CN115097446B - 一种堤坝结构隐患的快速诊断装置以及诊断方法 - Google Patents

一种堤坝结构隐患的快速诊断装置以及诊断方法 Download PDF

Info

Publication number
CN115097446B
CN115097446B CN202210703155.6A CN202210703155A CN115097446B CN 115097446 B CN115097446 B CN 115097446B CN 202210703155 A CN202210703155 A CN 202210703155A CN 115097446 B CN115097446 B CN 115097446B
Authority
CN
China
Prior art keywords
low
hidden danger
frequency
antenna
radar
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
CN202210703155.6A
Other languages
English (en)
Other versions
CN115097446A (zh
Inventor
明攀
陆俊
刘妙燕
范向前
喻江
董茂干
江文浩
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.)
Nanjing Hydraulic Research Institute of National Energy Administration Ministry of Transport Ministry of Water Resources
Original Assignee
Nanjing Hydraulic Research Institute of National Energy Administration Ministry of Transport Ministry of Water Resources
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 Nanjing Hydraulic Research Institute of National Energy Administration Ministry of Transport Ministry of Water Resources filed Critical Nanjing Hydraulic Research Institute of National Energy Administration Ministry of Transport Ministry of Water Resources
Priority to CN202210703155.6A priority Critical patent/CN115097446B/zh
Publication of CN115097446A publication Critical patent/CN115097446A/zh
Application granted granted Critical
Publication of CN115097446B publication Critical patent/CN115097446B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S13/00Systems 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
    • G01S13/88Radar or analogous systems specially adapted for specific applications
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S7/00Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/36Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S7/00Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/411Identification of targets based on measurements of radar reflectivity
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S7/00Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/417Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section involving the use of neural networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • G06F30/27Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Theoretical Computer Science (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种堤坝结构隐患的诊断装置以及诊断方法,该诊断装置包括低频天线移动机构和控制器;通过提供的低频天线移动机构来控制接收/发射天线的移动,可更方便的进行发射/接收天线的连续拖动,实现采用地质雷达技术对堤坝隐患连续性的扫描探测及采集;本发明构建了基于人工神经网络的隐患识别模型,通过将低频天线移动机构采集的雷达信号预处理后,输入构建的隐患识别模型中训练,即可输出隐患的类型和范围,实现对堤坝结构隐患的自动识别,从而解决了非专业人员的读图辨识,提高隐患识别的效率和准确率,且误差可控制在15%以内。本发明通过低频天线移动机构的连续探测及采集和隐患识别模型的自动识别,实现了堤坝结构隐患的快速诊断。

Description

一种堤坝结构隐患的快速诊断装置以及诊断方法
技术领域
本发明涉及堤坝安全工程技术领域,具体为一种堤坝结构隐患的快速诊断装置以及诊断方法。
背景技术
堤坝是防洪减灾工程中重要的组成部分,由于堤防大坝建设时间悠久,长期服役于各种荷载作用下,不可避免的形成各类隐患,且堤身材料和堤基结构复杂,在堤防结构内部存在不密实区、裂缝、孔洞、穿堤建筑物、软弱夹层等隐患,且各类隐患离散随机地沿堤防岸线分布,堤坝结构的隐患类型复杂,不同的隐患类型,需要不同的修复处置措施。
由于堤坝介质材料与结构复杂、测线很长,不易获取覆盖结构全部的观测数据,即使获得了完整的数据图像也必须依靠经验才能解读隐患。汛期,堤防管理人员在不依靠专家的情况下尚不能通过图像快速识别隐患,导致应对措施滞后。因此,亟需研发快速探测装置和隐患识别方法,提高检测效率和检测结果的准确性。
雷达电磁波技术作为一种快速扫描、分辨率高,定位准确的地球物理探测方法,已在不同堤防中得到大量的应用。基于地下检测目标体与围岩介质间存在的介电性差异为基础,利用发射天线向堤防结构发射高频(106~109Hz)的脉冲电磁波,通过接受天线接收由堤防结构内不同介电性界面反射回来的电磁反射波和直达波,分析电磁波的传播路径,电磁场强度和波形,达到确定堤防结构内隐蔽物信息的一种检测方法。
目前采用地质雷达技术进行堤坝结构隐患的探测,常采用抽样堤段的形式进行探测,且多针对于堤身质量的探测,无法探测堤基结构中导致管涌、流土等渗漏险情的软弱夹层等隐患;且地质雷达技术对堤坝结构的探测结果,隐患在雷达二维剖面图像中呈现幅值色谱值的差异,多数依靠检测人员常根据经验和地质资料对剖面图像中的异常点进行隐患类型的判别,由于技术人员主观性以及物理机制本身限制,其结果常存在多解性,易引起误判,无法准确判别出隐患的类型。
近年来,为了探测堤坝结构中堤防堤身和堤基内部全面的隐患,研究了采用地质雷达低频组合天线,通过改变发射/接收排列,使得天线能够实现广角/宽角反射与折射测量,并且天线的发射频率可调,以满足不同高度的堤防结构探测。现有采用低频地质雷达探测堤防,分离式的发射天线和接收天线采用双人抬举行走连续性探测时,按照现场经验,每500米需休息一次,且前面的工作人员需倒退式行走,危险性很高,行走速度慢,而且现场行走时,由于两人无法始终保持相同的步伐,则发射/接收的距离会发生变化,特别是遇到复杂的地形时,会导致探测信号出现干扰,无法对探测结果进行判别。
发明内容
1、本发明要解决的技术问题
本发明的目的在于提供一种堤坝结构隐患的诊断装置以及诊断方法,以解决上述背景技术中提出的问题:
(1)解决现有低频天线分离式组合无法实现连续地获取雷达信号,导致探测信号出现干扰,无法对探测结果进行准确判别的技术问题。
(2)解决现有人为主观依据雷达二维剖面图像上的异常点推断隐患的类型,无法准确地给出堤坝结构隐患信息的技术问题。
2、技术方案
为实现上述目的,本发明提供如下技术方案:
一种堤坝结构隐患的快速诊断装置,包括低频天线移动机构和控制器;其中,
所述低频天线移动机构用于调节其上所设的的低频雷达的接收天线和低频雷达的发射天线之间的距离,并利用车载方式带动低频雷达的接收天线和低频雷达的发射天线连续地移动;
所述控制器用于接收采集到的雷达信号并输出堤坝结构隐患的类型和隐患的范围:
优选地,所述低频天线移动机构包括车身和和低频天线装置,所述车身包括前车身板和后车身板,所述前车身板和后车身板之间通过连接板连接,所述低频天线装置包括低频雷达的接收天线和低频雷达的发射天线,所述低频雷达的接收天线安装在后车身板上,所述低频雷达的发射天线安装在前车身板上,所述低频天线的接收天线和低频天线的发射天线之间通过光纤连接,所述前车身板的远离后车身板的一侧端部设置有牵引机构。
优选的,所述前车身板和后车身板上均设置有车轮和护栏,所述前车身板和后车身板上相互远离的一端均设置有连接扣,所述护栏上安装有第一橡胶带,所述第一橡胶带远离护栏的一端绕过低频雷达的发射天线或低频雷达的接收天线与连接扣连接;所述前车身板和后车身板上相互靠近的一端均开设有连接孔,所述连接板底部设有连接柱,所述连接柱与连接孔相匹配,所述连接板上安装有用于固定光纤的第二橡胶带。
优选的,所述低频雷达的接收天线和低频雷达的发射天线均包括发射接收器和雷达天线电子单元,所述雷达天线电子单元顶部连接有雷达天线提携辅助杆。
优选的,所述控制器内部安装有堤坝识别模块,堤坝识别模块通过隐患识别模型进行堤坝隐患信息的识别。
本发明的目的之二还在于提供一种采用上述诊断装置进行堤坝结构隐患的诊断方法,包括如下步骤:
S1、采用低频天线移动机构连续探测堤坝,采集堤坝隐患的低频雷达数据;
S2、对步骤S1中采集的低频雷达数据进行滤波和反褶积预处理;
S3、构建基于人工神经网络的隐患识别模型;
S4、将经过步骤S2预处理后的低频雷达数据输入隐患识别模型中训练,输出隐患信息的识别结果。
优选的,所述隐患识别模型包括用于提取隐患特征的特征提取器和用于输出隐患信息识别结果的神经网络分类器。
优选的,所述提取的隐患特征包括峰值频率、色谱值和同相轴轮廓;所述隐患信息包括隐患的类型、位置和范围。
3、有益效果
(1)代替人工方式抬动发射/接收天线,本发明提供了低频天线移动机构,通过其控制接收/发射天线的移动,可更方便的进行发射/接收天线的连续拖动,实现采用低频地质雷达技术对堤坝结构的堤身和堤基内部隐患连续性的扫描探测,其中,低频天线移动机构的车身采用木质材料,车轮和橡皮带均采用橡胶材料,可避免探测采集过程中对电磁波信号产生干扰;低频天线移动机构中设有牵引机构,可以实现通过人工方式拖曳或牵引机构进行连续性地拖动接收/发射天线,进而提高了堤坝结构隐患的检测效率,降低现场探测采集过程中雷达干扰信号的占比,提高检测结果的准确性。
(2)为了减少人为判断的主观性,准确地给出隐患的类型,本发明构建了基于人工神经网络的隐患识别模型,通过将低频天线移动机构采集的雷达信号预处理后,输入构建的隐患识别模型中训练,即可输出隐患的类型和隐患的范围,实现对堤坝结构隐患的自动智能识别,从而解决了非专业人员的读图辨识,提高隐患识别的效率和准确率,且误差可控制在15%以内。
(3)本发明通过低频天线移动机构的连续探测和隐患识别模型的自动识别,实现了堤坝结构隐患的快速诊断,可为后期加固和修复工作提供有利的指导。
附图说明
图1为本发明提出的低频天线移动机构的结构示意图;
图2为低频雷达天线构成的结构示意图;
图3为本发明提出的低频移动机构中车身的结构示意图;
图4为实施例2中堤坝隐患连续探测的现场图;
图5为实施例2中采集的低频雷达隐患探测结果的示意图;
图6为色谱值特征表示的示意图;
图7为同相轴轮廓特征表示的示意图;
图8为构建隐患识别模型的流程示意图;
图9为本发明提出的堤坝结构隐患的诊断方法的流程示意图;
图10为实施例2中隐患识别模型的特征提取器对雷达信号特征提取的结果示意图;
图11为实施例2中输出的隐患信息识别结果的示意图。
图中标号说明:
1、后车身板;2、前车身板;3、连接板;4、低频雷达的接收天线;5、低频雷达的发射天线;6、光纤;7、第一橡胶带;8、牵引机构;9、车轮;10、连接扣;11、护栏;12、第二橡胶带;13、连接孔;14、连接柱;15、雷达天线电子单元;16、雷达天线提携辅助杆;17、发射接收器。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1:
请参阅图1-3,一种堤坝结构隐患的快速诊断装置,包括低频天线移动机构和控制器;其中,
低频天线移动机构用于调节其上所设的的低频雷达的接收天线4和低频雷达的发射天线5之间的距离,并利用车载方式带动低频雷达的接收天线4和低频雷达的发射天线5连续地移动;
控制器用于接收采集到的雷达信号并输出堤坝隐患的类型和隐患的范围;
其中,低频天线移动机构包括车身和和低频天线装置,车身包括前车身板2和后车身板1,前车身板2和后车身板1之间通过连接板3连接,低频天线装置包括低频雷达的接收天线4和低频雷达的发射天线5,低频雷达的接收天线4安装在后车身板1上,低频雷达的发射天线5安装在前车身板2上,低频雷达的接收天线4和低频雷达的发射天线5之间通过光纤6连接,前车身板2的远离后车身板1的一侧端部设置有牵引机构8;
前车身板2和后车身板1上均设置有车轮9和护栏11,为了避免铁制材料对电磁波信号的干扰,前车身板2、后车身板1和护栏11均采用木质材料,车轮9采用橡胶轮胎,前车身板2和后车身板1上相互远离的一端均设置有连接扣10,护栏11上安装有第一橡胶带7,第一橡胶带7远离护栏11的一端绕过低频雷达的发射天线或低频雷达的接收天线与连接扣10连接,以固定低频雷达的发射/接收天线,防止采集过程颠簸导致天线的脱落;前车身板2和后车身板1上相互靠近的一端均开设有连接孔13,连接板3底部设有连接柱14,连接柱14与连接孔13相匹配,连接板3上安装有用于固定光纤6的第二橡胶带12;
低频雷达的接收天线4和低频雷达的发射天线5均包括发射接收器17和雷达天线电子单元15,雷达天线电子单元15顶部连接有雷达天线提携辅助杆16。
实施例2
请参阅图4-11,一种采用上述实施例1中的诊断装置进行的堤坝结构隐患的诊断方法,包括以下步骤:
S1、采用低频天线移动机构连续探测堤坝,采集堤坝隐患的低频雷达数据;
具体地,首先使用木质护栏11和第二橡胶带12将分离的低频雷达的接收天线4和低频雷达的发射天线5分别固定在后车身板1和前车身板2上,再通过前车身板2和后车身板1上相靠近的一端开设的连接孔13和连接板3底部设置的连接柱14调整低频雷达的接收天线4和低频雷达的发射天线5之间的伸缩距离并固定,然后将雷达天线电子单元15固定在发射接收器17上;打开发射接收器17和控制器中的低频雷达采集系统,如图4所示,在堤防堤顶的平面,采集测试人员分别站立于低频天线移动机构的前后方,其中前方人员或者拖曳装置通过牵引机构8进行匀速行走,后方人员携带控制器(含低频雷达采集系统)通过光纤6与低频天线的接收天线4进行低频雷达信号的传输和数据采集,采集得到的低频雷达(隐患探测)数据结果如图5所示;
S2、对步骤S1采集的低频雷达数据进行滤波和反褶积预处理;
S3、构建基于人工神经网络的隐患识别模型;
具体地,由于堤坝结构内部隐患类型众多,很难从地质雷达技术采集的反射电磁波信号幅值数据集的二维剖面图像中准确地判别出隐患的类型,同时为了减弱人为判断的主观性,提高隐患识别的效率和准确率,本发明构建了基于人工神经网络的隐患识别模型,该隐患识别模型包括用于提取隐患的特征的特征提取器和用于输出隐患信息识别结果的神经网络分类器,提取隐患的特征包括:峰值频率、色谱值和同相轴轮廓等,其中,色谱值:指雷达波振幅强弱采用标准色谱表示,红色(R)代表正波强振幅,蓝色(B)代表负波强振幅,黄色(Y)代表标准振幅。如图6所示,通过色谱值对大量采集得到的雷达图像数据进行异常区的筛选,获取得到异常区的雷达图像样本;同相轴轮廓:指雷达电磁波连续记录中各道电磁波振动相位相同极值(俗称波峰或波谷)的连线。如图7所示,通过相同极值连线曲率的变化,判别地层结构的起伏变化和介质的分布特征,由分布特征的学习训练,进行隐患类别的识别;峰值频率:指雷达电磁波时域信号通过傅里叶变换到频域,提取得到谱值最大的频率成分,通过主频大小和谱值分布的学习训练,判别介质的饱水度、离子含量和密实性,以及整个缺陷的分布范围。可通过模型中的特征提取器和神经网络分类器进行雷达信号的处理和隐患信息的判别。如图8所示,构建隐患识别模型的具体步骤包括:(1)通过现场探测的(低频)雷达信号数据和室内模型试验,建立堤坝各类隐患的雷达数据图像集;(2)对建立的雷达数据图像集进行滤波和反褶积的预处理;(3)将预处理后的雷达数据图像集输入特征提取器中进行隐患特征的提取,得到隐患特征样本;(4)根据所得的隐患特征样本设计神经网络分类器与学习;(5)输入现场采集得到的雷达数据,对雷达数据进行一定区间长度样本重构,获得雷达采集图像数据集,然后将该雷达数据集依次经预处理、特征提取后,输入神经网络分类器中进行训练决策,输出隐患信息的结果,具体地,对雷达图像数据集通过色谱值特征的学习训练,输出得到具有异常区的雷达图像样本;将图像样本数据转换成同相位的电磁波形,由电磁波信号幅值增大区域同相轴特征的训练,输出得到介质的分布特征,判别隐患是否为介质分层(软弱夹层、渗漏层)、空洞、电缆、裂缝和不均匀沉陷等隐患;对识别隐患后的各个通道电磁波信号进行傅里叶变换,获得频域内的电磁波信号,由信号主频大小的训练结果,判别隐患区域的饱水度、离子含量和密实性,并由各道电磁波信号主频谱值分布特征训练结果,输出得到雷达图像样本中隐患的分布范围,参数优化,即得到隐患识别模型;
S4、将经过步骤S2预处理后的低频雷达数据输入构建的隐患识别模型中训练,输出隐患信息的识别结果。
具体地,将经过步骤S2预处理后的雷达数据(集)输入隐患识别模型的特征提取器中进行隐患特征的提取,如图10所示,对雷达信号的峰值频率和色谱值的特征提取,然后将得到的峰值频率和色谱值的特征样本输入隐患识别模型的分类器中训练,输出隐患信息的识别结果,如图11所示,隐患的类型为富水不密实,富水不密实的位置以及范围为虚线所示。
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,根据本发明的技术方案及其改进构思加以等同替换或改变,都应涵盖在本发明的保护范围内。

Claims (4)

1.一种堤坝结构隐患的诊断装置,其特征在于:包括低频天线移动机构和控制器;其中,
所述低频天线移动机构用于调节其上所设的的低频雷达的接收天线(4)和低频雷达的发射天线(5)之间的距离,并利用车载方式带动低频雷达的接收天线(4)和低频雷达的发射天线(5)连续地移动;
所述控制器,用于接收采集到的雷达信号并输出堤坝结构隐患的类型和隐患的范围;
所述低频天线移动机构包括车身和和低频天线装置,所述车身包括前车身板(2)和后车身板(1),所述前车身板(2)和后车身板(1)之间通过连接板(3)连接,所述低频天线装置包括低频雷达的接收天线(4)和低频雷达的发射天线(5),所述低频雷达的接收天线(4)安装在后车身板(1)上,所述低频雷达的发射天线(5)安装在前车身板(2)上,所述低频雷达的接收天线(4)和低频雷达的发射天线(5)之间通过光纤(6)连接,所述前车身板(2)的远离后车身板(1)的一侧端部设置有牵引机构(8);
采用所述诊断装置进行堤坝结构隐患的诊断方法,包括以下步骤:
S1、采用低频天线移动机构连续探测堤坝,采集堤坝隐患的低频雷达数据;
S2、对步骤S1中采集的低频雷达数据进行滤波和反褶积预处理;S3、构建基于人工神经网络的隐患识别模型;
S4、将经过步骤S2预处理后的低频雷达数据输入构建的隐患识别模型中训练,输出隐患信息的识别结果;所述隐患信息包括隐患的类型、位置和范围;
步骤S3中,所述隐患识别模型包括用于提取隐患特征的特征提取器和用于输出隐患信息识别结果的神经网络分类器;所述提取的隐患特征包括峰值频率、色谱值和同相轴轮廓。
2.根据权利要求1所述的一种堤坝结构隐患的诊断装置,其特征在于:所述前车身板(2)和后车身板(1)上均设置有车轮(9)和护栏(11),所述前车身板(2)和后车身板(1)上相互远离的一端均设置有连接扣(10),所述护栏(11)上安装有第一橡胶带(7),所述第一橡胶带(7)远离护栏(11)的一端绕过低频雷达的发射天线(5)或低频雷达的接收天线(4)与连接扣(10)连接;所述前车身板(2)和后车身板(1)上相互靠近的一端均开设有连接孔(13),所述连接板(3)底部设有连接柱(14),所述连接柱(14)与连接孔(13)相匹配,所述连接板(3)上安装有用于固定光纤(6)的第二橡胶带(12)。
3.根据权利要求2所述的一种堤坝结构隐患的诊断装置,其特征在于:所述低频雷达的接收天线(4)和低频雷达的发射天线(5)均包括雷达天线电子单元(15)和发射接收器(17),所述雷达天线电子单元(15)顶部连接有雷达天线提携辅助杆(16)。
4.根据权利要求1所述的一种堤坝结构隐患的诊断装置,其特征在于:所述控制器的内部安装有堤坝识别模块,堤坝识别模块通过隐患识别模型进行堤坝隐患信息的识别。
CN202210703155.6A 2022-06-21 2022-06-21 一种堤坝结构隐患的快速诊断装置以及诊断方法 Active CN115097446B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210703155.6A CN115097446B (zh) 2022-06-21 2022-06-21 一种堤坝结构隐患的快速诊断装置以及诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210703155.6A CN115097446B (zh) 2022-06-21 2022-06-21 一种堤坝结构隐患的快速诊断装置以及诊断方法

Publications (2)

Publication Number Publication Date
CN115097446A CN115097446A (zh) 2022-09-23
CN115097446B true CN115097446B (zh) 2023-07-21

Family

ID=83293446

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210703155.6A Active CN115097446B (zh) 2022-06-21 2022-06-21 一种堤坝结构隐患的快速诊断装置以及诊断方法

Country Status (1)

Country Link
CN (1) CN115097446B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118376995B (zh) * 2024-06-25 2024-09-20 深圳安德空间技术有限公司 基于船载式探地雷达的坝体渗漏检测自动识别方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113256562A (zh) * 2021-04-22 2021-08-13 深圳安德空间技术有限公司 基于雷达图像和人工智能的道路地下隐患检测方法和系统
CN114529823A (zh) * 2022-02-28 2022-05-24 中国地质科学院岩溶地质研究所 一种冰湖溃决隐患综合遥感识别方法及系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3018136B1 (fr) * 2014-02-28 2017-12-08 Thales Sa Dispositif radar apte a equiper un systeme de surveillance cotiere, et systeme de surveillance cotiere integrant un tel dispositif
CN103941254A (zh) * 2014-03-03 2014-07-23 中国神华能源股份有限公司 一种基于地质雷达的土壤物性类别识别方法和装置
CN106886053B (zh) * 2017-03-06 2018-12-21 中南大学 探地雷达天线用套靴
CN109655925B (zh) * 2019-01-28 2023-10-03 长江水利委员会长江科学院 快速移动式堤防孔洞瞬变电磁连续探测系统及方法
CN112505690A (zh) * 2020-11-23 2021-03-16 贵州大学 一种不稳定边坡移动监测系统及方法
CN216310284U (zh) * 2021-12-16 2022-04-15 江苏省地质调查研究院 地质雷达法辅助测量装置及地质雷达法测量系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113256562A (zh) * 2021-04-22 2021-08-13 深圳安德空间技术有限公司 基于雷达图像和人工智能的道路地下隐患检测方法和系统
CN114529823A (zh) * 2022-02-28 2022-05-24 中国地质科学院岩溶地质研究所 一种冰湖溃决隐患综合遥感识别方法及系统

Also Published As

Publication number Publication date
CN115097446A (zh) 2022-09-23

Similar Documents

Publication Publication Date Title
EP0288578B1 (en) Method of detecting object and apparatus therefor
DE3204874C2 (de) Passives Verfahren zum Gewinnen von Zieldaten von einer Schallquelle
CN115097446B (zh) 一种堤坝结构隐患的快速诊断装置以及诊断方法
CN111222743B (zh) 一种光纤感知事件的垂直偏移距离及威胁级别判断方法
CN103852794B (zh) 烃类污染浅层地下水磁共振检测装置及检测方法
CN112818924B (zh) 一种基于关联规则分析的道路深层病害预警方法
CN113325419B (zh) 一种路面坍塌检测方法
KR101820805B1 (ko) 지표 투과 레이더 탐사장치
Bai et al. Improved background and clutter reduction for pipe detection under pavement using Ground Penetrating Radar (GPR)
Benedetto et al. Reliability of signal processing technique for pavement damages detection and classification using ground penetrating radar
CN108803312B (zh) 一种新型道路损坏检测系统
CN111537056A (zh) 基于svm与时频域特征的管道沿线第三方施工动态预警方法
EP0612049A1 (de) Verfahren zum Klassifizieren von einen vorgegebenen Wegpunkt passierenden Fahrzeugen
CN105022097A (zh) 一种土质边坡滑动面综合预报方法
CN112327372B (zh) 长距离线性工程渠堤内部隐患综合检测方法
CN109208568A (zh) 无砟轨道病害检测方法及检测系统
CN107356668A (zh) 一种坝体安全鉴定的检测方法
CN104267440A (zh) 一种用于探地雷达的共中心点cmp探测方法
CN117269954A (zh) 基于yolo的探地雷达道路多重隐蔽病害实时识别方法
CN111142165A (zh) 一种利用探地雷达获取含水层的水位信息的方法
CN116026449B (zh) 一种基于单芯光纤传感的振动定位监测系统
CN117540178A (zh) 一种隧道衬砌内部空洞病害评估方法及系统
CN104217616B (zh) 基于光纤水声传感器对内河航道流量进行监测的实现方法
Taipodia et al. A review of active and passive MASW techniques
KR101932883B1 (ko) 지표투과레이더 자료의 C-scan 등고선, 반사반응과 회절반응을 이용한 공동 부피 산정 방법

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