基于超声波引导波和深度学习的螺栓 anchorage 缺陷识别

科学领域:

• 地质技术工程 地质技术工程
• 非破坏性测试 不破坏性测试
• 信号处理 信号处理

背景情况:

• 螺栓固定质量对于桥梁和道等地质工程结构的安全至关重要.
• 超声波引导波测试是一种常见的非破坏性方法,但面临环境噪音,模式混合和分散的挑战.
• 从传统领域的引导波信号中提取缺陷特征是很困难的.

研究的目的:

• 开发一种有效的方法,用于使用超声波导向波对 anchorage 的质量进行非破坏性测试.
• 克服传统信号处理在识别缺陷方面的局限性.
• 改进地质工程组件的结构安全评估.

主要方法:

• 利用引导波信号的时间频谱作为输入特征.
• 开发并应用一个封闭的注意剩余网络 (GA-ResNet) 用于系模型类型识别.
• GA-ResNet 结合了一个封闭机制,以平衡空间和道注意力,以改善特征提取.

主要成果:

• 拟议的GA-ResNet方法在预测固定螺栓缺陷类型方面表现出高效.
• 在四种不同的系模型上的实验验验证了该方法的性能.
• 该方法成功地解决了复杂信号特征带来的挑战.

结论:

• 引导波时间频谱和GA-ResNet的组合提供了一个强大的解决方案,用于对系质量进行非破坏性评估.
• 这种方法可以通过早期检测缺陷来显著提高地质工程结构的安全性.
• 该研究为预防土木工程中潜在的安全事故提供了宝贵的工具.