基于探地雷达数据分析的隧道混凝土内部缺陷检测方法

本发明涉及隧道结构故障检测，具体涉及一种基于探地雷达数据分析的隧道混凝土内部缺陷检测方法。

背景技术：

1、隧道衬砌在浇筑与运营阶段受多重因素共同作用，易产生各类隐蔽病害。施工浇筑阶段，混凝土自身存在干燥收缩、温度收缩特性，若拱顶部位浇筑工艺管控不到位，极易出现振捣不足、浆液回流、骨料堆积等问题，造成衬砌内部浇筑不密实；同时衬砌背后围岩回填注浆不饱满，会在衬砌与围岩接触界面形成空洞、脱空缺陷。进入运营期后，隧道持续承受围岩形变压力、松散地压作用，在地应力反复扰动下，衬砌结构受力状态不断改变，进一步诱发衬砌本体开裂、原有脱空区域持续扩张。加之围岩裂隙渗水、地下水侵蚀作用，渗水会弱化围岩与衬砌间的粘结界面，加剧脱空发展，水分侵入裂缝还会劣化混凝土性能，促使裂缝持续扩展，形成空洞、脱空、不密实、裂缝等多重耦合缺陷。

2、上述病害大多隐藏于衬砌内部或围岩交界面，肉眼难以直接辨识，若未能及时发现处置，会造成衬砌受力不均，局部应力集中，严重时引发衬砌剥落、掉块，甚至衬砌失稳破坏，直接威胁隧道行车安全与结构服役寿命。

3、探地雷达向衬砌发射高频电磁波并接收介质界面反射波，以b-scan剖面反映衬砌内部介电特性变化，具有连续、快速、无损的优点，已成为隧道衬砌检测的主要手段。

4、进一步地，现有隧道内部缺陷检测方法主要有：

5、1、信号处理层面，现有方法通常按"零时校正—去直流—带通滤波—背景去除—增益补偿"固定流程处理后，依靠人工目视判读双曲线、强反射带与杂乱波形，效率低且依赖经验。

6、2、智能识别层面，现有方法多采用深度学习目标检测或语义分割网络直接识别b-scan图像，具体为通过数值模拟、物理模型与实测相结合构建样本，建立多类型衬砌缺陷同时识别模型，关注点在于样本构建与缺陷分类。

7、上述现有检测方法存在如下技术缺陷：

8、其一，衬砌内普遍存在钢拱架、钢筋网等金属结构件，其反射强、横向连续，并形成多次波与绕射干扰带，淹没邻近小尺寸空洞、不密实等弱反射信号，现有方法直接对整幅剖面检测，被结构件覆盖区域漏检率高。

9、其二，现有智能识别多停留在"有无异常、属于何类"层面，输出框或类别标签，未给出缺陷所在结构层位（二衬内部、层间或初衬背后）及深度、长度、厚度等几何参数，成果难以直接支撑养护决策。

10、其三，深度换算依赖电磁波速度，而速度由混凝土介电常数决定；现有方法多取固定经验值，未考虑含水率随里程与季节的变化，富水段深度换算误差可达10%以上。

11、其四，隧道断面呈拱形，检测沿拱顶、拱腰、边墙布设多条纵向测线，各测线成果相互独立、未按里程与环向统一配准，无法判断缺陷的空间延展范围，不利于确定注浆范围与验证钻孔位置。

技术实现思路

1、针对背景技术中所指出的现有技术缺陷，本发明实施例的目的在于提供一种基于探地雷达数据分析的隧道混凝土内部缺陷检测方法。

2、为实现上述目的，本发明实施例提供了一种基于探地雷达数据分析的隧道混凝土内部缺陷检测方法，包括：

3、采集包括多道a-scan雷达波形的原始探地雷达数据，并对所述原始探地雷达数据进行预处理，得到b-scan剖面图像数据集；

4、对所述b-scan剖面图像数据集进行结构件干扰抑制分析，得到残差雷达剖面数据集；

5、对所述残差雷达剖面集中的每一道a-scan雷达波形进行分析，并提取信号特征；所述信号特征包括时域包络、希尔伯特瞬时振幅、瞬时频率、频谱质心、信号衰减率；

6、将所述信号特征与b-scan剖面图像数据集中的b-scan图像进行融合，以构建多通道特征张量；

7、基于所述多通道特征张量实现隧道混凝土内部缺陷检测。

8、作为申请的一种具体实现方式，采集包括多道a-scan雷达波形的原始探地雷达数据，具体为：

9、在隧道拱顶、拱腰、边墙布设多条纵向检测线，在异常段布设环向测线；所述环向测线垂直于隧道轴线，沿隧道断面拱顶-拱腰-边墙方向扫测，用于圈定病害在隧道横断面上的空间分布、边界范围与延展规模；

10、采用探地雷达，基于所述纵向检测线和环向测线，逐点采集得到大量单道 a-scan时域波形，全部测点a-scan波形集合构成探地雷达原始数据。

11、作为申请的一种具体实现方式，对所述原始探地雷达数据进行预处理，具体为：

12、对所述原始雷达数据逐道进行零时校正、去直流、带通滤波、背景去除及增益补偿。

13、作为申请的一种具体实现方式，基于所述多通道特征张量实现隧道混凝土内部缺陷检测，具体为：

14、将所述多通道特征张量输入深度学习网络进行隧道混凝土内部缺陷检测，得到缺陷分割结果与缺陷类别标签；所述深度学习网络带有注意力机制的编码器-解码器；所述缺陷类别标签包括含气空洞、含水空洞、脱空、不密实、裂缝。

15、作为本技术的一种优选实现方式，基于所述多通道特征张量实现隧道混凝土内部缺陷检测之后，所述方法还包括雷达同相轴数据分析完成层位追踪与缺陷归属，具体为：

16、分析所述b-scan剖面图像数据集中界面反射雷达数据，追踪衬砌表面、二衬-初衬界面、初衬-围岩界面的反射同相轴，得到各界面的走时数据曲线；

17、比对缺陷分割数据与界面走时曲线，判定缺陷所处结构层位，利用界面走时数据约束缺陷深度范围。

18、作为本技术的一种优选实现方式，完成雷达同相轴数据分析完成层位追踪与缺陷归属之后，所述方法还包括雷达波形反演数据分析实现介电常数自适应标定与缺陷参数定量计算，具体为：

19、解析钢拱架/钢筋网的双曲线雷达数据，结合其已知几何参数拟合反演得到分段等效介电常数；

20、结合雷达数据识别的含水状态修正介电常数，得到沿里程变化的介电常数数据序列；

21、依托电磁波传播理论，把缺陷雷达走时数据换算为缺陷埋深、厚度、纵向长度等几何参数。

22、作为本技术的一种优选实现方式，完成雷达波形反演数据分析实现介电常数自适应标定与缺陷参数定量计算之后，所述方法还包括多测线雷达分析结果数据融合与成果输出，具体为：

23、将多条测线经数据分析得到的缺陷数据，按照里程、环向角度映射至衬砌统一展开坐标系；

24、对相邻测线缺陷数据做聚类关联分析，识别缺陷纵向、环向延展范围；

25、生成衬砌缺陷展开分布图以及检测报告，所述检测报告包含缺陷里程位置、环向位置、所属层位、缺陷类型、几何参数、风险等级、处置建议。

26、基于相同的发明构思，本发明实施例还提供了一种基于探地雷达数据分析的隧道混凝土内部缺陷检测系统，包括：

27、数据采集单元，用于采集包括多道a-scan雷达波形的原始探地雷达数据；

28、数据分析单元，用于：对所述原始探地雷达数据进行预处理，得到b-scan剖面图像数据集；对所述b-scan剖面图像数据集进行结构件干扰抑制分析，得到残差雷达剖面数据集；对所述残差雷达剖面集中的每一道a-scan雷达波形进行分析，并提取信号特征；所述信号特征包括时域包络、希尔伯特瞬时振幅、瞬时频率、频谱质心、信号衰减率；将所述信号特征与b-scan剖面图像数据集中的b-scan图像进行融合，以构建多通道特征张量；

29、缺陷检测单元，用于基于所述多通道特征张量实现隧道混凝土内部缺陷检测。

30、进一步地，作为本技术的一种具体实现方式，所述数据采集单元具体用于：

31、在隧道拱顶、拱腰、边墙布设多条纵向检测线，在异常段布设环向测线；所述环向测线垂直于隧道轴线，沿隧道断面拱顶-拱腰-边墙方向扫测，用于圈定病害在隧道横断面上的空间分布、边界范围与延展规模；

32、采用探地雷达，基于所述纵向检测线和环向测线，逐点采集得到大量单道 a-scan时域波形，全部测点a-scan波形集合构成探地雷达原始数据。

33、进一步地，作为本技术的一种具体实现方式，所述缺陷检测单元具体用于：

34、将所述多通道特征张量输入深度学习网络进行隧道混凝土内部缺陷检测，得到缺陷分割结果与缺陷类别标签；所述深度学习网络带有注意力机制的编码器-解码器；所述缺陷类别标签包括含气空洞、含水空洞、脱空、不密实、裂缝。

35、实施本发明实施例，优点如下：

36、1、通过对探地雷达原始波形数据做干扰抑制处理，被钢拱架、钢筋网掩盖的小缺陷信号得到凸显，相比直接分析b-scan图像，极大地提升了缺陷召回率。

37、2、综合雷达时域、频域多维度数据分析，提升了缺陷平均识别精度，且可自动区分含气、含水空洞，为渗水病害研判提供数据依据。

38、3、利用雷达双曲线波形数据反演介电常数并含水修正，降低了深度换算误差，提高了缺陷定量结果的可靠性。

39、4、多测线雷达分析结果统一融合，直观反映缺陷纵环向延展规模，便于圈定注浆范围、确定验证钻孔位置，提升了隧道养护决策效率。