雷达检测钢筋的小波分析和神经网络方法

论文摘要

近年来,探地雷达技术作为一种新兴的无损检测技术正逐渐成为钢筋混凝土结构、道路桥梁、地下管道等结构物的主要检测手段。然而,目前其检测结果主要依据原始雷达图像,仍是处于传统的物探资料解释的束缚之下,即都是走“看图识字”的机械解释模式。这就极大地限制了探地雷达的应用。因为一方面雷达图像并不能很清晰表达所关切的目标信息,甚至对有些目标根本无法探测;另一方面对雷达图像的解释主要依赖于工作人员的经验和专业水平。与实际应用的迅速发展相比,探地雷达在信号处理方面的研究进展却相对缓慢。本文将直接利用雷达回波信号,进行数据处理。主要方法是用小波分析处理瞬态的目标反射信号,并结合神经网络对目标进行智能识别。在混凝土结构的雷达检测中,钢筋的位置和直径的探测始终是检测的重点。由于雷达图像存在目标特征不清晰、噪声大等缺点,给目标识别带来困难。本文利用二维离散小波变换在图像增强方面的优点,对雷达回波信号进行处理。并对小波分解后各个方向的小波系数进行去噪和增强。试验结果表明经过小波变换后的水平方向的小波系数图像中钢筋图像特征明显,从而有助于对钢筋进行准确的定位。混凝土结构中钢筋直径的探测是国内外久未解决的难题。探地雷达的目标反射信号中包含着大量关于钢筋直径的信息,并且由于不同的钢筋直径,在相同频带内信号的能量有着较大的差别。通过对雷达目标反射信号的小波包变换,提取各个频带的信号能量作为特征参数,然后利用人工神经网络的学习及存储经验知识的功能,建立由特征参数为学习样本的推理机制,从而对钢筋直径进行智能识别。试验表明该方法能够成功识别钢筋直径的大小,并达到工程满意的精度。本文的工作对推广探地雷达在混凝土探测中的应用,提高识别精度具有重要的意义。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 探地雷达技术简介
• 1.1.1 探地雷达的基本原理
• 1.1.2 探地雷达的起源与发展
• 1.2 信号处理方法在雷达探测中的应用
• 1.2.1 雷达探测的主要问题
• 1.2.2 小波分析在探地雷达应用中的进展
• 1.2.3 神经网络理论在探地雷达应用中的进展
• 1.2.4 小结
• 1.3 本文的研究内容
• 1.3.1 研究意义
• 1.3.2 研究目标
• 1.3.3 研究方案
• 第二章 探地雷达技术
• 2.1 引言
• 2.2 电磁波的基本概念
• 2.3 影响探地雷达应用的关键因素
• 2.4 探地雷达的技术参数
• 第三章 神经网络的基本理论
• 3.1 神经网络的发展简史
• 3.2 神经网络的基本理论
• 3.2.1 神经网络的定义和特点
• 3.2.2 神经网络的结构和工作原理
• 3.2.3 神经网络映射功能与误差曲面
• 3.2.4 神经网络学习方法的分类
• 3.2.5 神经网络的激活函数
• 3.2.6 神经网络系统的总体设计
• 3.2.7 神经网络训练集的设计
• 3.2.8 神经网络的训练和测试
• 3.3 小波神经网络
• 3.3.1 BP 神经网络
• 3.3.2 ELMAN 神经网络
• 3.4 本章小结
• 第四章 基于二维小波变换的钢筋位置检测
• 4.1 引言
• 4.2 探地雷达图像的解释及缺陷
• 4.2.1 雷达图像的解释
• 4.2.2 雷达灰度图的缺陷
• 4.3 二维离散小波变换在钢筋位置检测中的应用
• 4.3.1 二维离散小波变换
• 4.3.2 试件的制作
• 4.3.3 雷达图像的二维小波变换
• 4.4 本章小结
• 第五章 小波包的基本理论
• 5.1 引言
• 5.2 小波包的基本原理
• 5.2.1 小波包的定义
• 5.2.2 小波包的空间分解
• 5.2.3 小波包算法
• 5.3 小波包函数的选择
• 5.4 特征参数的提取
• 第六章 雷达检测混凝土中钢筋的神经网络方法
• 6.1 引言
• 6.2 试件的制作
• 6.3 数据的采集
• 6.4 数据的预处理
• 6.4.1 数据的截取
• 6.4.2 数据的滤波处理
• 6.4.3 数据的特征提取
• 6.4.4 多项式拟合补充数据
• 6.5 钢筋保护层厚度的神经网络识别
• 6.6 钢筋直径的神经网络识别
• 6.6.1 BP 网络训练
• 6.6.2 BP 网络的测试结果
• 6.6.3 BP 网络测试结果的误差统计及分析
• 6.6.4 ELMAN 网络训练
• 6.6.5 ELMAN 网络测试结果
• 6.6.6 ELMAN 网络测试结果的误差统计及分析
• 6.6.7 小结
• 6.7 不同强度混凝土的测试结果
• 6.7.1 两种网络结构误差统计
• 6.7.2 小结
• 6.8 本章小结
• 第七章 总结与展望
• 7.1 主要研究成果
• 7.2 本研究的不足之处
• 7.3 未来的工作和展望
• 参考文献
• 致谢