CN116399948B - 一种水闸混凝土底板局部脱空监测方法及系统 - Google Patents

Abstract

本申请公开了一种水闸混凝土底板局部脱空监测方法及系统，其中方法步骤包括：获取水闸混凝土底板的超声波波形数据；对超声波波形数据进行分析和比对，识别出混凝土底板的局部脱空区域；根据脱空区域的脱空程度以及脱空位置，生成监测数据；同时显示并存储监测数据；基于监测数据，进行实时预警，并提醒工作人员进行维修。本申请相较于传统的人工敲击检测方法存在操作不便，精度不足等问题，能够实时监测底板脱空情况，显著提高水闸设施的安全性和可靠性，对于保障水利工程的安全稳定运行具有重要的意义。

Description

一种水闸混凝土底板局部脱空监测方法及系统

技术领域

本申请涉及混凝土脱空区监测领域，尤其涉及一种水闸混凝土底板局部脱空监测方法及系统。

背景技术

修建于深厚软弱地基上的水闸工程，为提高地基承载力和减小沉降量，基础通常采用钻孔灌注桩处理，使得水闸上部结构满足安全要求，由于刚性桩基础和地基软土层之间沉降变形不协调，往往造成地基土层与闸底板出现脱空现象，且处于水下隐蔽位置的脱空区域早期难以发现，因此，混凝土底板脱空问题严重影响水闸安全运行，因水闸混凝土底板脱空导致的工程灾害问题屡见报道。

鉴于水闸混凝土底板脱空属于隐蔽性破坏，常规的人工巡查、地质雷达等检测技术，因闸室底板厚度过大或工作条件复杂等因素而失效，人们无法在闸底板发生脱空与破坏前得到预警，而且，目前在水闸混凝土底板脱空监测这一领域，尚无类似创新型监测装置和技术。

为此，针对水闸混凝土底板脱空问题，亟需研发一种实时监测方法，在水闸运行过程中能够实时感知混凝土闸底板脱空情况，为水闸安全运行进行预判，及时发现和消除安全隐患，对混凝土闸底板脱空问题进行质量控制。

发明内容

为解决上述背景中的技术问题，本申请公开了一种水闸混凝土底板局部脱空监测方法，利用超声波技术对混凝土底板局部脱空进行实时监测和预警。

为实现上述目的，本申请提供了一种水闸混凝土底板局部脱空监测方法，步骤包括：

获取水闸混凝土底板的超声波波形数据；

对所述超声波波形数据进行分析和比对，识别出混凝土底板的局部脱空区域；

根据所述脱空区域的脱空程度以及脱空位置，生成监测数据；同时显示并存储所述监测数据；

基于所述监测数据，进行实时预警，并提醒工作人员进行维修。

优选的，获取所述超声波波形数据的方法包括：使用超声波探测器向混凝土底板发送超声波信号，当超声波穿过混凝土底板并遇到空洞时，会发生反射，反射的信号被探测器接收后，就能够获得混凝土底板的所述超声波波形数据。

优选的，进行所述分析和对比的方法包括：

将采集到的超声波波形数据进行预处理，得到预处理数据；

提取所述预处理数据中与局部脱空相关的特征，得到提取结果；

利用所述提取结果，进行数据聚类分析，得到分析结果；

根据所述分析结果，确定混凝土底板的所述局部脱空区域。

优选的，得到所述预处理数据的方法包括：

将所述超声波波形数据进行滤波处理，得到第一数据；

将所述第一数据转换为频谱图，得到预处理数据。

优选的，得到所述提取结果的方法包括：

去除预处理数据中的基线漂移，并对所述预处理数据进行降噪，得到干净的波形数据；

对所述波形数据进行傅里叶变换，得到所述提取结果。

优选的，得到所述分析结果的方法包括：利用决策树算法对所述提取结果进行聚类分析，得到所述分析结果。

本申请还提供了一种水闸混凝土底板局部脱空监测系统，包括：采集模块、分析模块、生成模块和预警模块；

所述采集模块用于获取水闸混凝土底板的超声波波形数据；

所述分析模块用于对所述超声波波形数据进行分析和比对，识别出混凝土底板的局部脱空区域；

所述生成模块用于根据所述脱空区域的脱空程度以及脱空位置，生成监测数据；同时显示并存储所述监测数据；

所述预警模块用于基于所述监测数据，进行实时预警，并提醒工作人员进行维修。

优选的，所述分析模块的工作流程包括：

将采集到的超声波波形数据进行预处理，得到预处理数据；

提取所述预处理数据中出与局部脱空相关的特征，得到提取结果；

利用所述提取结果，进行数据聚类分析，得到分析结果；

根据所述分析结果，确定混凝土底板的所述局部脱空区域。

与现有技术相比，本申请的有益效果如下：

本申请相较于传统的人工敲击检测方法存在操作不便，精度不足等问题；能够实时监测底板脱空情况，显著提高了水闸设施的安全性和可靠性，对于保障水利工程的安全稳定运行具有重要的意义。

附图说明

为了更清楚地说明本申请的技术方案，下面对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例的方法流程示意图；

图2为本申请实施例的系统结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。

实施例一

如图1所示，为本申请实施例的方法流程示意图，步骤包括：

S1.获取混凝土底板的超声波波形数据。

首先，选择合适的超声波探测器，并根据实际情况确定其安装位置。本实施例中选择固定式探测器并固定安装在水闸混凝土底板的合适位置，并将其连接到数据采集仪上。在确定好超声波探测器位置后，需要进行探测器的准确定位。可以使用全站仪等装置进行探测器位置的测量和标记，以确保探测器的准确安装。针对不同的水闸混凝土底板情况，需要选择合适的探头和探头频率。通常情况下，混凝土底板较薄的区域选择高频率探头，较厚的区域选择低频率探头。接下来，进行超声波探测器的校准工作。探测器的校准可以通过校准试块(calibration block)来进行。校准试块需要与混凝土底板相同或类似材质，大小和形状也基本相似，以确保超声波信号能够准确地传导。

之后，使用超声波探测器向混凝土底板发送超声波信号。当超声波穿过混凝土底板并遇到空洞时，会发生反射，反射的信号被探测器接收后，就能够获得混凝土底板的超声波波形数据。同时，应该将采集到的数据保存下来，以供后续的参考和比较。

S2.对超声波波形数据进行分析和比对，识别出混凝土底板的局部脱空区域。

步骤包括：将采集到的超声波波形数据进行预处理，得到预处理数据；提取预处理数据中出与局部脱空相关的特征，得到提取结果；利用提取结果，进行数据聚类分析，得到分析结果；根据分析结果，确定混凝土底板的局部脱空区域。

上述预处理的方法包括：将超声波波形数据进行滤波处理，得到第一数据；将第一数据转换为频谱图，得到预处理数据。其中，波形数据中常常包含噪声和干扰，这会对后续的特征提取和数据分析造成较大的困扰。因此需要对数据进行滤波、去噪等预处理操作。常见的处理方法包括：中值滤波、均值滤波、小波去噪等。

中值滤波：中值滤波是一种平滑滤波方法，它将信号中的每个采样点替换为该点周围一定数量采样点的中值。中值滤波能够排除波形数据中的小噪声，但对于高频信号的去噪效果不佳。

均值滤波：均值滤波是一种平滑滤波方法，它通过对信号中每个采样点进行加权平均，平滑信号中的噪声和干扰。均值滤波在去除高频噪声方面效果不如中值滤波，但对低频信号的平滑效果较好。

小波去噪：小波去噪是一种基于小波分析的信号处理方法。小波将信号分解为多个不同频带的子信号，并根据信号的鲁棒特性进行噪声抑制。小波去噪方法能够同时降低低频和高频噪声，对于非平稳信号的去噪效果较好。

综上所述，对于混凝土底板局部脱空监测的波形数据，应根据信号特性和噪声干扰情况，选择合适的滤波方法和参数，对原始数据进行适当的平滑和去噪处理，以便后续的特征提取和数据分析操作。

之后将上述得到的第一数据，进行傅里叶变换，将其转换为频谱图，从而方便分析波形数据中的频率成分和能量分布情况。本实施例中，利用MATLAB进行操作。具体过程包括：输入波形数据，进行FFT计算；获取幅度谱和相位谱，可以分别可视化或在幅度谱中进行峰值检测等操作；筛选有用的频率段，在本实施例中，挑选前几个频率较高的峰值，作为代表信号特征的频率分量。上述步骤用于得到提取结果。之后基于提取结果进行数据聚类分析，得到分析结果，具体步骤包括：

基于提取结果设计特征提取算法，提取出与局部脱空相关的特征，利用特征提取的结果，进行数据聚类或分类分析，可以准确地识别出混凝土底板的局部脱空区域。同时，识别局部脱空区域的程度和位置，能够提供实时的预警和维修决策支持。在本实施例中，选择使用决策树算法进行聚类：

(1)特征选择：在混凝土底板局部脱空监测中，需要选择与局部脱空相关的特征作为决策树构建的依据。可以基于前文得到的提取结果，分别选择不同的特征进行分析和比较，选择最能区分脱空和非脱空样本的特征作为决策树的节点。

(2)构建决策树：在进行分类时，决策树按照特征选择的顺序递归地对数据集进行划分，直到所有的样本属于同一个类别或是达到预设的停止条件为止。

(3)决策树评估：评估决策树的分类精度是一个很重要的步骤。通过交叉验证、混淆矩阵等方法来评估决策树的分类效果，并选用精度较高的决策树进行后续分析。

(4)应用决策树进行分类：在进行分类时，将提取结果通过决策树进行分类，得出分类结果。一般而言，决策树分类的目标是将同类别的样本分在一起，尽可能地将不同类别的样本分开。

除此之外，本实施例还加入K-means聚类算法进行数据分析，用以对得到的聚类结果进行验证。将上述步骤构建的合评价指标体系作为划分的主要特征因素，进行聚类分析，步骤包括：

使用K-means聚类算法对上述提取的特征进行分析，得到脱空区域的参数特点的聚类结果，采用人工复核的方式对聚类结果进行优化和完善。步骤包括：

1.随机选取K个聚类中心，用来初始化各个聚类。

2.遍历所有数据点，将每个数据点分配到距离它最近的聚类中心所代表的聚类中。

3.重新计算每个聚类的聚类中心。

4.重复2～3的过程直至达到收敛条件。

5.数据分析结果：最终的聚类结果是K个不同的聚类集合，每个集合包含了若干相似的数据点。这些聚类可以被视为是脱空区域和正常区域，由此可以的得到水闸底板的脱空位置。

S3.根据脱空区域的脱空程度以及脱空位置，生成监测数据；同时显示并存储监测数据。

将上述步骤中得到脱空程度及脱空位置收集整合成为监测数据，并储存作为历史数据为后续的监测工作作指导。同时，利用移动终端将监测数据实时显示，方便工作人员及时发现安全问题，并及时解决。

S4.基于监测数据，进行实时预警，并提醒工作人员进行维修。

上述步骤可以将采集到的监测数据分类为脱空和非脱空两类。之后，根据脱空的位置和程度进行实时预警，并指导工作人员进行维修。

实施例二

如图2所示，为本实施例的系统结构示意图，包括：采集模块、分析模块和预警模块；采集模块用于获取超声波探测器混凝土底板的超声波波形数据；分析模块用于对超声波波形数据进行分析和比对，识别出混凝土底板的局部脱空区域；预警模块用于根据脱空区域的脱空程度以及脱空位置，进行实时预警，并提醒工作人员进行维修。

下面将结合本实施例详细说明本申请如何解决实际生活中的技术问题。

利用采集模块获取混凝土底板的超声波波形数据。

首先，选择合适的超声波探测器，并根据实际情况确定其安装位置。本实施例中，采集模块选择固定式探测器并固定安装在水闸混凝土底板的合适位置，并将其连接到数据采集仪上。在确定好超声波探测器位置后，需要进行探测器的准确定位。可以使用全站仪等装置进行探测器位置的测量和标记，以确保探测器的准确安装。针对不同的水闸混凝土底板情况，需要选择合适的探头和探头频率。通常情况下，混凝土底板较薄的区域选择高频率探头，较厚的区域选择低频率探头。接下来，进行超声波探测器的校准工作。探测器的校准可以通过校准试块(calibration block)来进行。校准试块需要与混凝土底板相同或类似材质，大小和形状也基本相似，以确保超声波信号能够准确地传导。

之后，使用超声波探测器向混凝土底板发送超声波信号。当超声波穿过混凝土底板并遇到空洞时，会发生反射，反射的信号被探测器接收后，就能够获得混凝土底板的超声波波形数据。同时，应该将采集到的数据保存下来，以供后续的参考和比较。

利用分析模块对超声波波形数据进行分析和比对，识别出混凝土底板的局部脱空区域。

流程包括：将采集到的超声波波形数据进行预处理，得到预处理数据；提取预处理数据中出与局部脱空相关的特征，得到提取结果；利用提取结果，进行数据聚类分析，得到分析结果；根据分析结果，确定混凝土底板的局部脱空区域。

上述预处理的方法包括：将超声波波形数据进行滤波处理，得到第一数据；将第一数据转换为频谱图，得到预处理数据。其中，波形数据中常常包含噪声和干扰，这会对后续的特征提取和数据分析造成较大的困扰。因此需要对数据进行滤波、去噪等预处理操作。常见的处理方法包括：中值滤波、均值滤波、小波去噪等。

中值滤波：中值滤波是一种平滑滤波方法，它将信号中的每个采样点替换为该点周围一定数量采样点的中值。中值滤波能够排除波形数据中的小噪声，但对于高频信号的去噪效果不佳。

均值滤波：均值滤波是一种平滑滤波方法，它通过对信号中每个采样点进行加权平均，平滑信号中的噪声和干扰。均值滤波在去除高频噪声方面效果不如中值滤波，但对低频信号的平滑效果较好。

小波去噪：小波去噪是一种基于小波分析的信号处理方法。小波将信号分解为多个不同频带的子信号，并根据信号的鲁棒特性进行噪声抑制。小波去噪方法能够同时降低低频和高频噪声，对于非平稳信号的去噪效果较好。

综上所述，对于混凝土底板局部脱空监测的波形数据，应根据信号特性和噪声干扰情况，选择合适的滤波方法和参数，对原始数据进行适当的平滑和去噪处理，以便后续的特征提取和数据分析操作。

之后将上述得到的第一数据，进行傅里叶变换，将其转换为频谱图，从而方便分析波形数据中的频率成分和能量分布情况。本实施例中，利用MATLAB进行操作。具体过程包括：输入波形数据，进行FFT计算；获取幅度谱和相位谱，可以分别可视化或在幅度谱中进行峰值检测等操作；筛选有用的频率段，在本实施例中，挑选前几个频率较高的峰值，作为代表信号特征的频率分量。上述流程用于得到提取结果。之后基于提取结果进行数据聚类分析，得到分析结果，具体流程包括：

基于提取结果设计特征提取算法，提取出与局部脱空相关的特征，利用特征提取的结果，进行数据聚类或分类分析，可以准确地识别出混凝土底板的局部脱空区域。同时，识别局部脱空区域的程度和位置，能够提供实时的预警和维修决策支持。在本实施例中，选择使用决策树算法进行聚类：

(1)特征选择：在混凝土底板局部脱空监测中，需要选择与局部脱空相关的特征作为决策树构建的依据。可以基于前文得到的提取结果，分别选择不同的特征进行分析和比较，选择最能区分脱空和非脱空样本的特征作为决策树的节点。

(2)构建决策树：在进行分类时，决策树按照特征选择的顺序递归地对数据集进行划分，直到所有的样本属于同一个类别或是达到预设的停止条件为止。

(3)决策树评估：评估决策树的分类精度是一个很重要的步骤。通过交叉验证、混淆矩阵等方法来评估决策树的分类效果，并选用精度较高的决策树进行后续分析。

(4)应用决策树进行分类：在进行分类时，将提取结果通过决策树进行分类，得出分类结果。一般而言，决策树分类的目标是将同类别的样本分在一起，尽可能地将不同类别的样本分开。

除此之外，本实施例还加入K-means聚类算法进行数据分析，用以对得到的聚类结果进行验证。将上述步骤构建的合评价指标体系作为划分的主要特征因素，进行聚类分析，流程包括：

使用K-means聚类算法对上述提取的特征进行分析，得到脱空区域的参数特点的聚类结果，采用人工复核的方式对聚类结果进行优化和完善。步骤包括：

1.随机选取K个聚类中心，用来初始化各个聚类。

2.遍历所有数据点，将每个数据点分配到距离它最近的聚类中心所代表的聚类中。

3.重新计算每个聚类的聚类中心。

4.重复2～3的过程直至达到收敛条件。

5.数据分析结果：最终的聚类结果是K个不同的聚类集合，每个集合包含了若干相似的数据点。这些聚类可以被视为是脱空区域和正常区域，由此可以的得到水闸底板的脱空位置。

生成模块将上述流程中得到脱空程度及脱空位置收集整合成为监测数据，并储存作为历史数据为后续的监测工作作指导。同时，利用移动终端将监测数据实时显示，方便工作人员及时发现安全问题，并及时解决。

最后，预警模块基于监测数据，进行实时预警，并提醒工作人员进行维修。

上述流程可以将采集到的波形数据分类为脱空和非脱空两类。之后，根据脱空的位置和程度进行实时预警，并指导工作人员进行维修。

以上所述的实施例仅是对本申请优选方式进行的描述，并非对本申请的范围进行限定，在不脱离本申请设计精神的前提下，本领域普通技术人员对本申请的技术方案做出的各种变形和改进，均应落入本申请权利要求书确定的保护范围内。

Claims (2)

1.一种水闸混凝土底板局部脱空监测方法，其特征在于，步骤包括：

获取水闸混凝土底板的超声波波形数据；获取所述超声波波形数据的方法包括：使用超声波探测器向混凝土底板发送超声波信号，当超声波穿过混凝土底板并遇到空洞时，会发生反射，反射的信号被探测器接收后，就能够获得混凝土底板的所述超声波波形数据；

对所述超声波波形数据进行分析和比对，识别出混凝土底板的局部脱空区域；

根据所述脱空区域的脱空程度以及脱空位置，生成监测数据；同时显示并存储所述监测数据；

基于所述监测数据，进行实时预警，并提醒工作人员进行维修；

进行所述分析和比对的方法包括：

将采集到的超声波波形数据进行预处理，得到预处理数据；

提取所述预处理数据中与局部脱空相关的特征，得到提取结果；

利用所述提取结果，进行数据聚类分析，得到分析结果；

根据所述分析结果，确定混凝土底板的所述局部脱空区域；

得到所述预处理数据的方法包括：

将所述超声波波形数据进行滤波处理，得到第一数据；

将所述第一数据转换为频谱图，得到预处理数据；

得到所述提取结果的方法包括：

去除预处理数据中的基线漂移，并对所述预处理数据进行降噪，得到干净的波形数据；

对所述波形数据进行傅里叶变换，得到所述提取结果；

选择使用决策树算法进行聚类：

(1)特征选择：在混凝土底板局部脱空监测中，选择与局部脱空相关的特征作为决策树构建的依据；基于得到的提取结果，分别选择不同的特征进行分析和比较，选择最能区分脱空和非脱空样本的特征作为决策树的节点；

(2)构建决策树：在进行分类时，决策树按照特征选择的顺序递归地对数据集进行划分，直到所有的样本属于同一个类别或是达到预设的停止条件为止；

(3)决策树评估：评估决策树的分类精度通过交叉验证、混淆矩阵来评估决策树的分类效果，并选用精度高的决策树进行后续分析；

(4)应用决策树进行分类：在进行分类时，将提取结果通过决策树进行分类，得出分类结果；决策树分类的目标是将同类别的样本分在一起，将不同类别的样本分开；

将构建的合评价指标体系作为划分的主要特征因素，进行聚类分析，流程包括：

使用K-means聚类算法对提取的特征进行分析，得到脱空区域的参数特点的聚类结果，采用人工复核的方式对聚类结果进行优化和完善；步骤包括：

a.随机选取K个聚类中心，用来初始化各个聚类；

b.遍历所有数据点，将每个数据点分配到距离它最近的聚类中心所代表的聚类中；

c.重新计算每个聚类的聚类中心；

d.重复a-c的过程直至达到收敛条件；

e.数据分析结果：最终的聚类结果是K个不同的聚类集合，每个集合包含了若干相似的数据点；这些聚类被视为是脱空区域和正常区域，由此得到水闸底板的脱空位置。

2.一种水闸混凝土底板局部脱空监测系统，其特征在于，包括：采集模块、分析模块、生成模块和预警模块；

所述采集模块用于获取水闸混凝土底板的超声波波形数据；获取所述超声波波形数据的方法包括：使用超声波探测器向混凝土底板发送超声波信号，当超声波穿过混凝土底板并遇到空洞时，会发生反射，反射的信号被探测器接收后，就能够获得混凝土底板的所述超声波波形数据；

所述分析模块用于对所述超声波波形数据进行分析和比对，识别出混凝土底板的局部脱空区域；

所述生成模块用于根据所述脱空区域的脱空程度以及脱空位置，生成监测数据；同时显示并存储所述监测数据；

所述预警模块用于基于所述监测数据，进行实时预警，并提醒工作人员进行维修；

所述分析模块的工作流程包括：

将采集到的超声波波形数据进行预处理，得到预处理数据；

提取所述预处理数据中出与局部脱空相关的特征，得到提取结果；

利用所述提取结果，进行数据聚类分析，得到分析结果；

根据所述分析结果，确定混凝土底板的所述局部脱空区域；

得到所述预处理数据的方法包括：

将所述超声波波形数据进行滤波处理，得到第一数据；

将所述第一数据转换为频谱图，得到预处理数据；

得到所述提取结果的方法包括：

去除预处理数据中的基线漂移，并对所述预处理数据进行降噪，得到干净的波形数据；

对所述波形数据进行傅里叶变换，得到所述提取结果；

选择使用决策树算法进行聚类：

(1)特征选择：在混凝土底板局部脱空监测中，选择与局部脱空相关的特征作为决策树构建的依据；基于得到的提取结果，分别选择不同的特征进行分析和比较，选择最能区分脱空和非脱空样本的特征作为决策树的节点；

(2)构建决策树：在进行分类时，决策树按照特征选择的顺序递归地对数据集进行划分，直到所有的样本属于同一个类别或是达到预设的停止条件为止；

(3)决策树评估：评估决策树的分类精度通过交叉验证、混淆矩阵来评估决策树的分类效果，并选用精度高的决策树进行后续分析；

(4)应用决策树进行分类：在进行分类时，将提取结果通过决策树进行分类，得出分类结果；决策树分类的目标是将同类别的样本分在一起，将不同类别的样本分开；

将构建的合评价指标体系作为划分的主要特征因素，进行聚类分析，流程包括：

使用K-means聚类算法对提取的特征进行分析，得到脱空区域的参数特点的聚类结果，采用人工复核的方式对聚类结果进行优化和完善；步骤包括：

a.随机选取K个聚类中心，用来初始化各个聚类；

b.遍历所有数据点，将每个数据点分配到距离它最近的聚类中心所代表的聚类中；

c.重新计算每个聚类的聚类中心；

d.重复a-c的过程直至达到收敛条件；

e.数据分析结果：最终的聚类结果是K个不同的聚类集合，每个集合包含了若干相似的数据点；这些聚类被视为是脱空区域和正常区域，由此得到水闸底板的脱空位置。