一种基于超声波的机场道面板脱空检测方法

文档序号:37115632发布日期:2024-02-22 21:15阅读:28来源:国知局
一种基于超声波的机场道面板脱空检测方法

本发明涉及混凝土无损检测,尤其是一种针对机场道面板这一结构的超声波脱空检测技术及控制系统。


背景技术:

1、机场道面板脱空是指混凝土板材与基础之间存在空隙或脱离现象。由于基础的不稳定,例如地基沉降、土壤松动或不均匀、水土流失,会导致道面板与基础之间的脱空现象。机场道面板在季节性温度变化下会发生热胀冷缩,如果道面板之间的接缝处理不当或接缝材料老化失效,亦会导致道面板与基层之间产生脱空现象。同时,机场道面承受着飞机和其他交通载荷的重压。在长期频繁的交通荷载作用下,道面板与基础之间的粘结性能可能会受到破坏,从而引发脱空问题。

2、机场场面脱空对机场有深远的影响。脱空的机场道面板可能导致道面不平整、不稳定,增加着陆和滑行时的飞行安全风险。脱空区域可能导致航空器的颠簸、失控或损坏,对航班运行和乘客安全构成潜在威胁。因此,机场道面脱空问题严重影响机场正常安全运行。

3、为解决工程技术难点,本发明提出一种超声波检测方法,快速检测机场道面脱空问题。


技术实现思路

1、为解决上述背景中提到的问题,本技术公开了一种机场道面脱空检测方法,利用超声波技术对机场道面脱空状况进行检测和预警,本发明能够实时监测机场道面脱空情况,显著提高了机场道面的安全性和可靠性,对于保障机场道面的安全稳定运行具有重要的意义。

2、本发明是这样实现的:

3、一种基于超声波的机场道面板脱空检测方法,其特征在于,所述的方法为:

4、步骤一、首先,综合考虑波长和频率的关系,用窗函数调制相应的激励信号,通过波形发射器获得机场道面脱空的相应超声波信号;

5、步骤二、随后用低通滤波器和傅里叶变化对超声波信号进行过滤和降噪处理;

6、步骤三、接着用小波变换提取相关脱空特征并结合支持向量机算法对机场道面脱空程度进行判定;

7、步骤四、最后再提醒工作人员脱空程度并进行相应维修工作。

8、进一步,所述的步骤一具体中,发射探头的频率从低到高变化测试,在另一侧的探头接受超声回波的时候会发生重叠或干涉,故为避免这些不良影响的发生,应使发射频率小于接收频率;

9、

10、从上式可以看出,f发射越小,h越大,则说明可以检测道面脱空的穿透深度越深。一般的超声检测频率为0.5mhz~10mhz;

11、超声波的波长与频率之间有相互转化的关系:

12、

13、式中,λ是波长,v是波速,f是频率;

14、根据上述公式,可以看出,波长和频率呈反比关系:当频率增加时,波长会减小;当频率减小时,波长会增加;因此,在超声波检测道面脱空的时候,综合考虑波长和频率的关系,选择适当的频率和波长,以获得最佳的检测效果。

15、进一步,在检测道面脱空前,需要确定检测的激励信号;考虑机场混凝土道面板厚度较大,选择脉冲信号,其具有短暂的高能量脉冲,适用于检测深层脱空;使的中心频率为100khz的8周期正弦信号作为激励信号,整个检测系统包括超声波形发生器、功率放大器、试件、示波器及终端信号处理设备;试件分别连接于功率放大器、示波器;所述的功率放大器再依次连接于波形发射器、终端信号处理设备。

16、进一步,所述的步骤二中,超声波发射器发送的脉冲信号在与道面接触后发生回波,回波信号包含与道面脱空相关的信息;通过分析回波信号的幅度、时间延迟、形状和能量的特征,判断道面是否存在脱空情况;

17、在选择和应用低通滤波器时:阻带为1.2mhz,通带为900khz,通带纹波系数为3db,阻带衰减系数为30db;将低通滤波器处理过的超声波信号,通过小波变换、傅里叶变化和自适应滤波器这三种过滤方式进行过滤,分析比对适合机场道面脱空检测的过滤方式;

18、通过对信号进行频域分析,将信号表示为不同频率成分的加权和,以揭示信号在不同频率上的能量分布情况,检测幅度上的变化,以确定脱空的位置和大小;

19、通过傅里叶逆变换进行信号重构和滤波操作,将信号的频谱x(t)逆变换回时域,还原出原始的信号波形,以提取脱空的位置和大小信息;

20、通过比较脱空区域的回波信号幅度与基准信号的幅度,计算幅度的衰减程度;幅度衰减可以使用以下公式计算:δa=20×log10(a1/a2),式中a1是脱空区域的回波信号幅度,a2是基准信号的回波信号幅度;

21、分析超声波的脉冲回波信号,观察回波信号的时间延迟;当回波信号的时间延迟增加时,可以推断道面上存在脱空;通过测量回波信号的时间延迟,可以初步确定脱空的位置;

22、脱空深度使用以下公式计算:d=v×t,式中速度v是超声波在被测介质中传播的速度,时间延迟t是测量回波信号从发送超声波到接收回波的时间间隔,单位为秒(s)。

23、进一步,所述的步骤三中,在得到滤波处理、降噪后的超声波相关信息图之后,采用基于模式识别的脱粘检测方法,借助机器学习中支持向量机算法对道面脱空进行识别,具体为:

24、选取支持向量机算法(support vector machine,简称svm)对道面脱空进行识别,建立svm模型,设定好模型的输入数值、核函数和模型参数,输入量为小波变化提取到的特征值,输出量则为脱空程度。

25、svm通过最大化间隔来确定最优超平面,所述的间隔是指超平面与最近的样本点之间的距离,它可以将数据点分成两个类别,假设类别标签为+1和-1;超平面的方程可以表示为:w×x+b=0;

26、其中:||w||是法向量(超平面的法向量),它决定超平面的方向;||x||是输入特征向量;||b||是偏置项,也称为截距;

27、svm的目标是找到||w||和||b||,使得对于每个训练样本(xi,yi),以下条件成立:

28、yi(w×xi+b=0)≥1for i=1,2,…,n;

29、其中:||yi||是样本的类别标签,||yi||=+1或||yi||=-1;n是训练样本的数量;

30、svm的优化目标是最小化||w||的范数,从而最大化间隔,并且满足上述条件;这可以表示为以下凸优化问题:

31、minw,b[1/2||w||2+c×σ(max(0,1-yi(wt×xi+b))]for i=1,2,..,n;

32、其中:||w||2表示权重向量的l2范数平方,c是一个正则化参数,控制了间隔和分类误差之间的权衡,yi是第i个样本的类别标签,xi是对应的特征向量;

33、将信号进行六次连续的小波分解,这意味着信号会被分解成六个不同频率范围的部分;接着通过合并多级小波分解中的低频部分而重构出信号,这个重构的过程可以通过将每个级别的低频部分相加来实现,从而得到六级分解后的低频重构信号;

34、然后选取六级分解后的低频重构信号来通过变化提取特征值,随后将实验数据分为两个部分。第一部分选取五个样本,共五十组数据,作为模式识别的训练集,用于训练svm模型;第二部分同样选取五个样本,共五十组数据,作为测试集,用于评估模型的性能。

35、进一步,所述的步骤三中,将脱空检测的数据传入到检测模块中,并设置预警值对脱空程度进行监测,方便工作人员了解脱空程度并进行相应维修。

36、本发明与现有技术相比的有益效果在于:

37、本技术相较于传统的人工检查道面损坏问题,无法及时了解道面情况等问题;能够实时检测机场道面脱空情况,显著提高了机场道面的安全性和可靠性,对于保障机场的安全稳定运行具有重要的意义。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1