一种基于PINN和三维雷达的路面介电常数预测方法

摘要: 本发明涉及道路工程无损检测与人工智能交叉,具体涉及一种基于pinn和三维雷达的路面介电常数预测方法。背景技术:1、介电常数是表征路面材料电磁特性的重要参数,是三...
一种基于PINN和三维雷达的路面介电常数预测方法

本发明涉及道路工程无损检测与人工智能交叉,具体涉及一种基于pinn和三维雷达的路面介电常数预测方法。

背景技术:

1、介电常数是表征路面材料电磁特性的重要参数,是三维探地雷达路面检测的关键基础参数,其取值可反映路面介质对电磁波传播的作用,准确获取路面介电常数是三维探地雷达路面无损检测的核心问题之一。

2、目前沥青路面施工压实质量无损检测领域的主流介电常数反演方法分为三类:第一类是依赖金属板全反射标定的传统方法,该方法基于fresnel反射理论估算路面表层介电常数,物理意义明确、计算简便、可操作性强,但存在标定繁琐耗时、受人为与环境影响大、系统误差高,难以满足快速检测需求,且通常依赖少量离散标定位置进行计算,难以连续获得待测路段沿道路纵向和横向的全幅等效介电常数二维空间分布;第二类是纯数据驱动的神经网络反演方法,该方法可规避标定环节,但属于无物理约束的黑箱模型,反演结果易出现异常值,泛化能力差,难以适配复杂工程场景;第三类是基于物理信息神经网络的介电常数反演方案,pinn可让模型学习数据映射的同时满足物理规律,但现有方案多为单分支架构,存在正反演误差累积、训练收敛难度大的问题,且仅依赖现场实测数据训练,缺少真实介电常数标签,限制了模型精度提升;数值模拟数据标签明确但与实际存在差异,现场实测数据反映真实情况但缺少标签,二者存在互补优势,但现有技术未提出有效联合驱动方案,行业亟待一种融合数值模拟样本、现场实测数据与金属板参考约束的三维雷达路面介电常数反演方法,以减少应用阶段重复标定工作,提高反演精度和稳定性。

技术实现思路

1、有鉴于此,本发明提供了一种基于pinn和三维雷达的路面介电常数预测方法、装置、计算机设备及存储介质,以解决现有技术中介电常数反演依赖繁琐标定、纯数据驱动模型缺乏物理约束、现场实测数据缺乏真实标签以及数值模拟数据与工程实测数据存在差异的问题。

2、第一方面,本发明提供了一种基于pinn和三维雷达的路面介电常数预测方法,包括如下步骤:

3、获取用于pinn正演模型训练的数值模拟样本和现场实测训练样本,所述现场实测训练样本均配有相同测试条件下采集的金属板全反射参考信号;获取待测路段的现场实测三维雷达数据,其中,应用阶段根据现场条件选择是否采集金属板全反射参考信号;

4、构建基于时域有限差分法的路面雷达正演数值模拟模型,通过预设不同介电常数、天线离地高度、雷达中心频率及电导率参数,生成具有明确介电常数标签的数值模拟雷达波形样本集;

5、基于与现场实测训练样本对应的金属板全反射参考信号和正常路面表面反射信号的振幅比值,计算现场实测训练样本的等效介电常数,并将其作为现场实测训练样本的弱标签;当应用阶段采集有金属板全反射参考信号时,将对应的等效介电常数作为反演初始值和先验约束;当应用阶段未采集金属板全反射参考信号时,采用预设介电常数作为反演初始值。

6、构建数值模拟数据与现场实测数据联合驱动的pinn正演模型,将数值模拟雷达波形监督、现场实测波形监督、maxwell电磁场方程残差约束及金属板标定约束共同嵌入总损失函数进行训练。

7、基于与现场实测训练样本对应的金属板全反射参考信号和正常路面表面反射信号的振幅比值,计算现场实测训练样本的等效介电常数,并将其作为现场实测训练样本的弱标签;当应用阶段具有金属板全反射参考信号时,将对应的等效介电常数作为反演初始值和先验约束;当应用阶段不具有金属板全反射参考信号时,采用预设介电常数作为反演初始值。

8、在一种可选的实施方式中,所述时域有限差分法路面雷达正演数值模拟模型的构建方式为:建立包含空气层、沥青面层、基层及土基层的多层路面结构模型,采用yee网格对maxwell方程组进行时间与空间离散,以ricker子波作为雷达激励源,在不同介电常数、天线离地高度、雷达中心频率及电导率参数组合下生成雷达反射波形;每组数值模拟样本包括电场观测位置、时间坐标、介质参数、雷达系统参数、发射天线位置及路面结构层厚度,其输入输出关系表达为:

9、

10、其中,(xr, yr)为接收天线位置,t为时间采样点,为路面相对介电常数,σ为介质电导率,h为雷达天线离地高度,f0为雷达中心频率,(xs, ys)为发射天线位置,d1为沥青面层厚度,d2为基层厚度,为接收天线位置处的雷达回波电场分量。

11、在一种可选的实施方式中,所述现场路面等效介电常数的计算方法为:在同一测试条件下分别采集正常路面表面反射振幅a1与金属板全反射参考振幅am,基于fresnel反射理论,空气与路面界面反射系数r满足:

12、

13、表面反射振幅与反射系数近似成正比,据此计算路面等效相对介电常数εr:

14、

15、所述等效介电常数作为现场实测样本的弱标签、反演初始模型及系统标定约束。

16、在一种可选的实施方式中,所述pinn正演模型采用统一维度的输入向量,以保证数值模拟波形监督、现场实测波形监督、maxwell方程物理残差约束及介电常数反演过程由同一正演网络实现。所述统一输入向量表达为:

17、

18、其中,x和y为待预测电场位置的空间坐标,t为时间坐标,为路面相对介电常数,σ为介质电导率,h为雷达天线离地高度,f0为雷达中心频率,(xs, ys)为发射天线位置,d1为沥青面层厚度,d2为基层厚度。

19、所述pinn正演模型输出对应空间位置和时间坐标处的电场分量,其映射关系为:

20、

21、其中,为pinn正演模型,θ为pinn正演模型的网络参数。

22、在数值模拟波形监督、现场实测波形监督及介电常数反演阶段,将接收天线位置对应的空间坐标(xr, yr)代入所述统一输入向量,形成接收天线位置处的输入向量:

23、

24、并提取接收天线位置处的电场预测值,形成雷达反射电场波形:

25、

26、在maxwell方程物理残差约束计算阶段,将第q个物理配置点的空间坐标和时间坐标(xq, yq, tq)代入所述统一输入向量,形成:

27、

28、所述pinn正演模型在第q个物理配置点处输出电场分量:

29、

30、通过自动微分机制计算电场分量对空间坐标x、y和时间坐标t的偏导数,并代入maxwell控制方程得到物理残差。由此,波形监督阶段和物理残差计算阶段采用相同维度、相同结构的模型输入,仅空间坐标的取值方式不同。

31、在一种可选的实施方式中,所述pinn正演模型的训练阶段与介电常数反演阶段采用不同的损失函数体系。

32、在pinn正演模型训练阶段,构建训练总损失函数ltrain,用于优化神经网络参数θ,使模型同时学习数值模拟数据中的介电参数—雷达波形映射关系、现场实测雷达波形响应特征以及电磁波传播物理规律。所述训练总损失函数表达为:

33、

34、其中,ltrain为pinn正演模型训练总损失函数;lsim为数值模拟波形监督损失,用于约束模型输出波形与fdtd数值模拟波形保持一致;lobs为现场实测波形监督损失,用于约束模型输出波形与现场实测雷达波形保持一致;lphy为maxwell方程物理残差损失,用于约束模型输出满足电磁波传播控制方程;lref为金属板参考约束损失,用于约束现场样本的等效介电常数或表面反射振幅关系与金属板全反射参考结果保持一致;lic为初始条件约束损失;lbc为边界条件约束损失;λsim、λobs、λphy、λref、λic和 λbc分别为各损失项的权重系数。

35、所述数值模拟波形监督损失lsim表达为:

36、

37、其中,lsim为数值模拟波形监督损失;nsim为数值模拟样本总数;nt为每条雷达波形的时间采样点数;表示第i个数值模拟样本在第n个时间采样点处的输入向量;表示第i个数值模拟样本在第n个时间采样点处由fdtd数值模拟得到的雷达电场幅值;表示pinn正演模型在相同输入条件下预测得到的雷达电场幅值;θ为pinn正演模型的网络参数。

38、所述现场实测波形监督损失lobs表达为:

39、

40、其中,nobs为现场实测样本数量,nt为每条现场实测雷达波形的时间采样点数,为第j个现场实测样本在第n个时间采样点处的输入向量,为第j个现场实测样本在第n个时间采样点处的实测雷达电场幅值,为pinn正演模型在相同输入条件下预测得到的雷达电场幅值;所述现场样本输入参数中的介电常数初值由金属板全反射参考信号与正常路面表面反射信号的振幅比值计算得到。

41、在一种可选的实施方式中,对于三维雷达采集得到的多通道数据,将各通道沿检测方向形成的测线近似为二维tm电磁传播问题进行物理残差约束,并将各测线或各通道的反演结果通过空间配准和插值形成全幅路面介电常数空间分布。

42、所述maxwell方程物理残差损失lphy以有耗介质电磁波传播方程构建,对于二维tm模式下的电场分量ez,其残差表达为:

43、

44、所述maxwell方程物理残差损失lphy表达为:

45、

46、其中,nc为物理配置点数量,xq、yq和tq分别为第q个物理配置点的空间坐标和时间坐标,εq为第q个物理配置点处的介电常数,σq为第q个物理配置点处的电导率,μq为第q个物理配置点处的磁导率,ez,θ为pinn正演模型预测的电场分量。通过深度学习框架的自动微分机制计算电场预测值对空间坐标和时间坐标的偏导数,并代入上述方程得到物理残差。所述金属板参考约束损失lref用于约束模型对应的表面反射响应满足金属板参考标定关系,其表达为:

47、

48、其中,a1,j为第j个现场样本的正常路面表面反射振幅,am,j为同测试条件下的金属板全反射参考振幅,为空气—路面界面的fresnel反射系数。

49、所述初始条件约束损失lic用于约束pinn正演模型在初始时刻的电场响应满足预设初始状态。对于第r个初始条件配置点,其空间坐标为,初始时刻为t=0,则初始条件约束损失表达为:

50、

51、其中,nic为初始条件配置点数量,ez,θ为pinn正演模型预测的电场分量,ez,0为初始时刻的预设电场值,vz,0为初始时刻电场对时间的一阶导数预设值。在无外部激励作用的初始状态下,ez,0和vz,0可取为0。

52、所述边界条件约束损失lbc用于约束pinn正演模型在计算区域边界处满足预设边界条件。对于第m个边界配置点,其坐标为 ,边界条件约束损失表达为:

53、

54、其中,nbc为边界条件配置点数量,为边界条件算子,gbc为预设边界值。当采用吸收边界条件或完全匹配层边界条件时,用于约束边界处外向传播波的反射残差趋近于0;当采用零场边界近似时,gbc可取为0。

55、在介电常数反演阶段,训练完成的pinn正演模型参数θ保持不变,仅将待测路面的介电常数εr作为待优化变量,构建反演总损失函数linv:

56、

57、其中,linv为介电常数反演总损失函数;lwave为波形匹配损失,用于约束pinn正演波形与现场实测雷达波形一致;lref_inv为反演阶段金属板参考初始约束损失,用于约束反演介电常数不偏离由金属板参考法计算得到的等效介电常数初值;lrange为介电常数物理范围约束损失,用于限制反演介电常数处于预设合理范围内;lsmooth为空间平滑正则化损失,用于约束相邻测点或相邻网格介电常数变化连续;λwave、λref_inv、λrange和λsmooth分别为各损失项的权重系数。在具备现场金属板参考数据时,将金属板法计算的等效介电常数作为反演初始值和先验约束;在不具备现场金属板参考数据时,根据训练样本介电常数统计值、相邻测点结果或预训练模型的粗预测结果设置初始介电常数,并令。

58、所述波形匹配损失lwave表达为:

59、

60、其中,为训练完成且参数固定的pinn正演模型,第j个测点在第n个时间采样点处包含待反演介电常数εr,j的输入向量,为第j个测点在第n个时间采样点处的现场实测雷达电场幅值。

61、所述反演阶段金属板参考初始约束损失lref_inv表达为:

62、

63、其中,εr,j为第j个测点反演得到的介电常数,εref,j为根据金属板全反射参考信号计算得到的第j个测点的等效介电常数。所述介电常数物理范围约束损失lrange表达为:

64、

65、其中,εmin和εmax分别为路面材料介电常数的预设下限和上限。

66、所述空间平滑正则化损失lsmooth表达为:

67、

68、其中,εr,p,s表示第p行、第s列空间位置处的反演介电常数,nx和ny分别表示介电常数空间分布结果在两个平面方向上的网格数量。反演总损失函数对介电常数的梯度通过自动微分获得,迭代过程采用adam算法进行初步优化,再采用l-bfgs算法进行精细优化,当反演总损失值小于预设阈值或连续迭代损失变化量小于预设变化阈值时判定收敛。

69、在一种可选的实施方式中,得到待测路面介电常数空间分布结果后,通过同批次沥青混合料的室内马歇尔标准试验建立介电常数与沥青路面压实度的对应关系,完成沥青路面施工压实质量的无损评估,精准定位压实不足的薄弱区域。

70、第二方面,本发明提供了一种基于pinn和三维雷达的路面介电常数预测装置,所述装置包括:

71、数据采集模块,用于获取待测沥青路面的现场实测三维雷达数据集与金属板全反射参考信号数据集;

72、数值模拟样本构建模块,用于基于时域有限差分法构建路面雷达正演数值模拟模型,生成具有明确介电常数标签的数值模拟雷达波形样本集;

73、金属板标定参考模块,用于基于金属板全反射参考信号与正常路面表面反射信号的振幅比值计算现场路面等效介电常数,作为现场实测样本的弱标签与反演初始值;

74、pinn正演模型构建与训练模块,用于构建数值模拟数据与现场实测数据联合驱动的pinn正演模型,将数值模拟雷达波形监督、现场实测波形监督、maxwell电磁场方程残差约束及金属板标定约束共同嵌入总损失函数进行训练;

75、介电常数反演模块,用于基于训练完成的pinn正演模型,以现场实测雷达波形为目标波形,以待反演介电常数为优化变量,通过最小化pinn正演波形与现场实测波形之间的误差迭代更新介电常数;

76、预测输出模块,用于输出待测路段沿道路纵向和横向的全幅等效介电常数二维空间分布结果。

77、第三方面,本发明提供了一种计算机设备,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行上述第一方面或其对应的任一实施方式所述的pinn三维雷达路面介电常数预测方法。

78、第四方面,本发明提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机指令,所述计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式所述的pinn三维雷达路面介电常数预测方法。

79、第五方面,本发明提供了一种计算机程序产品,包括计算机指令,所述计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式所述的pinn三维雷达路面介电常数预测方法。

80、有益效果:通过引入时域有限差分法数值模拟数据与现场实测数据联合驱动的训练框架,结合两类数据各自优势,解决了现场实测数据缺乏真实介电常数标签的局限;构建融合数值模拟监督、现场实测监督、maxwell方程残差物理约束及金属板标定约束的多源联合损失函数,解决两类数据的域差异问题,同时提升了模型反演精度与现场适应性;反演阶段将训练完成的pinn正演模型作为快速正演算子,以完整时间域雷达波形为目标反演介电常数,可充分利用雷达波形的多维度信息;以金属板参考等效介电常数提供初始搜索起点,可避免非线性反演陷入局部极小值,相比传统金属板标定经验公式法,信息利用率与反演稳定性更高;且pinn正演模型推理速度更快,可满足沥青路面铺筑后现场快速检测的工程需求。