CN117745150B - 一种路基压实质量智能评估方法 - Google Patents

一种路基压实质量智能评估方法 Download PDF

Info

Publication number
CN117745150B
CN117745150B CN202410190096.6A CN202410190096A CN117745150B CN 117745150 B CN117745150 B CN 117745150B CN 202410190096 A CN202410190096 A CN 202410190096A CN 117745150 B CN117745150 B CN 117745150B
Authority
CN
China
Prior art keywords
road surface
echo signal
surface echo
target
difference
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
CN202410190096.6A
Other languages
English (en)
Other versions
CN117745150A (zh
Inventor
陈洋
王连永
杨楠
王亚亚
张道亮
张敏召
付薇
魏玉洁
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.)
Henan Road&bridge Construction Group Co ltd
Guanxing Xi'an Communication Electronic Engineering Co ltd
Original Assignee
Henan Road&bridge Construction Group Co ltd
Guanxing Xi'an Communication Electronic Engineering Co ltd
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 Henan Road&bridge Construction Group Co ltd, Guanxing Xi'an Communication Electronic Engineering Co ltd filed Critical Henan Road&bridge Construction Group Co ltd
Priority to CN202410190096.6A priority Critical patent/CN117745150B/zh
Publication of CN117745150A publication Critical patent/CN117745150A/zh
Application granted granted Critical
Publication of CN117745150B publication Critical patent/CN117745150B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)

Abstract

本发明涉及数据处理技术领域,具体涉及一种路基压实质量智能评估方法,包括:获取若干个路面回波信号;获取每个路面回波信号的能量强度和波动程度;根据每个路面回波信号对每个目标路面回波信号的参考权重和每个路面回波信号与每个目标路面回波信号的差异程度,获取每个目标路面回波信号的异常程度,以此对每个目标路面回波信号对应位置处的路基压实进行质量评估。本发明提高了路基压实质量评估的准确性。

Description

一种路基压实质量智能评估方法
技术领域
本发明涉及数据处理技术领域,具体涉及一种路基压实质量智能评估方法。
背景技术
道路施工过程中,路基压实情况是衡量路面的承载能力和路面使用寿命的重要指标之一;路基的压实质量主要是通过路面下的土壤密度体现出来的,土壤密度越高,说明路基压实的质量越好,反之则越差;现有方法中,可以通过采集路面上方无人机内部署的超声波传感器向路面发送的超声波信号经过路面下方的土壤对超声波吸收后所反射的回波信号,通过对接收到的回波信号进行分析,从而对路面压实的质量进行评估。
路基压实质量检测只在特定位置或区域进行回波信号数据采集和分析,未能与其他位置路段的回波信号数据进行对比分析,从而忽略了环境因素对于回波信号数据的影响,导致路基压实质量检测存在偏差,使得检测结果不准确。
发明内容
为了解决上述问题,本发明提供一种路基压实质量智能评估方法,所述方法包括:
获取若干个路面回波信号;每个路面回波信号对应一个地理位置数据,每个路面回波信号包含若干个信号数据点,每个信号数据点对应一个幅值;
根据每个路面回波信号的所有信号数据点中最大幅值与最小幅值之间差值,获取每个路面回波信号的能量强度;根据每个路面回波信号中每个信号数据点的幅值与所有信号数据点的幅值均值之间差异,获取每个路面回波信号的波动程度;
将任意一个路面回波信号记为目标路面回波信号;根据每个路面回波信号与目标路面回波信号之间能量强度差异和波动程度差异,获取每个路面回波信号与目标路面回波信号的差异程度;根据每个路面回波信号与目标路面回波信号之间地理位置数据差异,获取每个路面回波信号对目标路面回波信号的参考权重;根据每个路面回波信号对每个目标路面回波信号的参考权重和每个路面回波信号与每个目标路面回波信号的差异程度,获取每个目标路面回波信号的异常因子;根据异常因子对路基压实质量进行评估。
优选的,所述根据每个路面回波信号的所有信号数据点中最大幅值与最小幅值之间差值,获取每个路面回波信号的能量强度,包括的具体方法为:
根据每个路面回波信号的所有信号数据点中最大幅值和最小幅值,获取每个路面回波信号的幅值变化程度;获取每个路面回波信号的能量强度的计算方法为:
式中,表示任意一个路面回波信号的能量强度;/>表示路面回波信号的幅值变化程度;/>表示路面回波信号中所有信号数据点的数量;/>表示路面回波信号中第/>个信号数据点的幅值。
优选的,所述根据每个路面回波信号的所有信号数据点中最大幅值和最小幅值,获取每个路面回波信号的幅值变化程度,包括的具体方法为:
将路面回波信号中所有信号数据点的最大幅值与路面回波信号中所有信号数据点的最小幅值的差值,作为路面回波信号的幅值变化程度。
优选的,所述根据每个路面回波信号中每个信号数据点的幅值与所有信号数据点的幅值均值之间差异,获取每个路面回波信号的波动程度,包括的具体方法为:
对于任意一个路面回波信号,通过差分法获取所述路面回波信号的所有极大值点;
式中,表示任意一个路面回波信号的波动程度;/>表示路面回波信号中所有信号数据点的数量;/>表示路面回波信号中第/>个信号数据点的幅值;/>表示路面回波信号中所有信号数据点的幅值的平均值;/>表示路面回波信号的所有相邻极大值点之间欧式距离的平均值;/>表示取绝对值。
优选的,所述根据每个路面回波信号与目标路面回波信号之间能量强度差异和波动程度差异,获取每个路面回波信号与目标路面回波信号的差异程度,包括的具体方法为:
对于任意一个路面回波信号,获取所述路面回波信号与目标路面回波信号的相似性;将目标路面回波信号的能量强度与所述路面回波信号的能量强度的差值的绝对值,记为第一差值;将目标路面回波信号的波动程度与所述路面回波信号的波动程度的差值的绝对值,记为第二差值;将第一差值与第二差值的乘积,记为第一乘积,将所述路面回波信号与目标路面回波信号的相似性和第一乘积的乘积,作为所述路面回波信号与目标路面回波信号的差异程度。
优选的,所述获取所述路面回波信号与目标路面回波信号的相似性,包括的具体方法为:
利用DTW匹配算法获取所述路面回波信号与目标路面回波信号之间DTW距离,并将DTW距离作为所述路面回波信号与目标路面回波信号的相似性。
优选的,所述根据每个路面回波信号与目标路面回波信号之间地理位置数据差异,获取每个路面回波信号对目标路面回波信号的参考权重的具体公式为:
式中,表示任意一个路面回波信号对目标路面回波信号的参考权重;/>表示路面回波信号与目标路面回波信号之间地理位置数据的差值的绝对值;/>表示所有路面回波信号的总数量;/>表示第/>个路面回波信号与目标路面回波信号之间地理位置数据的差值的绝对值; />表示以自然常数为底数的指数函数。
优选的,所述根据每个路面回波信号对每个目标路面回波信号的参考权重和每个路面回波信号与每个目标路面回波信号的差异程度,获取每个目标路面回波信号的异常因子,包括的具体方法为:
根据每个路面回波信号对每个目标路面回波信号的参考权重以及差异程度之间关联情况,获取每个目标路面回波信号的异常程度;
获取所有目标路面回波信号的异常程度,将所有异常程度进行线性归一化后的每个异常程度记为异常因子。
优选的,所述根据每个路面回波信号对每个目标路面回波信号的参考权重以及差异程度之间关联情况,获取每个目标路面回波信号的异常程度的具体公式为:
式中,表示任意一个目标路面回波信号的异常程度;/>表示第/>个路面回波信号对目标路面回波信号的参考权重;/>表示第/>个路面回波信号与目标路面回波信号的差异程度;/>表示所有路面回波信号的总数量。
优选的,所述根据异常因子对路基压实质量进行评估,包括的具体方法为:
预设一个异常参数,对于任意一个目标路面回波信号,若所述目标路面回波信号的异常因子大于异常参数/>,所述目标路面回波信号对应位置处的路基压实存在质量问题。
本发明的技术方案的有益效果是:本发明根据每个路面回波信号对每个目标路面回波信号的参考权重和每个路面回波信号与每个目标路面回波信号的差异程度,获取每个目标路面回波信号的异常因子;根据异常因子对路基压实质量进行评估,通过对每个目标路面回波信号与所有其他路面回波信号之间能量强度和波动程度进行对比,获取每个目标路面回波信号的异常程度,以此可以更加直观地得到每个目标路面回波信号对应位置处的路基压实的质量状态,进而提高了路基压实质量评估的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述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仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种路基压实质量智能评估方法的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种路基压实质量智能评估方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种路基压实质量智能评估方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种路基压实质量智能评估方法的步骤流程图,该方法包括以下步骤:
步骤S001:获取若干个路面回波信号。
需要说明的是,路基在压实过程中,可能存在质量问题,压实质量较差的路基则可能对路面的使用寿命和道路的强度存在重大影响,即导致路面下陷、坍塌等问题,而现有的路基压实质量检测可能存在一定的局限性,对路基压实的质量评估不准确,因此需要对路基压实质量进行更加准确的评估。
具体的,首先需要采集若干个路面回波信号,具体过程为:
通过路面上方的无人机内布设的超声波发射器对路面进行发射超声波信号,然后通过无人机内部所布设的超声波接收器采集路面对发射器发射的超声波信号经过路面下的土壤吸收并进行反射的回波信号,通过无人机接收到路面不同位置的回波信号,得到若干个路面回波信号。
其中,每个路面回波信号对应一个地理位置数据,每个路面回波信号包含若干个信号数据点,每个信号数据点对应一个幅值,将这些路面回波信号和对应的地理位置数据通过无线传输技术传输到电脑的分析系统中,进行后续的分析。
至此,通过上述方法得到若干个路面回波信号。
步骤S002:获取每个路面回波信号的能量强度和波动程度。
需要说明的是,在对路基进行压实质量检测过程中,不同的路面回波信号是不同道路位置路基压实质量的体现,而采集到的路面回波信号在地里位置上相近,且路基压实后路面下的土壤密度比较均匀时,那么这些位置所产生的路面回波信号的能量和变化特征则是相近的;同时,相同地理位置的路面回波信号所受外界因素相同,例如路基下土壤的湿度则是比较相近的,那么当这些相近的路面回波信号在进行相互比较时,参考性则是比较大的,当某一条路面回波信号与其他信号的差异都比较明显时,那么该路面回波信号对应的位置处路基压实质量可能存在异常;为了对路基压实质量进行准确的评估,首先通过对采集到的路面回波信号的能量强度和变化特征进行分析,然后通过计算出任意两个路面回波信号的差异程度以及其余路面回波信号对于所分析的路面回波信号的参考权重,从而进一步分析得到每条路面回波信号的异常程度指标。
进一步需要说明的是,因为路面回波信号主要是发射的超声波信号穿透过路面下的土壤、岩石等,这些土壤、岩石等对超声波信号进行一定程度的吸收后返回给接收器的信号,而路基下不同密度的土壤等则是对超声波信号的吸收和反射情况则可能是不同的,其主要表现在路面回波信号的能量强度以及变化的规律特征上;因此,通过对任意两个路面回波信号的能量强度以及变化程度等进行综合分析,从而得到这两个信号之间差异性,从而方便对路基压实质量进行更加准确的评估。
具体的,对于任意一个路面回波信号,通过差分法获取所述路面回波信号的所有极大值点;根据每个路面回波信号的所有信号数据点中最大幅值与最小幅值之间差值,获取每个路面回波信号的能量强度;根据每个路面回波信号中每个信号数据点的幅值与所有信号数据点的幅值均值之间差异,获取每个路面回波信号的波动程度。
其中,差分法为公知内容,本实施例此处不作过多赘述。
作为一种示例,获取每个路面回波信号的能量强度的计算方法为:
式中,表示任意一个路面回波信号的能量强度;/>表示路面回波信号中所有信号数据点的幅值最大值;/>表示路面回波信号中所有信号数据点的幅值最小值;/>表示路面回波信号中所有信号数据点的数量;/>表示路面回波信号中第/>个信号数据点的幅值。
需要说明的是,表示路面回波信号的幅值变化程度,该值越大,则说明路面回波信号的幅值变化幅度范围越大,则其能量强度也越大。
作为一种示例,获取每个路面回波信号的波动程度的计算方法为:
式中,表示任意一个路面回波信号的波动程度;/>表示路面回波信号中所有信号数据点的数量;/>表示路面回波信号中第/>个信号数据点的幅值;/>表示路面回波信号中所有信号数据点的幅值的平均值;/>表示路面回波信号的所有相邻极大值点之间欧式距离的平均值;/>表示取绝对值。
至此,通过上述方法得到每个路面回波信号的能量强度和波动程度。
步骤S003:根据每个路面回波信号对每个目标路面回波信号的参考权重和每个路面回波信号与每个目标路面回波信号的差异程度,获取每个目标路面回波信号的异常程度,以此对每个目标路面回波信号对应位置处的路基压实进行质量评估。
具体的,将任意一个路面回波信号记为目标路面回波信号;对于任意一个路面回波信号,将所述路面回波信号与目标路面回波信号之间DTW距离,作为所述路面回波信号与目标路面回波信号的相似性;根据每个路面回波信号与目标路面回波信号之间能量强度差异和波动程度差异,获取每个路面回波信号与目标路面回波信号的差异程度。
其中,DTW距离的获取属于DTW(Dynamic Time Wraping)匹配算法的公知内容,本实施例此处不作过多赘述。
作为一种示例,获取每个路面回波信号与目标路面回波信号的差异程度的计算方法为:
式中,表示任意一个路面回波信号与目标路面回波信号的差异程度;/>表示目标路面回波信号的能量强度;/>表示目标路面回波信号的波动程度;/>表示路面回波信号的能量强度;/>表示路面回波信号的波动程度;/>表示路面回波信号与目标路面回波信号的相似性;/>表示取绝对值。
至此,获取每个路面回波信号与目标路面回波信号的差异程度。
需要说明的是,地理位置相近的路面回波信号之间在进行对比时,其参考程度越大,因为地理位置较近时,路基下面的土壤湿度等因素差异是比较小的,那么在通过路面回波信号进行对路基压实的质量进行估计时,参考程度也越大;因此,当对目标路面回波信号进行分析时,还需要确定其他路面回波信号对其的参考权重。
具体的,根据每个路面回波信号与目标路面回波信号之间地理位置数据差异和,获取每个路面回波信号对目标路面回波信号的参考权重。
作为一种示例,获取每个路面回波信号对目标路面回波信号的参考权重的计算方法为:
式中,表示任意一个路面回波信号对目标路面回波信号的参考权重;/>表示路面回波信号与目标路面回波信号之间地理位置数据的差值的绝对值;/>表示所有路面回波信号的总数量;/>表示第/>个路面回波信号与目标路面回波信号之间地理位置数据的差值的绝对值; />表示以自然常数为底数的指数函数,实施例采用/>模型来呈现反比例关系,/>为模型的输入,实施者可根据实际情况选择反比例函数。
至此,获取每个路面回波信号对目标路面回波信号的参考权重。
需要说明的是,通过对采集到的路面回波信号进行分析,得到每条路面回波信号的能量强度和波动程度,然后通过路面回波信号的能量强度和波动程度进行分析,可以得到目标路面回波信号与任意一个路面回波信号的差异程度,同时获得其余路面回波信号对目标路面回波信号的参考权重,再通过每个目标路面回波信号和其余路面回波信号的差异程度和参考权重关系得到每个目标路面回波信号的最终异常程度。
具体的,根据每个路面回波信号对每个目标路面回波信号的参考权重和每个路面回波信号与每个目标路面回波信号的差异程度,获取每个目标路面回波信号的异常程度。
作为一种示例,获取每个目标路面回波信号的异常程度的计算方法为:
式中,表示任意一个目标路面回波信号的异常程度;/>表示第/>个路面回波信号对目标路面回波信号的参考权重;/>表示第/>个路面回波信号与目标路面回波信号的差异程度;/>表示所有路面回波信号的总数量。
进一步的,获取所有目标路面回波信号的异常程度,将所有异常程度进行线性归一化后的每个异常程度记为异常因子。
至此,通过上述方法得到每个目标路面回波信号的异常因子。
需要说明的是,目标路面回波信号的异常程度越小,则说明该路面回波信号所对应的路基压实质量越高,反之则越差,通过异常因子的指标可以清楚的知道不同采集位置处路基压实质量情况。
预设一个异常参数,其中本实施例以/>为例进行叙述,本实施例不进行具体限定,其中/>根据具体实施情况而定。
具体的,对于任意一个目标路面回波信号,若所述目标路面回波信号的异常因子大于异常参数时,所述目标路面回波信号对应位置处的路基压实存在质量问题。
至此,本实施例完成。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的原则之内,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 (3)

1.一种路基压实质量智能评估方法,其特征在于,该方法包括以下步骤:
获取若干个路面回波信号;每个路面回波信号对应一个地理位置数据,每个路面回波信号包含若干个信号数据点,每个信号数据点对应一个幅值;
根据每个路面回波信号的所有信号数据点中最大幅值与最小幅值之间差值,获取每个路面回波信号的能量强度;根据每个路面回波信号中每个信号数据点的幅值与所有信号数据点的幅值均值之间差异,获取每个路面回波信号的波动程度;
将任意一个路面回波信号记为目标路面回波信号;根据每个路面回波信号与目标路面回波信号之间能量强度差异和波动程度差异,获取每个路面回波信号与目标路面回波信号的差异程度;根据每个路面回波信号与目标路面回波信号之间地理位置数据差异,获取每个路面回波信号对目标路面回波信号的参考权重;根据每个路面回波信号对每个目标路面回波信号的参考权重和每个路面回波信号与每个目标路面回波信号的差异程度,获取每个目标路面回波信号的异常因子;根据异常因子对路基压实质量进行评估;
所述根据每个路面回波信号的所有信号数据点中最大幅值与最小幅值之间差值,获取每个路面回波信号的能量强度,包括的具体方法为:
根据每个路面回波信号的所有信号数据点中最大幅值和最小幅值,获取每个路面回波信号的幅值变化程度;获取每个路面回波信号的能量强度的计算方法为:
式中,表示任意一个路面回波信号的能量强度;/>表示路面回波信号的幅值变化程度;/>表示路面回波信号中所有信号数据点的数量;/>表示路面回波信号中第/>个信号数据点的幅值;
所述根据每个路面回波信号中每个信号数据点的幅值与所有信号数据点的幅值均值之间差异,获取每个路面回波信号的波动程度,包括的具体方法为:
对于任意一个路面回波信号,通过差分法获取所述路面回波信号的所有极大值点;
式中,表示任意一个路面回波信号的波动程度;/>表示路面回波信号中所有信号数据点的数量;/>表示路面回波信号中第/>个信号数据点的幅值;/>表示路面回波信号中所有信号数据点的幅值的平均值;/>表示路面回波信号的所有相邻极大值点之间欧式距离的平均值;/>表示取绝对值;
所述根据每个路面回波信号与目标路面回波信号之间能量强度差异和波动程度差异,获取每个路面回波信号与目标路面回波信号的差异程度,包括的具体方法为:
对于任意一个路面回波信号,获取所述路面回波信号与目标路面回波信号的相似性;将目标路面回波信号的能量强度与所述路面回波信号的能量强度的差值的绝对值,记为第一差值;将目标路面回波信号的波动程度与所述路面回波信号的波动程度的差值的绝对值,记为第二差值;将第一差值与第二差值的乘积,记为第一乘积,将所述路面回波信号与目标路面回波信号的相似性和第一乘积的乘积,作为所述路面回波信号与目标路面回波信号的差异程度;
所述根据每个路面回波信号与目标路面回波信号之间地理位置数据差异,获取每个路面回波信号对目标路面回波信号的参考权重的具体公式为:
式中,表示任意一个路面回波信号对目标路面回波信号的参考权重;/>表示路面回波信号与目标路面回波信号之间地理位置数据的差值的绝对值;/>表示所有路面回波信号的总数量;/>表示第/>个路面回波信号与目标路面回波信号之间地理位置数据的差值的绝对值; />表示以自然常数为底数的指数函数;
所述根据每个路面回波信号对每个目标路面回波信号的参考权重和每个路面回波信号与每个目标路面回波信号的差异程度,获取每个目标路面回波信号的异常因子,包括的具体方法为:
根据每个路面回波信号对每个目标路面回波信号的参考权重以及差异程度之间关联情况,获取每个目标路面回波信号的异常程度;
获取所有目标路面回波信号的异常程度,将所有异常程度进行线性归一化后的每个异常程度记为异常因子;
所述根据每个路面回波信号对每个目标路面回波信号的参考权重以及差异程度之间关联情况,获取每个目标路面回波信号的异常程度的具体公式为:
式中,表示任意一个目标路面回波信号的异常程度;/>表示第/>个路面回波信号对目标路面回波信号的参考权重;/>表示第/>个路面回波信号与目标路面回波信号的差异程度;/>表示所有路面回波信号的总数量;
所述根据异常因子对路基压实质量进行评估,包括的具体方法为:
预设一个异常参数,对于任意一个目标路面回波信号,若所述目标路面回波信号的异常因子大于异常参数/>,所述目标路面回波信号对应位置处的路基压实存在质量问题。
2.根据权利要求1所述一种路基压实质量智能评估方法,其特征在于,所述根据每个路面回波信号的所有信号数据点中最大幅值和最小幅值,获取每个路面回波信号的幅值变化程度,包括的具体方法为:
将路面回波信号中所有信号数据点的最大幅值与路面回波信号中所有信号数据点的最小幅值的差值,作为路面回波信号的幅值变化程度。
3.根据权利要求1所述一种路基压实质量智能评估方法,其特征在于,所述获取所述路面回波信号与目标路面回波信号的相似性,包括的具体方法为:
利用DTW匹配算法获取所述路面回波信号与目标路面回波信号之间DTW距离,并将DTW距离作为所述路面回波信号与目标路面回波信号的相似性。
CN202410190096.6A 2024-02-21 2024-02-21 一种路基压实质量智能评估方法 Active CN117745150B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410190096.6A CN117745150B (zh) 2024-02-21 2024-02-21 一种路基压实质量智能评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410190096.6A CN117745150B (zh) 2024-02-21 2024-02-21 一种路基压实质量智能评估方法

Publications (2)

Publication Number Publication Date
CN117745150A CN117745150A (zh) 2024-03-22
CN117745150B true CN117745150B (zh) 2024-05-03

Family

ID=90261333

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410190096.6A Active CN117745150B (zh) 2024-02-21 2024-02-21 一种路基压实质量智能评估方法

Country Status (1)

Country Link
CN (1) CN117745150B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017089552A1 (de) * 2015-11-27 2017-06-01 Ice Gateway Gmbh Verfahren und vorrichtung zum normieren von ultraschallechosignaldaten
DE102018203924A1 (de) * 2018-03-15 2019-09-19 Robert Bosch Gmbh Verfahren und Vorrichtung zur Erkennung einer Fahrbahnoberflächenbeschaffenheit
CN114693024A (zh) * 2020-12-29 2022-07-01 中国铁道科学研究院集团有限公司铁道建筑研究所 高速铁路路基连续压实评价方法及装置
CN114775382A (zh) * 2022-06-21 2022-07-22 源利腾达(西安)科技有限公司 基于超声波的公路交通工程路面质量检测方法
CN116818914A (zh) * 2023-08-30 2023-09-29 东光县津东玻璃工艺制品有限公司 一种玻璃及其加工制品无损检测方法
CN117191305A (zh) * 2023-11-06 2023-12-08 临沂市公路事业发展中心兰陵县中心 一种公路桥梁的状态评估方法及系统
CN117349683A (zh) * 2023-12-04 2024-01-05 广东台塑智能科技有限公司 基于光谱数据的汽车配件涂装色差异常检测系统
CN117390380A (zh) * 2023-12-12 2024-01-12 泰安金冠宏食品科技有限公司 一种油渣分离系统中的数据分析方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102288311B1 (ko) * 2019-10-21 2021-08-10 한국도로공사 전자기파를 이용한 도로포장의 포트홀 징후 탐지 시스템, 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017089552A1 (de) * 2015-11-27 2017-06-01 Ice Gateway Gmbh Verfahren und vorrichtung zum normieren von ultraschallechosignaldaten
DE102018203924A1 (de) * 2018-03-15 2019-09-19 Robert Bosch Gmbh Verfahren und Vorrichtung zur Erkennung einer Fahrbahnoberflächenbeschaffenheit
CN114693024A (zh) * 2020-12-29 2022-07-01 中国铁道科学研究院集团有限公司铁道建筑研究所 高速铁路路基连续压实评价方法及装置
CN114775382A (zh) * 2022-06-21 2022-07-22 源利腾达(西安)科技有限公司 基于超声波的公路交通工程路面质量检测方法
CN116818914A (zh) * 2023-08-30 2023-09-29 东光县津东玻璃工艺制品有限公司 一种玻璃及其加工制品无损检测方法
CN117191305A (zh) * 2023-11-06 2023-12-08 临沂市公路事业发展中心兰陵县中心 一种公路桥梁的状态评估方法及系统
CN117349683A (zh) * 2023-12-04 2024-01-05 广东台塑智能科技有限公司 基于光谱数据的汽车配件涂装色差异常检测系统
CN117390380A (zh) * 2023-12-12 2024-01-12 泰安金冠宏食品科技有限公司 一种油渣分离系统中的数据分析方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于动态时间归整距的地震动特性分析及合成精度评价;何浩祥;解鑫;王文涛;;振动与冲击;20180628(第12期);全文 *
路面雷达在路基压实质量控制中的应用;姚伯荣;;市政技术;20120910(第05期);全文 *

Also Published As

Publication number Publication date
CN117745150A (zh) 2024-03-22

Similar Documents

Publication Publication Date Title
CN111476088B (zh) 沥青路面水损害识别模型构建方法、识别方法及系统
CN104062654B (zh) 一种基于超宽带雷达的土壤含水量测量方法
CN113009447B (zh) 基于深度学习和探地雷达的道路地下空洞检测预警方法
CN101915771A (zh) 基于低频探地雷达地波法的测定砂质土壤含水量的方法
CN113177611A (zh) 基于力学指标和人工神经网络的路面病害快速巡检方法
CN114675261B (zh) 一种基于探地雷达的城市地下病害体全生命周期管理方法
CN113866102B (zh) 一种基于光谱的土壤健康调查监测方法
CN114775382B (zh) 基于超声波的公路交通工程路面质量检测方法
CN112818924A (zh) 一种基于关联规则分析的道路深层病害预警方法
CN100487493C (zh) 一种大地电磁阻抗测量方法
CN113158796A (zh) 一种基于光纤光栅传感的复合材料板冲击载荷定位方法
CN112666554A (zh) 一种沥青路面雷达振幅特征裂缝宽度识别方法
US20050078028A1 (en) System and methods for obtaining ground conductivity information using GPR data
CN116931101A (zh) 地下浅层病害体探测方法、装置、电子设备及存储介质
CN117745150B (zh) 一种路基压实质量智能评估方法
CN116266215A (zh) 一种路面隐性病害区域的几何特征提取方法
CN109029881B (zh) 一种基于轨道刚度和探地雷达检测的道床状态评估方法
CN113468804B (zh) 一种基于矩阵束和深度神经网络的地下管道识别方法
CN116990870A (zh) 一种用于地下管线探测的发射接收系统
CN203824539U (zh) 用于冰盖或冰架厚度变化测量的装置
CN113255820B (zh) 落石检测模型训练方法、落石检测方法及相关装置
CN105220694A (zh) 一种工程抛石量估算方法
CN110161495B (zh) 一种土壤有效土层厚度确定方法及系统
CN114594162A (zh) 高密度聚乙烯管道热熔对接接头缺陷检测系统及方法
Jarvis et al. Empirical realised niche models for British coastal plant species

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