CN117191945A - 一种道路塌陷处置质量面波检测方法及系统 - Google Patents
一种道路塌陷处置质量面波检测方法及系统 Download PDFInfo
- Publication number
- CN117191945A CN117191945A CN202311477618.2A CN202311477618A CN117191945A CN 117191945 A CN117191945 A CN 117191945A CN 202311477618 A CN202311477618 A CN 202311477618A CN 117191945 A CN117191945 A CN 117191945A
- Authority
- CN
- China
- Prior art keywords
- road
- unit
- compactness
- vibration
- module
- 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 37
- 238000004458 analytical method Methods 0.000 claims abstract description 59
- 238000000034 method Methods 0.000 claims abstract description 20
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims description 27
- 238000013528 artificial neural network Methods 0.000 claims description 24
- 230000003321 amplification Effects 0.000 claims description 19
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 19
- 238000005056 compaction Methods 0.000 claims description 13
- 230000001133 acceleration Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims 1
- 230000006835 compression Effects 0.000 claims 1
- 238000007906 compression Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 5
- 239000010410 layer Substances 0.000 description 36
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 238000004590 computer program Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000010865 sewage Substances 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000002791 soaking Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Landscapes
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明涉及道路检测技术领域，且公开了一种道路塌陷处置质量面波检测方法及系统，包括震动单元、采集单元、分析单元、预测单元以及结果单元，所述震动单元对道路塌陷处置后的地面进行震动，从而使得采集单元可以采集道路塌陷处置后地面所发出的瑞雷面波，所述采集单元采集瑞雷面波，将其转化为电信号并进行放大后发送给分析单元，所述分析单元接收采集单元所发送的数据并计算出道路压实度K后发送给预测单元；本发明通过震动单元对路面进行震动，接收震动时所产生的面波，对面波进行分析，从而检测出坍塌处置后的道路是否合格，在此过程中不会对路面造成任何的伤害，保证路面的完整性，且检测效果足够快速与准确，所采用的设备较为轻便。
Description
技术领域
本发明涉及道路检测技术领域，更具体地涉及一种道路塌陷处置质量面波检测方法及系统。
背景技术
当道路在进行长时间使用后，会出现塌陷的情况，路面塌陷是由于路基、路面产生竖向变形而导致路面下沉的现象，由于路基、路面不密实，碾压不均匀，在水的侵蚀下，经行车作用引起的变形，或者由于路基局部填筑不密实或路基有枯井、树坑、沟槽等，均会发生塌陷的清理；
当道路塌陷后，首先对塌陷地进行观察，当塌陷路段有渗水时，及时抽水处理，防止渗水软化塌陷土体，引起连续塌陷事故，若出现管线破坏，如污水管破裂需截断水流通道，在上游检查井设置污水泵抽水导流跨过塌陷处防止溢水浸泡基坑，对管线进行恢复处理后，进行塌陷处混凝土回填，恢复路面；
当进行道路塌陷处置后，会通过压路机在处置后的路面上进行压实，从而使得恢复的路面能够满足车辆驶过的强度，但是进行压实后的路面以及与塌陷处相连接的路段，由于以已经发生过塌况，因此其强度以及发生变化，哪怕进行压实后，也会出现强度不足的情况，且现有的检测方式仅能对表层进行检测，无法对路面的深度进行检测，因此仍会出现强度不足而引发二次坍塌的情况；
现在进行路面的压实度检测时，仅能通过计算得出压实度的数值，而计算的结果与实际使用的结果会出现较大的误差，从而无法保证处置后的路面符合实际的使用要求，且进行路面检测时，传统的环刀法会对路面造成损伤，因此在进行检测后还需要对路面进行复原，浪费时间。
发明内容
为了克服现有技术的上述缺陷，本发明的实施条例提供一种道路塌陷处置质量面波检测方法及系统，以解决背景技术中所提出的技术问题。
为实现上述目的，本发明提供如下技术方案：一种道路塌陷处置质量面波检测方法，包括以下步骤：
步骤S1、计算坍塌处置后的道路深度，并根据道路深度选择震锤模块或落重模块进行震动；
步骤S2、采集单元内的传感器采集道路震动时的面波，并通过采集单元内信号放大器进行放大后发送给分析单元；
步骤S3、分析单元接收步骤S2中放大后的信号，并采用压实度K的计算公式，压实度K的计算公式为，计算出道路的压实度K后发送给预测单元；
步骤S4、预测单元接收道路压实度K并通过神经网络预测模型进行预测分析后生成道路压实度L后发送给结果单元；
步骤S5、结果单元接收步骤S3中所计算出的道路压实度L并与阈值进行对比；
步骤S6、道路压实度L大于或者等于阈值时道路质量合格，否则需重新进行道路处置并进行步骤S1至步骤S5，直至道路压实度L大于或者等于阈值。
在一个优选的实施方式中，一种道路塌陷处置质量面波检测系统，包括震动单元、采集单元、分析单元、预测单元以及结果单元，所述震动单元对道路塌陷处置后的地面进行震动，从而使得采集单元可以采集道路塌陷处置后地面所发出的瑞雷面波，所述采集单元采集瑞雷面波，将其转化为电信号并进行放大后发送给分析单元，所述分析单元接收采集单元所发送的数据并计算出道路压实度K后发送给预测单元，所述预测单元将分析单元计算出的道路压实度K进行预测分析后所生成的压实度L发送给结果单元，所述结果单元接收压实度L并判断道路塌陷处置后的质量是否合格。
在一个优选的实施方式中，所述震动单元包括震锤模块与落重模块，所述震锤模块用于浅层震动，所述落重模块用于深层震动，道路坍塌处置后的处置深度在五十厘米及以内为浅层，处置深度在五十厘米以上为深层，震锤模块包括大锤震动与小锤震动，处置深度在二十厘米及以内采用小锤进行震动，处理深度在二十厘米至三十厘米之间采用大锤进行震动。
在一个优选的实施方式中，所述采集单元包括传感器以及信号放大器，所述采集器数量设为四个，四个传感器等距且等角度分布于距离震动点一米处的四角，浅层震动时为速度传感器，深层震动时为加速度传感器，所述传感器将检测到的机械能转化为电信号后发送给信号放大器，四个所述传感器所检测到的数据进行平均后再进行机械能与电信号之间的转化。
在一个优选的实施方式中，所述信号放大器采用双级放大方式进行信号放大，且所述信号放大器的第一级为小信号放大电路，第二级为放大滤波电路，小信号放大电路为高精度斩波稳零运算放大器，所述信号放大器接收传感器的信号并进行放大处理后发送分析单元。
在一个优选的实施方式中，所述分析单元包括储存模块、分析模块以及显控模块，所述储存模块将采集单元内所接收的数据以及分析模块计算出的数据储存在同一文件夹内，所述分析模块接收采集单元所采集的数据，并对坍处置后道路的压实度进行计算，压实度K的计算公式为，式中A为瑞雷波系数，其取值范围为0.92～0.95，G为剪切模量，ρ为道路所达到的压实密度，VRO为标准击实试验后的瑞雷波速值，所述分析模块将计算后的K发送给结果单元并在显控模块内进行展示。
在一个优选的实施方式中，所述预测单元内为神经网络预测模型，神经网络预测模型内包括输入层、输出层以及隐含层，输入层的输入数据为分析单元所计算出的道路压实度K，输出层的输出数据为经过神经网络预测模型计算后的道路压实度L，隐含层为包括sigmoid函数的三层神经网络。
在一个优选的实施方式中，神经网络预测模型的计算过程为：输入层将分析单元的分析结果K转变为输入模式向量Ak=（a1，a2，...，a3）并进行输入，输入层与隐含层采用权重Wij进行连接，隐含层采用sigmoid函数进行计算，sigmoid函数的计算公式为，计算后的隐含层与输出层之间连接权重Vij，此时输出函数输接收到模式向量BL=（b1，b2，...，b3）并转化为L后发送给结果单元。
在一个优选的实施方式中，所述结果单元接收预测单元内输出层所输出的结果L并与阈值进行对比，当L大于或者等于阈值时，此时道路塌陷处置后的质量符合标准，当L小于阈值时，此时坍塌处置后的道路需要再次进行处置。
在一个优选的实施方式中，所述显控模块将分析模块的计算过程以及计算结果进行展示，且A的取值且通过显控模块进行设置，且所述显控模块可调取储存模块内所储存的数据并进行显示与修改。
本发明的技术效果和优点：
本发明通过震动单元对路面进行震动，接收震动时所产生的面波，通过对面波进行分析，从而检测出坍塌处置后的道路是否合格，在此过程中不会对路面造成任何的伤害，进而保证路面的完整性，且检测效果足够快速与准确，所采用的设备较为轻便；
本发明通过基于瑞雷波计算道路的压实度K，而道路压实度可以表示出道路坍塌处理后的质量，此过程无需对道路造成损坏，且检测结果速度快，且瑞雷波进行检测的加过精度高，并且对深层以及浅层的道路均可以进行检测，不易受到现场地形或者室外环境的影响，其在进行检测时更具有实用性；
本发明通过预测单元内的神经网络预测模型对分析模块将计算后的压实度K进行预测分析，因为K为单独的计算值，其在实际使用时，计算值与实际值之间会出现误差，因此单独采用K所算出的道路压实度，无法适应实际情况，而神经网络预测模型预测其在建立时需要采集大量的实际数据，因此将压实度K进行分析后所生成的压实度L，其符合实际使用要求；
本发明通过用四个方面进行检测，避免单个方向上存在空隙缺或者未压实的区域未被检测到，此外，进行深层检测与浅层检测分别采用加速度传感器以及速度传感器进行采集，从而保证采集结果的准确性。
附图说明
图1为本发明的整体检测方法示意图。
图2为本发明的整体系统组成流程示意图。
具体实施方式
下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，另外，在以下的实施方式中记载的各结构的形态只不过是例示，本发明所涉及的一种道路塌陷处置质量面波检测方法及系统并不限定于在以下的实施方式中记载的各结构，在本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施方式都属于本发明保护的范围。
参照图1，本发明提供了一种道路塌陷处置质量面波检测方法，包括以下步骤：
步骤S1、计算坍塌处置后的道路深度，并根据道路深度选择震锤模块或落重模块进行震动；
步骤S2、采集单元内的传感器采集道路震动时的面波，并通过采集单元内信号放大器进行放大后发送给分析单元；
步骤S3、分析单元接收步骤S2中放大后的信号，并采用压实度K的计算公式，压实度K的计算公式为，计算出道路的压实度K后发送给预测单元；
步骤S4、预测单元接收道路压实度K并通过神经网络预测模型进行预测分析后生成道路压实度L后发送给结果单元；
步骤S5、结果单元接收步骤S3中所计算出的道路压实度L并与阈值进行对比；
步骤S6、道路压实度L大于或者等于阈值时道路质量合格，否则需重新进行道路处置并进行步骤S1至步骤S5，直至道路压实度L大于或者等于阈值。
参照图2，一种道路塌陷处置质量面波检测系统，包括震动单元、采集单元、分析单元、预测单元以及结果单元，所述震动单元对道路塌陷处置后的地面进行震动，从而使得采集单元可以采集道路塌陷处置后地面所发出的瑞雷面波，所述采集单元采集瑞雷面波，将其转化为电信号并进行放大后发送给分析单元，所述分析单元接收采集单元所发送的数据并计算出道路压实度K后发送给预测单元，所述预测单元将分析单元计算出的道路压实度K进行预测分析后所生成的压实度L发送给结果单元，所述结果单元接收压实度L并判断道路塌陷处置后的质量是否合格。
本申请实施例中，首先对路面进行震动，接收震动时所产生的面波，通过对面波进行分析，从而检测出坍塌处置后的道路是否合格，在此过程中不会对路面造成任何的伤害，进而保证路面的完整性，且检测效果足够快速与准确，所采用的设备较为轻便。
参照图2，所述震动单元包括震锤模块与落重模块，所述震锤模块用于浅层震动，所述落重模块用于深层震动，道路坍塌处置后的处置深度在五十厘米及以内为浅层，处置深度在五十厘米以上为深层，震锤模块包括大锤震动与小锤震动，处置深度在二十厘米及以内采用小锤进行震动，处理深度在二十厘米至三十厘米之间采用大锤进行震动；将震动单元分为震锤模块与落重模块，因此将浅层与深层进行区分，避免在浅层道路上采用落重的方式进行检测时，反而会对道路造成损伤，而对深层道路采用锤子进行震动时，无法对深处进行震动，且浅层里面分别采用大锤与小锤进行震动，因此对不同的路面采用合适的震动方式，保证后面的采集器能够采集到面波，进而提高检测方式的顺利进行。
参照图2，所述采集单元包括传感器以及信号放大器，所述采集器数量设为四个，四个传感器等距且等角度分布于距离震动点一米处的四角，浅层震动时为速度传感器，深层震动时为加速度传感器，所述传感器将检测到的机械能转化为电信号后发送给信号放大器，四个所述传感器所检测到的数据进行平均后再进行机械能与电信号之间的转化；传感器设为四个，四个传感器位于震动点的周围，且等距等角度分布，并且将采集到的数据进行平均后再进行机械能与电信号之间的转化，检测到的结果更加准确，且采用四个方面进行检测，避免单个方向上存在空隙缺或者未压实的区域未被检测到，此外，进行深层检测与浅层检测分别采用加速度传感器以及速度传感器进行采集，从而保证采集结果的准确性。
进一步的，所述信号放大器采用双级放大方式进行信号放大，且所述信号放大器的第一级为小信号放大电路，第二级为放大滤波电路，小信号放大电路为高精度斩波稳零运算放大器，所述信号放大器接收传感器的信号并进行放大处理后发送分析单元，高精度斩波稳零运算放大器进行前置放大时，可以对噪声进行有效抑制，因此第一级放大可以抵抗干扰信号，而放大滤波电路起到低通滤波的效果，因此本身的信号放大器在将信号进行放大后，可以减少干扰，因此放大后的信号更加准确，进而提高本申请检测的准确程度，此外，需要说明的是，高精度斩波稳零运算放大器与放大滤波电路为本领域技术人员的一种现有技术手段，本申请不对其结构做详细介绍。
参照图2，所述分析单元包括储存模块、分析模块以及显控模块，所述储存模块将采集单元内所接收的数据以及分析模块计算出的数据储存在同一文件夹内，所述分析模块接收采集单元所采集的数据，并对坍处置后道路的压实度进行计算，压实度K的计算公式为，式中A为瑞雷波系数，其取值范围为0.92～0.95，G为剪切模量，ρ为道路所达到的压实密度，VRO为标准击实试验后的瑞雷波速值，所述分析模块将计算后的K发送给结果单元并在显控模块内进行展示；基于瑞雷波计算道路的压实度K，而道路压实度可以表示出道路坍塌处理后的质量，并且此过程无需对道路造成损坏，且检测结果速度快，且瑞雷波进行检测的加过精度高，并且对深层以及浅层的道路均可以进行检测，不易受到现场地形或者室外环境的影响，其在进行检测时更具有实用性，储存单元将采集单元内的数据与分析模块计算后数据存在同一文件夹内，从而便于进行后续的查找与总结。
进一步的，所述预测单元内为神经网络预测模型，神经网络预测模型内包括输入层、输出层以及隐含层，输入层的输入数据为分析单元所计算出的道路压实度K，输出层的输出数据为经过神经网络预测模型计算后的道路压实度L，隐含层为包括sigmoid函数的三层神经网络；预测单元内的神经网络预测模型，采用神经网络预测模型对分析模块将计算后的压实度K进行预测分析，因为K为单独的计算值，其在实际使用时，计算值与实际值之间会出现误差，因此单独采用K所算出的道路压实度，无法适应实际情况，而神经网络预测模型预测其在建立时需要采集大量的实际数据，因此将压实度K进行分析后所生成的压实度L，其符合实际使用要求。
进一步的，神经网络预测模型的计算过程为：输入层将分析单元的分析结果K转变为输入模式向量Ak=（a1，a2，...，a3）并进行输入，输入层与隐含层采用权重Wij进行连接，隐含层采用sigmoid函数进行计算，sigmoid函数的计算公式为，计算后的隐含层与输出层之间连接权重Vij，此时输出函数输接收到模式向量BL=（b1，b2，...，b3）并转化为L后发送给结果单元；采用sigmoid函数进行计算，输出的曲线比较平滑，中间部分交化突变，从结构形态上看，拥有柔和特性，因此，可微分的sigmoid函数可以更近似地通过数学方法表达人类神经单元信号的输出形式，所以BP神经网络的输出函数采用sigmoid函数来表达某种非线性的映射关系更加准确。
进一步的，所述结果单元接收预测单元内输出层所输出的结果L并与阈值进行对比，当L大于或者等于阈值时，此时道路塌陷处置后的质量符合标准，当L小于阈值时，此时坍塌处置后的道路需要再次进行处置；结果单元将道路压实度L与阈值进行对比，当道路压实度L大于或者等于阈值时，此时表示道路压实度足够，从而可以支撑车辆在其上方通过，因此可以进行使用，而当道路压实度L小于阈值时，此时的道路无法对通过的车辆支撑，因此会出现危险，从而需要重新进行处理，此外，需要说明的是，本申请中的阈值为本利于技术人员根据所维修的路面所在其余进行计算所得，其阈值可由本领域技术人员进行手动设置，此为本领域技术人员的一种常规技术手段，本申请不对其做详细限定。
进一步的，所述显控模块将分析模块的计算过程以及计算结果进行展示，且A的取值且通过显控模块进行设置，且所述显控模块可调取储存模块内所储存的数据并进行显示与修改；显控模块将计算的过程与结果进行显示，当计算出现问题时，可以寻找问题所在，A为瑞雷波系数，其在不同的环境在取值不同，因此使用者可自动进行取值，从而保证计算的准确性，且显控单元与储存单元之间进行连接，因此使用者可以随时在储存单元内进行数据查找，使用时更加便捷。
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行计算机指令或计算机程序时，全部或部分地产生按照本申请实施例的流程或功能。计算机可以为通用计算机、专用计算机、计算机网络或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。可用介质可以是磁性介质、光介质或者半导体介质。半导体介质可以是固态硬盘。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其他的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，既可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
以上所述，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种道路塌陷处置质量面波检测方法，其特征在于：包括以下步骤：
步骤S1、计算坍塌处置后的道路深度，并根据道路深度选择震锤模块或落重模块进行震动；
步骤S2、采集单元内的传感器采集道路震动时的面波，并通过采集单元内信号放大器进行放大后发送给分析单元；
步骤S3、分析单元接收步骤S2中放大后的信号，并采用压实度K的计算公式，压实度K的计算公式为，计算出道路的压实度K后发送给预测单元；
步骤S4、预测单元接收道路压实度K并通过神经网络预测模型进行预测分析后生成道路压实度L后发送给结果单元；
步骤S5、结果单元接收步骤S3中所计算出的道路压实度L并与阈值进行对比；
步骤S6、道路压实度L大于或者等于阈值时道路质量合格，否则需重新进行道路处置并进行步骤S1至步骤S5，直至道路压实度L大于或者等于阈值。
2.一种道路塌陷处置质量面波检测系统，其特征在于：包括震动单元、采集单元、分析单元、预测单元以及结果单元，所述震动单元对道路塌陷处置后的地面进行震动，从而使得采集单元可以采集道路塌陷处置后地面所发出的瑞雷面波，所述采集单元采集瑞雷面波，将其转化为电信号并进行放大后发送给分析单元，所述分析单元接收采集单元所发送的数据并计算出道路压实度K后发送给预测单元，所述预测单元将分析单元计算出的道路压实度K进行预测分析后所生成的压实度L发送给结果单元，所述结果单元接收压实度L并判断道路塌陷处置后的质量是否合格。
3.根据权利要求2所述的一种道路塌陷处置质量面波检测系统，其特征在于：所述震动单元包括震锤模块与落重模块，所述震锤模块用于浅层震动，所述落重模块用于深层震动，道路坍塌处置后的处置深度在五十厘米及以内为浅层，处置深度在五十厘米以上为深层，震锤模块包括大锤震动与小锤震动，处置深度在二十厘米及以内采用小锤进行震动，处理深度在二十厘米至三十厘米之间采用大锤进行震动。
4.根据权利要求3所述的一种道路塌陷处置质量面波检测系统，其特征在于：所述采集单元包括传感器以及信号放大器，所述采集器数量设为四个，四个传感器等距且等角度分布于距离震动点一米处的四角，浅层震动时为速度传感器，深层震动时为加速度传感器，所述传感器将检测到的机械能转化为电信号后发送给信号放大器，四个所述传感器所检测到的数据进行平均后再进行机械能与电信号之间的转化。
5.根据权利要求2所述的一种道路塌陷处置质量面波检测系统，其特征在于：所述信号放大器采用双级放大方式进行信号放大，且所述信号放大器的第一级为小信号放大电路，第二级为放大滤波电路，小信号放大电路为高精度斩波稳零运算放大器，所述信号放大器接收传感器的信号并进行放大处理后发送分析单元。
6.根据权利要求2所述的一种道路塌陷处置质量面波检测系统，其特征在于：所述分析单元包括储存模块、分析模块以及显控模块，所述储存模块将采集单元内所接收的数据以及分析模块计算出的数据储存在同一文件夹内，所述分析模块接收采集单元所采集的数据，并对坍处置后道路的压实度进行计算，压实度K的计算公式为，式中A为瑞雷波系数，其取值范围为0.92～0.95，G为剪切模量，ρ为道路所达到的压实密度，VRO为标准击实试验后的瑞雷波速值，所述分析模块将计算后的K发送给结果单元并在显控模块内进行展示。
7.根据权利要求2所述的一种道路塌陷处置质量面波检测系统，其特征在于：所述预测单元内为神经网络预测模型，神经网络预测模型内包括输入层、输出层以及隐含层，输入层的输入数据为分析单元所计算出的道路压实度K，输出层的输出数据为经过神经网络预测模型计算后的道路压实度L，隐含层为包括sigmoid函数的三层神经网络。
8.根据权利要求7所述的一种道路塌陷处置质量面波检测系统，其特征在于：神经网络预测模型的计算过程为：输入层将分析单元的分析结果K转变为输入模式向量Ak=（a1，a2，...，a3）并进行输入，输入层与隐含层采用权重Wij进行连接，隐含层采用sigmoid函数进行计算，sigmoid函数的计算公式为，计算后的隐含层与输出层之间连接权重Vij，此时输出函数输接收到模式向量BL=（b1，b2，...，b3）并转化为L后发送给结果单元。
9.根据权利要求2所述的一种道路塌陷处置质量面波检测系统，其特征在于：所述结果单元接收预测单元内输出层所输出的结果L并与阈值进行对比，当L大于或者等于阈值时，此时道路塌陷处置后的质量符合标准，当L小于阈值时，此时坍塌处置后的道路需要再次进行处置。
10.根据权利要求6所述的一种道路塌陷处置质量面波检测系统，其特征在于：所述显控模块将分析模块的计算过程以及计算结果进行展示，且A的取值且通过显控模块进行设置，且所述显控模块可调取储存模块内所储存的数据并进行显示与修改。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311477618.2A CN117191945B (zh) | 2023-11-08 | 2023-11-08 | 一种道路塌陷处置质量面波检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311477618.2A CN117191945B (zh) | 2023-11-08 | 2023-11-08 | 一种道路塌陷处置质量面波检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117191945A true CN117191945A (zh) | 2023-12-08 |
| CN117191945B CN117191945B (zh) | 2024-02-13 |
Family
ID=88989167
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311477618.2A Active CN117191945B (zh) | 2023-11-08 | 2023-11-08 | 一种道路塌陷处置质量面波检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117191945B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105002810A (zh) * | 2015-06-01 | 2015-10-28 | 清华大学 | 一种智能碾压机器人 |
| CN111896721A (zh) * | 2020-08-31 | 2020-11-06 | 杭州宣迅电子科技有限公司 | 一种基于大数据的市政道路工程质量智能验收检测管理系统 |
| CN112376533A (zh) * | 2020-11-26 | 2021-02-19 | 福建船政交通职业学院 | 一种面波法探测路基深层填筑质量的方法 |
| US11630228B1 (en) * | 2022-04-27 | 2023-04-18 | China University Of Petroleum (East China) | Physical embedded deep learning formation pressure prediction method, device, medium and equipment |
-
2023
- 2023-11-08 CN CN202311477618.2A patent/CN117191945B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105002810A (zh) * | 2015-06-01 | 2015-10-28 | 清华大学 | 一种智能碾压机器人 |
| CN111896721A (zh) * | 2020-08-31 | 2020-11-06 | 杭州宣迅电子科技有限公司 | 一种基于大数据的市政道路工程质量智能验收检测管理系统 |
| CN112376533A (zh) * | 2020-11-26 | 2021-02-19 | 福建船政交通职业学院 | 一种面波法探测路基深层填筑质量的方法 |
| US11630228B1 (en) * | 2022-04-27 | 2023-04-18 | China University Of Petroleum (East China) | Physical embedded deep learning formation pressure prediction method, device, medium and equipment |
Non-Patent Citations (4)
| Title |
|---|
| 李宇淮;蒋凯锋;: "瑞雷面波法在路基压实度检测中的应用", 交通标准化, no. 21, pages 200 - 203 * |
| 杨天春;肖巧玲;: "瑞利波法检测地基压实度的探讨", 岩土工程技术, no. 02, pages 70 - 73 * |
| 董海文, 李嘉: "瞬态面波法检测路基压实度的研究与探讨", 湖南城市学院学报(自然科学版), no. 02, pages 24 - 26 * |
| 贾鹏飞 贾国彬: "《面向数字矿山的铅锌矿井下风险动态模糊评估研究》", 北京理工大学出版社, pages: 143 - 146 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117191945B (zh) | 2024-02-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109373980B (zh) | 一种基于视频监控测量仪和测斜终端的监测方法及系统 | |
| US20230054215A1 (en) | Abnormality estimation apparatus, abnormality estimation method, and computer-readable recording medium | |
| CN109183861A (zh) | 一种基于mems传感器的基坑智能监测方法及监测系统 | |
| CN113865495A (zh) | 一种边坡变形无线监测系统及方法 | |
| CN117191945B (zh) | 一种道路塌陷处置质量面波检测方法及系统 | |
| CN209857884U (zh) | 一种基于视频监控测量仪和测斜终端的监测系统 | |
| CN108230626B (zh) | 一种基于物联网的泥石流预警系统 | |
| CN116026449B (zh) | 一种基于单芯光纤传感的振动定位监测系统 | |
| CN105222885A (zh) | 一种光纤振动检测方法及装置 | |
| CN116878592A (zh) | 一种水利工程主坝迎水面护坡安全检测系统及检测方法 | |
| CN116386302A (zh) | 一种边坡智能监测预警系统 | |
| CN105589099B (zh) | 一种盲源地震波场的多边形带通滤波方法 | |
| CN115655994B (zh) | 一种水域泥沙超声波测量方法及系统 | |
| JP2009007859A (ja) | 地盤構造推定方法及び地盤構造推定装置 | |
| CN109919510A (zh) | 一种预测地震风险的方法、装置、服务器及存储介质 | |
| CN114821975A (zh) | 一种高边坡安全在线监测方法 | |
| CN114925576A (zh) | 一种基于灾害动力过程的地震滑坡危险性评估方法与系统 | |
| CN111926795A (zh) | 一种地基、地基监测方法及系统 | |
| JP2987411B2 (ja) | 伝導・伝播現象計測解析法及びシステム | |
| CN118569007B (zh) | 一种基于地震灾害风险精细化评估的抗震性能鉴定方法 | |
| CN205211122U (zh) | 一种用于检测山体微振动的山崩预警系统 | |
| CN117074180B (zh) | 一种建筑物地下土体压力变化测量方法 | |
| CN114111712B (zh) | 一种用于监测建筑物沉降的系统及方法 | |
| JP2004219168A (ja) | 伝播音の帯域別音圧解析装置及び解析方法 | |
| CN114018582B (zh) | 基于振动特性的管涵结构健康与外部风险监控系统及方法 |
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 |