[发明专利]一种基于声发射和神经网络的混凝土无损检测方法

说明书

技术领域

本发明属于土木工程损伤检测技术领域，特别涉及一种基于声发射和神经网络的混凝土无损检测方法。更特别的说，是指一种采用布置在混凝土试件表面的声发射传感器所采集的数据，首先经过神经网络训练，得到损伤程度识别系统，然后应用该系统对待识别的混凝土损伤声发射信号进行识别，进而判断混凝土的损伤程度。

背景技术

混凝土在土木工程中的应用非常广泛，我国国家建设中重要结构如高坝、桥梁、核电基础设施、高层建筑等混凝土结构在运行过程中，会不可避免地受到外界作用的影响。及时、准确地监测和评价混凝土结构损伤程度以便及时采取措施确保安全，对于保障人民生产、生活的顺利进行具有重要意义。

声发射技术(Acoustic Emission Technique)是一种无损检测技术，与其他无损检测方法相比，声发射检测是一种动态的检测方法，接收的信号是材料内部缺陷的活动信息，直接反映材料或构件内部缺陷的诱发、产生和发展状况，因其具有实时、动态和灵敏度高等优点，已开始被应用于土木工程结构的安全监测。实践表明，材料在承受荷载和其他外界作用过程的不同阶段，所伴生的声发射信号特征会呈现一系列不同的变化趋势，然而，一方面由于目前声发射信号处理过程中存在声发射源模式不可分，以及过分依赖于信号处理过程中的人为干预，效率低，误判率高等问题，另外一方面，对于混凝土的损伤破坏过程而言，由于其组成材料和各方面特性的特殊性质，在其损伤过程中所伴生的声发射信号往往呈现出多个参数同时变化发展的特征，并且某一个或若干个参数变化又可能是由多种损伤状态引起，因此，通过简单的设置阈值、分析单个声发射特征参数和相关分布分析等方法，难以将混凝土损伤过程所伴生的声发射信号按照不同的损伤程度进行识别和分类。

混凝土的损伤程度和损伤机理识别是一类典型的模式识别问题，由于其特征空间与模式类别之间存在复杂的非线性关系，故很难通过简单的超平面把特征平面的样本点划分为不同的类别。为了解决上述难题，需要一个能处理非线性映射问题的分类器，而人工神经网络具有较强的非线性能力，并且具有较好的鲁棒性和泛化能力，能够解决系统输入、输出之间存在的复杂的非线性关系问题，以及难以建立其数学模型的科学问题。

BP（Back Propagation）神经网络是一种多层前向神经网络，采用误差反向传播方法，已经在许多科学技术领域得到成功应用，也是理论上较成熟的神经网络。神经网络可以通过对系统输入、输出样本的学习，实现在没有先验知识的情况下自动提取输入、输出信息中蕴含的规律。因此，从理论上讲BP神经网络完全可以用于基于声发射信号的识别混凝土损伤程度的研究之中。

发明内容：

本发明为克服现有技术的不足，准确识别混凝土的损伤程度，提出了一种基于声发射和神经网络的混凝土无损检测方法。本发明将人工神经网络技术引入到混凝土损伤程度识别系统中，建立基于声发射技术和人工神经网络相结合的识别系统，可实现对力学荷载作用下混凝土的损伤程度进行识别。

为达到上述目的，本发明采用的技术方案是：一种基于声发射和神经网络的混凝土无损检测方法，所述方法采用声发射采集系统实时监测在加载系统进行加载试验的混凝土损伤破坏过程；通过设置混凝土试件表面的声发射传感器采集损伤过程所伴生的声发射信号；声发射传感器的输出信号依次输入前置放大器、声发射处理模块和计算机；由声发射处理模块提取到达时间、声发射上升时间、声发射振铃计数、能量计数、持续时间、平均频率、平均信号电平、到峰振铃数、回响频率这9个声发射特征参数并输入计算机中存储；重复执行若干组混凝土的损伤破坏试验，根据加载时程曲线将每个混凝土试件的损伤过程划分成3个阶段，并形成关于混凝土3个损伤阶段的声发射特征参数数据库，然后将存储于特征数据库的声发射特征信号作为训练BP神经网络的输入向量；BP神经网络的输出特征向量分别是：[1 0 0]、[0 1 0]和[0 0 1]，其中[1 0 0]表示混凝土轻度损伤阶段，[0 1 0]表示混凝土中度损伤阶段，[0 0 1]表示混凝土严重损伤阶段。