一种基于声振与物理信息融合的混凝土振捣状态检测方法与流程

摘要: 本发明涉及智能建造、人工智能与流体力学交叉,尤其是一种基于声振与物理信息融合的混凝土振捣状态检测方法。背景技术:1、混凝土振捣质量直接决定了结构的耐久性与安全性...
一种基于声振与物理信息融合的混凝土振捣状态检测方法与流程

本发明涉及智能建造、人工智能与流体力学交叉,尤其是一种基于声振与物理信息融合的混凝土振捣状态检测方法。

背景技术:

1、混凝土振捣质量直接决定了结构的耐久性与安全性。当前混凝土振捣过程中,主要依靠工人的触觉与听觉这种主观、模糊的感知来判断终点,无法量化感知混凝土内部的物理状态变化,非常依赖工人经验,质量波动非常大。

2、即便是已有的基于机器学习的振捣机器人,也多是对密实状态这一最终结果进行判断,无法感知和响应混凝土从初始液化、骨料重排到最终密实的动态流变过程。这导致控制策略滞后且单一,无法实现前馈式精准控制。

3、且当前的振捣机器人缺乏物理约束,其决策过程是一个黑箱模型,可解释性差,且在面对训练数据未覆盖的新工况时,泛化能力弱。

4、因此,业界迫切需要一种能够穿透黑箱,实时洞察混凝土内部物理状态演变,并能据此进行精细化和前瞻性控制的振捣机器人系统。

技术实现思路

1、为了克服上述现有技术中混凝土振捣技术依赖人工经验、控制滞后、质量不稳定的问题,本发明提出了一种基于声振与物理信息融合的混凝土振捣状态检测方法,通过融合声学与振动传感信号,并利用物理信息神经网络实时反演混凝土内部流变状态,从而实现振捣过程精细化自主决策与自适应控制。

2、本发明提出的一种基于声振与物理信息融合的混凝土振捣状态检测方法,包括以下步骤:

3、构建流变预测模型,基于混凝土振捣过程中的多模态信号预测混凝土流变状态;多模态信号包括振动信号、声学信号和动力信号中的一项或者多项;混凝土流变状态表征为:实时屈服应力τy和实时塑性粘度µp;

4、设置多种振捣策略,并建立振捣策略与密实度指标p的映射关系;

5、启动振捣设备,执行初始的振捣策略,基于振动信号、声学信号和动力信号采用流变预测模型实时预测屈服应力估计值和塑性粘度估计值,并监测密实度指标p(t);

6、如果密实度指标p(t)大于或者等于设定的密实度阈值pmax,且屈服应力估计值和塑性粘度估计值收敛,则停止振捣;

7、反之,则继续执行密实度指标p(t)所对应的振捣策略。

8、优选的,密实度指标p(t)根据以下公式计算得到:

9、

10、其中,和分别为屈服应力最大值和塑性粘度最大值;和分别为屈服应力最小和塑性粘度最小值;和为调节因子。

11、优选的,流变预测模型结合数据损失和物理损失进行训练;物理损失由力损失和振动损失两部分构成;

12、数据损失由流变参数损失和传感器信号损失构成:

13、

14、其中,为训练样本数,和为权重系数;和分别表示第i个训练样本的屈服应力估计值和实测值,和分别表示第i个训练样本的塑性粘度估计值和实测值;

15、

16、其中,为密实度损失的权重系数;为结合屈服应力估计值和塑性粘度估计值的计算得到的第个训练样本的密实度指标;代表第个训练样本经过强度检验标定的密实度指标。

17、优选的,物理损失为:

18、

19、其中:为力损失权重系数;为振动损失权重系数;为实际测量得到的流体作用力,为实际测量得到的振捣棒加速度;为结合屈服应力估计值和塑性粘度估计值得到的流体作用力计算值,为结合屈服应力估计值和塑性粘度估计值得到的振捣棒加速度计算值。

20、优选的:

21、

22、

23、其中,为阻力系数, 为流体密度,为特征面积,为振捣棒进入流体的速度,为振捣棒的半径,为振捣棒的作用长度,为径向坐标,

m

0为振捣棒的质量,为圆周率常量,为流体的屈服应力, 为塑性粘度,为剪切率。

24、优选的,流变预测模型训练过程中,采用以下优化目标更新模型参数:

25、

26、

27、其中,和分别为流变预测模型更新前后的参数;为总损失;为物理损失,为数据损失。

28、本发明提出的一种基于声振与物理信息融合的混凝土振捣状态检测系统,用于实现所述的基于声振与物理信息融合的混凝土振捣状态检测方法;系统包括:振动感知模块、声学感知模块、动力学感知模块和流变预测模块;

29、振动感知模块刚性安装在振捣棒的非振动区域,用于采集结构振动信号;

30、声学感知模块安装在振捣棒执行器上,用于采集振捣空化噪声信号;

31、动力学感知模块用于采集振捣棒与混凝土的相互作用力;

32、流变预测模块根据振动感知模块、声学感知模块和动力学感知模块采集的信号进行流变状态预测。

33、优选的,还包括处理器;处理器分别连接振动感知模块、声学感知模块、动力学感知模块、流变预测模块和振捣棒驱动机构;

34、处理器用于执行所述的基于声振与物理信息融合的混凝土振捣状态检测方法,并控制振捣棒驱动机构实现对应的振捣策略。

35、本发明提出的一种存储介质,存储有计算机程序,所述计算机程序被执行时用于实现所述的基于声振与物理信息融合的混凝土振捣状态检测方法。

36、本发明的优点在于:

37、(1)本发明提出了一种基于声振与物理信息融合的混凝土振捣状态检测方法,基于声振融合与物理信息神经网络进行混凝土流变状态反演与自主振捣控制;本发明将振捣控制从对结果的被动判断,提升为对过程的主动感知与引导,通过实时反演混凝土内在的流变参数,实现超前、精准、可解释的自适应控制。

38、(2)区别于当前根据密实态监控振捣过程,本发明引入屈服应力和塑性粘度监测振捣过程,首次将振捣过程的监控从宏观表象提升至微观流变参数层面,使机器人具备了超越人类感官的洞察能力,实现了对混凝土内在状态的微观探测。

39、(3)本发明通过模型预测屈服应力和塑性粘度,并计算密实态,然后根据密实态调整振捣策略。本发明基于流变状态的预测式控制,彻底改变了被动响应的模式,实现了精准能量输入和振捣控制策略的前瞻性与精细化,显著提升了振捣质量与效率。

40、(4)本发明引入的屈服应力和塑性粘度具有明确物理意义,提升了模型可解释性与物理可信度,决策依据透明,便于技术推广与责任界定。

1.一种基于声振与物理信息融合的混凝土振捣状态检测方法,其特征在于,包括以下步骤:

2.如权利要求1所述的基于声振与物理信息融合的混凝土振捣状态检测方法,其特征在于,密实度指标p(t)根据以下公式计算得到:

3.如权利要求1所述的基于声振与物理信息融合的混凝土振捣状态检测方法,其特征在于,流变预测模型结合数据损失和物理损失进行训练;物理损失由力损失和振动损失两部分构成;

4.如权利要求3所述的基于声振与物理信息融合的混凝土振捣状态检测方法,其特征在于,物理损失为:

5.如权利要求4所述的基于声振与物理信息融合的混凝土振捣状态检测方法,其特征在于:

6.如权利要求3所述的基于声振与物理信息融合的混凝土振捣状态检测方法,其特征在于,流变预测模型训练过程中,采用以下优化目标更新模型参数:

7.一种基于声振与物理信息融合的混凝土振捣状态检测系统,其特征在于,用于实现如权利要求1-6任一项所述的基于声振与物理信息融合的混凝土振捣状态检测方法;系统包括:振动感知模块、声学感知模块、动力学感知模块和流变预测模块;

8.如权利要求7所述的基于声振与物理信息融合的混凝土振捣状态检测系统,其特征在于,还包括处理器;处理器分别连接振动感知模块、声学感知模块、动力学感知模块、流变预测模块和振捣棒驱动机构;

9.一种存储介质,其特征在于,存储有计算机程序,所述计算机程序被执行时用于实现如权利要求1-6任一项所述的基于声振与物理信息融合的混凝土振捣状态检测方法。