CN110231410A - 锚杆无损检测数据智能解释方法 - Google Patents
锚杆无损检测数据智能解释方法 Download PDFInfo
- Publication number
- CN110231410A CN110231410A CN201910507520.4A CN201910507520A CN110231410A CN 110231410 A CN110231410 A CN 110231410A CN 201910507520 A CN201910507520 A CN 201910507520A CN 110231410 A CN110231410 A CN 110231410A
- Authority
- CN
- China
- Prior art keywords
- sound wave
- anchor rod
- characteristic curve
- wave reflection
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 21
- 238000004873 anchoring Methods 0.000 claims abstract description 98
- 238000001228 spectrum Methods 0.000 claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 34
- 230000009466 transformation Effects 0.000 claims description 12
- 238000009659 non-destructive testing Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 239000011083 cement mortar Substances 0.000 description 3
- 239000004570 mortar (masonry) Substances 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 229910001294 Reinforcing steel Inorganic materials 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 230000003014 reinforcing effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/07—Analysing solids by measuring propagation velocity or propagation time of acoustic waves
- G01N29/075—Analysing solids by measuring propagation velocity or propagation time of acoustic waves by measuring or comparing phase angle
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/11—Analysing solids by measuring attenuation of acoustic waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/12—Analysing solids by measuring frequency or resonance of acoustic waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/01—Indexing codes associated with the measuring variable
- G01N2291/012—Phase angle
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/01—Indexing codes associated with the measuring variable
- G01N2291/014—Resonance or resonant frequency
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/01—Indexing codes associated with the measuring variable
- G01N2291/015—Attenuation, scattering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/028—Material parameters
- G01N2291/0289—Internal structure, e.g. defects, grain size, texture
Landscapes
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明所设计的锚杆无损检测数据智能解释方法,该方法包括步骤1:得到历史声波反射数据的相位、频谱和振幅特征曲线;步骤2:进行基于相位、频谱和振幅特征的锚杆锚固质量的分类;步骤3:得到每一类锚杆锚固质量下的历史声波反射相位、频谱和振幅数据;步骤4:得到锚杆锚固声波检测典型数据库;步骤5将实时的声波反射数据与锚杆锚固声波检测典型数据库进行对比,确定声波反射数据对应的锚固质量类型。
Description
技术领域
本发明涉及地质检测技术领域,具体地指一种锚杆无损检测数据智能解释方法。
技术背景
将无损检测技术应用于锚杆、锚固质量检测始于上世纪八十年代,但是与之相关的检测数据分析与处理理论与方法一直停滞不前,因此锚杆质量无损检测数据的分析与处理方法的研究具有重要的实际意义。
当前,最常见的处理分析手段是能量对比法。该项方法分两个思路是在锚杆(固)体系中,广义波阻抗在锚固段从首至末由大而小,声波能量沿锚固段轴向近似的呈指数衰减关系,这种能量衰减系数的幅值就成为了锚杆质量评价的分级依据。二是使用标准锚杆的一维模型为基准检测并保留其各段幅值曲线数据作为标准值,把实际检测的锚杆检测所得的相应指标逐段与标准曲线相比较,把比较差值而非衰减系数作为了锚杆质量评价的分级依据。以上两种方法都是直观对比,完全以传播能量在各区的强度作为评价依据,因此,该类处理思路一般对锚固体系的轴向性状变化做定性分析,由于能量分布和衰减会受到噪声影响,该手段很少能准确地判断出缺陷存在的具体位置和幅度。汪明武等利用计算机算法优势将BP神经网络分析的方法用于对该类数据的分析与处理,其选定、对比和运算的特征值仍然是锚固及自由端长度、声波衰减及吸收系数等能量参数,虽然能利用计算机更强大的运算能力进行更加精细的对比计算和幅度衡量,但是仍然受到信噪比的限制使得处理结果精度受限。以上分析处理方法主要依靠数学处理方法对采集的数据进行定量分析,当采集数据难以依靠数学分析方法解决或采集的数据质量较差时就需要拉拔试验再结合技术人员经验判断锚杆锚固质量,这些数据的分析方法具有片面性,对采集数据的处理分析结论并不完全可靠,将这些不可靠的结论用来评价锚杆锚固质量是存在一定风险的。
发明内容
本发明的目的是提供一种锚杆无损检测数据智能解释方法,该方法将深度学习算法引入到锚杆无损检测数据处理与解释工作中,提高锚杆锚固质量判断的准确性。
为实现此目的,本发明所设计的一种锚杆无损检测数据智能解释方法,其特征在于,它包括如下步骤:
步骤1:在锚杆待解释区域对锚杆锚固声波法检测的历史声波反射数据进行希尔伯特变换得到历史声波反射数据的相位特征曲线,还对锚杆锚固声波法检测的历史声波反射数据进行傅立叶变换的到历史声波反射数据的频谱特征曲线,并得到历史声波反射数据的振幅特征曲线;
步骤2:对历史声波反射数据的相位特征曲线利用锚固密实度评判标准进行基于相位特征的锚杆锚固质量的分类,对历史声波反射数据的频谱特征曲线利用锚固密实度评判标准进行基于频谱特征的锚杆锚固质量的分类,对历史声波反射数据的振幅特征曲线利用锚固密实度评判标准进行基于振幅特征的锚杆锚固质量的分类;
步骤3:对每一类锚杆锚固质量下对应的相位特征曲线根据预设的锚固质量评判用有效相位范围,进行相位信息提取,得到每一类锚杆锚固质量下的历史声波反射相位数据;对每一类锚杆锚固质量下对应的频谱特征曲线根据预设的锚固质量评判用有效频谱范围,进行频谱信息提取,得到每一类锚杆锚固质量下的历史声波反射频谱数据;对每一类锚杆锚固质量下对应的振幅特征曲线根据预设的锚固质量评判用有效振幅范围,进行振幅特征提取,得到每一类锚杆锚固质量下的历史声波反射振幅数据;
步骤4:根据每一类锚杆锚固质量下的历史声波反射相位数据、
每一类锚杆锚固质量下的历史声波反射频谱数据,以及每一类锚杆锚固质量下的历史声波反射振幅数据采用自动编码器神经网络结构模型进行自动编码器学习记忆识别得到锚杆锚固声波检测典型数据库;
步骤5:在锚杆待解释区域对锚杆锚固声波法检测的实时声波反射数据进行希尔伯特变换得到实时声波反射数据的相位特征曲线,还对锚杆锚固声波法检测的实时声波反射数据进行傅立叶变换的到实时声波反射数据的频谱特征曲线,并得到实时声波反射数据的振幅特征曲线;
步骤6:对实时声波反射数据的相位特征曲线根据预设的锚固质量评判用有效相位范围,进行相位特征提取,对实时声波反射数据的频谱特征曲线根据预设的锚固质量评判用有效频谱范围,进行频谱特征提取,对实时声波反射数据的振幅特征曲线根据预设的锚固质量评判用有效振幅范围,进行振幅特征提取,并将特征提取的结果与锚杆锚固声波检测典型数据库进行对比,以确定实时声波反射数据的相位特征曲线、频谱特征曲线和振幅特征曲线分别属于哪一类锚杆锚固质量。
一般情况下,检测人员依靠个人经验解释检测的数据,而检测人员由于自身掌握的理论知识、积累的经验水平参差不齐对解释的结果不准确也不可靠,本发明可以实时的为检测技术人员提供专家研讨得到的历史解释成果作为参考。本发明的优点在于为检测技术人员提供参考,提高技术人员解释数据的准确性和可靠性。
附图说明
图1为本发明中各类别锚杆锚固质量下的声波反射数据图;
具体实施方式
以下结合附图和具体实施例对本发明作进一步的详细说明:
本发明设计的一种锚杆无损检测数据智能解释方法,它包括如下步骤:
步骤1:在锚杆待解释区域对锚杆锚固声波法检测的历史声波反射数据进行希尔伯特变换得到历史声波反射数据的相位特征曲线,还对锚杆锚固声波法检测的历史声波反射数据进行傅立叶变换的到历史声波反射数据的频谱特征曲线,并得到历史声波反射数据的振幅特征曲线;
步骤2:对历史声波反射数据的相位特征曲线利用专家通过大量实践和研究讨论得到的锚固密实度评判标准,如表1所示,进行基于相位特征的锚杆锚固质量的分类,对历史声波反射数据的频谱特征曲线利用锚固密实度评判标准进行基于频谱特征的锚杆锚固质量的分类,对历史声波反射数据的振幅特征曲线利用锚固密实度评判标准进行基于振幅特征的锚杆锚固质量的分类;
步骤3:对每一类锚杆锚固质量下对应的相位特征曲线根据预设的锚固质量评判用有效相位范围,进行相位信息提取,得到每一类锚杆锚固质量下的历史声波反射相位数据;对每一类锚杆锚固质量下对应的频谱特征曲线根据预设的锚固质量评判用有效频谱范围,进行频谱信息提取,得到每一类锚杆锚固质量下的历史声波反射频谱数据;对每一类锚杆锚固质量下对应的振幅特征曲线根据预设的锚固质量评判用有效振幅范围,进行振幅特征提取,得到每一类锚杆锚固质量下的历史声波反射振幅数据;
步骤4:根据每一类锚杆锚固质量下的历史声波反射相位数据、每一类锚杆锚固质量下的历史声波反射频谱数据,以及每一类锚杆锚固质量下的历史声波反射振幅数据采用自动编码器神经网络结构模型进行自动编码器学习记忆识别得到锚杆锚固声波检测典型数据库;
步骤5:在锚杆待解释区域对锚杆锚固声波法检测的实时声波反射数据进行希尔伯特变换得到实时声波反射数据的相位特征曲线,还对锚杆锚固声波法检测的实时声波反射数据进行傅立叶变换的到实时声波反射数据的频谱特征曲线,并得到实时声波反射数据的振幅特征曲线;
步骤6:对实时声波反射数据的相位特征曲线根据预设的锚固质量评判用有效相位范围,进行相位特征提取,对实时声波反射数据的频谱特征曲线根据预设的锚固质量评判用有效频谱范围,进行频谱特征提取,对实时声波反射数据的振幅特征曲线根据预设的锚固质量评判用有效振幅范围,进行振幅特征提取,并将特征提取的结果与锚杆锚固声波检测典型数据库进行对比,以确定实时声波反射数据的相位特征曲线、频谱特征曲线和振幅特征曲线分别属于哪一类锚杆锚固质量。
所述锚杆锚固质量类别分为合格和不合格,如果实时声波反射数据的相位特征曲线、频谱特征曲线和振幅特征曲线全部属于锚杆锚固质量合格类,则所述实时声波反射数据属于锚杆锚固质量合格类,即当前锚杆锚固合格,如果实时声波反射数据的相位特征曲线、频谱特征曲线和振幅特征曲线有一个属于锚杆锚固质量不合格类,则所述实时声波反射数据属于锚杆锚固质量不合格类,即当前锚杆锚固不合格。
如果实时声波反射数据的相位特征曲线、频谱特征曲线和振幅特征曲线全部属于锚杆锚固质量合格类,则所述实时声波反射数据属于锚杆锚固质量合格类,即当前锚杆锚固等级为优,如果实时声波反射数据的相位特征曲线、频谱特征曲线和振幅特征曲线有且只有其中一个属于锚杆锚固质量不合格类,则所述实时声波反射数据属于锚杆锚固质量等级为良,如果实时声波反射数据的相位特征曲线、频谱特征曲线和振幅特征曲线有且只有其中两个属于锚杆锚固质量等级为中,如果实时声波反射数据的相位特征曲线、频谱特征曲线和振幅特征曲线没有属于锚杆锚固质量不合格类,则锚固质量等级为差。
锚杆锚固声波法检测法原理为:在锚杆杆体外端发射一个声波脉冲,它沿杆体钢筋以管道波形式传播达钢筋低端后反射,在杆体外端可接收此反射波。如果钢筋外密实、饱满地由水泥砂浆握裹砂浆又与周围岩体黏结密实,则声波在传播过程中,不断从钢筋通过水泥砂浆向岩体扩散,能量损失很大,在杆体外端测得的反射波振幅很小,甚至测不到;如果无砂浆握裹,仅是一个空杆,则声波仅在钢筋中传播,能量损失不大,接收到的反射波振幅则较大;如果握裹砂浆不实,中间有空洞或缺失,则得到的反射波振幅的大小介于前两者之间。因此可以根据反射振幅大小判定水泥砂浆的饱满度,根据反射波和入射波的时间差判定锚杄的长度。
表一 锚固密实度评判标准如下表所示:
表中:Cm——同类锚杆的波速平均值;
Δf——杆底相邻谐振峰之间的频差;
L——锚杆杆体长度;
三者关系为:
表中,A和B为合格,C和D为不合格。
上述技术方案中,Hilbert变换的时频分析。其基本原理是将实信号变换为自己定义的复信号,即将实信号f(t)看成是复信号Z(t)的实部,通过Hilbert变换得到对应的复信号的虚部然后分析该复信号的瞬时振幅、瞬时相位及瞬时频率等。按下述计算:
设规定接受信号的实部与虚部分别为
解析信号:
其中,
信号的振幅:
瞬时相位:
瞬时频率:
基于Hilbert变换的时频分析,用快速傅里叶变换的方法实现,具有算法结构简单,时间复杂度低,收敛迅速,对频域信号瞬时振幅、瞬时相位和瞬时频率的识别更准确等特点,是对常规频谱分析的一个加速和改进。
自动编码器是Rumelhart在1986年提出来的,其主要目的是对于一个给定的数据集学习压缩的分布式的特征表达。自动编码器是一个典型的三层结构的神经网络,输入层和隐藏层之间是一个编码的过程,隐藏层和输出层之间是一个解码的过程。通过对输入数据进行编码操作来获得输入数据的一种编码表示,通过对隐藏层的编码表示作解码操作来获得输入数据的重构,定义重构误差函数来衡量自动编码器学习算法的学习效果。在自动编码器的基础上加上一些约束条件可以产生变自动编码器。
本说明书未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (2)
1.一种锚杆无损检测数据智能解释方法,其特征在于,它包括如下步骤:
步骤1:在锚杆待解释区域对锚杆锚固声波法检测的历史声波反射数据进行希尔伯特变换得到历史声波反射数据的相位特征曲线,还对锚杆锚固声波法检测的历史声波反射数据进行傅立叶变换的到历史声波反射数据的频谱特征曲线,并得到历史声波反射数据的振幅特征曲线;
步骤2:对历史声波反射数据的相位特征曲线利用锚固密实度评判标准进行基于相位特征的锚杆锚固质量的分类,对历史声波反射数据的频谱特征曲线利用锚固密实度评判标准进行基于频谱特征的锚杆锚固质量的分类,对历史声波反射数据的振幅特征曲线利用锚固密实度评判标准进行基于振幅特征的锚杆锚固质量的分类;
步骤3:对每一类锚杆锚固质量下对应的相位特征曲线根据预设的锚固质量评判用有效相位范围,进行相位信息提取,得到每一类锚杆锚固质量下的历史声波反射相位数据;对每一类锚杆锚固质量下对应的频谱特征曲线根据预设的锚固质量评判用有效频谱范围,进行频谱信息提取,得到每一类锚杆锚固质量下的历史声波反射频谱数据;对每一类锚杆锚固质量下对应的振幅特征曲线根据预设的锚固质量评判用有效振幅范围,进行振幅特征提取,得到每一类锚杆锚固质量下的历史声波反射振幅数据;
步骤4:根据每一类锚杆锚固质量下的历史声波反射相位数据、每一类锚杆锚固质量下的历史声波反射频谱数据,以及每一类锚杆锚固质量下的历史声波反射振幅数据采用自动编码器神经网络结构模型进行自动编码器学习记忆识别得到锚杆锚固声波检测典型数据库;
步骤5:在锚杆待解释区域对锚杆锚固声波法检测的实时声波反射数据进行希尔伯特变换得到实时声波反射数据的相位特征曲线,还对锚杆锚固声波法检测的实时声波反射数据进行傅立叶变换的到实时声波反射数据的频谱特征曲线,并得到实时声波反射数据的振幅特征曲线;
步骤6:对实时声波反射数据的相位特征曲线根据预设的锚固质量评判用有效相位范围,进行相位特征提取,对实时声波反射数据的频谱特征曲线根据预设的锚固质量评判用有效频谱范围,进行频谱特征提取,对实时声波反射数据的振幅特征曲线根据预设的锚固质量评判用有效振幅范围,进行振幅特征提取,并将特征提取的结果与锚杆锚固声波检测典型数据库进行对比,以确定实时声波反射数据的相位特征曲线、频谱特征曲线和振幅特征曲线分别属于哪一类锚杆锚固质量。
2.根据权利要求1所述的锚杆无损检测数据智能解释方法,其特征在于:所述锚杆锚固质量类别分为合格和不合格,如果实时声波反射数据的相位特征曲线、频谱特征曲线和振幅特征曲线全部属于锚杆锚固质量合格类,则所述实时声波反射数据属于锚杆锚固质量合格类,即当前锚杆锚固合格,如果实时声波反射数据的相位特征曲线、频谱特征曲线和振幅特征曲线有一个属于锚杆锚固质量不合格类,则所述实时声波反射数据属于锚杆锚固质量不合格类,即当前锚杆锚固不合格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910507520.4A CN110231410B (zh) | 2019-06-12 | 2019-06-12 | 锚杆无损检测数据智能解释方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910507520.4A CN110231410B (zh) | 2019-06-12 | 2019-06-12 | 锚杆无损检测数据智能解释方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110231410A true CN110231410A (zh) | 2019-09-13 |
CN110231410B CN110231410B (zh) | 2022-01-28 |
Family
ID=67859749
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910507520.4A Active CN110231410B (zh) | 2019-06-12 | 2019-06-12 | 锚杆无损检测数据智能解释方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110231410B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210086282A1 (en) * | 2019-09-24 | 2021-03-25 | Kabushiki Kaisha Toshiba | Processing system, processing method, and storage medium |
CN114778695A (zh) * | 2022-05-17 | 2022-07-22 | 西安科技大学 | 一种冲击地压矿井锚杆锚固质量无损监测分析方法 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2663115A1 (fr) * | 1990-06-08 | 1991-12-13 | Framatome Sa | Procede et dispositif de controle de l'epaisseur et de la cohesion de l'interface d'un tube duplex. |
US20020148293A1 (en) * | 2001-04-13 | 2002-10-17 | Timothy Little | Method and apparatus for the measurement of corrosion and damage in installed bolts, rods and bars |
CN201532381U (zh) * | 2009-07-16 | 2010-07-21 | 招商局重庆交通科研设计院有限公司 | 基于孔底预埋反射装置的锚索及锚杆锚固质量检测装置 |
CN101907606A (zh) * | 2010-07-12 | 2010-12-08 | 哈尔滨工业大学深圳研究生院 | 一种超声波钢管混凝土柱质量检测方法 |
CN102269814A (zh) * | 2011-04-21 | 2011-12-07 | 长江大学 | 一种用于基桩质量智能检测的方法 |
CN102890117A (zh) * | 2012-02-15 | 2013-01-23 | 长江水利委员会长江科学院 | 一种长锚索锚固质量检测方法及装置 |
CN104483389A (zh) * | 2014-12-24 | 2015-04-01 | 云南航天工程物探检测股份有限公司 | 基于组合震源法检测桥梁预应力管道注浆质量的方法 |
JP2015064351A (ja) * | 2013-08-30 | 2015-04-09 | 原子燃料工業株式会社 | アンカーボルトの状態評価方法 |
US20150114120A1 (en) * | 2012-02-22 | 2015-04-30 | Hochschule Offenburg | Method and Apparatus for Determining Properties of a Pipeline, in Particular the Position of a Branch of a Sewage Pipeline |
CN106053602A (zh) * | 2016-05-04 | 2016-10-26 | 石家庄铁道大学 | 一种基于磁致伸缩效应的自比式锚杆无损检测方法 |
US20170292904A1 (en) * | 2015-09-23 | 2017-10-12 | China University Of Petroleum (East China) | Test system and test method for a simulation experiment of gas hydrate in a porous medium |
CN107367548A (zh) * | 2016-05-12 | 2017-11-21 | 北京化工大学 | 基于声纹特征识别的聚乙烯气相流化床生产过程结块在线监测系统及方法 |
CN107843652A (zh) * | 2017-11-10 | 2018-03-27 | 武汉市工程科学技术研究院 | 便携式锚杆锚固质量检测仪及检测方法 |
CN107976484A (zh) * | 2017-11-22 | 2018-05-01 | 武汉市工程科学技术研究院 | 线性调频锚杆检测收发一体传感器及锚杆检测方法 |
CN108194843A (zh) * | 2018-02-06 | 2018-06-22 | 长江大学 | 一种利用声波检测管道泄漏的方法 |
CN109100421A (zh) * | 2018-07-18 | 2018-12-28 | 中国电建集团中南勘测设计研究院有限公司 | 预埋式检测锚索注浆密实度的装置及方法 |
CN109767760A (zh) * | 2019-02-23 | 2019-05-17 | 天津大学 | 基于振幅和相位信息的多目标学习的远场语音识别方法 |
-
2019
- 2019-06-12 CN CN201910507520.4A patent/CN110231410B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2663115A1 (fr) * | 1990-06-08 | 1991-12-13 | Framatome Sa | Procede et dispositif de controle de l'epaisseur et de la cohesion de l'interface d'un tube duplex. |
US20020148293A1 (en) * | 2001-04-13 | 2002-10-17 | Timothy Little | Method and apparatus for the measurement of corrosion and damage in installed bolts, rods and bars |
CN201532381U (zh) * | 2009-07-16 | 2010-07-21 | 招商局重庆交通科研设计院有限公司 | 基于孔底预埋反射装置的锚索及锚杆锚固质量检测装置 |
CN101907606A (zh) * | 2010-07-12 | 2010-12-08 | 哈尔滨工业大学深圳研究生院 | 一种超声波钢管混凝土柱质量检测方法 |
CN102269814A (zh) * | 2011-04-21 | 2011-12-07 | 长江大学 | 一种用于基桩质量智能检测的方法 |
CN102890117A (zh) * | 2012-02-15 | 2013-01-23 | 长江水利委员会长江科学院 | 一种长锚索锚固质量检测方法及装置 |
US20150114120A1 (en) * | 2012-02-22 | 2015-04-30 | Hochschule Offenburg | Method and Apparatus for Determining Properties of a Pipeline, in Particular the Position of a Branch of a Sewage Pipeline |
JP2015064351A (ja) * | 2013-08-30 | 2015-04-09 | 原子燃料工業株式会社 | アンカーボルトの状態評価方法 |
CN104483389A (zh) * | 2014-12-24 | 2015-04-01 | 云南航天工程物探检测股份有限公司 | 基于组合震源法检测桥梁预应力管道注浆质量的方法 |
US20170292904A1 (en) * | 2015-09-23 | 2017-10-12 | China University Of Petroleum (East China) | Test system and test method for a simulation experiment of gas hydrate in a porous medium |
CN106053602A (zh) * | 2016-05-04 | 2016-10-26 | 石家庄铁道大学 | 一种基于磁致伸缩效应的自比式锚杆无损检测方法 |
CN107367548A (zh) * | 2016-05-12 | 2017-11-21 | 北京化工大学 | 基于声纹特征识别的聚乙烯气相流化床生产过程结块在线监测系统及方法 |
CN107843652A (zh) * | 2017-11-10 | 2018-03-27 | 武汉市工程科学技术研究院 | 便携式锚杆锚固质量检测仪及检测方法 |
CN107976484A (zh) * | 2017-11-22 | 2018-05-01 | 武汉市工程科学技术研究院 | 线性调频锚杆检测收发一体传感器及锚杆检测方法 |
CN108194843A (zh) * | 2018-02-06 | 2018-06-22 | 长江大学 | 一种利用声波检测管道泄漏的方法 |
CN109100421A (zh) * | 2018-07-18 | 2018-12-28 | 中国电建集团中南勘测设计研究院有限公司 | 预埋式检测锚索注浆密实度的装置及方法 |
CN109767760A (zh) * | 2019-02-23 | 2019-05-17 | 天津大学 | 基于振幅和相位信息的多目标学习的远场语音识别方法 |
Non-Patent Citations (4)
Title |
---|
周黎明等: "工程锚杆锚固质量的无损检测研究", 《采矿安全与工程学报》 * |
彭斌等: "锚杆锚固质量无损检测数据的分析与处理", 《物探化探计算技术》 * |
马在田: "《全国勘探地球物理学术会专题报告 地震数字处理的进展与展望:兼论地震讯息的利用 波动方程在地震资料处理中的应用》", 30 November 1978, 石油工业部石油地球物理勘探局研究院 * |
龙称心: "隧道锚杆锚固质量无损检测技术研究与应用", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210086282A1 (en) * | 2019-09-24 | 2021-03-25 | Kabushiki Kaisha Toshiba | Processing system, processing method, and storage medium |
US11980975B2 (en) * | 2019-09-24 | 2024-05-14 | Kabushiki Kaisha Toshiba | Processing system, processing method, and storage medium |
CN114778695A (zh) * | 2022-05-17 | 2022-07-22 | 西安科技大学 | 一种冲击地压矿井锚杆锚固质量无损监测分析方法 |
CN114778695B (zh) * | 2022-05-17 | 2024-05-03 | 国家能源集团新疆能源有限责任公司 | 一种冲击地压矿井锚杆锚固质量无损监测分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110231410B (zh) | 2022-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111896625A (zh) | 钢轨伤损实时监测方法及其监测系统 | |
Rizzo et al. | Wavelet-based outlier analysis for guided wave structural monitoring: application to multi-wire strands | |
CN105334269A (zh) | 一种基于神经网络和导波特征数据库的管道缺陷类别判别方法 | |
CN105929024A (zh) | 混凝土缺陷智能化检测与定量识别方法 | |
CN102928514B (zh) | 一种基于频率特征的木材应力波无损检测方法 | |
CN101963536B (zh) | 一种索力实时监测方法 | |
CN110231410B (zh) | 锚杆无损检测数据智能解释方法 | |
CN111983020B (zh) | 一种金属构件内部缺陷敲击检测识别系统及识别方法 | |
CN1743839A (zh) | 一种结构缺陷超声在线智能识别系统及识别方法 | |
CN107678064B (zh) | 一种声波时差实时提取方法 | |
CN110274956A (zh) | 一种基于Kolmogorov熵的管道超声导波检测方法 | |
CN110286155A (zh) | 一种多层复合材料的损伤检测方法及系统 | |
KR102611457B1 (ko) | 인공지능 기반 콘크리트 부재 내부 결함 탐지 시스템 | |
CN101109732B (zh) | 基于模糊平面特征的超声无损检测回波信号分类方法 | |
CN113988142A (zh) | 一种基于卷积神经网络的隧道衬砌空洞声学识别方法 | |
Yu et al. | Novel hybrid method based on advanced signal processing and soft computing techniques for condition assessment of timber utility poles | |
CN116401571A (zh) | 基于敲击声波与MiniRocket的钢管混凝土异型脱空识别方法 | |
Bandara et al. | Health monitoring of timber poles using time–frequency analysis techniques and stress wave propagation | |
CN114991757A (zh) | 一种随钻地层压力测录一体化监测方法及系统 | |
CN111443131B (zh) | 一种钢筋套筒灌浆密实度检测方法 | |
Peng et al. | One-dimensional residual convolutional neural network and percussion-based method for pipeline leakage and water deposit detection | |
CN116609442B (zh) | 基于非线性超声导波和深度学习的管道裂纹评估定位方法 | |
CN103954628B (zh) | 联合eemd和近似熵的钢管损伤监控方法 | |
CN114487103A (zh) | 基于旧零件声发射信号混沌特征值的损伤检测分析方法 | |
CN115047286A (zh) | 一种电缆缺陷检测方法、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |