1.掺入铁屑细砂套筒灌浆料的强度检查方法，所述掺入铁屑细砂套筒灌浆料，所述的套筒灌浆料以重量份计，包括以下组分：水泥100份，改性矿物粉料50‑55份，铁屑细砂浆料2份，减水剂3份，缓凝剂3份，消泡剂2份，膨胀剂1份，水20‑25份；

所述水泥是由硫铝酸盐水泥和普通硅酸盐水泥混合而成的复配水泥；

所述改性矿物粉内含珍珠岩、萤石、膨润土和高岭土且珍珠岩、萤石、膨润土和高岭土质量比为2:1:3:5；

所述铁屑细砂浆料包括环氧胶液和铁屑细砂，且体积比为：1:6，所述铁屑细砂的最大粒径小于2.3mm；

所述环氧胶液包括环氧树脂、乙二胺和丙酮，质量比为：100:7:70；

所述减水剂为聚羧酸减水剂，所述缓凝剂为葡萄糖酸钠缓凝剂，所述消泡剂为有机硅类粉末状消泡剂，具体步骤如下，其特征在于：

1)在材料的表面放置一个检测线圈，给检测线圈施加正弦交流激励信号，同时产生交变磁场，待测材料在交变磁场的影响下，其内部将激发电涡流，可通过检测线圈的感抗x(t)来分析被测样件的相关特性；

2)同时将多个不同频率的激励信号作用于检测线圈激发产生涡流信号，并计算不同频率下线圈感抗信号的实部、虚部、幅值和相位作为多频涡流信号特征；

3)针对材料抗压强度分析，训练极限学习机网络模型：极限学习机模型是一种简单高效的前馈神经网络模型，极限学习机各参数与输入向量和输出向量的关系式为：

其中，x＝[x1,x2,…,xn]是材料多频涡流信号样本特征组成的输入向量，zj是样本材料的抗压强度值，ai是输入层权值，cj是隐含层偏置，wj是输出层权值，f(·)是sigmoid激活函数；

假设n维特征输入向量对应的输出值为y，极限学习机模型网络训练的目标就是使z与y尽可能相同，网络的损失函数如下：假设n维特征输入向量对应的输出层矩阵是L，隐含层的输出层矩阵为H，则隐含层到输出层的权值矩阵β可通过下式求得：β＝pinv(H)·L                     式3pinv(H)是H的逆矩阵，在训练极限学习机模型时，会随机初始化输入层权值ai和隐含层偏置cj参数，在使得损失函数达到最小值的情况下可通过式3得到输出层的权值wj，最终完成极限学习机模型的训练，获得训练完成的极限学习机模型；

4)检测待测掺入铁屑细砂套筒灌浆料的多频涡流信号，通过步骤2)提取多频涡流信号特征，并将信号特征作为输入特征输入到训练完成的极限学习机网络模型，最终输出待测材料的抗压强度。