论文部分内容阅读
随着中国高速公路通车里程和路网规模的不断扩大以及使用年限的不断增长,促使高速公路养护工作变得日趋繁重和重要。探地雷达技术因其具有快速、安全、无损害、高精度和高分辨率等优势,现已成为高速公路日常检测的首选。而当前探地雷达数据解析主要依赖专家经验,其存在解释结果主观性、不同专家解释结果不一致性以及数据解释周期长等缺点,迫切需要研究一种自动高精度的高速公路浅层质量评价算法。由于高速公路浅层质量的改变会导致浅层介电常数和电导率的变化,即在探地雷达接收信号的参数中的层界面厚度、时延及反射信号幅度等信息会发生相应地改变。根据这些客观事实信息,结合图像处理、信号检测、数字信号处理和模式识别技术,作者提出了一种新颖的基于演化模糊神经网络的高速公路浅层质量评价方法,从而解决以上面临的挑战。本文主要是针对江西省昌九高速公路南昌段采集的GPR数据进行分析,其评价算法主要包括以下三个模块:1.探地雷达预处理模块:首先对GPR原始数据进行杂波抑制处理,然后采用基于信号处理与图像处理的方法分别对浅层层界面进行检测,再对图像中的浅层层界面信息进行ROI提取,并提取其时域与小波域共六个特征值;2.高速公路浅层质量评分模块:结合专家经验和钻孔取芯样本构建ground truth数据库,再根据交叉验证法挑选出各个质量等级不同的信号对应的特征向量作为训练样本,且将整个采集到的探地雷达信号对应的特征向量作为测试样本,最后运用演化模糊神经网络进行特征分类;3.评分结果处理模块:演化模糊神经网络输出的结果再经过一定的处理,便得到了基于EFuNN的高速公路浅层层界面质量模糊评价的结果。将最终处理后的结果与ground truth数据库进行对比,其吻合度到达92.6%,满足工程应用的需要,且能为指导制定合适的养护策略及合理分配养护资金提供科学依据。