基于数据的超声波分析,用于评估混凝土层的粘合强度

科学领域:

• 土木工程 土木工程是指土木工程.
• 材料科学 材料科学 材料科学
• 非破坏性测试 不破坏性测试

背景情况:

• 混凝土层之间的粘合条件对于加速桥梁施工,3D打印和改装中的结构完整性至关重要.
• 非破坏性测试 (NDT) 为监测这些关键债券条件提供了一种有效的方法.
• 评估结合强度对于确保混凝土结构的安全性和功能至关重要.

研究的目的:

• 开发和比较机器学习模型,用超声波参数来估计混凝土层的结合强度.
• 为了确定最敏感的超声波参数,以检测由于不同处理而导致的键强度变化.
• 评估不同能量损失计算方法在预测债券强度方面的有效性.

主要方法:

• 使用卷积神经网络 (CNN) 和多层感知器 (MLP) 模型.
• 输入参数包括超声波脉冲速度,衰减,最大振幅和能量损失.
• 对比了两个能量损失评估方法:整个样本与债券区域分析.

主要成果:

• 机器学习模型根据超声波参数准确估计了双表面剪切强度.
• 评估特定于债券区的能量损失,比整个样本分析更可靠和更一致的结果.
• 超声衰减成为对键强度变化最敏感的参数,表明其在检测键变化的有效性.

结论:

• 机器学习,特别是CNN和MLP,结合超声波测试,提供了一种可靠的方法来评估混凝土层的结合强度.
• 将超声波能量损失分析集中在键区上,可以提高预测的准确性.
• 超声波衰减是监测结合质量和检测混凝土结构中解结合的关键指标.