CN102269814A - 一种用于基桩质量智能检测的方法 - Google Patents

Abstract

本发明公开了一种用于基桩质量智能检测的方法，其步骤为：1)选取标准基桩样本若干，在样本基桩顶部垂直激发声波；声波接收记录装置在基桩顶部用声波换能器记录声频应力波信号波列；2)对同一个基桩进行多次激发-接收，将多次接收的信号叠加，提高信噪比；3)根据样本基桩的(缺陷位置w、长度l)参数和记录的信号波形，对基桩智能检测模型进行训练，确定适合测量环境和测量仪器的信号处理模型参数；4)利用确定的信号处理模型对待测基桩按照步骤1)和步骤2)的方式得到信号波列进行处理，提取并自动识别基桩的缺陷反射波和底部反射波到达的时刻，进而确定基桩缺陷位置w和长度l。

Description

一种用于基桩质量智能检测的方法

技术领域

本发明涉及基桩检测方法，特别是一种用于基桩质量智能检测的方法。

背景技术

目前，在应用声频应力波反射法对工程桩进行检测评定时，由于受多种环境噪声的影响，使得测试曲线中的发射信息严重畸变，甚至被淹没，导致传统的依靠解释人员的经验进行缺陷判别的方法已不能奏效。针对此问题，国外有学者提出利用包含复杂参数的基桩动态模型产生一个基于神经网络的训练数据集，然后利用该集合对真实的测量数据做出诊断。但由于其算法复杂导致计算量非常大，对处理平台的要求高，不容易实现实时分析；张良均等人提出了将小波变换的处理方法，主要进行两类问题的处理：(1)采用离散小波变换把应力波分解成多个频段成分信号，损伤信息由于集中占据一个或几个频段而得以凸现，这样使损伤分辨率得以提高。该类方法在小波变换分解层数的确定上存在随机性，且小波优秀的时频分析能力也没有得到充分发挥；(2)先利用小波分析去噪，再在时域上观察反射波突变的特征和时域定位。但由于小波函数具有不唯一性，采用不同的小波基分析同一个问题会产生不同的结果。另外，即使是对于同样的小波基函数，不同的分解层数以及有用信号频段的取舍也直接影响小波去噪的效果。因此，简单地选取某一种小波去噪模型对基桩反射波信号进行处理是不合适的。

发明内容

本发明的目的是提供一种用于基桩质量检测的声频应力波数据处理方法。利用该方法可以在信噪比较低的情况下识别声频应力波信号的相位突变点，从而准确确定被测物体的缺陷异常点或反射波到达的时刻，进而实现对被测物体的缺陷位置或长度进行检测。

本发明的目的由以下技术方案来实现：

王军民等人通过实践验证了通过寻找瞬时相位突变点的方法实现缺陷定位和长度测量的有效性。该方法的实现步骤为：

1)选取标准基桩样本1～10个，在样本基桩顶部垂直激发声波；声波接收记录装置在基桩顶部用声波换能器记录声频应力波信号波列；

2)对同一个基桩进行多次激发-接收，将多次接收的信号叠加，提高信噪比；

3)根据样本基桩的缺陷位置w、长度l参数和记录的信号波形，对基桩智能检测模型进行训练，确定适合测量环境和测量仪器的信号处理模型参数；

4)利用确定的信号处理模型对待测基桩按照步骤1)和步骤2)的方式得到信号波列进行处理，提取并自动识别基桩的缺陷反射波和底部反射波到达的时刻，进而确定基桩缺陷位置w和长度l，即假如反射波在第N个采样点时刻到达，则基桩缺陷位置w或长度l为：

$w,l=\frac{N*\mathrm{\Δt}*v}{2}---\left(1\right)$

其中Δt为仪器的采样间隔，v为声波在基桩中的传播速度。

上述步骤4)所述的信号处理模型为由傅里叶变换FFT、小波去噪Wavelet-De-Noising、希尔伯特变换Hilbert组成的混合模型；它首先利用傅里叶变换FFT确定声频应力波信号的主频；然后利用小波变换对声频应力波信号进行去噪，其中小波变换的参数由主频和步骤3)中的训练结果共同求得；再利用希尔伯特变换Hilbert提取声频应力波信号的瞬时相位信息；最后利用步骤3)训练得到的阈值模型提取反射波引起瞬时相位突变点。

上述步骤3)中所述的模型参数包括：声波的传播速度、小波去噪模型参数、反射点提取模型参数。

上述的小波去噪模型参数通过现场算法训练归纳得到，包括：有用信号和主频之间的关系、小波基函数；其中有用信号频段与主频的对应关系确定小波变换的分解尺度和重构时的系数。

上述的反射点提取模型参数为声频应力波的瞬时相位差分信号的幅度阈值和时间阈值。

本发明的有益效果：

本发明的一个显著优点在于：整个测量过程不需要人为地输入参数，可有效地避免人为因素的影响，能提高检测精度，能实现实时自动评判。

附图说明

图1为基桩质量智能检测模型结构示意图；

图2为智能测量模块处理流程示意图；

图3为本发明处理某水电站锚杆质量检测结果示意图。

具体实施方式

下面结合附图及实施例对本发明作进一步描述，但实施例不应理解为对本发明的限制。

参阅图1，基桩质量智能检测模型首先通过标准样本进行学习，确定适合测量环境和测量仪器的信号处理模型，然后采用该模型提取并自动识别基桩的缺陷反射波和底部反射波到达的时刻，进而确定基桩缺陷位置和长度。

智能测量模块为由傅里叶变换FFT、小波去噪Wavelet-De-Noising、希尔伯特变换Hilbert组成的混合模型，其处理流程如图2所示：首先利用FFT变换确定声频应力波信号的主频；然后利用小波变换对声频应力波信号进行去噪，其中小波变换的参数由主频和步骤3)中的训练结果共同求得；再利用Hilbert变换提取声频应力波信号的瞬时相位信息；最后利用步骤3)训练得到的阈值模型提取反射波引起瞬时相位突变时刻。

图3为利用本发明处理某水电站锚杆质量的波列，6个波形从上到下依次为：原始信号、原始信号的频谱、原始信号的瞬时相位、小波去噪后的信号、小波去噪后信号的瞬时相位、利用幅度阈值模型对小波去噪后信号的瞬时相位差分进行处理后的结果。图3下部表示第817个采样点时刻有反射点引起相位突变，利用公式(1)可以得到被检测锚杆的长度：

即假如反射波在第N个采样点时刻到达，则基桩缺陷位置w或长度l为：

$w,l=\frac{N*\mathrm{\Δt}*v}{2}---\left(1\right)$

其中Δt为仪器的采样间隔，v为声波在基桩中的传播速度。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。倘若对本发明的这些修改和变型属于本发明的基本构思或等同技术的范围，则本发明也应该包含这些改动和变型在内。

本说明书中若有未作详细描述的内容，应为本领域的技术人员公知的技术，此处不再赘述。

Claims (5)

1.一种用于基桩质量智能检测的方法，其特征在于实现步骤为：

1)选取标准基桩样本1～10个，在样本基桩顶部垂直激发声波；声波接收记录装置在基桩顶部用声波换能器记录声频应力波信号波列；

2)对同一个基桩进行多次激发一接收，将多次接收的信号叠加，提高信噪比；

3)根据样本基桩的缺陷位置w、长度l参数和记录的信号波形，对基桩智能检测模型进行训练，确定适合测量环境和测量仪器的信号处理模型参数；

4)利用确定的信号处理模型对待测基桩按照步骤1)和步骤2)的方式得到信号波列进行处理，提取并自动识别基桩的缺陷反射波和底部反射波到达的时刻，进而确定基桩缺陷位置w、长度l，即假如反射波在第N个采样点时刻到达，则基桩缺陷位置w或长度1为：

$w.l=\frac{N*\mathrm{\Δt}*v}{2}$

其中Δt为仪器的采样间隔，v为声波在基桩中的传播速度。

2.如权利要求1所述的一种用于基桩质量智能检测的方法，其特征在于：上述步骤4)中的信号处理模型为由傅里叶变换FFT、小波去噪Wavelet-De-Noising、希尔伯特变换Hilbert组成的混合模型；它首先利用傅里叶变换FFT确定声频应力波信号的主频，然后利用小波变换对声频应力波信号进行去噪，其中小波变换的参数由主频和步骤3)中的训练结果共同求得，再利用希尔伯特变换Hilbert提取声频应力波信号的瞬时相位信息，最后利用步骤3)训练得到的阈值模型提取反射波引起瞬时相位突变点。

3.如权利要求1所述的一种用于基桩质量智能检测的方法，其特征在于：上述步骤3)中所述的模型参数包括：声波的传播速度、小波去噪模型参数、反射点提取模型参数。

4.如权利要求3所述的一种用于基桩质量智能检测的方法，其特征在于：上述的小波去噪模型参数通过现场算法训练归纳得到，包括：有用信号和主频之间的关系、小波基函数；其中有用信号频段与主频的对应关系确定小波变换的分解尺度和重构时的系数。

5.如权利要求3所述的一种用于基桩质量智能检测的方法，其特征在于：上述的反射点提取模型参数为声频应力波的瞬时相位差分信号的幅度阈值和时间阈值。

Images