非均质机场水泥道面板底脱空雷达波响应

为研究机场刚性道面配筋与非均质材料对板底脱空探地雷达波响应的影响规律,采用PFC3D离散元模拟和gprMax电磁仿真构建道面多相非均质电磁差分模型,进而建立板底脱空长度与脱空顶部反射波幅值的函数关系.研究结果表明：雷达波信号在非均质中的波场快照和剖面图呈现随机扰动特征,含水脱空回波信号受非均质材料衰减作用影响显著;脱空与钢筋层间形成能量团,增强了脱空回波信号,空气脱空回波信号受能量团增强作用显著.脱空长度小于第一临界点时,回波信号振幅强度与脱空长度呈二次函数相关;脱空长度大于第一临界点时,随脱空长度的增长,振幅先下降,后在第二临界点保持不变.该研究为探地雷达定量估算水泥道面板底脱空的长度发展提供了理论依据.     

基于级联卷积神经网络的公路路基病害识别

针对当前公路路基病害识别中探地雷达(GPR)技术的数据分析还依赖于人工识别,识别效率低、准确性差问题,建立了级联卷积神经网络来实现自动识别探地雷达图像所反映路基病害的任务。级联卷积神经网络系统由2个卷积神经网络组成,分别用于识别低分辨率和高分辨率探地雷达图像。神经网络的建立包括训练、验证和测试3个步骤。通过训练和测试的结果验证了级联卷积神经网络系统的稳定性,并将级联卷积神经网络和Sobel边缘检测,K值聚类分析进行比较,以论证其优越性。结果表明:级联卷积神经网络在路基病害分类训练中的识别准确率为97.46%,验证中的识别准确率为95.80%,其识别路基病害的精度较高;级联卷积神经网络对发射频率300、500、900 MHz的图像分类准确率分别为94.20%、93.89%、94.57%,对不同公路结构的图像分类准确率分别为94.80%、94.78%、94.28%、94.21%,可见级联卷积神经网络的识别准确性不受雷达发射频率和路面结构的影响;当图像分辨率较低时,Sobel边缘检测和K值聚类分析无法准确提取路基病害几何特征信息,级联卷积神经网络可通过分类器2准确识别;当图像分辨率较高时,Sobel边缘检测和K值聚类分析仅能提取路基病害的部分特征,后续病害类型的识别需要人工完成。可见级联卷积神经网络较其他算法在路基病害识别方面更准确、高效。