[发明专利]混凝土钢筋腐蚀状态评定方法、系统、终端及存储介质

权利要求书

1.一种混凝土钢筋腐蚀状态评定方法，其特征在于，包括：

在预设周期内获取混凝土钢筋的无腐蚀状态、不同腐蚀状态的标准波形图；

提取所述标准波形图的分布特征；

利用SVR支持向量回归的机器学习算法，训练并学习所述分布特征，得到混凝土钢筋的初始腐蚀电流密度预测值；

利用所述机器学习算法的评价指标对所述初始腐蚀电流密度预测值进行评估，并得到目标腐蚀电流密度预测值。

2.根据权利要求1所述的混凝土钢筋腐蚀状态评定方法，其特征在于，所述标准波形图的分布特征，包括所述标准波形图的平均值、峰值、均方根、标准值、偏度、频带功率及波峰因数。

3.根据权利要求2所述的混凝土钢筋腐蚀状态评定方法，其特征在于，所述利用SVR支持向量回归的机器学习算法，训练并学习所述分布特征，得到混凝土钢筋的初始腐蚀电流密度预测值，包括：

根据所述标准波形图的平均值、峰值、均方根、频带功率及波峰因数建立训练样本集，并建立与所述训练样本集对应的实际腐蚀电流密度数据集；

建立关于所述训练样本集的目标函数，所述目标函数无限趋于实际腐蚀电流密度数据；

利用SVR支持向量回归的机器学习算法，以所述目标函数为中心建立预设宽度的隔离带；

将落入所述隔离带中的训练样本作为目标样本并进行整合，得到扫描信号强度与腐蚀电流密度的映射关系，根据所述映射关系得到所述初始腐蚀电流密度预测值。

4.根据权利要求1或3所述的混凝土钢筋腐蚀状态评定方法，其特征在于，所述利用所述机器学习算法的评价指标对所述初始腐蚀电流密度预测值进行评估，并得到目标腐蚀电流密度预测值，包括：

获取所述评价指标的计算公式：

其中，y′为初始腐蚀电流密度预测值，y为实际腐蚀电流密度，n为预测数值的总个数；

当MAPE＜10时，将所述初始腐蚀电流密度预测值作为所述目标腐蚀电流密度预测值。

5.一种混凝土钢筋腐蚀状态评定系统，其特征在于，包括：

波形图获取单元，用于在预设周期内获取混凝土钢筋的无腐蚀状态、不同腐蚀状态的标准波形图；

特征提取单元，用于提取所述标准波形图的分布特征；

预测单元，用于利用SVR支持向量回归的机器学习算法，训练并学习所述分布特征，得到混凝土钢筋的初始腐蚀电流密度预测值；

评估单元，用于利用所述机器学习算法的评价指标对所述初始腐蚀电流密度预测值进行评估，并得到目标腐蚀电流密度预测值。

6.根据权利要求5所述的混凝土钢筋腐蚀状态评定系统，其特征在于，所述标准波形图的分布特征，包括所述标准波形图的平均值、峰值、均方根、标准值、偏度、频带功率及波峰因数。

7.根据权利要求6所述的混凝土钢筋腐蚀状态评定系统，其特征在于，所述预测单元，还用于：

根据所述标准波形图的平均值、峰值、均方根、频带功率及波峰因数建立训练样本集，并建立与所述训练样本集对应的实际腐蚀电流密度数据集；

建立关于所述训练样本集的目标函数，所述目标函数无限趋于实际腐蚀电流密度数据；

利用SVR支持向量回归的机器学习算法，以所述目标函数为中心建立预设宽度的隔离带；

将落入所述隔离带中的训练样本作为目标样本并进行整合，得到扫描信号强度与腐蚀电流密度的映射关系，根据所述映射关系得到所述初始腐蚀电流密度预测值。

8.根据权利要求5或7所述的混凝土钢筋腐蚀状态评定系统，其特征在于，所述评估单元，还用于：

获取所述评价指标的计算公式：

其中，y′为初始腐蚀电流密度预测值，y为实际腐蚀电流密度，n为预测数值的总个数；

当MAPE＜10时，将所述初始腐蚀电流密度预测值作为所述目标腐蚀电流密度预测值。