Page 84 - 无损检测2022年第七期

试验研究

DOI : 10.11973 / ws j c202207012

小波分析结合神经网络的桩基缺陷检测

邹兰林, 叶知秋

( 武汉科技大学 汽车与交通工程学院, 武汉 430081 )

摘 要:引入一种小波分析结合神经网络的桩基检测方法, 根据桩基中超声波传播的特点, 利

用小波分析对采集的超声波信号进行小波包分解, 对分解后的信号进行归一化处理, 将超声波信号
矩阵化, 构建表征桩基缺陷信息的特征向量; 再取多组特征向量作为神经网络的训练样本, 对特征
向量进行训练学习, 并将未诊断样本输入神经网络进行识别验证。试验数据表明, 通过小波分析方
法获取超声波信号特征向量并构建的神经网络可以有效识别出桩基缺陷以及缺陷类型。
关键词:桩基检测; 超声波法; 缺陷诊断; 小波分析; 神经网络

中图分类号: TG115.28 文献标志码: A 文章编号: 1000-6656 ( 2022 ) 07-0050-05

Pilefoundationdefectdetectionbasedonwaveletanal y sisandneuralnetwork

ZOULanlin , YEZhi q iu

( SchoolofAutomotiveandTrans p ortationEn g ineerin g , WuhanUniversit y ofScienceandTechnolo gy , Wuhan430081 , China )

Abstract : Ap iledetection methodcombinin gwaveletanal y sisandneuralnetworkisintroduced.Accordin gto

thecharacteristicsofultrasonicp ro p a g ationinthep ilefoundation , thecollectedultrasonicsi g nalsareanal y zedb y

usin gwaveletanal y sis.Themethodp erformswavelet p acketdecom p osition , normalizesthedecom p osedsi g naland

constructsafeaturevectorofultrasonicsi g naltocharacterizep ilefoundationdefectinformation.Furthermore ,

multi p lesetsoffeaturevectorsweretakenastrainin gsam p lesoftheneuralnetworkinordertotrainandlearnthe

featurevectors.Thenon-dia g nosedsam p les werein p utintotheneuralnetworkforidentificationverification.

Ex p erimentaldatashowsthatthetrainedneuralnetworkcaneffectivel y identif yp ilefoundationdefectsanddefect
t yp es.

Ke ywords : p ilefoundationins p ection ; ultrasonicmethod ; defectdia g nosis ; waveletanal y sis ; neuralnetwork
桩基础作为工程建设中最重要的基础 形式之 最广泛的一种检测手段。传统超声波透射法主要检
一, 其工程质量问题会给建筑物造成极大的安全隐 测桩基的声时、 波速、 波幅、 频率等声学参数, 利用这
患, 因此桩基础的质量检测是保证工程建筑安全的 些参数及其相对变化来判断桩基的完整性。由于超
重要环节。目前常用于检测桩基的无损检测方法有 声波在桩基中传播时存在反射、 散射以及波型改变
低应变法和超声波透射法。低应变法检测受客观因 等现象, 获取到的信号常不能准确有效地反映缺陷
素影响较大, 无法检测超长桩、 大直径桩 [ 1-3 ] , 而超声 信息, 使得传统超声波透射法在缺陷诊断的准确性
波透射法检测技术具有不受桩长桩径的影响、 高效 上受人为因素影响较大。
率、 无损、 操作简便等优点, 是桩基缺陷检测中运用 文章提出采用小波分析结合神经网络的方法
来识别超 声 波 透 射 法 检 测 桩 基 的 信 号, 首 先 对 采
集的超 声 波 信 号 进 行 小 波 分 解 并 提 取 缺 陷 特 征
收稿日期: 2021-08-25
基金项目: 国 家 自 然 科 学 基 金 资 助 项 目 ( 51578430 , 51778509 , 值, 将神经 网 络 作 为 分 类 器 对 特 征 值 进 行 识 别 分
51827812 )
类, 提高识 别 桩 基 缺 陷 位 置、 类 型 的 有 效 性; 通 过
作者简介: 邹兰林( 1974- ), 男, 博士, 副教授, 主要从事桥梁检
仿真试验, 证明了这种方法有着很高的识别率, 并
测的研究工作
具有良好的扩展性。
通信作者: 叶知秋, 767457583@ qq .com
5
0

2022 年 第 44 卷 第 7 期
无损检测