在現(xiàn)代城市的建設(shè)、管理過(guò)程中,地下管網(wǎng)的鋪設(shè)情況是重要的基礎(chǔ)資料之一,因此尋求有效的探測(cè)地下管網(wǎng)的方法,快速準(zhǔn)確的獲取地下管線的信息顯得尤為重要,目前外置式探測(cè)方法中探地雷達(dá)技術(shù)應(yīng)用最為廣泛,利用其無(wú)損、快速和高分辨率的優(yōu)點(diǎn)可以快速檢測(cè),然而還存在識(shí)別精確率有待提高,GPR圖像回波圖像自動(dòng)解譯困難等問(wèn)題,針對(duì)上述問(wèn)題,本文提出了結(jié)合數(shù)字圖像處理技術(shù)和人工神經(jīng)網(wǎng)絡(luò)模型,基于GPR探測(cè)地下管線正演數(shù)值模擬,進(jìn)行了雷達(dá)波譜識(shí)別及特征提取,完成了地下管線信息的反演研究,最終達(dá)到智能地解譯地下管網(wǎng)雷達(dá)圖像的目的。論文的主要研究成果如下:（1）通過(guò)地下管線正演數(shù)值模擬研究,表明埋地介質(zhì)與管線材質(zhì)之間的介電常數(shù)差異越大,雷達(dá)圖像中反射信號(hào)越強(qiáng),雙曲線形態(tài)更清晰;管線埋深越淺以及管徑越大容易被探測(cè)到,雙曲線頂部越靠上,曲率也越大。（2）通過(guò)波譜圖的識(shí)別研究,基于數(shù)字圖像處理技術(shù),提取出了 GPR波譜圖的關(guān)鍵特征參數(shù)。（3）通過(guò)地下管線信息的反演研究,選擇了反演精度高的GA-BP神經(jīng)網(wǎng)絡(luò)模式識(shí)別算法,得到了波譜圖特征參數(shù)與地下管線信息的內(nèi)在聯(lián)系,對(duì)實(shí)際工程實(shí)踐中雷達(dá)回波圖像解釋具體非常重要的指導(dǎo)意義。 

【文章來(lái)源】：西安理工大學(xué)陜西省

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

探地雷達(dá)探測(cè)地下管線的成像示意圖

如果設(shè)置的測(cè)點(diǎn)間距比采樣間隔大，而且探測(cè)的就難以判斷出目標(biāo)的大小和空間位置；如果被探測(cè)的目標(biāo)以適當(dāng)增加測(cè)點(diǎn)之間的間距，從而加快工作效率。測(cè)點(diǎn)間迅速，采集的地下信息偏少，最后收集的數(shù)據(jù)會(huì)越少；反算緩慢。因此合理的選取測(cè)點(diǎn)間距，可以有效地避免計(jì)算順利進(jìn)行[2][3][4]。模型來(lái)探測(cè)地下管網(wǎng)，主要是通過(guò)分析雷達(dá)的回波圖像的特下管線的位置和類型特點(diǎn)。而這些回波圖像是接收天線接在不連續(xù)介質(zhì)處產(chǎn)生的反射以及散射，并通過(guò)電磁波傳播探測(cè)地下目標(biāo)后反饋的回波圖像識(shí)雙曲線的特征，因此在是雙曲線，而且雙曲線的頂點(diǎn)是地下管線管頂?shù)奈恢�，雙管徑的影響[28]。因此本文在后續(xù)波譜圖識(shí)別中提出了二取 GPR 圖特征。下圖是目標(biāo)回波圖與管線管徑關(guān)系示意

#dx_dy 定義空間離散步#geometry_file 定義模型幾何信息的#number_of_media 定義模型中不同媒C#abe_type 定義吸收邊界條#pml_layers 完全匹配層占用的 Y數(shù)ctds）#medium 定義模型中不同媒#box 定義方形物#cylinder 定義圓形物#triangle 定義三角形物tput#line_source 定義激勵(lì)源類型、振#analysis 和#end_analysis 指定計(jì)算開(kāi)始和終止為止、#tx 定義發(fā)射天#rx 定義接收天#tx_steps 和#rx_steps 定義發(fā)射和接收天線在的目錄下面單擊 Gprmax2D.exe 文件，軟件啟動(dòng)后的計(jì)算完成之后，會(huì)生成兩個(gè)輸出的文件，分別是類型件里面是計(jì)算的結(jié)果，.geo 文件里面是模型的各類參數(shù)

【參考文獻(xiàn)】：
期刊論文
[1]基于遺傳優(yōu)化神經(jīng)網(wǎng)絡(luò)的邊坡穩(wěn)定性評(píng)價(jià)[J]. 孫平定,蔡潤(rùn),謝成陽(yáng),易鑄.  現(xiàn)代電子技術(shù). 2019(05)
[2]基于改進(jìn)遺傳算法優(yōu)化反向傳播神經(jīng)網(wǎng)絡(luò)的癲癇發(fā)作檢測(cè)方法分析[J]. 劉光達(dá),魏星,張尚,蔡靖,劉頌陽(yáng).  生物醫(yī)學(xué)工程學(xué)雜志. 2019(01)
[3]遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)港口起重機(jī)故障診斷[J]. 錢(qián)志遠(yuǎn).  機(jī)械制造與自動(dòng)化. 2019(01)
[4]基于改進(jìn)的自適應(yīng)遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)[J]. 蘇崇宇,汪毓鐸.  工業(yè)控制計(jì)算機(jī). 2019(01)
[5]基于BP神經(jīng)網(wǎng)絡(luò)和遺傳算法的并行迭代優(yōu)化研究[J]. 胡海濤.  機(jī)械與電子. 2019(01)
[6]基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的接觸電阻預(yù)測(cè)[J]. 孫海峰,沈穎,王亞楠.  電測(cè)與儀表. 2019(05)
[7]基于BP神經(jīng)網(wǎng)絡(luò)與遺傳算法的鎳-鈷合金電鍍工藝參數(shù)優(yōu)化[J]. 蔡靜.  電鍍與環(huán)保. 2018(06)
[8]基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)反分析模型研究[J]. 閔江濤.  建材與裝飾. 2018(45)
[9]地質(zhì)雷達(dá)探測(cè)地下管線分類判別方法研究[J]. 姚顯春,閆茂,呂高,李寧.  地球物理學(xué)進(jìn)展. 2018(04)
[10]基于ARM和CMOS圖像處理的地下管線檢測(cè)技術(shù)研究[J]. 王柯,汪貴華,徐元,楊栩.  電子設(shè)計(jì)工程. 2018(09)

博士論文
[1]黃土填方介電參數(shù)特性及地質(zhì)雷達(dá)回波的正演與解譯研究[D]. 呂高.西安理工大學(xué) 2016
[2]地下管線探測(cè)數(shù)據(jù)處理及可視化技術(shù)研究[D]. 孫偉.解放軍信息工程大學(xué) 2012
[3]GABOR小波神經(jīng)網(wǎng)絡(luò)算法及其在灰度圖象目標(biāo)識(shí)別中的應(yīng)用研究[D]. 許廷發(fā).中國(guó)科學(xué)院研究生院（長(zhǎng)春光學(xué)精密機(jī)械與物理研究所） 2004

碩士論文
[1]基于探地雷達(dá)的地下管網(wǎng)信號(hào)處理技術(shù)研究[D]. 楊德梅.河南工業(yè)大學(xué) 2017
[2]城市地下供水管線滲漏探地雷達(dá)正演模擬與解釋方法應(yīng)用研究[D]. 黃樂(lè)藝.北京交通大學(xué) 2016
[3]探地雷達(dá)在地下管線探測(cè)中的應(yīng)用研究[D]. 趙欣.石家莊鐵道大學(xué) 2015
[4]地下管線位置分布的圖像檢測(cè)技術(shù)研究[D]. 童飛.南京理工大學(xué) 2014
[5]探地雷達(dá)圖像的目標(biāo)檢測(cè)和半徑估計(jì)[D]. 劉雅瑜.福州大學(xué) 2011
[6]探地雷達(dá)圖像識(shí)別與處理[D]. 閆永斌.北京化工大學(xué) 2008



本文編號(hào)：2998306