1.一种基于声音信号的钢管混凝土结构脱空缺陷诊断方法,其特征在于,包括以下步骤:
1)获取不同脱空状态下的钢管混凝土结构的声音信号;
2)读取声音信号中的信息,采用CMOR小波基函数进行连续小波变换,将一维声音信号转换为二维的小波时频图,作为脱空缺陷识别的图像特征;
3)对获取的钢管混凝土结构脱空缺陷识别的图像特征进行预处理;
4)将脱空缺陷识别的图像特征按照设定比例划分为训练集、验证集、测试集,训练用于钢管混凝土结构脱空缺陷识别的卷积神经网络模型;
5)将待检测的钢管混凝土构件的图像特征输入到训练好的卷积神经网络模型,得到检测结果;
所述步骤4)中,训练用于钢管混凝土结构脱空缺陷识别的卷积神经网络模型,激活函数采用ReLU函数,损失函数采用交叉熵函数,输出层采用softmax函数,完成模型分类,所述卷积神经网络模型依次包括第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第三池化层、第四卷积层、第四池化层,第一全连接层、第二全连接层和第三全连接层;
所述第一卷积层采用64个3×3的卷积核,步长为1,对128×128×3pixel的图像进行卷积,得到128×128×64pixel的特征图,对卷积运算后的数据进行ReLU变换,然后进行池化,特征图尺寸减半为64×64×64pixel的图像;
所述第二卷积层采用128个3×3的卷积核,对池化后的64×64×64pixel的特征图进行卷积,得到64×64×128pixel的特征图,对卷积运算后的数据进行ReLU变换,然后进行池化后,特征图尺寸减半为32×32×128pixel的图像;
所述第三卷积层采用256个3×3的卷积核,对池化后的32×32×128pixel的特征图进行卷积,得到32×32×256pixel的特征图,对卷积运算后的数据进行ReLU变换,然后进行池化后,特征图尺寸减半为16×16×256pixel的图像;
所述第四卷积层采用512个3×3的卷积核,对池化后的16×16×256pixel的特征图进行卷积,得到16×16×512pixel的特征图,对卷积运算后的数据进行ReLU变换,然后进行池化后,特征图尺寸减半为8×8×512pixel的图像;
所述第一全连接层的神经元个数为1024,所述第二全连接层的神经元个数为512,所述第三全连接层的神经元个数为11。
2.根据权利要求1所述的基于声音信号的钢管混凝土结构脱空缺陷诊断方法,其特征在于,所述步骤1)中,在距离钢管混凝土结构表面上方设定距离处布置声学传感器,敲击钢管混凝土表面,采集设备通过声学传感器采集所述声音信号;所述声音信号包括经过钢管-空气-混凝土-钢管的反射过程而被采集到的声音信号和直接沿钢管绕射后被采集到的声音信号。
3.根据权利要求1所述的基于声音信号的钢管混凝土结构脱空缺陷诊断方法,其特征在于,所述步骤2)中,声音信号x(t)进行连续小波变换的计算公式如下:其中,x(t)为采集的声音信号;a为尺度因子,表示与频率相关的伸缩;b表示平移因子,反映了小波基函数的位移变化;表示基小波ψ(t)经过位移和伸缩产生的族函数,称为小波基函数;
采用CMOR小波作为基本小波,定义为:
其中t表示时间,i为虚数,Fb是带宽因子,Fc是中心频率因子。
4.根据权利要求1所述的基于声音信号的钢管混凝土结构脱空缺陷诊断方法,其特征在于,所述步骤3)中,预处理包括:对图像特征去除时频图周边坐标、文字和能量条,网格规范化压缩处理成为像元格式。
5.根据权利要求1所述的基于声音信号的钢管混凝土结构脱空缺陷诊断方法,其特征在于,步骤4)中,将二维小波时频图和与之对应的脱空缺陷标签作为一个样本对,将全部样本按照设定的比例划分为训练集、验证集和测试集。
6.一种用于实现如权利要求1-5任一项所述方法的基于声音信号的钢管混凝土结构脱空缺陷诊断装置,其特征在于,包括:声音感知模块,用于获取不同脱空状态下的钢管混凝土结构的声音信号;
特征获取模块,用于读取声音信号中的信息,采用CMOR小波基函数进行连续小波变换,将一维声音信号转换为二维的小波时频图,作为脱空缺陷识别的图像特征;还用于对获取的钢管混凝土结构脱空缺陷识别的图像特征进行预处理;
训练模块,用于将脱空缺陷识别的图像特征按照设定比例划分为训练集、验证集、测试集,训练用于钢管混凝土结构脱空缺陷识别的卷积神经网络模型;
诊断模块,用于输入待检测的钢管混凝土构件的图像特征,并通过训练好的卷积神经网络模型进行检测,得到检测结果;以及显示模块,用于显示检测结果,即钢管混凝土结构脱空缺陷的概率。