数据融合技术在混凝土结构检测中的应用研究

论文摘要

在工程结构质量检测与诊断领域,数据融合技术为结构检测与诊断提供了新的途径。本文初步建立了数据融合技术在混凝土结构检测领域的应用框架,将红外成像与超声CT技术相结合,实现了对缺陷大小的三维重构以及对缺陷类型的识别。 图像融合是数据融合技术在数字图像处理方面的一个应用。本文首次将图像融合技术引入混凝土结构缺陷探测中,为准确而有效地判断结构内部缺陷提供了全面而精细的图像信息。在像素层的红外图像融合研究中,从图像融合的角度对基于多分辨率的小波变换与小波包变换进行了论述。通过对融合规则的理论研究与试验研究,否定了现有的基于边缘梯度与基于局部方差的融合规则,提出了修正后的融合规则。通过对有缺陷的钢筋混凝土梁、墙板试件进行红外探测的试验和图像融合研究,证明了本文所提出的融合规则的有效性与适用性。 鉴于红外成像技术只能通过成像技术显示缺陷表面状况无法获知缺陷深度与厚度的缺点,本文采取红外图像与热传导数值模拟相结合的手段,借助神经网络算法在处理非线性问题、大规模并行处理等方面的优势,提出了一类红外CT模拟技术。这一技术借助一维与二维热传导物理模型进行混凝土结构内部缺陷深度与厚度的识别,实现了对混凝土内部缺陷的三维重构。同时,本文研究了用超声CT成像技术对钢筋混凝土结构内部缺陷进行探测的问题,初步实现了对缺陷的三维重构。 在结合红外成像和超声CT成像技术的基础上,通过多传感器数据融合技术分别在像素层、特征层与决策层实现了对缺陷大小定量与缺陷类型定性的判断。在像素层上,结合红外CT模拟与超声CT算法,采用证据理论方法实现了对三维图像的融合重构;在特征层上,通过由红外所提取的热传导系数和由超声CT所提取的波速这两个特征量,采用基于最短距离法的聚类分析法对缺陷类型进行定性评价;在决策层上,通过对由红外与超声CT两类技术所提取的特征量作局部判决后、采用证据理论对各局部判决作全局决策,最终获得关于缺陷类型的判断。

论文目录

• 第1章 绪论
• 1.1 引言
• 1.2 混凝土无损检测技术的研究现状
• 1.2.1 红外成像法
• 1.2.2 超声脉冲法
• 1.2.3 冲击回波法
• 1.2.4 雷达法
• 1.2.5 动力检测法
• 1.3 数据融合技术研究现状
• 1.3.1 数据融合发展概况
• 1.3.2 数据融合基本概念与原理
• 1.3.3 数据融合层次化结构
• 1.3.4 数据融合算法
• 1.4 本文主要工作
• 1.4.1 论文工作的目的和意义
• 1.4.2 本文主要工作
• 第2章 同类传感器的图像融合——红外图像融合
• 2.1 图像融合概述
• 2.2 图像融合前的预处理——图像配准
• 2.2.1 图像配准概述
• 2.2.2 仿射变换
• 2.2.3 实例分析结果
• 2.3 基于小波与小波包变换的图像融合算法
• 2.3.1 引言
• 2.3.2 基于小波变换的图像融合算法
• 2.3.3 基于小波包变换的图像融合算法
• 2.4 两类修正的基于区域的图像融合规则
• 2.4.1 基于像素的图像融合规则
• 2.4.2 基于区域的图像融合规则
• 2.5 试验与验证结果
• 2.6 本章小结
• 第3章 混凝土内部缺陷的红外CT模拟
• 3.1 引言
• 3.2 一维非稳态热传导数值模拟
• 3.2.1 物理模型
• 3.2.2 无缺陷区域的差分方程
• 3.2.3 有缺陷区域的差分方程
• 3.2.4 程序编制
• 3.2.5 仿真分析结果
• 3.2.6 试验分析结果
• 3.3 二维非稳态热传导数值模拟
• 3.3.1 物理模型
• 3.3.2 无缺陷区域的差分方程
• 3.3.3 有缺陷区域的差分方程
• 3.3.4 仿真分析
• 3.3.5 与试验的比较分析
• 3.3.6 一维与二维比较分析
• 3.4 基于人工神经网络的红外CT模拟
• 3.4.1 概述
• 3.4.2 LM神经网络算法
• 3.4.3 RBF神经网络算法
• 3.4.4 人工神经网络重建红外三维图像
• 3.4.5 仿真与实例分析
• 3.5 本章小结
• 第4章 超声CT技术重构混凝土内部缺陷三维图像
• 4.1 超声波CT技术
• 4.2 超声波CT基本原理
• 4.3 超声波CT重建算法
• 4.3.1 ART代数重建算法
• 4.3.2 SIRT算法
• 4.3.3 程序流程图
• 4.4 试验对比分析与结果
• 4.4.1 试验基本情况介绍
• 4.4.2 试验数据分析与结果
• 4.5 本章小结
• 第5章 不同类型传感器在不同结构层上的数据融合
• 5.1 引言
• 5.2 红外、超声两类传感器在像素层的数据融合
• 5.2.1 证据理论概述
• 5.2.2 红外、超声两类传感器在像素层上的数据融合
• 5.2.3 试验分析与结果
• 5.3 红外、超声两类传感器在特征层上的数据融合
• 5.3.1 聚类分析
• 5.3.2 特征提取
• 5.3.3 红外、超声两类传感器在特征层上的数据融合
• 5.3.4 实例分析结果
• 5.4 红外—超声两类传感器在决策层上的数据融合
• 5.5 本章小结
• 第6章 结论与展望
• 6.1 本文的主要研究结论
• 6.2 下一步的研究方向
• 致谢
• 参考文献
• 个人简历 在读期间发表的学术论文与研究成果