CN112363163B - 一种基于雷达无损检测的路面空洞含水率计算方法及装置 - Google Patents

一种基于雷达无损检测的路面空洞含水率计算方法及装置 Download PDF

Info

Publication number
CN112363163B
CN112363163B CN202011215397.8A CN202011215397A CN112363163B CN 112363163 B CN112363163 B CN 112363163B CN 202011215397 A CN202011215397 A CN 202011215397A CN 112363163 B CN112363163 B CN 112363163B
Authority
CN
China
Prior art keywords
dimensional
cavity
model
water content
road
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.)
Active
Application number
CN202011215397.8A
Other languages
English (en)
Other versions
CN112363163A (zh
Inventor
罗蓉
束裕
程博文
于晓贺
李冲
汪彪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University of Technology WUT
Original Assignee
Wuhan University of Technology WUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan University of Technology WUT filed Critical Wuhan University of Technology WUT
Priority to CN202011215397.8A priority Critical patent/CN112363163B/zh
Publication of CN112363163A publication Critical patent/CN112363163A/zh
Priority to PCT/CN2021/112710 priority patent/WO2022095536A1/zh
Application granted granted Critical
Publication of CN112363163B publication Critical patent/CN112363163B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/885—Radar or analogous systems specially adapted for specific applications for ground probing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
    • G01N27/22—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating capacitance
    • G01N27/221—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating capacitance by investigating the dielectric properties
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
    • G01N27/22—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating capacitance
    • G01N27/223—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating capacitance for determining moisture content, e.g. humidity

Landscapes

  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Electromagnetism (AREA)
  • Health & Medical Sciences (AREA)
  • Electrochemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及一种基于雷达无损检测的路面空洞含水率计算方法，包括以下步骤：设置正演过程的激励源，建立正演过程的电磁波在路面混合料中传播的三维有限元方程；采集待测路面的各结构层的厚度参数，获取待测路面的混合料的相对介电常数，结合所述厚度参数以及相对介电常数构建三维道路模型；基于所述三维道路模型建立不同含水率的三维空洞模型；基于所述激励源、三维有限元方程对各所述三维空洞模型进行正演模拟，得到不同含水率的三维空洞模型对应的单道反射波形图；根据不同含水率三维空洞模型对应的单道反射波形图，建立含水率与反射波形之间的关联模型；根据所述关联模型对待测路面进行含水率的计算。本发明能够实现路面空洞含水率定量分析。

Description

一种基于雷达无损检测的路面空洞含水率计算方法及装置
技术领域
本发明涉及道路工程技术领域，尤其涉及一种基于雷达无损检测的路面空洞含水率计算方法、装置及计算机存储介质。
背景技术
自上个世纪80年代起步以来，伴随本国经济的增长，公路干线网迅速发展升级。随着公路总里程的增加，道路在表面以及内部都将出现不同形式的损伤，如表面裂缝、车辙、基层反射裂缝以及空洞等病害。但相比较来说，路表病害比路面内部病害更容易被检测出来，其主要原因有：(1)暴露在路表结构的典型病害容易被发现；(2)我国对公路中路表的典型病害检测研究较多，已拥有较成熟的手段来进行检测路表病害。
探地雷达(Ground Penetrating Radar，简称GPR)检测是一项用于浅层地质探测的新技术，又称为地质雷达，具有高效、简便、分辨率高、无损的特点。由于道路结构层有不同材料的物质构成，且路面含水空洞与正常道路沥青混合料的相对介电常数相差较大，探地雷达发射的高频电磁波遇到不同介电特性的道路面层、基层、路基时以及道路下存在的空洞时，电磁波发生发射、折射以及衍射，因此从理论上可以定位、判断并分析路面内部含水空洞，在公路检测方面得到了广泛应用，越来越受到人们的重视。
然而在实际使用效果上来看，通过雷达检测图像对路面含水空洞病害进行定位后，要准确分析其内部的含水率的大小较为困难，因此难以达到理想的效果。目前对于路面空洞检测大多停留在空洞是否存在、空洞的类型判断上，要实现准确无损的确定含水空洞的含水率比较困难。
发明内容
有鉴于此，有必要提供一种基于雷达无损检测的路面空洞含水率计算方法及装置，用以解决雷达检测难以定量分析含水率的问题。
本发明提供一种基于雷达无损检测的路面空洞含水率计算方法，包括以下步骤：
设置正演过程的激励源，建立正演过程的电磁波在路面混合料中传播的三维有限元方程；
采集待测路面的各结构层的厚度参数，获取待测路面的混合料的相对介电常数，结合所述厚度参数以及相对介电常数构建三维道路模型；
基于所述三维道路模型建立不同含水率的三维空洞模型；
基于所述激励源、三维有限元方程对各所述三维空洞模型进行正演模拟，得到不同含水率的三维空洞模型对应的单道反射波形图；
根据不同含水率三维空洞模型对应的单道反射波形图，建立含水率与反射波形之间的关联模型；
根据所述关联模型对待测路面进行含水率的计算。
进一步的，设置正演过程的激励源，具体为：
选取雷克子波作为正演过程的激励源，在时域中保持所述雷克子波的频谱不变，通过移动所述雷克子波使得所述雷克子波的初始值为0，得到所述激励源。
进一步的，建立正演过程的电磁波在路面混合料中传播的三维有限元方程，具体为：
选取单行波算子的吸收边界条件作为正演的边界条件，采用伽辽金建立所述三维有限元方程。
进一步的，采集待测路面的各结构层的厚度参数，具体为：
采集待测路面多个芯样的厚度参数；
以各芯样的厚度参数的平均值作为待测路面的厚度参数。
进一步的，获取待测路面的混合料的相对介电常数，具体为：
采用瑞利模型计算所述相对介电常数，将待测路面的各结构层的体积率以及相对介电常数代入所述瑞利模型中，得到混合料的相对介电常数。
进一步的，基于所述三维道路模型建立不同含水率的三维空洞模型，具体为：
设置设定形状和大小的单元空洞模型，根据含水率计算单元空洞模型的投放比例，以相应投放比例将所述单元空洞模型增加至所述三维道路模型，得到相应含水率的三维空洞模型。
进一步的，根据不同含水率三维空洞模型对应的单道反射波形图，建立含水率与反射波形之间的关联模型，具体为：
提取所述单道反射波形图中波形特征值，对所述波形特征值与含水率进行线性拟合，得到所述关联模型。
进一步的，根据所述关联模型对待测路面进行含水率的计算，具体为：
获取待测路面的雷达反射波形，根据所述雷达反射波形计算相应的波形特征值，将所述待测路面的波形特征值代入所述关联模型中，得到待测路面的含水率。
本发明还提供一种基于雷达无损检测的路面空洞含水率计算装置，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现所述基于雷达无损检测的路面空洞含水率计算方法。
本发明还提供一种计算机存储介质，其上存储有计算机程序，所述计算机该程序被处理器执行时，实现所述基于雷达无损检测的路面空洞含水率计算方法。
有益效果：本发明首先设置正演过程的激励源以及三维有限元方程。然后构建三维道路模型，基于三维道路模型建立不同含水率三维空洞模型。通过三维空洞模型的雷达正演模拟，得到不同含水率对应的雷达检测反射波形图，以寻找含水空洞病害的含水率与雷达反射波形的数学关系，建立含水率与反射波形特征值之间的数学关联模型。得到关联模型后，即可通过雷达反射波反推计算空洞含水率。本发明对于精细化分析路面内部含水空洞病害等沥青路面早期水损害具有较大的实际工程意义，推动了探地雷达无损检测技术在道路结构病害的精细化检测的应用。
附图说明
图1为本发明提供的基于雷达无损检测的路面空洞含水率计算方法第一实施例的方法流程图；
图2为本发明提供的基于雷达无损检测的路面空洞含水率计算方法第一实施例的1GHz雷克子波的时域波形图；
图3为本发明提供的基于雷达无损检测的路面空洞含水率计算方法第一实施例的芯样图；
图4为本发明提供的基于雷达无损检测的路面空洞含水率计算方法第一实施例的三维道路模型；
图5为图4中三维道路模型对应的单道反射波形图；
图6a为本发明提供的基于雷达无损检测的路面空洞含水率计算方法第一实施例的10％含水率的三维空洞模型；
图6b为本发明提供的基于雷达无损检测的路面空洞含水率计算方法第一实施例的35％含水率的三维空洞模型；
图6c为本发明提供的基于雷达无损检测的路面空洞含水率计算方法第一实施例的100％含水率的三维空洞模型；
图7为本发明提供的基于雷达无损检测的路面空洞含水率计算方法第一实施例的不同含水率的单道反射波形图；
图8为图7中单道反射波形图在400ps～450ps的反射波谷变化图；
图9为本发明提供的基于雷达无损检测的路面空洞含水率计算方法第一实施例的关联模型拟合图；
图10为本发明提供的基于雷达无损检测的路面空洞含水率计算方法第一实施例的待测路面含水空洞病害的典型雷达检测二维剖面图；
图11为本发明提供的基于雷达无损检测的路面空洞含水率计算方法第一实施例的待测路面的典型雷达检测二维剖面图；
图12为本发明提供的基于雷达无损检测的路面空洞含水率计算方法第一实施例的待测路面雷达反射波形图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
实施例1
如图1所示，本发明的实施例1提供了基于雷达无损检测的路面空洞含水率计算方法，包括以下步骤：
S1、设置正演过程的激励源，建立正演过程的电磁波在路面混合料中传播的三维有限元方程；
S2、采集待测路面的各结构层的厚度参数，获取待测路面的混合料的相对介电常数，结合所述厚度参数以及相对介电常数构建三维道路模型；
S3、基于所述三维道路模型建立不同含水率的三维空洞模型；
S4、基于所述激励源、三维有限元方程对各所述三维空洞模型进行正演模拟，得到不同含水率的三维空洞模型对应的单道反射波形图；
S5、根据不同含水率三维空洞模型对应的单道反射波形图，建立含水率与反射波形之间的关联模型；
S6、根据所述关联模型对待测路面进行含水率的计算。
本实施例首先设置正演过程的激励源以及三维有限元方程，用于模拟电磁波在不同含水率的路面含水空洞的传播规律，为后续正演过程做准备。采集路面结构层的厚度参数，并计算道路混合料的相对介电常数，用于构建三维道路模型。基于三维道路模型建立不同含水率三维空洞模型，通过三维空洞模型的雷达正演模拟，得到不同含水率对应的雷达检测反射波形图，以寻找含水空洞病害的含水率与雷达反射波形的数学关系，建立含水率与反射波形特征值之间的数学关联模型。得到关联模型后，即可通过雷达反射波反推计算空洞含水率，这对于精细化分析路面内部含水空洞病害等沥青路面早期水损害具有较大的实际工程意义，推动了探地雷达无损检测技术在道路结构病害的精细化检测的应用。
在确定路面空洞含水率时，构建典型病害识别图谱是第一步，而其基础便是通过程序准确模拟电磁波在三维介质中的传播过程。想要模拟GPR所发射的电磁波在路面混合料各层的传播过程首先是通过有限元法求解基于场矢量的 Maxwell方程组。
根据电磁波理论，高频电磁波在介质中的传播规律服从Maxwell方程组，该方程组用于描述磁场和电场相互激发、相互联系形成电磁场中的关系，并结合介质的本构方程可得到Helmholtz(亥姆霍兹)方程：
Figure GDA0003592230840000061
Figure GDA0003592230840000062
其中：▽为哈密顿算子，E为电场强度，H为磁感应强度；μ为传播介质的磁导率，由于沥青混合料是非磁性路面材料，因此沥青混合料的磁导率为0，δ为传播介质的电导率，其物理意义为沥青混合料中的自由电荷在外加电场作用下产生瞬变电流的能力，ε为传播介质的介电常数，表示为沥青混合料在外部电场的作用下电能存储、损耗的能力，t表示时间，
Figure GDA0003592230840000063
表示偏微分。
Helmholtz方程描述了电磁波在介质传播规律，是后续进行电磁波正演过程的理论基础。基于Helmholtz方程可知：1)发射天线在沥青混合料中形成的电磁场以波的形式运动；2)电磁波是可以脱离波源独立传播的。
优选的，设置正演过程的激励源，具体为：
选取雷克子波作为正演过程的激励源，在时域中保持所述雷克子波的频谱不变，通过移动所述雷克子波使得所述雷克子波的初始值为0，得到所述激励源。
三维有限元方程的后续迭代计算需要选取合适的激励源，包括入射波及其数值变化规律。本实施例选取1GHz的雷克子波作为本次正演过程的激励源，雷克子波的频率根据所需模拟的探地雷达的实际频率进行选取即可。雷克子波被广泛应用于地表浅层探测工作中。在实际检测过程中，初始场值始终为零，因此在雷达波数值模拟过程中，激励源的初始值为零。为使雷克子波波形的初始值为零，通常在时域中保持其频谱不变条件下，通过移动雷克子波来实现，延时雷克子波的表达式如下式所示：
Figure GDA0003592230840000071
其中，f(t)为延时雷克子波，t为时间，t0为延时时间，fm＝1/t0。
图2为探地雷达天线的中心频率为1GHz的雷克子波时域波形图。
优选的，建立正演过程的电磁波在路面混合料中传播的三维有限元方程，具体为：
选取单行波算子的吸收边界条件作为正演的边界条件，采用伽辽金建立所述三维有限元方程。
本实施例选取基于单行波算子的吸收边界条件(ABC)作为本实施例正演的边界条件。ABC吸收边界是通过在网格剖分外部添加一层具有与边界散射电磁波频率入射角无关的波阻抗的媒质。与分裂式PML吸收边界条件相比，ABC 边界具有计算量小，算法稳定和吸收效果好等优点，可以提高三维波动方程数值模拟的计算效率。
本实施例采用伽辽金法推导电磁波在沥青混合料中探地雷达的三维有限元方程。具体的，GPR波动方程把场矢量随空间、时间的变化联系在一起，说明电磁场是以波动方式在空间的传播的，GPR波动方程的余量为：
Figure GDA0003592230840000081
其中，r为余量，S为电场源，E为电场强度，▽为哈密顿算子，μ为传播介质的磁导率，δ为传播介质的电导率，ε为传播介质的介电常数，t表示时间，
Figure GDA0003592230840000082
表示偏微分；
采用加权余量法求解上式，分别用权函数
Figure GDA0003592230840000083
和权函数v1乘以波动方程以及ABC吸收边界条件，然后将两式相加即可得到加权余量公式：
Figure GDA0003592230840000084
其中，R为加权余量，v和v1为权函数，n为电场的切线方向向量；
将所述加权余量R展开为笛卡尔坐标系的表示方法，并利用函数乘积的分部积分公式进行化简得到简化公式：
Figure GDA0003592230840000085
将简化公式代回加权余量公式，选择试函数v＝-v1，得到公式：
Figure GDA0003592230840000086
再通过正六面体将三维区域划分成多个单元，得到单元矩阵方程。假设网格区域有N个节点，采用六面体单元将计算区域进行结构化网格划分，设置插值函数后，进行化简，得到求解方程，再将求解方程进行扩展至整体区域、所有节点，得到求解公式：
Figure GDA0003592230840000087
式中：Ma为整体质量，矩阵阶数为(N×N)；Ka为整体刚度，矩阵阶数为 (N×N)；Ka′为整体阻尼矩阵，矩阵阶数为(N×N)；Ea为电场表达式，
Figure GDA0003592230840000088
为电场一次求导，
Figure GDA0003592230840000089
为电场而二次求导，Ea、
Figure GDA00035922308400000810
的阶数为(N×1)。
将求解公式采用中心差分法进行求解，得到可以依次递推电磁任意时间的电场值的公式：
Figure GDA0003592230840000091
式中：
Figure GDA0003592230840000092
分别为t-Δt、t、t+Δt时刻的电场表达式。因为在0 时刻以及0-Δt时刻激励源还未发射电磁波，此时所有节点电场为0。因此可以计算出时刻所有节点的电场值。基于上式即可完成电磁波传播的正演过程。
优选的，采集待测路面的各结构层的厚度参数，具体为：
采集待测路面多个芯样的厚度参数；
以各芯样的厚度参数的平均值作为待测路面的厚度参数。
为了建立更加符合实际路况的三维道路模型，本实施例采集路面结构层的实际厚度参数用于三维道路模型的建立。
路面取芯作为传统的检测手段，钻取的芯样不仅可以进行病害判断，还可以在路面使用中准确的得到路面各结构层的厚度，为后续建立道路三维模型奠定基础。由于本实施例钻芯的目的是得到各结构层的厚度，因此本次所取芯样厚度为整个沥青面层。为了不影响高速公路的正常运营，本次取芯选择慢车道进行取芯，取芯得到的芯样如附图3所示，一共取了8个芯样，芯样的厚度数据如表1所示。
表1、芯样厚度数据
Figure GDA0003592230840000093
Figure GDA0003592230840000101
优选的，获取待测路面的混合料的相对介电常数，具体为：
采用瑞利模型计算所述相对介电常数，将待测路面的各结构层的体积率以及相对介电常数代入所述瑞利模型中，得到混合料的相对介电常数。
采用仪器所测量的相对介电常数具有不稳定性，因此本实施例通过瑞利(Rayleigh)模型进行计算混合料的相对介电常数。瑞利模型相对于均方根、线形等模型平均相对误差较小，适用于计算路面各结构层的相对介电常数。路面沥青混合料是由空气、沥青结合料及骨料组成的三相复合介质，其瑞利模型可表示为：
Figure GDA0003592230840000102
其中，θa为空气的体积率，θas为沥青的体积率，θs为集料的体积率；ε 、εa、εas、εs分别为混合料试件、空气、沥青、集料的相对介电常数，ε为混合料的相对介电常数，εa为空气的相对介电常数，εas为沥青的相对介电常数，εs为集料的相对介电常数；
表2为常用路面使用材料的相对介电常数值，表3为汉十高速孝襄段所取的芯样各结构层的材料体积率的平均值，将其代入到瑞利模型中，可以得到沥青混合料的相对介电常数。
表2、常用路用材料介电常数范围
Figure GDA0003592230840000103
表3、孝襄段各结构层的平均材料体积率及相对介电常数
Figure GDA0003592230840000111
综合上述检测结果和计算结果可知：上面层的厚度为3.60cm，相对介电常数平均值为6.90；下面层的厚度为5.30cm，相对介电常数平均值为7.03，下面层的厚度为7.80cm，相对介电常数平均值为7.00。
根据检测及计算得到的各结构层厚度、相对介电常数的结果，构建真实三维道路模型。由于沥青混合料试件由沥青和集料拌和而成，因此将模型中的每一层的沥青混合料视为定值。所建立的道路三维模型是一个10*0.22*1m的长方体，如附图4所示。上部为空气层，厚度为3.30cm，相对介电常数为1.00；第一层介质为上面层，厚度为3.60cm，相对介电常数为6.90；第二介质为中面层，厚度为5.30cm，相对介电常数7.03；第三层介质为下面层，厚度为7.80cm，相对介电常数为7.00。整个区域用单元1*0.1*1cm的矩形单元进行单元划分，共划分为1000*220*100的网格空间。
对上述三维道路模型进行正演模拟，可得到对应的单道反射波形图，如附图5所示。图5中，A1为空气层与上面层产生的反射波幅；A2为上面层与中面层交界处产生的反射波幅；A3为中面层与下面层交界处产生的反射波幅。
优选的，基于所述三维道路模型建立不同含水率的三维空洞模型，具体为：
设置设定形状和大小的单元空洞模型，根据含水率计算单元空洞模型的投放比例，以相应投放比例将所述单元空洞模型增加至所述三维道路模型，得到相应含水率的三维空洞模型。
由于雨水会从路表渗入和道路基层的水气会向上扩散，会导致在空洞处存在积水现象，且不易消除。由于水与空气的相对介电常数有这较大的差异，导致雷达在发射高频电磁波时会在两者接触面发生反射与折射现象。因此，本实施例建立了不同含水率的三维空洞模型，来确定典型含水空洞雷达检测特征图像及单道反射波形图，从而得到含水率与反射波间的模型。
通过查阅历年工程养护情况和相关文献，可以得到汉十高速孝襄段的空洞病害一般出现在层间交界处，其中下面层的空洞病害最严重。因此本实施例为了提高空洞识别能力，设置单元空洞模型为形状为5cm×5cm×2cm的长方体空洞，且位于道路三维模型的中面层与下面层的交界处，其中心点空间坐标为 (5m，0.5m，0.078m)，将空洞所在位置的相对介电常数设置为1，即可完成空洞的插入设置。本实施例选取了10％、20％、35％、50％、75％、100％的六种不同的含水率来建立三维空洞模型。其中，10％、35％、100％含水率对应的三维空洞模型分别如附图6a、附图6b、附图6c所示。
对各三维空洞模型进行电磁波传播的正演模拟，并将模拟结果进行图像处理，可得到电磁波在空洞正上方发射，接收所得的中心单声道反射波形图，如附图7所示，图7中各线条分别代表不同含水率的三维空洞模型对应的单道反射波形。正演模拟过程采用现有的正演软件实现。
优选的，根据不同含水率三维空洞模型对应的单道反射波形图，建立含水率与反射波形之间的关联模型，具体为：
提取所述单道反射波形图中波形特征值，对所述波形特征值与含水率进行线性拟合，得到所述关联模型。
本实施例选取了10％、20％、35％、50％、75％、100％的六种不同的含水率来建立三维空洞模型，来确定典型含水空洞雷达检测特征图像及单道反射波形图，从而计算含水率与雷达反射波形的数学关系模型。
本实施例选取的波形特征值为反射波谷峰值。对于存在含水空洞的路面结构，当空洞中含有液态水时，电磁波发生两次反射，其中第一道反射为沥青混合料与空气界面产生的反射波，第二道反射为空气与液态水交界面产生的反射波，波形表现为先小幅度向下波动然后于产生大幅度上升。当空洞中含水率为 50％时，在400ps至450ps内仅存在一个反射波峰，因此提取400ps至450ps间反射波谷进行绘图，如附图8示，图8中各线条分别代表不同含水率的单道反射波形的反射波谷变化曲线。将反射波谷的峰值与含水率进行线性拟合，如附图9所示。
根据含水率及该处的反射波谷峰值可建立如下关系，即x表示含水率，y表示该处反射波谷峰值，单位为V，拟合公式为：
y＝176.83x-121.6
相应R2＝0.9922，该式可以反映反射波谷峰值随空洞含水率变化的数学关系，进而可通过反射波谷峰值反算空洞含水率的大小。
上式表明，路面含水空洞的含水率与反射波谷峰值呈线性关系，可以通过反射波谷峰值来反算含水率；这对已识别的道路含水空洞病害进行精细化的分析，测定道路含水空洞病害的含水率，同时为道路结构精细化检测及道路GPR 正演技术的应用提供参考依据，具有较大工程实际价值。
优选的，根据所述关联模型对待测路面进行含水率的计算，具体为：
获取待测路面的雷达反射波形，根据所述雷达反射波形计算相应的波形特征值，将所述待测路面的波形特征值代入所述关联模型中，得到待测路面的含水率。
得到关联模型后，根据待测路面的雷达发射波形即可计算相应位置处的含水率。本实施例使用的是由武汉理工大学和美国德克萨斯农机大学联合开发的 WB1-21型路用探地雷达检测设备。本实施例设计的探地雷达检测设备的参数如下：(1)工作频率：1GHz；(2)探测深度：0～60cm；(3)竖向分辨率0.1mm； (4)发射点间距：0.5m。由于探地雷达检测深度为60cm，此次检测目标为道路面层以及基层。并通过设备等距发射电磁波，接受道路反射的回波，以得到道路雷达检测数据。
同时，结合目前探地雷达的空洞检测定位功能，可以在实现空洞定位的前提下，实现空洞含水率的定量计算。首先，通过采用WB1-21型探地雷达检测设备对汉十高速孝襄段进行现场雷达检测，以获取道路纵向雷达检测二维剖面图像以及所有检测点的单道反射波形数据。研究表明：存在含水空洞的雷达检测二维剖面图在在中、下面层反射界面出现“红+蓝+红”特征图像，蓝色部分将代表空洞中水的位置，红色部分代表空洞中上部的空气，通过“红+蓝”的位置准确定位空洞位置，与此同时随着这空洞含水率的增加，下部分红色线条将不断远离中下面层反射界面。典型含水空洞雷达检测特征图像的主要特征为雷达二维检测剖面图中出现“红+蓝+红”特征图像，“红+蓝”的位置即空洞所在位置，如附图10所示。
基于这个典型特征，本实施例通过对照汉十高速实际雷达检测二维剖面图，发现汉十高速路面存在较多的含水空洞典型病害。附图11-附图12为汉十高速典型含水空洞病害的雷达检测二维剖面图及雷达反射波形图。
通过反射波形图可以得到反射波谷峰值为-50.15mV，代入之前所得到的反射波谷峰值与含水率的计算模型中，可以得到该处的含水空洞的含水率为： 40.41％。
本实施例基于典型含水空洞雷达检测特征图像的特征，通过对照汉十高速实际雷达检测二维剖面图，找到对应桩号的实际雷达检测反射波形图，进而根据得到的关联模型公式反算得到该处含水空洞病害的含水率。
应该理解的，本实施例以测量汉十高速路面为例进行说明，但本实施例所提供的方法同样适用于其他高速公路。本实施例对高速公路准确测量路面空洞含水率提供了参考依据，极大提高路面内部病害分析能力和养护效率，推动道路病害的精细化分析，推动了探地雷达无损检测技术在道路结构病害的精细化检测的应用，具有极大的工程实际价值。
实施例2
本发明的实施例2提供了基于雷达无损检测的路面空洞含水率计算装置，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现实施例1提供的基于雷达无损检测的路面空洞含水率计算方法。
本发明实施例提供的基于雷达无损检测的路面空洞含水率计算装置，用于实现基于雷达无损检测的路面空洞含水率计算方法，因此，基于雷达无损检测的路面空洞含水率计算方法所具备的技术效果，基于雷达无损检测的路面空洞含水率计算装置同样具备，在此不再赘述。
实施例3
本发明的实施例3提供了计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现实施例1提供的基于雷达无损检测的路面空洞含水率计算方法。
本发明实施例提供的计算机存储介质，用于实现基于雷达无损检测的路面空洞含水率计算方法，因此，基于雷达无损检测的路面空洞含水率计算方法所具备的技术效果，计算机存储介质同样具备，在此不再赘述。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种基于雷达无损检测的路面空洞含水率计算方法，其特征在于，包括以下步骤：
设置正演过程的激励源，建立正演过程的电磁波在路面混合料中传播的三维有限元方程；
采集待测路面的各结构层的厚度参数，获取待测路面的混合料的相对介电常数，结合所述厚度参数以及相对介电常数构建三维道路模型；
基于所述三维道路模型建立不同含水率的三维空洞模型；
基于所述激励源、三维有限元方程对各所述三维空洞模型进行正演模拟，得到不同含水率的三维空洞模型对应的单道反射波形图；
根据不同含水率三维空洞模型对应的单道反射波形图，建立含水率与反射波形之间的关联模型；
根据所述关联模型对待测路面进行含水率的计算；
根据不同含水率三维空洞模型对应的单道反射波形图，建立含水率与反射波形之间的关联模型，具体为：
提取所述单道反射波形图中波形特征值，对所述波形特征值与含水率进行线性拟合，得到所述关联模型；
根据所述关联模型对待测路面进行含水率的计算，具体为：
获取待测路面的雷达反射波形，根据所述雷达反射波形计算相应的波形特征值，将所述待测路面的波形特征值代入所述关联模型中，得到待测路面的含水率。
2.根据权利要求1所述的基于雷达无损检测的路面空洞含水率计算方法，其特征在于，设置正演过程的激励源，具体为：
选取雷克子波作为正演过程的激励源，在时域中保持所述雷克子波的频谱不变，通过移动所述雷克子波使得所述雷克子波的初始值为0，得到所述激励源。
3.根据权利要求1所述的基于雷达无损检测的路面空洞含水率计算方法，其特征在于，建立正演过程的电磁波在路面混合料中传播的三维有限元方程，具体为：
选取单行波算子的吸收边界条件作为正演的边界条件，采用伽辽金建立所述三维有限元方程。
4.根据权利要求1所述的基于雷达无损检测的路面空洞含水率计算方法，其特征在于，采集待测路面的各结构层的厚度参数，具体为：
采集待测路面多个芯样的厚度参数；
以各芯样的厚度参数的平均值作为待测路面的厚度参数。
5.根据权利要求1所述的基于雷达无损检测的路面空洞含水率计算方法，其特征在于，获取待测路面的混合料的相对介电常数，具体为：
采用瑞利模型计算所述相对介电常数，将待测路面的各结构层的体积率以及相对介电常数代入所述瑞利模型中，得到混合料的相对介电常数。
6.根据权利要求1所述的基于雷达无损检测的路面空洞含水率计算方法，其特征在于，基于所述三维道路模型建立不同含水率的三维空洞模型，具体为：
设置设定形状和大小的单元空洞模型，根据含水率计算单元空洞模型的投放比例，以相应投放比例将所述单元空洞模型增加至所述三维道路模型，得到相应含水率的三维空洞模型。
7.一种基于雷达无损检测的路面空洞含水率计算装置，其特征在于，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现如权利要求1-6任一项所述的基于雷达无损检测的路面空洞含水率计算方法。
8.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机该程序被处理器执行时，实现如权利要求1-6任一项所述的基于雷达无损检测的路面空洞含水率计算方法。
CN202011215397.8A 2020-11-04 2020-11-04 一种基于雷达无损检测的路面空洞含水率计算方法及装置 Active CN112363163B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011215397.8A CN112363163B (zh) 2020-11-04 2020-11-04 一种基于雷达无损检测的路面空洞含水率计算方法及装置
PCT/CN2021/112710 WO2022095536A1 (zh) 2020-11-04 2021-08-16 一种基于雷达无损检测的路面空洞含水率计算方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011215397.8A CN112363163B (zh) 2020-11-04 2020-11-04 一种基于雷达无损检测的路面空洞含水率计算方法及装置

Publications (2)

Publication Number Publication Date
CN112363163A CN112363163A (zh) 2021-02-12
CN112363163B true CN112363163B (zh) 2022-07-12

Family

ID=74513518

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011215397.8A Active CN112363163B (zh) 2020-11-04 2020-11-04 一种基于雷达无损检测的路面空洞含水率计算方法及装置

Country Status (2)

Country Link
CN (1) CN112363163B (zh)
WO (1) WO2022095536A1 (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112363163B (zh) * 2020-11-04 2022-07-12 武汉理工大学 一种基于雷达无损检测的路面空洞含水率计算方法及装置
CN113466565A (zh) * 2021-07-14 2021-10-01 深圳市粤通建设工程有限公司 路面介电常数测量方法、装置、计算机设备以及系统
CN113626988A (zh) * 2021-07-16 2021-11-09 武汉理工大学 沥青混合料含水率预测方法、系统、设备及存储介质
CN114998645B (zh) * 2022-05-10 2024-07-12 中南大学 基于三维gpr正演技术的道路空洞形态分类方法
CN115201815B (zh) * 2022-07-04 2024-04-26 沈阳工业大学 一种深埋隧道围岩介电特性反演与松动圈范围识别方法
CN115343685A (zh) * 2022-08-29 2022-11-15 北京国电经纬工程技术有限公司 应用于病害识别的多维度探地雷达检测方法、装置、设备
CN115902863A (zh) * 2022-12-05 2023-04-04 中公高科养护科技股份有限公司 一种确定病害实际尺寸的方法、装置及设备
CN117744963A (zh) * 2023-08-16 2024-03-22 湖北交投智能检测股份有限公司 一种路面养护资金分配方法、装置、设备和存储介质
CN117077450B (zh) * 2023-10-17 2024-03-26 深圳市城市交通规划设计研究中心股份有限公司 道路脱空区域体积演化预测方法、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6536553B1 (en) * 2000-04-25 2003-03-25 The United States Of America As Represented By The Secretary Of The Army Method and apparatus using acoustic sensor for sub-surface object detection and visualization
CN1880972A (zh) * 2005-06-16 2006-12-20 郑州大学 层状复合材料介电特性识别技术
WO2014153263A1 (en) * 2013-03-14 2014-09-25 Robert Ernest Troxler Systems and methods for asphalt density and soil moisture measurements using ground penetrating radar
CN107748392A (zh) * 2017-10-11 2018-03-02 中铁八局集团建筑工程有限公司 一种铁路路基地质雷达缺陷图谱分析方法及装置
CN110598230A (zh) * 2019-05-06 2019-12-20 江苏中路工程技术研究院有限公司 一种路面层间状况雷达正演模型建立方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9977124B2 (en) * 2015-04-27 2018-05-22 King Fahd University Of Petroleum And Minerals Method and system for characterization of subsurface cavities using joint inversion of gravity and ground penetrating radar data
CN108875211B (zh) * 2018-06-19 2020-10-13 中南大学 一种基于fetd与fdtd耦合的二维模型的探地雷达正演方法
CN112363163B (zh) * 2020-11-04 2022-07-12 武汉理工大学 一种基于雷达无损检测的路面空洞含水率计算方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6536553B1 (en) * 2000-04-25 2003-03-25 The United States Of America As Represented By The Secretary Of The Army Method and apparatus using acoustic sensor for sub-surface object detection and visualization
CN1880972A (zh) * 2005-06-16 2006-12-20 郑州大学 层状复合材料介电特性识别技术
WO2014153263A1 (en) * 2013-03-14 2014-09-25 Robert Ernest Troxler Systems and methods for asphalt density and soil moisture measurements using ground penetrating radar
CN107748392A (zh) * 2017-10-11 2018-03-02 中铁八局集团建筑工程有限公司 一种铁路路基地质雷达缺陷图谱分析方法及装置
CN110598230A (zh) * 2019-05-06 2019-12-20 江苏中路工程技术研究院有限公司 一种路面层间状况雷达正演模型建立方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
《探地雷达波动方程数值模拟方法研究进展综述》;王敏玲 等;《沥青混合料介电特性与沥青含量研究》;20181231;第33卷(第5期);第1974-1984页 *
《探地雷达混凝土空洞目标正演模拟与试验分析》;陈婕 等;《交通科学与工程》;20180930;第34卷(第3期);第31-37页 *
《沥青混合料介电特性与沥青含量研究》;孙通 等;《武汉理工大学学报（交通科学与工程版）》;20190228;第43卷(第1期);第76-80页 *

Also Published As

Publication number Publication date
CN112363163A (zh) 2021-02-12
WO2022095536A1 (zh) 2022-05-12

Similar Documents

Publication Publication Date Title
CN112363163B (zh) 一种基于雷达无损检测的路面空洞含水率计算方法及装置
Diamanti et al. Numerical modelling and experimental verification of GPR to investigate ring separation in brick masonry arch bridges
Lambot et al. Estimating soil electric properties from monostatic ground‐penetrating radar signal inversion in the frequency domain
Tosti et al. An investigation into the railway ballast dielectric properties using different GPR antennas and frequency systems
Cassidy et al. The application of finite-difference time-domain modelling for the assessment of GPR in magnetically lossy materials
Alsharahi et al. Detection of cavities and fragile areas by numerical methods and GPR application
Klysz et al. Evaluation of dielectric properties of concrete by a numerical FDTD model of a GPR coupled antenna—parametric study
Tosti et al. GPR analysis of clayey soil behaviour in unsaturated conditions for pavement engineering and geoscience applications
Cui et al. Application of the Ground Penetrating Radar ARMA power spectrum estimation method to detect moisture content and compactness values in sandy loam
CN111965711B (zh) 一种gpr图像正演技术路面反射裂缝深度发展模拟方法
JP4020365B2 (ja) 周波数可変方式の地中レーダ探査方法及び装置並びにプログラム
Benedetto et al. FDTD simulation of the GPR signal for effective inspection of pavement damages
Belli et al. Model based evaluation of bridge decks using ground penetrating radar
Patsia et al. Background removal, velocity estimation, and reverse-time migration: a complete GPR processing pipeline based on machine learning
Zadhoush et al. Optimizing GPR time‐zero adjustment and two‐way travel time wavelet measurements using a realistic three‐dimensional numerical model
Qin et al. Development and application of TDR mini-probes for monitoring moisture in small-scale laboratory tests
Lv et al. Dielectric characteristics of unsaturated loess and the safety detection of the road subgrade based on GPR
CN107268400A (zh) 一种路面施工质量检测方法及系统
Ma et al. Three-dimensional numerical modeling of a four-pin probe for soil water content
Ramzani et al. A geo-electrical study to determine the geometry of landslide using a physically-based model
Ma et al. The ground penetrating radar response recognition of hidden dam defects using multi-output convolutional neural network
Li et al. An improved bicubic imaging fitting algorithm for 3D radar detection target
Miaskowski et al. Two-step inverse problem algorithm for ground penetrating radar technique
CN114075825B (zh) 基于地质雷达的路基压实质量快速自动检测方法及设备
Li et al. Characterization of 3D-Radar images of pavement devoid damage based on FDTD

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