘 要：在混凝土雷达检测中，钢筋直径的识别是一个难点 ，因此探求使用人工神经网络的方法来解决。试验制 作了一系列埋有钢筋的混凝土试件，这些埋置的钢筋直径在 8～25mm 问且埋深在 15～125mm之间。这些试 件经探地雷达检测后，雷达信号被提取出几个特征参数，这些参数包括雷达波的峰值、能量、波宽以及斜率，然 后将这些参数作为BP神经网络识别的特征参数 ，并通过对神经网络进行有针对性地细分以提高网络识别精 度，网络识别的结果表明BP神经网络能成功地识别钢筋的直径。 关键词：探地雷达； 混凝土； 钢筋； BP人工神经网络； 自动识别 中圈分类号：TU375；TU317 文献标识码：A 文章编号：1672．7037(2007)01—0001—04 目前探地雷达 已被广泛应用于土木工程的检 例如，Shoukry[3等人对 15个 内部布有不同裂缝 测中，而雷达 的探测结果往往都是 以剖面图像的 及钢筋网的试件进行雷达数据识别，可这些试件 形式显示。由于这些图像只有经验丰富的专业人 数量太少，而且也只考虑了两种直径和埋深的钢 员才能解释，因此雷达探测结果对人的经验有依 筋网，未能全面考虑混凝土 内各种钢筋直径和埋 赖性，还可能发生误判别。此外，实际工程中GPR 深的情况，所以网络识别范围很窄，很难推广于实 所采集的数据量都很庞大，需要投入很大的精力 际应用当中。 和时间去处理及解释雷达数据。为了提高效率又 c．识别特征的选取及识别效果。目前雷达数 能准确且智能化地解释雷达探测结果，人们将人 据输入神经网络一般有两大类格式：一类是以波 工神经网络技术引入到GPR图像的自动识别中。 形信号的形式，经预处理及波形特征提取后输人 目前，在神经网络应用于钢筋混凝土雷达信号识 为神经网络的数据库[卜。；另一类就是以二进制 别方面主要存在以下几个问题。 图形的形式，经图像预处理后输入神经网络识别 a．试 件 使 用 某 些 介 质 代 替 混 凝 土。 出目标体范围后，再用边界识别来确定出目标体 Molyneaux[13等人采用一种具有和混凝土相似电 的埋深及位置 ]。 磁属性的油水乳胶体来替代混凝土，在其 内部放 以波形信号形式输入时，波形信号特征参数 置一系列不同埋深和直径的钢筋后进行GPR探 选得恰当与否决定了神经网络能否达到预定识别 测，并将采集到的数据作为神经网络数据库的来 目的。Molyneaux[~3等人将时域信号经傅立叶变 源。这种乳胶体无法模拟混凝土内孔洞和骨料等 换后，在频域上提取Fourierpairs作为特征参数， 的影响，和实际混凝土有较大差别。Newnham和 然后使用BP网络识别出钢筋位置和埋深，但对 GoodierL2]两人对埋在于 、湿两种砂 中不同埋深和 钢筋直径却无法识别 。NewnhamE]等人探测了埋 直径的钢筋进行了雷达探测，并将所测得的数据 在干、湿两种砂中的钢筋，他们的神经网络对于钢 以及软件模拟数据作为神经网络的数据库，虽然 筋和孔洞埋深的识别效果较好，但也很难识别出 增大了数据库