[发明专利]基于GA-BP神经网络的压浆密实度识别方法、系统及存储介质

说明书

本发明公开了一种基于GA‑BP神经网络的压浆密实度识别方法，包括：获取未知压浆密实度的基于GA‑BP神经网络的的数据，并进行小波降噪预处理；对预处理后的数据进行特征提取，得到未知压浆密实度的基于GA‑BP神经网络的对应的特征数据；根据所述特征数据和训练合格的GA‑BP神经网络模型得到基于GA‑BP神经网络得到所述预应力孔道对应的压浆密实度。本发明还公开一种基于GA‑BP神经网络的压浆密实度识别系统及存储介质。本发明旨在实现快速的、智能的对未知预应力孔道的压浆密实度进行识别。

技术领域

本发明涉及工程质量检测技术领域，尤其涉及一种基于GA-BP神经网络 的压浆密实度识别方法、系统及存储介质。

背景技术

目前，预应力混凝土结构凭借其跨度长、质量轻、整体性好等优点在桥 梁建设中广泛运用，而预应力孔道压浆效果的好坏将直接影响整个预应力混 凝土结构的安全性、可靠性和耐久性。当预应力孔道压浆不密实时，孔道中 的钢绞线材料易发生腐蚀，影响桥梁的耐久性和安全性；并且当存在压浆质 量缺陷时会出现混凝土应力集中，随时间推移引起预应力损失，改变梁体的 设计受力状态，从而影响桥梁的可靠性和使用寿命。因此，对预应力孔道内 的压浆质量的检测尤为重要。

目前主流的无损检测方法超声波法、探地雷达法和冲击回波法等等，然 而这些方法都是横向检测的方法，因而只能检测局部缺陷，并且检测效率低。 如CN109115878A公开了一种桥梁预应力孔道压浆密实度超声检测装置及其 检测方法，该方法依据超声发射波的频谱特征来判断所检测位置的压浆密实 度状况，同样采用的是横向检测的方法。而对于纵向透射的检测方法的研究 却极少，主要通过经验或者波速等单一指标对整根预应力孔道进行评估，这 样不仅准确率低而且人为主观因素大，因此需要一种快速的、智能的对整根 孔道进行识别的方法。

发明内容

本发明的主要目的在于提供一种基于GA-BP神经网络的压浆密实度识别 方法、系统及存储介质，旨在解决现有对预应力孔道压浆质量的检测效率低 的技术问题。

为实现上述目的，本发明提供一种基于GA-BP神经网络的压浆密实度识 别方法，包括以下步骤：

获取未知压浆密实度的预应力孔道的数据，并进行小波降噪预处理；

对预处理后的数据进行特征提取，得到未知压浆密实度的预应力孔道对 应的特征数据；

根据所述特征数据和训练合格的GA(Genetic Algorithm，遗传算法)-BP (ErrorBack-propagation，误差反向传播算法)神经网络模型得到所述预应力 孔道对应的压浆密实度。

可选地，所述获取未知压浆密实度的预应力孔道的数据，并进行小波降 噪预处理的步骤之前，包括：

获取训练合格的GA-BP神经网络模型。

可选地，所述获取训练合格的GA-BP神经网络模型的步骤，包括：

获取已知压浆密实度的各预应力孔道的样本数据，并将样本数据随机分 为训练集和测试集；

对样本数据进行小波降噪预处理；

对预处理后的样本数据进行特征提取，得到已知压浆密实度的各预应力 孔道对应的各特征数据；

根据所述训练集的各特征数据对GA-BP神经网络模型进行训练；

采用所述测试集对训练完成的GA-BP神经网络模型进行性能测试；

若测试结果合格，则得到训练合格的GA-BP神经网络模型。

可选地，所述采用所述测试集对训练完成的GA-BP神经网络模型进行性 能测试的步骤，包括：