【摘要】：隨著我國水利、交通、市政等領(lǐng)域投入運行的隧道數(shù)量越來越多,隧道襯砌結(jié)構(gòu)健康服役與長壽命運行的重要性日漸突出。隧道運營期內(nèi),經(jīng)常出現(xiàn)裂縫、空洞、脫空、滲水等諸多結(jié)構(gòu)病害,嚴(yán)重威脅隧道健康服役與長壽命運營。研究隧道襯砌內(nèi)部結(jié)構(gòu)病害的檢測與識別方法,保障隧道運營安全,實現(xiàn)隧道襯砌病害的預(yù)知養(yǎng)護(hù)具有科學(xué)意義和工程價值。探地雷達(dá)是利用高頻電磁脈沖的反射波來探測地下目標(biāo)體分布形態(tài)及特征的一種無損檢測技術(shù),具有快速高效、結(jié)果直觀等優(yōu)勢。然而,由于隧道襯砌結(jié)構(gòu)的復(fù)雜性、病害的多樣性以及隧道環(huán)境下的雷達(dá)信號的干擾等原因,襯砌病害的探地雷達(dá)數(shù)據(jù)識別存在精度差、依賴經(jīng)驗、自動化程度低等問題。針對以上問題,本文以實現(xiàn)隧道襯砌介電模型反演與病害類型、位置、輪廓自動識別為主要目標(biāo),依托深度神經(jīng)網(wǎng)絡(luò)超強的非線性映射能力,通過結(jié)合理論分析、數(shù)值模擬、模型試驗等多種手段,研究基于深度學(xué)習(xí)的雷達(dá)智能反演與隧道襯砌病害識別,提出了基于深度神經(jīng)網(wǎng)絡(luò)的雷達(dá)數(shù)據(jù)智能反演方法,實現(xiàn)了隧道襯砌結(jié)構(gòu)病害介電模型的反演;同時基于卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)了隧道結(jié)構(gòu)異常識別與病害自動分類,并加以智能反演結(jié)果進(jìn)行佐證;在智能反演結(jié)果基礎(chǔ)上,采用SegNet深度學(xué)習(xí)模型實現(xiàn)了病害形態(tài)位置輪廓的細(xì)節(jié)刻畫。最終形成適用于隧道襯砌病害檢測數(shù)據(jù)的智能反演方法和自動識別分類方法,并通過模型試驗進(jìn)行驗證,取得了較好的結(jié)果。本文的主要研究工作以及成果如下:(1)針對雷達(dá)檢測數(shù)據(jù)到相對介電常數(shù)模型的反演難題,本文提出基于深度學(xué)習(xí)網(wǎng)絡(luò)的雷達(dá)檢測數(shù)據(jù)智能反演方法,通過深度神經(jīng)網(wǎng)絡(luò)來逼近雷達(dá)檢測數(shù)據(jù)與相對介電常數(shù)模型之間非線性關(guān)系,實現(xiàn)檢測數(shù)據(jù)到介電常數(shù)模型的映射,通過設(shè)計網(wǎng)絡(luò)架構(gòu)及參數(shù)來優(yōu)化深度學(xué)習(xí)模型,提升智能反演的各項指標(biāo),進(jìn)而確定深度神經(jīng)網(wǎng)絡(luò)模型。(2)針對隧道襯砌結(jié)構(gòu)病害介電模型反演問題,基于實現(xiàn)雷達(dá)數(shù)據(jù)智能反演的神經(jīng)網(wǎng)絡(luò),設(shè)計符合地質(zhì)意義的隧道襯砌病害模型,并通過時域有限差分正演(FDTD)研究了典型襯砌結(jié)構(gòu)病害的雷達(dá)響應(yīng)特征,并生成對應(yīng)的大量雷達(dá)檢測數(shù)據(jù),進(jìn)而通過訓(xùn)練深度神經(jīng)網(wǎng)絡(luò),實現(xiàn)隧道襯砌病害探測數(shù)據(jù)的智能反演,且智能反演結(jié)果優(yōu)于傳統(tǒng)全波形反演。(3)針對隧道襯砌內(nèi)部病害類型及分布輪廓的自動識別難題,研究了基于雷達(dá)觀測數(shù)據(jù)的隧道病害自動識別方法,通過構(gòu)建卷積神經(jīng)網(wǎng)絡(luò),實現(xiàn)了隧道襯砌內(nèi)部異常識別與多種病害的數(shù)據(jù)整體分類,并加以智能反演結(jié)果進(jìn)行佐證。針對隧道襯砌病害類型及輪廓識別難題,研究了基于SegNet的語義分割深度網(wǎng)絡(luò)模型,對智能反演的預(yù)測模型進(jìn)行像素級分類,實現(xiàn)病害形態(tài)位置的細(xì)節(jié)刻畫。(4)在以上的研究基礎(chǔ)上,設(shè)計基于深度神經(jīng)網(wǎng)絡(luò)的智能反演程序,開展了基于數(shù)值模擬的智能反演研究,并構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)雷達(dá)數(shù)據(jù)的自動識別。進(jìn)而通過設(shè)計模型試驗,驗證了本文方法的有效性和可靠性。
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：U457.2
【圖文】：

典型的神經(jīng)網(wǎng)絡(luò)是由具有適應(yīng)性的簡單單元組成的并廣泛并行互連的網(wǎng)絡(luò)，逡逑它的組織能夠模擬生物神經(jīng)系統(tǒng)對真實世界物體所做出的交互反應(yīng)［８５］。其中最逡逑基本的成分是神經(jīng)元模型，如圖２．１所示。其中Ｍ為當(dāng)前神經(jīng)元，ｘ為當(dāng)前神經(jīng)逡逑元的輸入，ｗ為當(dāng)前輸入的對應(yīng)權(quán)重，為當(dāng)前神經(jīng)元的閾值，ｙ為當(dāng)前神經(jīng)元逡逑的輸出。在這個模型中，神經(jīng)元接收到來自ｎ個其他神經(jīng)元傳遞過來的輸入，這逡逑些信號在加權(quán)之后進(jìn)行傳遞，神經(jīng)元接受到的總輸入值大小與神經(jīng)元的閾值進(jìn)行逡逑比較，然后通過激活函數(shù)處理從而產(chǎn)生得到神經(jīng)元輸出。逡逑圖２．１神經(jīng)元模型逡逑Ｆｉｇｕｒｅ邋２．１邋Ｎｅｕｒｏｎ邋ｍｏｄｅｌ逡逑將多個神經(jīng)元按一定層次連接起來就得到了神經(jīng)網(wǎng)絡(luò)如圖２．２所示。神經(jīng)網(wǎng)逡逑絡(luò)一般由輸入層、隱含層、輸出層組成，而隱含層的數(shù)量則一定程度上決定了網(wǎng)逡逑絡(luò)的復(fù)雜度。逡逑１２逡逑

深度學(xué)習(xí)強調(diào)了模型結(jié)構(gòu)的深度，突出了特征學(xué)習(xí)的重要性，通過逐層特征變換，逡逑將樣本在原空間的特征表示變換到一個新特征空間，從而使分類或預(yù)測更加容易，逡逑如圖２．３所示。與人工規(guī)則構(gòu)造特征的方法相比，利用大量數(shù)據(jù)與更深層的網(wǎng)絡(luò)逡逑結(jié)構(gòu)來自動學(xué)習(xí)特征，能夠刻畫數(shù)據(jù)更豐富的內(nèi)在信息，避免了神經(jīng)網(wǎng)絡(luò)的低效逡逑率與過擬合風(fēng)險。逡逑輸＼層邋邐隱藏Ｓ邐邋輸出層逡逑圖２．３深度神經(jīng)網(wǎng)絡(luò)逡逑Ｆｉｇｕｒｅ邋２．３邋Ｄｅｅｐ邋Ｎｅｕｒａｌ邋Ｎｅｔｗｏｒｋ逡逑２．１．２用于雷達(dá)檢測數(shù)據(jù)智能反演的深度網(wǎng)絡(luò)模型設(shè)計逡逑利用深度學(xué)習(xí)網(wǎng)絡(luò)實現(xiàn)雷達(dá)數(shù)據(jù)反演是本章的核心目標(biāo)，而設(shè)計適用于雷達(dá)逡逑數(shù)據(jù)特征的深度神經(jīng)網(wǎng)絡(luò)模型是實現(xiàn)該目標(biāo)的關(guān)鍵。一般來說，卷積神經(jīng)網(wǎng)絡(luò)更逡逑適用于提取圖像特征，也比較適合貼近從圖像到圖像的非線性映射關(guān)系。但是由逡逑于雷達(dá)檢測數(shù)據(jù)與相對介電常數(shù)的弱空間對應(yīng)性，以及隨著探測深度的增加，雷逡逑達(dá)反射信號逐漸衰減，導(dǎo)致卷積神經(jīng)網(wǎng)絡(luò)的權(quán)重共享特性不適用于雷達(dá)檢測數(shù)據(jù)逡逑的智能反演。因此，本研究在基于Ｐｙｔｏｒｃｈ框架的基礎(chǔ)上，結(jié)合雷達(dá)數(shù)據(jù)特點，逡逑１３逡逑

邐輸出層逡逑＿馨夢－逡逑圖２．２神經(jīng)網(wǎng)絡(luò)逡逑Ｆｉｇｕｒｅ邋２．２邋Ｎｅｕｒａｌ邋Ｎｅｔｗｏｒｋ逡逑深度學(xué)習(xí)通過多隱藏層的網(wǎng)絡(luò)模型和大量的訓(xùn)練數(shù)據(jù)，來學(xué)習(xí)更有用的特征，逡逑從而提升分類或預(yù)測的準(zhǔn)確性。因此，“深度模型”是手段，“特征學(xué)習(xí)”是目的。逡逑深度學(xué)習(xí)強調(diào)了模型結(jié)構(gòu)的深度，突出了特征學(xué)習(xí)的重要性，通過逐層特征變換，逡逑將樣本在原空間的特征表示變換到一個新特征空間，從而使分類或預(yù)測更加容易，逡逑如圖２．３所示。與人工規(guī)則構(gòu)造特征的方法相比，利用大量數(shù)據(jù)與更深層的網(wǎng)絡(luò)逡逑結(jié)構(gòu)來自動學(xué)習(xí)特征，能夠刻畫數(shù)據(jù)更豐富的內(nèi)在信息，避免了神經(jīng)網(wǎng)絡(luò)的低效逡逑率與過擬合風(fēng)險。逡逑輸＼層邋邐隱藏Ｓ邐邋輸出層逡逑圖２．３深度神經(jīng)網(wǎng)絡(luò)逡逑Ｆｉｇｕｒｅ邋２．３邋Ｄｅｅｐ邋Ｎｅｕｒａｌ邋Ｎｅｔｗｏｒｋ逡逑２．１．２用于雷達(dá)檢測數(shù)據(jù)智能反演的深度網(wǎng)絡(luò)模型設(shè)計逡逑利用深度學(xué)習(xí)網(wǎng)絡(luò)實現(xiàn)雷達(dá)數(shù)據(jù)反演是本章的核心目標(biāo)，而設(shè)計適用于雷達(dá)逡逑數(shù)據(jù)特征的深度神經(jīng)網(wǎng)絡(luò)模型是實現(xiàn)該目標(biāo)的關(guān)鍵。一般來說

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 章恩釗;;機(jī)制砂在高壽尖隧道襯砌泵送混泥土中的應(yīng)用[J];四川水泥;2017年07期

2 邵順安;鄭景祥;鄭禮永;;探地雷達(dá)檢測隧道襯砌的影響因素及應(yīng)用[J];福建建材;2017年07期

3 徐玉興;;地質(zhì)雷達(dá)在隧道襯砌質(zhì)量檢測中的應(yīng)用[J];中國標(biāo)準(zhǔn)化;2017年04期

4 張開;;隧道襯砌支護(hù)施工技術(shù)及質(zhì)量控制[J];中國標(biāo)準(zhǔn)化;2017年04期

5 楊航;;解析高速公路隧道襯砌施工與維護(hù)技術(shù)[J];低碳世界;2017年28期

6 李冰;;基于優(yōu)度評價法的隧道襯砌健康判別方法[J];新余學(xué)院學(xué)報;2017年05期

7 徐國慶;;寒區(qū)隧道襯砌主動保溫效果的數(shù)值模擬研究[J];交通世界;2017年29期

8 張友衡;張幫宏;;復(fù)雜地質(zhì)隧道襯砌變形分析與工程治理技術(shù)[J];居業(yè);2017年09期

9 陳燕;;淺談隧道襯砌質(zhì)量檢測和缺陷分析處理[J];安徽建筑;2015年01期

10 孫銘;;淺談隧道襯砌施工影響因素和施工質(zhì)量控制[J];城市地理;2017年08期

相關(guān)會議論文 前10條

1 金維浚;趙永貴;余文龍;;探地雷達(dá)在山區(qū)鐵路隧道襯砌質(zhì)量工程檢測應(yīng)用[A];“川藏鐵路建設(shè)的挑戰(zhàn)與對策”2016學(xué)術(shù)交流會論文集[C];2016年

2 利奕年;黃正發(fā);;地質(zhì)雷達(dá)在公路隧道襯砌檢測中的應(yīng)用[A];全國地下工程超前地質(zhì)預(yù)報與災(zāi)害治理學(xué)術(shù)及技術(shù)研討會論文集（Ⅲ）[C];2009年

3 謝雄耀;覃暉;;探地雷達(dá)探測隧道襯砌鋼筋的神經(jīng)網(wǎng)絡(luò)識別方法[A];2010年全國工程地質(zhì)學(xué)術(shù)年會暨“工程地質(zhì)與海西建設(shè)”學(xué)術(shù)大會論文集[C];2010年

4 高杰;鐘世航;;應(yīng)用物探方法檢測隧道襯砌質(zhì)量[A];中國土木工程學(xué)會隧道及地下工程學(xué)會第七屆年會暨北京西單地鐵車站工程學(xué)術(shù)討論會論文集（下）[C];1992年

5 付國強;;隧道襯砌雷達(dá)檢測疑難解譯問題剖析[A];快速提升鐵路建設(shè)與裝備現(xiàn)代化技術(shù)促進(jìn)鐵路跨越式發(fā)展——中國科協(xié)第五屆青年學(xué)術(shù)年會第九分會場論文集[C];2004年

6 付國強;;隧道襯砌雷達(dá)檢測疑難解譯問題剖析[A];鐵路長大隧道設(shè)計施工技術(shù)研討會論文集[C];2004年

7 陳智;;確保隧道襯砌混凝土施工外觀質(zhì)量的幾點措施[A];全國高性能混凝土和礦物摻合料的研究與工程應(yīng)用技術(shù)交流會論文集[C];2006年

8 王新林;;參數(shù)化設(shè)計思想在隧道襯砌輔助設(shè)計中的應(yīng)用[A];第十四屆全國工程設(shè)計計算機(jī)應(yīng)用學(xué)術(shù)會議論文集[C];2008年

9 宋戰(zhàn)平;荊敏;吳煥通;;公路隧道襯砌結(jié)構(gòu)優(yōu)化設(shè)計及其工程應(yīng)用[A];巖石力學(xué)與工程的創(chuàng)新和實踐：第十一次全國巖石力學(xué)與工程學(xué)術(shù)大會論文集[C];2010年

10 洪原明;;運營隧道襯砌病害臨時支護(hù)方法[A];高速重載與普通鐵路橋隧運營管理與檢測修理技術(shù)論文集（下冊）[C];2010年

相關(guān)重要報紙文章 前7條

1 記者 楊秀權(quán);十九局集團(tuán) 精品工程群凸現(xiàn)渝懷線[N];中國鐵道建筑報;2002年

2 唐江省 沈北林;隧道襯砌結(jié)束 穩(wěn)步再追“魯班”[N];中國鐵道建筑報;2003年

3 尹登明;農(nóng)民工馬小利成功研制國內(nèi)首臺隧道襯砌砼自動養(yǎng)護(hù)除塵系統(tǒng)[N];咸陽日報;2011年

4 通訊員　 白樹民;我國首臺大型海底隧道襯砌設(shè)備投入使用[N];中華建筑報;2006年

5 曹建忠 劉金良;秦嶺二線隧道襯砌及道床完工[N];中國鐵道建筑報;2003年

6 本報記者 燕明邋通訊員 劉春輝;又寫輝煌交通人[N];承德日報;2007年

7 記者 樊晉鐵;今年我省水利工作重點抓好兩項工程[N];山西經(jīng)濟(jì)日報;2016年

相關(guān)博士學(xué)位論文 前9條

1 舒志樂;隧道襯砌內(nèi)空洞探地雷達(dá)探測正反演研究[D];重慶大學(xué);2010年

2 于媛媛;山嶺隧道襯砌結(jié)構(gòu)震害機(jī)理研究[D];中國地震局工程力學(xué)研究所;2013年

3 林春金;運營隧道襯砌滲漏水機(jī)理及注漿治理研究[D];山東大學(xué);2017年

4 董飛;地鐵隧道襯砌結(jié)構(gòu)破壞機(jī)理與安全性評價[D];北京交通大學(xué);2018年

5 約瑟夫·阿卜杜勒·瓦希德·曼索爾（Yousif Abdulwahid Mansoor）;隧道襯砌腐蝕后強度研究[D];西南交通大學(xué);2013年

6 張振宇;橡膠墊與混凝土接觸模型及其在盾構(gòu)隧道中的應(yīng)用研究[D];中國礦業(yè)大學(xué)(北京);2018年

7 周小義;巖土工程中數(shù)值流形方法的應(yīng)用與研究[D];重慶大學(xué);2008年

8 高峰;地下結(jié)構(gòu)動力分析若干問題研究[D];西南交通大學(xué);2003年

9 張偉偉;大型正交異性結(jié)構(gòu)動力學(xué)分析的空間—時域多尺度方法及應(yīng)用研究[D];上海交通大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 余東洋;鐵路隧道襯砌背后空洞缺陷安全性評價及處治對策研究[D];中國鐵道科學(xué)研究院;2019年

2 徐輝;基于深度學(xué)習(xí)的隧道襯砌病害GPR探測智能反演與識別方法[D];山東大學(xué);2019年

3 李晉;基于BIM技術(shù)的地鐵區(qū)間隧道襯砌結(jié)構(gòu)設(shè)計軟件研究[D];重慶交通大學(xué);2018年

4 潘東;火災(zāi)作用下大直徑盾構(gòu)隧道襯砌力學(xué)性能和損傷規(guī)律研究[D];北京交通大學(xué);2018年

5 時旦;新建高鐵隧道襯砌質(zhì)量缺陷與安全性評價標(biāo)準(zhǔn)研究[D];北京交通大學(xué);2018年

6 李東清;含空洞的高鐵隧道襯砌損傷與結(jié)構(gòu)壽命的關(guān)系研究[D];北京建筑大學(xué);2018年

7 韓學(xué)沖;基于BIM技術(shù)的公路隧道襯砌設(shè)計程序的研究[D];重慶交通大學(xué);2018年

8 蔣凡;基于圖像處理的車載式隧道襯砌裂縫檢測系統(tǒng)研究[D];長安大學(xué);2018年

9 張博;云南山區(qū)公路隧道襯砌病損特征及服役狀況評價方法研究[D];昆明理工大學(xué);2018年

10 劉宇;“滲流-應(yīng)力場”及雙因素作用下隧道襯砌混凝土性能試驗研究[D];江蘇科技大學(xué);2018年

本文編號：2772128