CN117871293A - 基于自纠正的高应变力检测方法及检测装置 - Google Patents
基于自纠正的高应变力检测方法及检测装置 Download PDFInfo
- Publication number
- CN117871293A CN117871293A CN202410271504.0A CN202410271504A CN117871293A CN 117871293 A CN117871293 A CN 117871293A CN 202410271504 A CN202410271504 A CN 202410271504A CN 117871293 A CN117871293 A CN 117871293A
- Authority
- CN
- China
- Prior art keywords
- stress wave
- wave curve
- deviation
- hammering
- parameter
- 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 116
- 238000012937 correction Methods 0.000 title claims description 13
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000004458 analytical method Methods 0.000 claims description 53
- 238000012549 training Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 abstract description 5
- 238000009434 installation Methods 0.000 description 12
- 238000011068 loading method Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013211 curve analysis Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000011076 safety test Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000009781 safety test method Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/30—Investigating strength properties of solid materials by application of mechanical stress by applying a single impulsive force, e.g. by falling weight
- G01N3/303—Investigating strength properties of solid materials by application of mechanical stress by applying a single impulsive force, e.g. by falling weight generated only by free-falling weight
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/02—Details
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
本发明涉及工程建设检测技术领域,具体涉及建筑工程检测、隧道工程检测和交通工程检测领域,公开一种基于自纠正的工程高应变力检测方法及检测装置,包括:获取当前高应变力检测参数;获取与当前高应变力检测参数对应的第一锤击应力波曲线,第一锤击应力波曲线基于高应变力锤击装置的第一锤击操作生成;对第一锤击应力波曲线进行分析,确定实际配置参数与当前高应变力检测参数的参数偏差值;获取第二锤击应力波曲线,第二锤击应力波曲线基于自纠正后装置的第二锤击操作生成;基于第二锤击应力波曲线生成高应变力检测结果。在进行高应变力检测的过程中,根据检测环境或检测配置进行自纠正操作,保证后续检测的准确性,提高了检测精确性和可靠性。
Description
技术领域
本发明涉及工程建设检测技术领域,具体地涉及一种基于自纠正的高应变力检测方法及一种基于自纠正的高应变力检测装置。
背景技术
随着工程技术的不断发展,建筑物的可靠性和高度也在不断提高,与之对应的,人们对桩基、桥梁、道路、隧道等建筑物的安全性要求也越来越高。在目前的建筑物基础安全试验方法中,主要采用堆载法、锚桩法以及堆载锚桩联合法等方法进行安全试验,其中堆载法因其与基桩的实际使用状况较为接近,因此应用较为广泛。
在应用过程中,堆载法需要将大量、较重的堆载块放置于基桩上,并进行相关试验,因此在进行试验之前,需要将上述堆载块运输至现场,而上述堆载块的运输成本非常高,一般达到几十万的成本,因此大大提高了业主和建筑企业的成本,导致业主和企业对该安全试验存在困惑排斥,无法满足实际需求。
为了解决上述技术问题,技术人员提出高应变力检测的方法对基桩进行低成本、高精度的检测。然而在实际实施过程中,高应变力检测需要精确布设大量传感器,而传感器的布设平整度对检测结果影响较大,且布设偏差不易察觉;另一方面,重锤需要完全垂直砸下来,否则其作用力会发生变化,虽然技术人员采用了多种设计保证重锤的垂直度,但锤架在多次安装和使用过程中,必然存在安装偏差和磨损,导致重锤的垂直度越来越差,最终对检测结果造成越来越大的影响。进一步的,上述检测偏差会导致技术人员需要进行多次高应变力检测操作,才能得到较为精确的检测结果,由此对基桩造成了潜在的伤害,同时降低了检测效率。
发明内容
为了克服现有技术中存在的上述技术问题,本发明实施例提供一种基于自纠正的高应变力检测方法及检测装置,通过在进行高应变力检测的过程中,首先根据检测环境或检测配置进行自纠正操作,从而保证后续检测的准确性,提高了检测精确性和可靠性。
为了实现上述目的,本发明实施例提供一种基于自纠正的高应变力检测方法,所述方法包括:获取当前高应变力检测参数;获取与当前高应变力检测参数对应的第一锤击应力波曲线,所述第一锤击应力波曲线基于高应变力锤击装置执行的第一锤击操作生成,所述高应变力锤击装置按照当前高应变力检测参数配置;对所述第一锤击应力波曲线进行分析,确定实际配置参数与当前高应变力检测参数的参数偏差值;获取第二锤击应力波曲线,所述第二锤击应力波曲线基于自纠正后装置的第二锤击操作生成,所述自纠正后装置由所述高应变力锤击装置基于所述参数偏差值自纠正配置生成;基于所述第二锤击应力波曲线生成高应变力检测结果。
优选地,所述对所述第一锤击应力波曲线进行分析,确定实际配置参数与当前高应变力检测参数的参数偏差值,包括:获取预设偏差参数;获取与当前高应变力检测参数对应的第一理论应力波曲线,以及获取与所述预设偏差参数对应的第一理论偏差应力波曲线;基于所述第一理论应力波曲线和所述第一理论偏差应力波曲线对所述第一锤击应力波曲线进行偏差分析,确定对应的参数偏差值。
优选地,所述基于所述第一理论应力波曲线和所述第一理论偏差应力波曲线对所述第一锤击应力波曲线进行偏差分析,确定对应的参数偏差值,包括:判断所述第一理论应力波曲线与所述第一锤击应力波曲线的偏差是否大于预设偏差值;若是,从所述第一理论偏差应力波曲线中获取与所述第一锤击应力波曲线最匹配的最匹配曲线;将与所述最匹配曲线对应的偏差值确定为参数偏差值。
优选地,所述对所述第一锤击应力波曲线进行分析,确定实际配置参数与当前高应变力检测参数的参数偏差值,包括:获取预设偏差学习模型,所述预设偏差学习模型基于所述第一理论应力波曲线和所述第一理论偏差应力波曲线训练生成;基于所述预设偏差学习模型对所述第一锤击应力波曲线进行偏差分析,生成对应的参数偏差值。
优选地,所述第一锤击应力波曲线基于第一锤击高度锤击生成,所述方法还包括:在确定所述参数偏差值之前,获取第三锤击应力波曲线,所述第三锤击应力波曲线由所述高应变力锤击装置基于第二锤击高度执行第三锤击操作生成;基于所述第一锤击应力波曲线和所述第三锤击应力波曲线执行地质分析操作,生成地质数据偏差;基于所述地质数据偏差和所述第一锤击应力波曲线确定参数偏差值。
优选地,所述基于所述地质数据偏差和所述第一锤击应力波曲线确定参数偏差值,包括:基于所述地质数据偏差获取与所述第一锤击应力波曲线对应的第二理论应力波曲线,以及获取与预设偏差参数对应的第二理论偏差应力波曲线;基于所述第二理论应力波曲线和所述第二理论偏差应力波曲线对所述第一锤击应力波曲线进行偏差分析,确定对应的参数偏差值。
相应的,本发明还提供一种基于自纠正的高应变力检测装置,所述装置包括:参数获取单元,用于获取当前高应变力检测参数;第一曲线获取单元,用于获取与当前高应变力检测参数对应的第一锤击应力波曲线,所述第一锤击应力波曲线基于高应变力锤击装置执行的第一锤击操作生成,所述高应变力锤击装置按照当前高应变力检测参数配置;偏差分析单元,用于对所述第一锤击应力波曲线进行分析,确定实际配置参数与当前高应变力检测参数的参数偏差值;第二曲线获取单元,用于获取第二锤击应力波曲线,所述第二锤击应力波曲线基于自纠正后装置的第二锤击操作生成,所述自纠正后装置由所述高应变力锤击装置基于所述参数偏差值自纠正配置生成;检测单元,用于基于所述第二锤击应力波曲线生成高应变力检测结果。
优选地,所述偏差分析单元包括:参数获取模块,用于获取预设偏差参数;理论曲线获取模块,用于获取与当前高应变力检测参数对应的第一理论应力波曲线,以及获取与所述预设偏差参数对应的第一理论偏差应力波曲线;偏差分析模块,用于基于所述第一理论应力波曲线和所述第一理论偏差应力波曲线对所述第一锤击应力波曲线进行偏差分析,确定对应的参数偏差值。
优选地,所述偏差分析模块用于:判断所述第一理论应力波曲线与所述第一锤击应力波曲线的偏差是否大于预设偏差值;若是,从所述第一理论偏差应力波曲线中获取与所述第一锤击应力波曲线最匹配的最匹配曲线;将与所述最匹配曲线对应的偏差值确定为参数偏差值。
优选地,所述偏差分析单元包括:模型获取模块,用于获取预设偏差学习模型,所述预设偏差学习模型基于所述第一理论应力波曲线和所述第一理论偏差应力波曲线训练生成;偏差分析模块,用于基于所述预设偏差学习模型对所述第一锤击应力波曲线进行偏差分析,生成对应的参数偏差值。
通过本发明提供的技术方案,本发明至少具有如下技术效果:
一方面,通过对高应变力检测过程中的配置参数进行自动分析,以确定由于主观或客观因素造成的高应变力检测装置的配置偏差,并指导进行自纠正操作,有效避免了高应变力检测装置的配置偏差带来的检测数据偏差,大大提高了高应变力检测的可靠性和准确性,杜绝了数据造假的情况;
另一方面,通过对地质数据进行偏差分析和准确性确认,能够进一步保障进行分析的地质数据的准确性,实现了精确的理论计算和分析,保证了对应力波曲线的分析精确性。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施例,但并不构成对本发明实施例的限制。在附图中:
图1是本发明实施例提供的基于自纠正的高应变力检测方法的具体实现流程图;
图2是本发明实施例提供的确定参数偏差值的具体实现流程图;
图3是本发明实施例提供的纠正地质参数的具体实现流程图;
图4是本发明实施例提供的基于自纠正的高应变力检测装置的结构示意图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明实施例,并不用于限制本发明实施例。
本发明实施例中的术语“系统”和“网络”可被互换使用。“多个”是指两个或两个以上,鉴于此,本发明实施例中也可以将“多个”理解为“至少两个”。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。另外,需要理解的是,在本发明实施例的描述中,“第一”、“第二”等词汇,仅用于区分描述的目的,而不能理解为指示或暗示相对重要性,也不能理解为指示或暗示顺序。
请参见图1,本发明实施例提供一种基于自纠正的高应变力检测方法,所述方法包括:
S10)获取当前高应变力检测参数;
S20)获取与当前高应变力检测参数对应的第一锤击应力波曲线,所述第一锤击应力波曲线基于高应变力锤击装置执行的第一锤击操作生成,所述高应变力锤击装置按照当前高应变力检测参数配置;
S30)对所述第一锤击应力波曲线进行分析,确定当前高应变力检测参数的参数偏差值;
S40)获取第二锤击应力波曲线,所述第二锤击应力波曲线基于自纠正后装置的第二锤击操作生成,所述自纠正后装置由所述高应变力锤击装置基于所述参数偏差值自纠正配置生成;
S50)基于所述第二锤击应力波曲线生成高应变力检测结果。
在一种可能的实施方式中,某建筑场地需要进行基桩的高应变力检测,当然,本领域技术人员还可以将本发明应用至其他场景,例如隧道工程检测场景、交通工程检测场景等工程场景,在此不做过多赘述。技术人员在对该建筑场地的地质条件进行测量后,根据理论依据确定针对该建筑场地的当前高应变力检测参数,并根据当前高应变力监测参数配置对应的高应变力锤击装置,具体的,该高应变力锤击装置可以为本领域常规的吊锤式高应变力检测装置,当前高应变力检测参数包括但不限于桩基参数、重锤参数、传感器参数等相关参数以及计算算法选择等参数。本发明所述的方法可以运行于计算终端设备,计算终端设备包括但不限于个人电脑、平板电脑、服务器、云处理器、上位机、手机、智能手环等具有计算能力的终端设备。
在对高应变力锤击装置进行配置的过程中,配置过程包括但不限于按照当前高应变力检测参数将传感器安装于基桩的对应位置、将重锤吊装至对应高度、对重锤与基桩进行对中操作以及对高应变力锤击装置的底座进行找平操作等。在配置好高应变力锤击装置后,首先将当前高应变力检测参数输入上述计算终端设备,然后执行第一锤击操作,并通过传感器等装置获取对应的第一锤击应力波曲线,然而实际应用过程中,由于主观或客观的因素,技术人员虽然按照当前高应变力检测参数配置的高应变力锤击装置,但实际高应变力锤击装置很可能存在安装偏差,例如传感器的安装高度存在偏差、安装角度存在偏差等,都会对后续的数据采集造成较大的精度影响,因此此时进一步对第一锤击应力波曲线进行分析,以确定实际配置参数与当前高应变力检测参数的参数偏差值。
请参见图2,在本发明实施例中,所述对所述第一锤击应力波曲线进行分析,确定实际配置参数与当前高应变力检测参数的参数偏差值,包括:
S31)获取预设偏差参数;
S32)获取与当前高应变力检测参数对应的第一理论应力波曲线,以及获取与所述预设偏差参数对应的第一理论偏差应力波曲线;
S33)基于所述第一理论应力波曲线和所述第一理论偏差应力波曲线对所述第一锤击应力波曲线进行偏差分析,确定对应的参数偏差值。
在一种可能的实施方式中,计算终端设备首先获取预设偏差参数,在本实施例中,为了在后续分析中能够尽可能精确的确定高应变力检测装置的安装偏差,将对应力波曲线获取精确性相关的参数均进行偏差设置并绘制对应的理论曲线。上述预设偏差参数包括但不限于:应变传感器的安装参数(包括但不限于安装高度、安装水平位置、安装角度)、重锤参数(包括但不限于重锤重量、重锤高度、重锤横向位置、重锤纵向位置)、重锤滑轨参数(滑轨横向偏角、滑轨纵向偏角、滑轨摩擦系数)、基桩参数(基桩横向位置、基桩纵向位置、基桩高度、基桩顶部平整度)等参数。
在一种实施例中,上述预设偏差参数包括20种参数,每种参数分别设置±1%、±3%、±5%、±10%等偏差范围,当然,技术人员可以根据实际需要选取合适的偏差值,然后进行偏差组合,并由计算终端设备生成与每种偏差组合对应的第一理论偏差应力波曲线,为了减少计算终端设备的计算量,技术人员可以根据实际需要增加、删减上述组合的数量,在此不做过多赘述。另一方面,根据当前高应变力检测参数生成对应的第一理论应力波曲线。根据上述预设偏差参数能够模拟传感器安装角度偏差、安装位置偏差、重锤锤击角度偏差、重锤对中偏差、重锤一致性偏差等参数偏差。
在获取到上述第一锤击应力波曲线后,根据上述第一理论应力波曲线和所述第一理论偏差应力波曲线对所述第一锤击应力波曲线进行偏差分析,以确定对应的参数偏差值。
具体的,在第一实施例中,将该第一锤击应力波曲线直接与第一理论应力波曲线和第一理论偏差应力波曲线进行依次匹配,以获取其中最匹配的曲线作为与高应变力锤击装置的实际配置参数最匹配的应力波曲线,根据该最匹配的应力波曲线可以确定高应变力锤击装置的实际配置参数与当前高应变力检测参数的参数偏差值。
然而在实际应用过程中,由于前期生成的第一理论偏差应力波曲线可能较多(例如多达几百条),则上述直接匹配的方式对计算终端设备的运算压力较大,因此对该工作进行优化。
在本发明实施例中,所述基于所述第一理论应力波曲线和所述第一理论偏差应力波曲线对所述第一锤击应力波曲线进行偏差分析,确定对应的参数偏差值,包括:判断所述第一理论应力波曲线与所述第一锤击应力波曲线的偏差是否大于预设偏差值;若是,从所述第一理论偏差应力波曲线中获取与所述第一锤击应力波曲线最匹配的最匹配曲线;将与所述最匹配曲线对应的偏差值确定为参数偏差值。
在第二实施例中,在获取到第一锤击应力波曲线后,首先分析其与第一理论应力波曲线之间的偏差值是否大于预设偏差值,若本次偏差不大于该预设偏差值,则认为高应变力锤击装置的配置偏差在可接受范围内,因此直接进行后续应力波曲线的分析工作。若偏差大于该预设偏差值,则确定需要对高应变力锤击装置进行自纠正操作。因此立即从第一理论偏差应力波曲线中获取与第一锤击应力波曲线最匹配的最匹配曲线,然后提取该最匹配曲线所对应的偏差值并将其作为参数偏差值。
在实际应用过程中,上述曲线匹配的工作量可能较大,因此依次对每条曲线都进行匹配一方面可能导致计算终端设备的运算压力较大,设备配置成本过高;另一方面可能大大降低计算终端设备的匹配效率,提高技术人员的等待时间,降低了用户体验。
在本发明实施例中,所述基于所述第一理论应力波曲线和所述第一理论偏差应力波曲线对所述第一锤击应力波曲线进行偏差分析,确定对应的参数偏差值,包括:获取预设偏差学习模型,所述预设偏差学习模型基于所述第一理论应力波曲线和所述第一理论偏差应力波曲线训练生成;基于所述预设偏差学习模型对所述第一锤击应力波曲线进行偏差分析,生成对应的参数偏差值。
在一种可能的实施方式在,在生成上述第一理论应力波曲线和第一理论偏差应力波曲线后,获取预设学习模型,该预设学习模型优选为深度学习模型,例如包括但不限于多层感知机(Multilayer Perceptron,MLP)、卷积神经网络(Convolutional NeuralNetwork,CNN)、生成对抗网络(Generative Adversarial Network,GAN)、长短期记忆网络(Long Short-Term Memory,LSTM)以及递归神经网络(Recurrent Neural Network,RNN)等模型,然后将上述曲线输入预设学习模型中进行训练,具体的,通过提取每种曲线的曲线特征,曲线特征包括但不限于曲线峰值、谷值、均值、标准差、斜率、曲率、拐点等特征,将其转换为预设学习模型的输入格式,然后输入预设学习模型中进行训练,并生成预设偏差学习模型。在后续的应用过程中,在获取到任意一条第一锤击应力波曲线后,直接将其输入预设偏差学习模型中进行分析,以直接生成针对该第一锤击应力波曲线的参数偏差值,从而大大提高曲线分析的精度和分析效率。
在获得参数偏差值后,根据该参数偏差值对高应变力锤击装置进行自纠正操作,然后重新配置生成自纠正后装置,此时使用该自纠正后装置按照当前高应变力检测参数执行第二锤击操作,并获得对应的第二锤击应力波曲线,此时对该第二锤击应力波曲线进行分析,就能够生成针对当前基桩的精确的高应变力检测结果。
在本发明实施例中,通过上述自纠正操作,能够实现在极少锤击次数的情况下,就能获得精确的高应变力检测结果。一般情况下,1-2次锤击(当高应变力锤击装置配置精确时,1次锤击获得的应力波曲线就能较为精确的反映基桩的情况;当高应变力锤击装置配置不精确时,自纠正后第2次锤击获得的应力波曲线也能较为精确的反映基桩的情况),因此大大提高了高应变力检测的检测效率。
然而在实际应用过程中,发现最终生成的高应变力检测结果依然可能存在误差,对其进行分析后发现,在现有技术中,分析工具往往认为检测前测量的地质参数为准确的,因此所生成的理论曲线以及相关曲线分析算法的选取均基于该地质参数进行,然而在部分实施场景中,由于主观或客观原因,实际地质条件可能与所测量的地质参数存在偏差,由此导致分析结果的误差。
为了解决该技术问题,请参见图3,在本发明实施例中,所述第一锤击应力波曲线基于第一锤击高度锤击生成,所述方法还包括:
S301)在确定所述参数偏差值之前,获取第三锤击应力波曲线,所述第三锤击应力波曲线由所述高应变力锤击装置基于第二锤击高度执行第三锤击操作生成;
S301)基于所述第一锤击应力波曲线和所述第三锤击应力波曲线执行地质分析操作,生成地质数据偏差;
S301)基于所述地质数据偏差和所述第一锤击应力波曲线确定参数偏差值。
在一种可能的实施方式中,在进行第一锤击操作时,按照当前高应变力检测参数中的第一锤击高度进行的,由此获得第一锤击应力波曲线,为了分析出地质参数是否存在问题,仅对当前高应变力检测参数中的锤击高度改变,按照第二锤击高度再次执行第三锤击操作,以获得对应的第三锤击应力波曲线。此时根据所获得的第一锤击应力波曲线和第三锤击应力波曲线执行地质分析操作,具体的,通过提取第一锤击应力波曲线与第一理论应力波曲线之间的第一偏差,以及提取第三锤击应力波曲线与第一理论应力波曲线之间的第二偏差,分析第一偏差与第二偏差的变化是否符合在上述地质参数条件下,不同锤击高度的偏差变化,并由此生成地质数据偏差。
在本发明实施例中,所述基于所述地质数据偏差和所述第一锤击应力波曲线确定参数偏差值,包括:基于所述地质数据偏差获取与所述第一锤击应力波曲线对应的第二理论应力波曲线,以及获取与预设偏差参数对应的第二理论偏差应力波曲线;基于所述第二理论应力波曲线和所述第二理论偏差应力波曲线对所述第一锤击应力波曲线进行偏差分析,确定对应的参数偏差值。
在一种可能的实施方式中,发现实际地质条件与所测量的地质参数之间存在偏差,因此通过将该地质数据偏差对所测量的地质参数进行纠正,以获得精确的地质参数,在此基础上,对第一锤击应力波曲线进行后续的分析,以确定参数偏差值。
在本发明实施例中,通过在进行高应变力检测的过程中,首先基于所有相关联的影响因素对高应变力检测装置进行自纠正操作,以及对所输入的地质参数进行纠正操作,从而保证了在高应变力检测的整个环节均为准确且可控的,大大提高了后续进行高应变力检测的检测结果的精确性,杜绝了目前大量数据造假的情况,提高了安全性,满足了企业的实际需求。
下面结合附图对本发明实施例所提供的基于自纠正的高应变力检测装置进行说明。
请参见图4,基于同一发明构思,本发明实施例提供一种基于自纠正的高应变力检测装置,所述装置包括:参数获取单元,用于获取当前高应变力检测参数;第一曲线获取单元,用于获取与当前高应变力检测参数对应的第一锤击应力波曲线,所述第一锤击应力波曲线基于高应变力锤击装置执行的第一锤击操作生成,所述高应变力锤击装置按照当前高应变力检测参数配置;偏差分析单元,用于对所述第一锤击应力波曲线进行分析,确定实际配置参数与当前高应变力检测参数的参数偏差值;第二曲线获取单元,用于获取第二锤击应力波曲线,所述第二锤击应力波曲线基于自纠正后装置的第二锤击操作生成,所述自纠正后装置由所述高应变力锤击装置基于所述参数偏差值自纠正配置生成;检测单元,用于基于所述第二锤击应力波曲线生成高应变力检测结果。
在本发明实施例中,所述偏差分析单元包括:参数获取模块,用于获取预设偏差参数;理论曲线获取模块,用于获取与当前高应变力检测参数对应的第一理论应力波曲线,以及获取与所述预设偏差参数对应的第一理论偏差应力波曲线;偏差分析模块,用于基于所述第一理论应力波曲线和所述第一理论偏差应力波曲线对所述第一锤击应力波曲线进行偏差分析,确定对应的参数偏差值。
在本发明实施例中,所述偏差分析模块用于:判断所述第一理论应力波曲线与所述第一锤击应力波曲线的偏差是否大于预设偏差值;若是,从所述第一理论偏差应力波曲线中获取与所述第一锤击应力波曲线最匹配的最匹配曲线;将与所述最匹配曲线对应的偏差值确定为参数偏差值。
在本发明实施例中,所述偏差分析单元包括:模型获取模块,用于获取预设偏差学习模型,所述预设偏差学习模型基于所述第一理论应力波曲线和所述第一理论偏差应力波曲线训练生成;偏差分析模块,用于基于所述预设偏差学习模型对所述第一锤击应力波曲线进行偏差分析,生成对应的参数偏差值。
以上结合附图详细描述了本发明实施例的可选实施方式,但是,本发明实施例并不限于上述实施方式中的具体细节,在本发明实施例的技术构思范围内,可以对本发明实施例的技术方案进行多种简单变型,这些简单变型均属于本发明实施例的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明实施例对各种可能的组合方式不再另行说明。
本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得单片机、芯片或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
此外,本发明实施例的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明实施例的思想,其同样应当视为本发明实施例所公开的内容。
Claims (10)
1.一种基于自纠正的高应变力检测方法,其特征在于,所述方法包括:
获取当前高应变力检测参数;
获取与当前高应变力检测参数对应的第一锤击应力波曲线,所述第一锤击应力波曲线基于高应变力锤击装置执行的第一锤击操作生成,所述高应变力锤击装置按照当前高应变力检测参数配置;
对所述第一锤击应力波曲线进行分析,确定实际配置参数与当前高应变力检测参数的参数偏差值;
获取第二锤击应力波曲线,所述第二锤击应力波曲线基于自纠正后装置的第二锤击操作生成,所述自纠正后装置由所述高应变力锤击装置基于所述参数偏差值自纠正配置生成;
基于所述第二锤击应力波曲线生成高应变力检测结果。
2.根据权利要求1所述的方法,其特征在于,所述对所述第一锤击应力波曲线进行分析,确定实际配置参数与当前高应变力检测参数的参数偏差值,包括:
获取预设偏差参数;
获取与当前高应变力检测参数对应的第一理论应力波曲线,以及获取与所述预设偏差参数对应的第一理论偏差应力波曲线;
基于所述第一理论应力波曲线和所述第一理论偏差应力波曲线对所述第一锤击应力波曲线进行偏差分析,确定对应的参数偏差值。
3.根据权利要求2所述的方法,其特征在于,所述基于所述第一理论应力波曲线和所述第一理论偏差应力波曲线对所述第一锤击应力波曲线进行偏差分析,确定对应的参数偏差值,包括:
判断所述第一理论应力波曲线与所述第一锤击应力波曲线的偏差是否大于预设偏差值;
若是,从所述第一理论偏差应力波曲线中获取与所述第一锤击应力波曲线最匹配的最匹配曲线;
将与所述最匹配曲线对应的偏差值确定为参数偏差值。
4.根据权利要求2所述的方法,其特征在于,所述对所述第一锤击应力波曲线进行分析,确定实际配置参数与当前高应变力检测参数的参数偏差值,包括:
获取预设偏差学习模型,所述预设偏差学习模型基于所述第一理论应力波曲线和所述第一理论偏差应力波曲线训练生成;
基于所述预设偏差学习模型对所述第一锤击应力波曲线进行偏差分析,生成对应的参数偏差值。
5.根据权利要求1-4中任一权利要求所述的方法,其特征在于,所述第一锤击应力波曲线基于第一锤击高度锤击生成,所述方法还包括:
在确定所述参数偏差值之前,获取第三锤击应力波曲线,所述第三锤击应力波曲线由所述高应变力锤击装置基于第二锤击高度执行第三锤击操作生成;
基于所述第一锤击应力波曲线和所述第三锤击应力波曲线执行地质分析操作,生成地质数据偏差;
基于所述地质数据偏差和所述第一锤击应力波曲线确定参数偏差值。
6.根据权利要求5所述的方法,其特征在于,所述基于所述地质数据偏差和所述第一锤击应力波曲线确定参数偏差值,包括:
基于所述地质数据偏差获取与所述第一锤击应力波曲线对应的第二理论应力波曲线,以及获取与预设偏差参数对应的第二理论偏差应力波曲线;
基于所述第二理论应力波曲线和所述第二理论偏差应力波曲线对所述第一锤击应力波曲线进行偏差分析,确定对应的参数偏差值。
7.一种基于自纠正的高应变力检测装置,其特征在于,所述装置包括:
参数获取单元,用于获取当前高应变力检测参数;
第一曲线获取单元,用于获取与当前高应变力检测参数对应的第一锤击应力波曲线,所述第一锤击应力波曲线基于高应变力锤击装置执行的第一锤击操作生成,所述高应变力锤击装置按照当前高应变力检测参数配置;
偏差分析单元,用于对所述第一锤击应力波曲线进行分析,确定实际配置参数与当前高应变力检测参数的参数偏差值;
第二曲线获取单元,用于获取第二锤击应力波曲线,所述第二锤击应力波曲线基于自纠正后装置的第二锤击操作生成,所述自纠正后装置由所述高应变力锤击装置基于所述参数偏差值自纠正配置生成;
检测单元,用于基于所述第二锤击应力波曲线生成高应变力检测结果。
8.根据权利要求7所述的装置,其特征在于,所述偏差分析单元包括:
参数获取模块,用于获取预设偏差参数;
理论曲线获取模块,用于获取与当前高应变力检测参数对应的第一理论应力波曲线,以及获取与所述预设偏差参数对应的第一理论偏差应力波曲线;
偏差分析模块,用于基于所述第一理论应力波曲线和所述第一理论偏差应力波曲线对所述第一锤击应力波曲线进行偏差分析,确定对应的参数偏差值。
9.根据权利要求8所述的装置,其特征在于,所述偏差分析模块用于:
判断所述第一理论应力波曲线与所述第一锤击应力波曲线的偏差是否大于预设偏差值;
若是,从所述第一理论偏差应力波曲线中获取与所述第一锤击应力波曲线最匹配的最匹配曲线;
将与所述最匹配曲线对应的偏差值确定为参数偏差值。
10.根据权利要求8所述的装置,其特征在于,所述偏差分析单元包括:
模型获取模块,用于获取预设偏差学习模型,所述预设偏差学习模型基于所述第一理论应力波曲线和所述第一理论偏差应力波曲线训练生成;
偏差分析模块,用于基于所述预设偏差学习模型对所述第一锤击应力波曲线进行偏差分析,生成对应的参数偏差值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410271504.0A CN117871293B (zh) | 2024-03-11 | 2024-03-11 | 基于自纠正的高应变力检测方法及检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410271504.0A CN117871293B (zh) | 2024-03-11 | 2024-03-11 | 基于自纠正的高应变力检测方法及检测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117871293A true CN117871293A (zh) | 2024-04-12 |
CN117871293B CN117871293B (zh) | 2024-05-28 |
Family
ID=90596996
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410271504.0A Active CN117871293B (zh) | 2024-03-11 | 2024-03-11 | 基于自纠正的高应变力检测方法及检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117871293B (zh) |
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05172785A (ja) * | 1991-12-20 | 1993-07-09 | Chubu Electric Power Co Inc | 劣化計測装置 |
JP2001304992A (ja) * | 2000-04-25 | 2001-10-31 | Azuma Systems:Kk | グランドアンカーの応力診断方法および応力診断装置 |
JP2006284514A (ja) * | 2005-04-05 | 2006-10-19 | Nippon Steel Corp | 動的荷重計測装置 |
CN102182179A (zh) * | 2011-03-07 | 2011-09-14 | 福建省建筑科学研究院 | 一种浮桩补强的方法 |
US20130086974A1 (en) * | 2011-10-05 | 2013-04-11 | Pile Dynamics, Inc. | Pile testing system |
CN107014704A (zh) * | 2017-05-15 | 2017-08-04 | 东北大学 | 一种基于黏弹性波传播分析的短岩杆黏性系数测试方法 |
US20180238013A1 (en) * | 2016-07-18 | 2018-08-23 | Kunshan Construct Engineering Quality Testing Center | Drop hammer height adjusting device for high strain detection of pile foundation |
CN108442419A (zh) * | 2018-03-25 | 2018-08-24 | 宁波亿诺维信息技术有限公司 | 建筑物基桩检测装置以及检测方法 |
CN108560619A (zh) * | 2018-06-12 | 2018-09-21 | 佛山市禅城区建设工程质量安全检测站 | 基桩动测承载力的分析方法及系统 |
CN109138004A (zh) * | 2018-08-27 | 2019-01-04 | 武汉工程大学 | 一种多锤击信号联合反演基桩承载力的分析方法 |
CN209779714U (zh) * | 2019-01-23 | 2019-12-13 | 广州二九三物探工程勘察院 | 一种管桩低应变检测仪 |
CN110687203A (zh) * | 2019-10-29 | 2020-01-14 | 云南航天工程物探检测股份有限公司 | 一种应力波信号分析的隧道仰拱钢架成环质量检测方法 |
CN114985344A (zh) * | 2022-04-21 | 2022-09-02 | 成都航利装备科技有限公司 | 一种涡扇发动机清洗设备及使用方法 |
CN115112503A (zh) * | 2022-06-27 | 2022-09-27 | 广东技术师范大学 | 一种橡胶材料概率疲劳寿命曲线获取方法 |
CN115404920A (zh) * | 2022-08-05 | 2022-11-29 | 广东交科检测有限公司 | 一种基桩检测方法及系统 |
CN115544441A (zh) * | 2022-10-11 | 2022-12-30 | 成都海光微电子技术有限公司 | 一种高温工作寿命测试中回测时间点的确定方法及装置 |
CN115629067A (zh) * | 2022-09-07 | 2023-01-20 | 华南理工大学 | 基于图像分析的霍普金森压杆应力波波头的确定方法 |
CN116213340A (zh) * | 2022-12-28 | 2023-06-06 | 国营四达机械制造公司 | 一种航空发动机低压进气口在翼清洗工装和设备 |
CN219471033U (zh) * | 2023-03-02 | 2023-08-04 | 宁波弘宇检测有限公司 | 一种预应力基桩高应变检测装置 |
CN116818557A (zh) * | 2022-12-07 | 2023-09-29 | 天津大学 | 一种力学试验装置及试验方法 |
CN117556248A (zh) * | 2022-08-01 | 2024-02-13 | 四川国诚检测有限公司 | 一种市政工程高填方路基强夯达标快速检测方法及装置 |
-
2024
- 2024-03-11 CN CN202410271504.0A patent/CN117871293B/zh active Active
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05172785A (ja) * | 1991-12-20 | 1993-07-09 | Chubu Electric Power Co Inc | 劣化計測装置 |
JP2001304992A (ja) * | 2000-04-25 | 2001-10-31 | Azuma Systems:Kk | グランドアンカーの応力診断方法および応力診断装置 |
JP2006284514A (ja) * | 2005-04-05 | 2006-10-19 | Nippon Steel Corp | 動的荷重計測装置 |
CN102182179A (zh) * | 2011-03-07 | 2011-09-14 | 福建省建筑科学研究院 | 一种浮桩补强的方法 |
US20130086974A1 (en) * | 2011-10-05 | 2013-04-11 | Pile Dynamics, Inc. | Pile testing system |
US20180238013A1 (en) * | 2016-07-18 | 2018-08-23 | Kunshan Construct Engineering Quality Testing Center | Drop hammer height adjusting device for high strain detection of pile foundation |
CN107014704A (zh) * | 2017-05-15 | 2017-08-04 | 东北大学 | 一种基于黏弹性波传播分析的短岩杆黏性系数测试方法 |
CN108442419A (zh) * | 2018-03-25 | 2018-08-24 | 宁波亿诺维信息技术有限公司 | 建筑物基桩检测装置以及检测方法 |
CN108560619A (zh) * | 2018-06-12 | 2018-09-21 | 佛山市禅城区建设工程质量安全检测站 | 基桩动测承载力的分析方法及系统 |
CN109138004A (zh) * | 2018-08-27 | 2019-01-04 | 武汉工程大学 | 一种多锤击信号联合反演基桩承载力的分析方法 |
CN209779714U (zh) * | 2019-01-23 | 2019-12-13 | 广州二九三物探工程勘察院 | 一种管桩低应变检测仪 |
CN110687203A (zh) * | 2019-10-29 | 2020-01-14 | 云南航天工程物探检测股份有限公司 | 一种应力波信号分析的隧道仰拱钢架成环质量检测方法 |
CN114985344A (zh) * | 2022-04-21 | 2022-09-02 | 成都航利装备科技有限公司 | 一种涡扇发动机清洗设备及使用方法 |
CN115112503A (zh) * | 2022-06-27 | 2022-09-27 | 广东技术师范大学 | 一种橡胶材料概率疲劳寿命曲线获取方法 |
CN117556248A (zh) * | 2022-08-01 | 2024-02-13 | 四川国诚检测有限公司 | 一种市政工程高填方路基强夯达标快速检测方法及装置 |
CN115404920A (zh) * | 2022-08-05 | 2022-11-29 | 广东交科检测有限公司 | 一种基桩检测方法及系统 |
CN115629067A (zh) * | 2022-09-07 | 2023-01-20 | 华南理工大学 | 基于图像分析的霍普金森压杆应力波波头的确定方法 |
CN115544441A (zh) * | 2022-10-11 | 2022-12-30 | 成都海光微电子技术有限公司 | 一种高温工作寿命测试中回测时间点的确定方法及装置 |
CN116818557A (zh) * | 2022-12-07 | 2023-09-29 | 天津大学 | 一种力学试验装置及试验方法 |
CN116213340A (zh) * | 2022-12-28 | 2023-06-06 | 国营四达机械制造公司 | 一种航空发动机低压进气口在翼清洗工装和设备 |
CN219471033U (zh) * | 2023-03-02 | 2023-08-04 | 宁波弘宇检测有限公司 | 一种预应力基桩高应变检测装置 |
Non-Patent Citations (5)
Title |
---|
FILA, TOMAS 等: "Dynamic impact testing of cellular solids and lattice structures: Application of two-sided direct impact Hopkinson bar", 《INTERNATIONAL JOURNAL OF IMPACT ENGINEERING》, vol. 148, 28 February 2021 (2021-02-28), pages 1 - 17 * |
段晨 等: "高应变法在试桩过程中的误差分析", 《建筑监督检测与造价》, vol. 13, no. 1, 26 April 2020 (2020-04-26), pages 52 - 55 * |
江彦君;: "建筑地基基桩检测方法分析", 江西建材, no. 21, 15 November 2017 (2017-11-15), pages 261 * |
王海军;汤雷;官福海;胡骏文;杨石扣;: "PHC-钢管组合桩高应变检测修正方法", 水利水电科技进展, no. 04, 5 July 2018 (2018-07-05), pages 70 - 74 * |
骆寒冰 等: "北部湾导管架平台打桩过程高应变动态监测与分析", 《中国海上油气》, vol. 30, no. 6, 25 December 2018 (2018-12-25), pages 145 - 150 * |
Also Published As
Publication number | Publication date |
---|---|
CN117871293B (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2011256525A (ja) | トンネル監視方法 | |
CN112364422B (zh) | 基于mic-lstm的盾构施工地表变形动态预测方法 | |
CN116738556B (zh) | 施工墙体的建模方法、装置、设备及存储介质 | |
CN110924457A (zh) | 一种基于测量机器人的基坑变形监测方法及系统 | |
CN113155109B (zh) | 超高层建筑工程测量的监理控制方法、系统、设备及介质 | |
CN112013903A (zh) | 一种海上风电桩的质量控制方法及装置 | |
CN118089657B (zh) | 一种用于岩下隧道施工的隧道形变监测方法及装置 | |
CN115423167A (zh) | 一种地铁深基坑施工安全预警及辅助决策方法及系统 | |
CN115906663A (zh) | 房屋安全评估模型建立方法、评估方法、服务器及系统 | |
EP4123287A1 (en) | N-value prediction device and method using data augmentation-based artificial intelligence | |
CN114693114A (zh) | 地下空间结构的监测方法、装置、计算机设备及存储介质 | |
CN116623659B (zh) | 一种打桩船打桩监控的方法、装置、电子设备及介质 | |
CN117871293B (zh) | 基于自纠正的高应变力检测方法及检测装置 | |
JP5456429B2 (ja) | 建築物の地震時応答解析方法 | |
CN108917710A (zh) | 浅埋暗挖隧道沉降的监测方法及监测装置 | |
CN115577619A (zh) | 基于机器学习预测液化土残余抗剪强度的方法 | |
CN115062449B (zh) | 采空区稳定性评估方法、装置及设备 | |
CN114674660B (zh) | 一种混凝土永存应力测试方法 | |
CN116955404B (zh) | 基于大数据的基桩施工方法、系统及存储介质 | |
CN114792209B (zh) | 一种工程施工风险评估的方法、设备及存储介质 | |
CN117951799B (zh) | 地铁盾构隧道横向收敛变形的长期治理方法 | |
CN117828228A (zh) | 离层注浆量计算方法、装置、设备及计算机可读存储介质 | |
CN115062449A (zh) | 采空区稳定性评估方法、装置及设备 | |
CN109190285B (zh) | 基坑开挖条件下临近建筑结构不均匀沉降限值的预测方法 | |
CN117349727A (zh) | 一种桩基位置溶洞勘测优化及分类处理方法 |
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 |