CN108614032A - 一种基于改进神经网络的混凝土内部钢筋无损检测系统及控制方法 - Google Patents

Abstract

本发明涉及一种基于改进神经网络的混凝土内部钢筋无损检测系统及控制方法，包括钢筋定位、钢筋直径测量以及保护层厚度测量。系统由线圈阵列式传感器、下位机和上位机三部分组成。特制的线圈阵列式传感器使得本发明具有钢筋精确定位的能力。下位机部分包括嵌入式控制器、信号发生电路和信号处理电路、AD采样电路、电子显示屏、功能按键、WIFI模块和光栅测距模块。上位机部分为改进神经网络并辅以显示界面。控制方法主要通过改进神经网络完成。基于线圈阵列式传感器特殊设计可对于钢筋进行精确定位，解决目前钢筋定位对于钢筋角度偏移不敏感的问题。同时基于改进神经网络算法，提高钢筋检测精度，解决目前钢筋直径与保护层厚度无法同时检测的弊端。

Description

一种基于改进神经网络的混凝土内部钢筋无损检测系统及控 制方法

技术领域

本发明涉及无损检测技术、钢筋混凝土检测技术以及钢筋软测量数学模型，属于建筑智能化控制应用领域。

背景技术

我国建筑结构类型中最为常见的建筑结构形式为钢筋混凝土结构，而对于钢筋混凝土结构安全性的检测是安全生产中不可避免的一环。但是在实际生活中由于钢筋处于混凝土内部，其位置质量未知，故对于混凝土内部钢筋检测是当下急需解决的问题。目前对于钢筋混凝土检测多采用破墙法，暴露内部钢筋方法，对于建筑物造成较大的损伤。

目前市场上所常见的基于涡流效应的混凝土内部钢筋检测系统所采用的线圈结构较为简单，通常为一个激励线圈内部包裹两个对称排列检测线圈形式，当钢筋进入响应区域时，线圈信号产生响应的反应，当且仅当两个对称检测线圈检测信号相等时，认为钢筋处于检测装置正下方。但该方案存在的问题钢筋为长条状结构，当钢筋穿过对称检测线圈中心点时，钢筋为任何角度，检测线圈信号均相等，故存在对钢筋角度偏差不敏感的问题。由于检测线圈数量有限，线圈排布方式也较为简单，以至于所能获得的钢筋信息量较少，目前同类产品只能完成在预设钢筋直径情况下对保护层厚度进行检测，但钢筋直径同样对建筑质量有重要影响，且将钢筋直径假设为已知，给保护层厚度检测准确度带来较大的不确定性，故该方案在实际应用中存在较大的隐患。而在后端建模方式上，目前多采用线性函数拟合的方式，常见为多项式拟合，该方案所得到的数学模型存在较大的偏差，且不具有自学习性，实际应用中效果较差。

本产品基于自主设计的线圈阵列式传感器结构，可对钢筋进行精确定位，并借助改进的神经网络软测量算法对钢筋保护层厚度以及钢筋直径同时进行检测，解决目前二者不能同时检测的弊端，提高检测精度与可靠性。

发明内容

本发明目的在于利用线圈阵列式传感器，可对混凝土内部钢筋进行精确定位及扫描。根据多线圈结构所产生多种检测信号，并结合神经网络这一先进的软测量算法，实现钢筋直径以及保护层厚度的同时检测，并提高检测精度。

本发明是通过如下技术实现的：

基于改进神经网络的混凝土内部钢筋无损检测系统及控制方法，包括线圈阵列式传感器，下位机和上位机三部分；线圈阵列式传感器通过线圈结构变化以及排布处理，用于钢筋的定位和钢筋涡流信号的采集。线圈阵列式传感器包括激励线圈、检测模块，检测模块包括定位辅助检测线圈和主检测线圈；下位机部分包括嵌入式控制器、信号发生电路、信号处理电路、AD采样电路、电子显示屏、功能按键、WIFI模块、光栅测距模块；线圈阵列式传感器的激励线圈和信号发生电路相连，线圈阵列式传感器的检测模块和信号处理电路相连，信号处理电路和AD采样电路相连，嵌入式控制器分别和信号发生电路、AD采样电路、电子显示屏、功能按键、WIFI模块、光栅测距模块相连，WIFI模块和上位机无线连接。嵌入式控制器用于产生激励信号，检测信号处理和下位机控制；上位机部分包括训练完成的改进神经网络以及显示界面，主要用于钢筋保护层厚度钢筋直径的运算以及最终结果的显示。

所述的线圈阵列式传感器模块主要由激励线圈部分与检测线圈部分组成，由嵌入式控制器进行控制，用于产生并检测磁场信号，对钢筋进行定位操作以及保护层厚度和钢筋直径测量操作。与传统解决方案相比，本发明的优点在于利用线圈阵列式传感器可对钢筋精确定位，多线圈结构采集多组检测信号使为钢筋直径和保护层厚同时检测提供数据基础。

所述的激励线圈部分通以脉冲电压信号，用以产生感应磁场。所述内外部检测线圈用于接收磁场，并将其转化为电压信号。

所述的检测线圈部分包括四个定位辅助检测线圈和两个主检测线圈。

所述的四个定位辅助检测线圈为性质完全相同且为对称排列四个检测线圈，通过四个线圈接受的磁场变化进行定位操作，并在电子显示屏显示当前钢筋位置图像。

所述的两个主检测线圈为性质不同的检测线圈，用于钢筋信号检测。

所述的信号发生电路用于产生固定频率脉冲电压，输出给所述传感器激励部分用于产生感应磁场。所述的信号处理部分用于检测信号产生后的滤波及放大处理，主要包括滤波电路与放大电路两部分。

所述AD采样模块用于放大滤波后的检测信号的模数转换，并交由嵌入式控制器进行处理。

所述的嵌入式控制器承担下位机控制与运算功能，负责根据按键指令作出相应功能切换，显示屏显示，激励信号的产生，WIFI模块控制，以及相应的数据处理等功能。

所述的光栅测距模块主要利用光栅测距配合检测线圈进行钢筋间距离测量。

所述的上位机中的改进神经网络模型为基于大样本数据训练得到的数学模型，嵌入式控制器将采集到的检测线圈信号通过WIFI模块发送至上位机，上位机将这些检测到的数据作为改进神经网络的输入量，通过改进神经网络运算得到所需的钢筋直径和保护层厚度信息。

所述激励线圈内部包裹四个对称排列的定位辅助检测线圈，激励线圈中心以及正上方各放置一个主检测线圈。定位辅助检测线圈置于激励线圈内部且呈对称排列，主检测线圈处于激励线圈中心位置，以保证整体传感器的对称性，激励线圈通以固定频率PWM电压，检测线圈无电压输入或直流电压输入。

本发明的方法的技术方案为：基于改进神经网络的混凝土内部钢筋无损检测系统的控制方法，包含如下步骤：

步骤1，嵌入式控制器驱动信号发生电路产生激励信号并通入线圈阵列式传感器中激励

线圈，钢筋受到激励信号影响产生涡流信号；

步骤2，线圈阵列式传感器中检测模块采集钢筋所产生的涡流信号，下位机处理后以

WIFI方式传输至上位机；

步骤3，信号传输完成后，上位机调用已训练完成的改进神经网络，对于钢筋直径和保

护层厚度进行识别，最终通过显示界面显示。

所述的改进神经网络模型由三层结构组成，包括输入层，输出层和隐含层，层与层之间各个节点以权方式连接，同一层节点间互不关联。其中输入层输入量为归一化后的感应线圈信号。隐含层可由多层组成，其输出为:

X_j＝f(S_j)

其中f(S_j)为激励函数，一般采用sigmoid函数，用于增加神经网络非线性表达能力。输出层包含两个节点分别为保护层厚度与钢筋直径。

子神经网络训练分为如下步骤:

步骤1，获取不同标准钢筋试件在不同标准保护层厚度下的线圈信号，将该信号作为训练样本中的输入样本，而不同标准试件的直径与保护层厚度作为训练样本中的输出样本。

步骤2，将该组训练样本乱序后分批，获取子神经网络的训练样本。

步骤3，将子训练样本中的输入样本送至子神经网络，并经过输入层与隐含层进行层层运算，最终预测结果通过输出层输出。

步骤4，预测结果与子训练样本中的输出样本进行比较，获取其误差，若误差满足要求训练完成，不满足要求根据误差层层回传对各层权值进行修改，并返回步骤3再次对神经网络进行训练。

所述的改进神经网络其目的在于取代目前常见的函数拟合模型，经过以获取的样本进行训练，不断根据误差改变神经网络节点间连接权值，以此不断逼近感应线圈信号与保护层厚度和钢筋直径间的数学关系，相较于目前常见解决方案具有模型准确度高，检测精度好，且模型本身具有较好的稳定性和自学习性，检测精度随着使用次数增加而增加。

本发明优点在于:基于线圈阵列式传感器特殊设计可对于钢筋进行精确定位，解决目前钢筋定位对于钢筋角度偏移不敏感的问题。同时基于神经网络这一优越算法，大大提高钢筋检测精度，解决目前钢筋直径与保护层后补无法同时检测的弊端。

附图说明

图1为本发明整体系统结构图

图2为线圈阵列式传感器结构示意图

图3为定位算法流程图

图4为改进神经网络结构图

图5为子神经网络结构图

图6为子神经网络节点示意图

具体实施方式

下面结合附图对本发明具体实施方式做进一步详细说明。

如附图1为本发明整体系统结构图。系统整体结构包括线圈阵列式传感器，下位机和上位机三部分。线圈阵列式传感器通过线圈结构变化以及特殊排布处理，使得本产品具有钢筋精确定位的能力，并可获取大量钢筋有效信息。下位机部分包括嵌入式控制器，用于整体系统的控制和运算，信号发生电路和信号处理电路，AD采样电路，电子显示屏，功能按键，WIFI模块，光栅测距模块。嵌入式控制部分主要承担系统控制以及运算功能。上位机部分主体为训练完成的改进神经网络，并辅以显示界面，检测信号经硬件电路放大滤波处理后经嵌入式系统模数转换，最终使用WIFI模块传输至上位机。上位机调用改进神经网络模型运算得出钢筋保护层厚度以及钢筋直径等信息，并最终通过显示界面显示。

如附图2为所述的线圈阵列式传感器，其中包括了激励线圈，定位辅助检测线圈A、B、C、D四个,主检测线圈a、b两个。其中激励线圈与主检测线圈a为外部大线圈，二者上下叠加放置，将其余线圈包裹在其内部。定位辅助检测线圈为四个性质完全相同的线圈，呈对称排列。主检测线圈b为长矩形线圈，置于中心位置，检测时其长边与钢筋平行。

本发明混凝土内部钢筋检测装置，主要基于涡流检测原理，在激励线圈通以脉冲电流信号，以此产生感应磁场。受到感应磁场的影响，钢筋表面产生涡流信号，由于涡流信号同为变化的电流信号，故产生涡流电场，检测线圈受到涡流电场影响，产生感应电压，通过感应电压的变化对钢筋直径以及保护层厚度进行测量。

感应电压与钢筋直径和保护层厚度存在如下关系：

s＝f(H，D)

s-检测线圈感应电压信号

H-保护层厚度

D-钢筋直径

钢筋直径及保护层厚度与检测信号呈非线性关系，同类产品所采用的线性拟合方式不能很好对其进行描述，故本发明选择自主设计的改进神经网络进行描述。

本发明操作步骤如下：

步骤1，功能按键开机；

步骤2，检测信号产生。嵌入式控制器控制信号发生电路产生固定频率脉冲信号并送至激励线圈部分，用以产生感应磁场。检测线圈产生感应电压，送至信号处理电路进行放大和滤波处理，最终送至嵌入式控制器进行运算。

步骤3，钢筋定位。嵌入式控制器根据定位辅助线圈A、B、C、D四线圈信号值将钢筋位置信息显示在电子显示屏处。用户依照电子显示屏处显示界面左右移动检测仪器，当光标处于中间位置时说明钢筋处于仪器正下方，再根据显示界面左右旋转检测仪器，当界面中心点红灯亮起说明钢筋处于仪器正下方且钢筋走向与仪器长边平行，定位完成。

步骤4，根据功能按键选择预置钢筋直径检测保护层厚度模式或钢筋直径与保护层厚度同时检测模式。

步骤5，若选择钢筋预置钢筋直径模式，嵌入式控制器根据已拟合公式进行钢筋保护层厚度检测。所述已拟合公式形式如下：

H＝g(s，D)

H-保护层厚度

s-感应电压信号

D-钢筋直径

若选择钢筋直径与保护层厚度同时检测模式，WIFI模块将数据传输至上位机，上位机调用已训练完成的改进神经网络模型进行钢筋直径与保护层厚度检测。

步骤6，于电子显示屏或上位机界面读取检测值。

如图3为所述钢筋定位流程图。定位过程主要分为水平定位于垂直定位两步骤，步骤如下：

步骤1，进行水平定位。将定位辅助检测线圈A、C两组信号相加，同理B、D线圈信号亦相加，比较两个信号相加量是否相等，根据二者大小关系左右移动仪器，进行水平定位。当二者相等进入步骤二。

步骤2，进行垂直定位(角度定位)。将定位辅助检测线圈A、D两组信号相加，同理B、C线圈信号亦相加，比较两个信号相加量是否相等，根据二者大小关系左右旋转仪器，进行垂直定位。当二者相等定位完成。

如图4为改进神经网络结构图。为提高神经网络检测准确度，减少训练样本对模型造成的误差，本发明设计并使用改进神经网络。改进神经网络由五个不同子神经网络组成，五个不同的子神经网络同时对钢筋数据进行运算，得到五组钢筋保护层厚度以及钢筋直径预测值，并分别舍去五组保护层厚度和钢筋直径预测值中的最大最小值，再将剩余三组预测值进行平均运算，以此作为最终的输出结果。

如图5为子神经网络结构示意图，由三层结构组成，包括输入层，输出层和隐含层，层内包含多个节点，节点结构如图6所示。层与层之间各个节点以权方式连接，同一层节点间互不关联。其中输入层输入量为归一化后的感应线圈信号。隐含层可由多层组成，其输出为:

X_j＝f(S_j)

其中f(S_j)为激励函数，一般采用sigmoid函数，用于增加神经网络非线性表达能力。输出层包含两个节点分别为保护层厚度与钢筋直径。

子神经网络训练分为如下步骤:

步骤1，获取不同标准钢筋试件在不同标准保护层厚度下的线圈信号，将该信号作为训练样本中的输入样本，而不同标准试件的直径与保护层厚度作为训练样本中的输出样本。

步骤2，将训练样本乱序后进行分批，获取子神经网络的子训练样本。

步骤3，将子训练样本中的输入样本送至子神经网络，并经过输入层与隐含层进行层层运算，最终预测结果通过输出层输出。

步骤4，预测结果与子训练样本中的输出样本进行比较，获取其误差，若误差满足要求训练完成，不满足要求根据误差层层回传对各层权值进行修改，并返回步骤3再次对神经网络进行训练。

综上，本发明的一种基于改进神经网络的混凝土内部钢筋无损检测系统，功能包括钢筋定位，钢筋直径测量以及保护层厚度测量。系统整体结构包括线圈阵列式传感器，下位机和上位机三部分。线圈阵列式传感器通过线圈结构变化以及特殊排布处理，使得本发明具有钢筋精确定位的能力，并可获取大量钢筋有效信息。下位机部分包括嵌入式控制器，用于整体系统的控制和运算，信号发生电路和信号处理电路，AD采样电路，电子显示屏，功能按键，WIFI模块，光栅测距模块。嵌入式控制部分主要承担系统控制以及运算功能。上位机部分主体为训练完成的改进神经网络，并辅以显示界面，检测信号经硬件电路放大滤波处理后经嵌入式系统模数转换，最终使用WIFI模块传输至上位机。上位机调用改进神经网络模型运算得出钢筋保护层厚度以及钢筋直径等信息，并最终通过显示界面显示。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (8)

1.基于改进神经网络的混凝土内部钢筋无损检测系统及控制方法，包括线圈阵列式传感器，下位机和上位机三部分；

线圈阵列式传感器通过线圈结构变化以及排布处理，用于钢筋的定位和钢筋涡流信号的采集。线圈阵列式传感器包括激励线圈、检测模块，检测模块包括定位辅助检测线圈和主检测线圈；下位机部分包括嵌入式控制器、信号发生电路、信号处理电路、AD采样电路、电子显示屏、功能按键、WIFI模块、光栅测距模块；线圈阵列式传感器的激励线圈和信号发生电路相连，线圈阵列式传感器的检测模块和信号处理电路相连，信号处理电路和AD采样电路相连，嵌入式控制器分别和信号发生电路、AD采样电路、电子显示屏、功能按键、WIFI模块、光栅测距模块相连，WIFI模块和上位机无线连接。嵌入式控制器用于产生激励信号，检测信号处理和下位机控制；上位机部分包括训练完成的改进神经网络以及显示界面，主要用于钢筋保护层厚度钢筋直径的运算以及最终结果的显示。

2.根据权利要求1所述的基于改进神经网络的混凝土内部钢筋无损检测系统，其特征在于，所述激励线圈内部包裹四个对称排列的定位辅助检测线圈，激励线圈中心以及正上方各放置一个主检测线圈。

3.根据权利要求2所述的基于改进神经网络的混凝土内部钢筋无损检测系统，其特征在于，定位辅助检测线圈置于激励线圈内部且呈对称排列，主检测线圈处于激励线圈中心位置，以保证整体传感器的对称性，激励线圈通以固定频率PWM电压，检测线圈无电压输入或直流电压输入。

4.根据权利要求1所述的基于改进神经网络的混凝土内部钢筋无损检测系统的控制方法，其特征在于，包含如下步骤：

步骤1，嵌入式控制器驱动信号发生电路产生激励信号并通入线圈阵列式传感器中激励线圈，钢筋受到激励信号影响产生涡流信号；

步骤2，线圈阵列式传感器中检测模块采集钢筋所产生的涡流信号，下位机处理后以WIFI方式传输至上位机；

步骤3，信号传输完成后，上位机调用已训练完成的改进神经网络，对于钢筋直径和保护层厚度进行识别，最终通过显示界面显示。

5.根据权利要求4所述的基于改进神经网络的混凝土内部钢筋无损检测系统的控制方法，其特征在于，所述的已训练完成的改进神经网络包括建立五个不同子神经网络，五个不同的子神经网络同时对钢筋数据进行运算，得到五组钢筋保护层厚度以及钢筋直径预测值，并舍去五组保护层厚度和钢筋直径预测值中的最大值和最小值，再将剩余三组预测值进行平均运算，以此作为最终输出结果。

6.根据权利要求5所述的基于改进神经网络的混凝土内部钢筋无损检测系统的控制方法，其特征在于，所述的子神经网络均由输入层，隐含层，输出层三层结构组成，层与层直接节点采用权连接方式连接。

7.根据权利要求5所述的基于改进神经网络的混凝土内部钢筋无损检测系统的控制方法，其特征在于，所述的子神经网络，将线圈所采集的信号经过归一化处理后作为输入量，通过输入层输入，每个隐含层节点的输出函数均为：

X_j＝f(S_j)

X_i为前层节点中的第i个节点输出，X_j为本层第j个节点输出，ω_ij为连接二者之间的权，b_j为调整阀值，f为激活函数，一般采用sigmoid函数，即：

8.根据权利要求5所述的基于改进神经网络的混凝土内部钢筋无损检测系统的控制方法，其特征在于，所述的子神经网络构建过程如下:

步骤a，获取不同标准钢筋试件在不同标准保护层厚度下的线圈信号，将该信号作为训练样本中的输入样本，而不同标准试件的直径与保护层厚度作为训练样本中的输出样本；

步骤b，将训练样本乱序后分批，获取子神经网络的训练样本；

步骤c，将子训练样本中的输入样本送至子神经网络，并经过输入层与隐含层进行层层运算，最终预测结果通过输出层输出；

步骤d，预测结果与子训练样本中的输出样本进行比较，获取其误差，若误差满足要求训练完成，不满足要求根据误差层层回传对各层权值进行修改，并返回步骤c再次对神经网络进行训练。