CN110440728A - 一种探测回波智能分析的建筑结构安全监测方法及系统 - Google Patents
一种探测回波智能分析的建筑结构安全监测方法及系统 Download PDFInfo
- Publication number
- CN110440728A CN110440728A CN201910472798.2A CN201910472798A CN110440728A CN 110440728 A CN110440728 A CN 110440728A CN 201910472798 A CN201910472798 A CN 201910472798A CN 110440728 A CN110440728 A CN 110440728A
- Authority
- CN
- China
- Prior art keywords
- echo
- target acquisition
- acquisition point
- building structure
- vector
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B17/00—Measuring arrangements characterised by the use of infrasonic, sonic or ultrasonic vibrations
- G01B17/02—Measuring arrangements characterised by the use of infrasonic, sonic or ultrasonic vibrations for measuring thickness
-
- 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
- G01N29/048—Marking the faulty objects
-
- 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
- G01N2291/023—Solids
- G01N2291/0232—Glass, ceramics, concrete or stone
Landscapes
- Physics & Mathematics (AREA)
- General 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)
- Immunology (AREA)
- Pathology (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本申请实施例提供了一种探测回波智能分析的建筑结构安全监测方法和系统,其中方法包括:获取目标探测点的探测回波频谱图样;根据所述探测回波频谱图样生成所述目标探测点的回波向量;对所述回波向量进行归一化,生成所述目标探测点的归一化回波向量;将所述归一化回波向量输入预先训练的结构状况分析模型,输出所述目标探测点对应位置处的建筑结构的结构状况。本申请实施例的探测回波智能分析的建筑结构安全监测方法和系统,能够提高对智能建筑的建筑结构进行检测的效率,进而节省人力资源。
Description
技术领域
本申请涉及智能建筑技术领域,尤其涉及一种探测回波智能分析的建筑结构安全监测方法及系统。
背景技术
冲击回波检测法用于针对混凝土建筑结构进行检测,探查其中的空洞、蜂窝、裂纹等缺陷,从而监测和评估建筑结构安全性。
具体地,利用一个短时的机械冲击(用一个小钢球或小锤轻敲混凝土表面),产生低频的应力波,应力波传播到结构内部,被缺陷和构件底面反射回来,这些反射波被安装在冲击点附近的传感器接收下来,并被送到一个内置高速数据采集及信号处理的便携式仪器。将所记录的信号进行幅值谱分析,谱图中的明显峰正是由于冲击表面、缺陷及其他外表面之间的多次反射产生瞬态共振所致,它可以被识别出来并被用来确定结构的厚度和缺陷的位置。
对于探测回波,现有技术通过快速傅里叶变换将其转换到频域,然后通过分析频谱图样中存在的一个或者许多的峰值点的分布,确定混凝土中是否存在空洞、蜂窝、断裂等缺陷。
但是,现有技术中需要针对每一次探测的回波频谱图样进行个别人为分析,分析效率比较低,造成了人力资源的浪费。
发明内容
有鉴于此,本申请的目的在于提出一种探测回波智能分析的建筑结构安全监测方法及系统,来对智能建筑的建筑结构进行检测,以提高分析效率,节省人力资源。
基于上述目的,在本申请的第一个方面,提出了一种探测回波智能分析的建筑结构安全监测方法,包括:
获取目标探测点的探测回波频谱图样;
根据所述探测回波频谱图样生成所述目标探测点的回波向量;
对所述回波向量进行归一化,生成所述目标探测点的归一化回波向量;
将所述归一化回波向量输入预先训练的结构状况分析模型,输出所述目标探测点对应位置处的建筑结构的结构状况。
在一些实施例中,还包括:
判断所述目标探测点应位置处的建筑结构是否存在异常,并当所述目标探测点对应位置处的建筑结构存在异常时,对所述异常状况进行反馈。
在一些实施例中,所述对所述异常状况进行反馈,具体包括:
将所述目标探测点对应位置处的建筑结构的结构状况叠加显示在智能建筑的图纸上。
在一些实施例中,所述获取目标探测点的探测回波频谱图样,包括:
利用冲击回波检测法对所述目标探测点进行探测,然后利用快速傅立叶转换将时域数据转化为频域数据,生成所述探测回波频谱图样。
在一些实施例中,所述根据所述探测回波频谱图样生成所述目标探测点的回波向量,包括:
根据所述探测回波频谱图样,提取每个峰值点,对所述每个峰值点确定该峰值点对应的频率和波幅,将全部峰值点的频率和波幅整合成一个多维向量,作为所述目标探测点的回波向量。
在一些实施例中,所述对所述回波向量进行归一化,生成所述目标探测点的归一化回波向量,包括:
对每个峰值点的频率和波幅都乘一个归一化系数,所述归一化系数由每个探测点处实际的建筑结构的厚度、压缩波波速以及结构形状系数与标称的建筑结构的厚度、压缩波波速以及结构形状系数的比值决定。
在一些实施例中,所述结构状况分析模型由以下方法生成:
对于预设数量的正常的和存在各种缺陷的样本混凝土,确定对应的归一化回波向量,将样本混凝土的归一化回波向量输入神经网络,获得样本混凝土的结构状况的分析结果,将分析结果与样本混凝土的实际状况进行比对,判断偏差值是否在预设范围内,当偏差值不在预设范围内时,根据偏差值对神经网络的参数进行调整,直到神经网络输出的分析结果与样本混凝土的实际状况偏差值在预设范围内,完成结构状况分析模型的训练。
基于上述目的,在本申请的第二个方面,还提出了一种探测回波智能分析的建筑结构安全监测系统,包括:
多各冲击回波探测传感器,分布在智能建筑的建筑结构的对应位置处,用于获取探测点的探测回波频谱图样;
回波向量生成模块,用于根据所述探测回波频谱图样生成所述目标探测点的回波向量;
归一化回波向量生成模块,用于对所述回波向量进行归一化,生成所述目标探测点的归一化回波向量;
结构状况确定模块,用于将所述归一化回波向量输入预先训练的结构状况分析模型,输出所述目标探测点对应位置处的建筑结构的结构状况。
在一些实施例中,还包括:
异常状况反馈模块,用于判断所述目标探测点应位置处的建筑结构是否存在异常,并当所述目标探测点对应位置处的建筑结构存在异常时,对所述异常状况进行反馈。
在一些实施例中,所述异常状况反馈模块,具体用于:
将所述目标探测点对应位置处的建筑结构的结构状况叠加显示在智能建筑的图纸上。
本申请实施例提供了一种探测回波智能分析的建筑结构安全监测方法和系统,其中方法包括:获取目标探测点的探测回波频谱图样;根据所述探测回波频谱图样生成所述目标探测点的回波向量;对所述回波向量进行归一化,生成所述目标探测点的归一化回波向量;将所述归一化回波向量输入预先训练的结构状况分析模型,输出所述目标探测点对应位置处的建筑结构的结构状况。本申请实施例的探测回波智能分析的建筑结构安全监测方法和系统,能够提高对智能建筑的建筑结构进行检测的效率,进而节省人力资源。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请实施例一的探测回波智能分析的建筑结构安全监测方法的流程图;
图2是冲击回波检测法的原理示意图;
图3是建筑结构的无缺陷处和有缺陷处的测试结果对比示意图;
图4是本申请实施例二的探测回波智能分析的建筑结构安全监测系统的功能结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
如图1所示,是本申请实施例一的探测回波智能分析的建筑结构安全监测方法的流程图。从图1中可以看出,本实施例的探测回波智能分析的建筑结构安全监测方法,可以包括以下步骤:
S101:获取目标探测点的探测回波频谱图样。
本申请实施例的探测回波智能分析的建筑结构安全监测方法,用于对智能建筑的建筑结构进行探测。具体地,本实施例中的智能建筑的各建筑结构上可以分布有大量的冲击回波探测传感器,各冲击回波探测传感器用于对自身所在位置的建筑结构的结构状况进行探测。如图2所示,是冲击回波检测法的原理示意图。冲击回波法是利用一个短时的机械冲击(用一个小钢球或小锤轻敲混凝土表面),产生低频的应力波,应力波传播到结构内部,被缺陷和构件底面反射回来,这些反射波被安装在冲击点附近的传感器接收下来,并被送到一个内置高速数据采集及信号处理的便携式仪器。将所记录的信号进行幅值谱分析,探测回波频谱图样中的明显峰正是由于冲击表面、缺陷及其他外表面之间的多次反射产生瞬态共振所致,它可以被识别出来并被用来确定结构的厚度和缺陷的位置。如图3所示是建筑结构的无缺陷处和有缺陷处的测试结果对比示意图。图3中,上部分是建筑结构的无缺陷处的探测回波频谱图样,下部分是建筑结构的有缺陷处的探测回波频谱图样。在本实施中,各冲击回波探测传感器的功能相同,其区别在于设置在智能建筑中的位置不同。本实施例以一个回波探测传感器为例,对本申请的技术方案进行说明,该回波探测传感器即为后续的设置在目标探测点的回波探测传感器,通过对该回波探测传感器的功能进行说明,其他回波探测传感器的功能也就自然而然的清楚了。在本实施例中,当对智能建筑的建筑结构进行分析,首先需要获取目标探测点的探测回波频谱图样。目标探测点的探测回波频谱图样可以利用冲击回波检测法对所述目标探测点进行探测,然后利用快速傅立叶转换将时域数据转化为频域数据,生成所述探测回波频谱图样。显然,由于智能建筑各处的大量建筑结构上,均部署有冲击回波探测传感器,对其各处建筑结构进行常态化的探测,探测的回波数据通过物联网发送到后台服务器,获得海量的回波频谱图样。这导致需要进行分析的数据量显著增大,已经不能依靠个别人为分析的方式进行处理。
S102:根据所述探测回波频谱图样生成所述目标探测点的回波向量。
在获取目标探测点的探测回波频谱图样后,可以根据所述探测回波频谱图样生成所述目标探测点的回波向量。具体地,根据所述探测回波频谱图样,提取每个峰值点,对所述每个峰值点确定该峰值点对应的频率和波幅,将全部峰值点的频率和波幅整合成一个多维向量,作为所述目标探测点的回波向量。在利用快速傅立叶转换将时域数据转化为频域数据,获取目标探测点的探测回波频谱图样后,提取探测回波频谱图样中的每个峰值点P(参见图3,频谱图样中存在者多个峰值点),对每个峰值点确定其对应的频率PF、波幅PA等参数。这样,对于一个频谱图样,可以利用其中的全部峰值点P1、P2…Pn的频率PF1、PF2…PFn、和波幅PA1、PA2…PAn构建一个多维度向量,构建的多维度向量可以表示为:((PF1,PA1),(PF2,PA2)……(PFn,PAn))。
S103:对所述回波向量进行归一化,生成所述目标探测点的归一化回波向量。
由于频谱图样中峰值点的频率和波幅分布,还与该探测点对应的建筑结构的厚度、压缩波波速以及结构形状系数有关,而不同探测点的建筑结构的厚度、压缩波波速以及结构形状系数都是不同的。因此,需要根据每个探测点处实际的建筑结构的厚度、压缩波波速以及结构形状系数与标称的建筑结构的厚度、压缩波波速以及结构形状系数的关系,将所述回波向量乘以一个归一化系数,生成所述目标探测点的归一化回波向量。归一化回波向量可以表示为(a*PF1,a*PA1),(a*PF2,a*PA2)……(a*PFn,a*PAn)。其中归一化系数a是由每个探测点处实际的建筑结构的厚度、压缩波波速以及结构形状系数与标称的建筑结构的厚度、压缩波波速以及结构形状系数的比值决定的。
S104:将所述归一化回波向量输入预先训练的结构状况分析模型,输出所述目标探测点对应位置处的建筑结构的结构状况。
在生成所述目标探测点的归一化回波向量后,可以将所述述归一化回波向量输入预先训练的结构状况分析模型,输出所述目标探测点对应位置处的建筑结构的结构状况。在本实施例中,所述结构状况分析模型可以是基于BP算法的神经网络模型,该模型以归一化回波向量为输入,以建筑结构的结构状况为输出。具体地,该神经网络模型可以由以下方法生成:
对于预设数量的正常的和存在各种缺陷的样本混凝土,确定对应的归一化回波向量,将样本混凝土的归一化回波向量输入神经网络,获得样本混凝土的结构状况的分析结果,将分析结果与样本混凝土的实际状况进行比对,判断偏差值是否在预设范围内,当偏差值不在预设范围内时,根据偏差值对神经网络的参数进行调整,直到神经网络输出的分析结果与样本混凝土的实际状况偏差值在预设范围内,完成结构状况分析模型的训练。
本申请实施例的探测回波智能分析的建筑结构安全监测方法,能够提高对智能建筑的建筑结构进行检测的效率,进而节省了人力资源。
此外,作为本申请的一个可选实施例,在上述实施例中,当输出所述目标探测点对应位置处的建筑结构的结构状况后,还可以进一步判断所述目标探测点应位置处的建筑结构是否存在异常,并当所述目标探测点对应位置处的建筑结构存在异常时,对所述异常状况进行反馈。由于存在异常的建筑结构能够在探测回波频谱图样上显示出来,通常情况下,存在异常的建筑结构的探测回波频谱图样的频率峰值要多于正常的建筑结构的探测回波频谱图样的频率峰值。因此,可以根据输出的目标探测点对应位置处的建筑结构的结构状况,进一步判断所述目标探测点应位置处的建筑结构是否存在异常,并当存在异常时,将对所述异常状况进行反馈。具体地,可以将所述目标探测点对应位置处的建筑结构的结构状况叠加显示在智能建筑的图纸上,方便工程人员查看。
如图4所示,是本申请实施例二的探测回波智能分析的建筑结构安全监测系统的功能结构示意图。本实施例的探测回波智能分析的建筑结构安全监测系统,包括:
多各冲击回波探测传感器401,分布在智能建筑的建筑结构的对应位置处,用于获取探测点的探测回波频谱图样。
具体地,本实施例中的智能建筑的各建筑结构上可以分布有大量的冲击回波探测传感器,各冲击回波探测传感器用于对自身所在位置的建筑结构的结构状况进行探测。在本实施中,各冲击回波探测传感器的功能相同,其区别在于设置在智能建筑中的位置不同。当对智能建筑的建筑结构进行分析,首先需要获取探测点的探测回波频谱图样。探测点的探测回波频谱图样可以利用冲击回波检测法对探测点进行探测,然后利用快速傅立叶转换将时域数据转化为频域数据,生成所述探测回波频谱图样。
回波向量生成模块402,用于根据所述探测回波频谱图样生成所述目标探测点的回波向量。
在获取到探测回波频谱图样后,可以根据探测回波频谱图样生成探测点的回波向量。具体地,根据探测回波频谱图样,提取每个峰值点,对所述每个峰值点确定该峰值点对应的频率和波幅,将全部峰值点的频率和波幅整合成一个多维向量,作为所述目标探测点的回波向量。在利用快速傅立叶转换将时域数据转化为频域数据,获取目标探测点的探测回波频谱图样后,提取探测回波频谱图样中的每个峰值点P(参见图3,频谱图样中存在者多个峰值点),对每个峰值点确定其对应的频率PF、波幅PA等参数。这样,对于一个频谱图样,可以利用其中的全部峰值点P1、P2…Pn的频率PF1、PF2…PFn、和波幅PA1、PA2…PAn构建一个多维度向量,构建的多维度向量可以表示为:((PF1,PA1),(PF2,PA2)……(PFn,PAn))。
归一化回波向量生成模块403,用于对所述回波向量进行归一化,生成所述目标探测点的归一化回波向量。
由于频谱图样中峰值点的频率和波幅分布,还与该探测点对应的建筑结构的厚度、压缩波波速以及结构形状系数有关,而不同探测点的建筑结构的厚度、压缩波波速以及结构形状系数都是不同的。因此,需要根据每个探测点处实际的建筑结构的厚度、压缩波波速以及结构形状系数与标称的建筑结构的厚度、压缩波波速以及结构形状系数的关系,将所述回波向量乘以一个归一化系数,生成所述目标探测点的归一化回波向量。归一化回波向量可以表示为(a*PF1,a*PA1),(a*PF2,a*PA2)……(a*PFn,a*PAn)。其中归一化系数a是由每个探测点处实际的建筑结构的厚度、压缩波波速以及结构形状系数与标称的建筑结构的厚度、压缩波波速以及结构形状系数的比值决定的。
结构状况确定模块404,用于将所述归一化回波向量输入预先训练的结构状况分析模型,输出所述目标探测点对应位置处的建筑结构的结构状况。
在生成探测点的归一化回波向量后,可以将归一化回波向量输入预先训练的结构状况分析模型,输出探测点对应位置处的建筑结构的结构状况。在本实施例中,所述结构状况分析模型可以是基于BP算法的神经网络模型,该模型以归一化回波向量为输入,以建筑结构的结构状况为输出。具体地,该神经网络模型可以由以下方法生成:
对于预设数量的正常的和存在各种缺陷的样本混凝土,确定对应的归一化回波向量,将样本混凝土的归一化回波向量输入神经网络,获得样本混凝土的结构状况的分析结果,将分析结果与样本混凝土的实际状况进行比对,判断偏差值是否在预设范围内,当偏差值不在预设范围内时,根据偏差值对神经网络的参数进行调整,直到神经网络输出的分析结果与样本混凝土的实际状况偏差值在预设范围内,完成结构状况分析模型的训练。
本申请实施例的探测回波智能分析的建筑结构安全监测系统,能够提高对智能建筑的建筑结构进行检测的效率,进而节省了人力资源。
此外,作为本申请的一个可选实施例,上述的探测回波智能分析的建筑结构安全监测系统,还可以包括异常状况反馈模块(图中未示出),所述异常状况反馈模块用于判断所述目标探测点应位置处的建筑结构是否存在异常,并当所述目标探测点对应位置处的建筑结构存在异常时,对所述异常状况进行反馈。具体地,可以将所述目标探测点对应位置处的建筑结构的结构状况叠加显示在智能建筑的图纸上,方便工程人员查看。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种探测回波智能分析的建筑结构安全监测方法,其特征在于,包括:
获取目标探测点的探测回波频谱图样;
根据所述探测回波频谱图样生成所述目标探测点的回波向量;
对所述回波向量进行归一化,生成所述目标探测点的归一化回波向量;
将所述归一化回波向量输入预先训练的结构状况分析模型,输出所述目标探测点对应位置处的建筑结构的结构状况。
2.根据权利要求1所述的方法,其特征在于,还包括:
判断所述目标探测点应位置处的建筑结构是否存在异常,并当所述目标探测点对应位置处的建筑结构存在异常时,对所述异常状况进行反馈。
3.根据权利要求2所述的方法,其特征在于,所述对所述异常状况进行反馈,具体包括:
将所述目标探测点对应位置处的建筑结构的结构状况叠加显示在智能建筑的图纸上。
4.根据权利要求3所述的方法,其特征在于,所述获取目标探测点的探测回波频谱图样,包括:
利用冲击回波检测法对所述目标探测点进行探测,然后利用快速傅立叶转换将时域数据转化为频域数据,生成所述探测回波频谱图样。
5.根据权利要求4所述的方法,其特征在于,所述根据所述探测回波频谱图样生成所述目标探测点的回波向量,包括:
根据所述探测回波频谱图样,提取每个峰值点,对所述每个峰值点确定该峰值点对应的频率和波幅,将全部峰值点的频率和波幅整合成一个多维向量,作为所述目标探测点的回波向量。
6.根据权利要求5所述的方法,其特征在于,所述对所述回波向量进行归一化,生成所述目标探测点的归一化回波向量,包括:
对每个峰值点的频率和波幅都乘一个归一化系数,所述归一化系数由每个探测点处实际的建筑结构的厚度、压缩波波速以及结构形状系数与标称的建筑结构的厚度、压缩波波速以及结构形状系数的比值决定。
7.根据权利要求6所述的方法,其特征在于,所述结构状况分析模型由以下方法生成:
对于预设数量的正常的和存在各种缺陷的样本混凝土,确定对应的归一化回波向量,将样本混凝土的归一化回波向量输入神经网络,获得样本混凝土的结构状况的分析结果,将分析结果与样本混凝土的实际状况进行比对,判断偏差值是否在预设范围内,当偏差值不在预设范围内时,根据偏差值对神经网络的参数进行调整,直到神经网络输出的分析结果与样本混凝土的实际状况偏差值在预设范围内,完成结构状况分析模型的训练。
8.一种探测回波智能分析的建筑结构安全监测系统,其特征在于,包括:
多各冲击回波探测传感器,分布在智能建筑的建筑结构的对应位置处,用于获取探测点的探测回波频谱图样;
回波向量生成模块,用于根据所述探测回波频谱图样生成所述目标探测点的回波向量;
归一化回波向量生成模块,用于对所述回波向量进行归一化,生成所述目标探测点的归一化回波向量;
结构状况确定模块,用于将所述归一化回波向量输入预先训练的结构状况分析模型,输出所述目标探测点对应位置处的建筑结构的结构状况。
9.根据权利要求6所述的系统,其特征在于,还包括:
异常状况反馈模块,用于判断所述目标探测点应位置处的建筑结构是否存在异常,并当所述目标探测点对应位置处的建筑结构存在异常时,对所述异常状况进行反馈。
10.根据权利要求9所述的系统,其特征在于,所述异常状况反馈模块,具体用于:
将所述目标探测点对应位置处的建筑结构的结构状况叠加显示在智能建筑的图纸上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910472798.2A CN110440728B (zh) | 2019-05-31 | 2019-05-31 | 一种探测回波智能分析的建筑结构安全监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910472798.2A CN110440728B (zh) | 2019-05-31 | 2019-05-31 | 一种探测回波智能分析的建筑结构安全监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110440728A true CN110440728A (zh) | 2019-11-12 |
CN110440728B CN110440728B (zh) | 2020-09-11 |
Family
ID=68429179
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910472798.2A Active CN110440728B (zh) | 2019-05-31 | 2019-05-31 | 一种探测回波智能分析的建筑结构安全监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110440728B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5165270A (en) * | 1990-12-31 | 1992-11-24 | Sansalone Mary J | Non-destructive materials testing apparatus and technique for use in the field |
CN101303329A (zh) * | 2008-06-13 | 2008-11-12 | 东南大学 | 基于神经网络技术的综合强度测试法 |
CN101545888A (zh) * | 2008-03-28 | 2009-09-30 | 鞍山长风无损检测设备有限公司 | 分布式多通道超声探伤系统 |
TW201235636A (en) * | 2011-02-18 | 2012-09-01 | China Steel Corp | Nondestructive measurement method of wall thickness of high temperature furnace |
CN105929024A (zh) * | 2016-04-21 | 2016-09-07 | 安徽省(水利部淮河水利委员会)水利科学研究院 | 混凝土缺陷智能化检测与定量识别方法 |
CN106990018A (zh) * | 2017-02-28 | 2017-07-28 | 河海大学 | 一种预应力混凝土梁灌浆密实度智能识别方法 |
CN107153097A (zh) * | 2017-05-10 | 2017-09-12 | 中北大学 | 一种用于管道多缺陷检测的超声导波分段自聚焦检测方法 |
CN109190272A (zh) * | 2018-09-13 | 2019-01-11 | 四川升拓检测技术股份有限公司 | 基于弹性波和机器学习的混凝土结构缺陷检测方法 |
CN109596710A (zh) * | 2018-12-26 | 2019-04-09 | 哈尔滨工业大学(深圳) | 基于小波包能量的套筒灌浆缺陷超声检测的装置和方法 |
CN109632961A (zh) * | 2019-01-22 | 2019-04-16 | 铜仁学院 | 一种新型的预应力无损检测方法及其装置 |
-
2019
- 2019-05-31 CN CN201910472798.2A patent/CN110440728B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5165270A (en) * | 1990-12-31 | 1992-11-24 | Sansalone Mary J | Non-destructive materials testing apparatus and technique for use in the field |
CN101545888A (zh) * | 2008-03-28 | 2009-09-30 | 鞍山长风无损检测设备有限公司 | 分布式多通道超声探伤系统 |
CN101303329A (zh) * | 2008-06-13 | 2008-11-12 | 东南大学 | 基于神经网络技术的综合强度测试法 |
TW201235636A (en) * | 2011-02-18 | 2012-09-01 | China Steel Corp | Nondestructive measurement method of wall thickness of high temperature furnace |
CN105929024A (zh) * | 2016-04-21 | 2016-09-07 | 安徽省(水利部淮河水利委员会)水利科学研究院 | 混凝土缺陷智能化检测与定量识别方法 |
CN106990018A (zh) * | 2017-02-28 | 2017-07-28 | 河海大学 | 一种预应力混凝土梁灌浆密实度智能识别方法 |
CN107153097A (zh) * | 2017-05-10 | 2017-09-12 | 中北大学 | 一种用于管道多缺陷检测的超声导波分段自聚焦检测方法 |
CN109190272A (zh) * | 2018-09-13 | 2019-01-11 | 四川升拓检测技术股份有限公司 | 基于弹性波和机器学习的混凝土结构缺陷检测方法 |
CN109596710A (zh) * | 2018-12-26 | 2019-04-09 | 哈尔滨工业大学(深圳) | 基于小波包能量的套筒灌浆缺陷超声检测的装置和方法 |
CN109632961A (zh) * | 2019-01-22 | 2019-04-16 | 铜仁学院 | 一种新型的预应力无损检测方法及其装置 |
Non-Patent Citations (1)
Title |
---|
周先雁等: "预应力管道压浆质量无损检测方法", 《中国公路学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110440728B (zh) | 2020-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110389170B (zh) | 基于Lamb波成像的列车部件裂纹损伤检测方法和系统 | |
CN101206196B (zh) | 无损检查装置 | |
CN106323452B (zh) | 一种设备异音的检测方法及检测装置 | |
CN107014668A (zh) | 一种基于压电和智能涂层传感器的疲劳裂纹综合监测方法 | |
CN104569154B (zh) | 快速无损水果质地的检测方法及装置 | |
RU2008109001A (ru) | Способ учета растяжения сейсмического импульса в сейсмических данных | |
CN111811617B (zh) | 一种基于短时傅里叶变换和卷积神经网络的液位预测方法 | |
CN111767897B (zh) | 一种基于支持向量机的钢轨裂纹缺陷的识别方法 | |
US20140311245A1 (en) | Pipe inspection system and related methods | |
Macrelli et al. | Piezoelectric transducers for real-time evaluation of fruit firmness. Part I: Theory and development of acoustic techniques | |
CN104597124A (zh) | 一种基于声音频谱拟合的金属罐装产品质量在线检测方法 | |
CN109190272B (zh) | 基于弹性波和机器学习的混凝土结构缺陷检测方法 | |
CN105277271B (zh) | 一种超声振动的相移光纤光栅传感探测系统及其应用 | |
CN1743839A (zh) | 一种结构缺陷超声在线智能识别系统及识别方法 | |
CN104462695A (zh) | 双耦合Duffing振子与变尺度相结合的微弱信号检测方法 | |
JP6429042B2 (ja) | 地盤特性を自動校正する現地型地震早期警報システム及び関連方法 | |
CN103776903B (zh) | 一种风电叶片脱层检测方法及检测系统 | |
CN109085244A (zh) | 一种基于压电阵列的非线性Lamb波结构疲劳损伤层析成像方法 | |
CN112985574B (zh) | 基于模型融合的光纤分布式声波传感信号高精度分类识别方法 | |
KR102221713B1 (ko) | 입출력 음향 데이터 기반의 딥러닝을 활용한 하수관 상태 판별 방법 | |
CN2809640Y (zh) | 一种结构缺陷超声在线智能识别系统 | |
CN109933933A (zh) | 一种噪声治理方法和设备 | |
CN110440728A (zh) | 一种探测回波智能分析的建筑结构安全监测方法及系统 | |
CN108899048A (zh) | 一种基于信号时频分解的声音数据分类方法 | |
CN109946384A (zh) | 一种基于rapid层析成像技术的信号获取过程优化方法 |
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 |