申请/专利权人：徐州中矿传动轨道科技有限公司

申请日：2022-06-21

公开（公告）日：2024-04-12

公开（公告）号：CN115096806B

主分类号：G01N17/02

分类号：G01N17/02

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2022.10.14#实质审查的生效;2022.09.23#公开

摘要：本发明公开隧道钢混结构杂散电流腐蚀高风险区域识别方法及系统，包括：测量地铁全线多区域钢混结构半电位信号和本体电位信号；计算电位偏移信号；计算电位偏移信号的正向均值和负向均值；计算电位偏移信号的概率密度函数；对概率密度函数进行广义极值分布拟合，获得概率密度函数位置参数；计算电位偏移信号的核密度估计结果；对电位偏移信号核密度估计进行求导；求和电位偏移信号核密度估计导数；构建腐蚀高风险区域识别数据集，数据集预处理；构建智能识别模型，腐蚀高风险区域识别；重复步骤，每24h读取电位信号数据，评估24h之内的杂散电流腐蚀高风险区域。本发明为评估地铁隧道钢混结构的杂散电流腐蚀风险提供了一种新的解决方案。

主权项：1.一种隧道钢混结构杂散电流腐蚀高风险区域识别方法，其特征在于，包括以下步骤：步骤1：通过预埋置的参比电极监测系统，测量地铁隧道m个区间共m×n个预埋置参比电极传感器处的主体结构钢筋在24h之内的半电位信号Vp＝{Vp1,1,Vp1,2,…,Vp1,n,Vp2,1,Vp2,2,…,Vp2,n,…,Vpi,1,Vpi,2,…,Vpi,n,Vpm,1,Vpm,2,…,Vpm,n}和本体电位信号V0＝{V01,1,V01,2,…,V01,n,V02,1,V02,2,…,V02,n,…,V0i,1,V0i,2,…,V0i,n,V0m,1,V0m,2,…,V0m,n}；其中第i个区间的第j个传感器24h半电位信号和本体电位信号分别为： 步骤2：计算电位偏移信号ΔVp＝{ΔVp1,1,ΔVp1,2,…,ΔVp1,n,ΔVp2,1,ΔVp2,2,…,ΔVp2,n,…,ΔVpi,1,ΔVpi,2,…,ΔVpi,n,ΔVpm,1,ΔVpm,2,…,ΔVpm,n},，计算方法如下：ΔVp＝Vp-V0；步骤3：计算主体结构钢筋电位偏移信号ΔVp的正向均值VA+＝{A+ΔVp1,1,A+ΔVp1,2,…,A+ΔVp1,n,A+ΔVp2,1,A+ΔVp2,2,…,A+ΔVp2,n,…,A+ΔVpi,1,A+ΔVpi,2,…,A+ΔVpi,n,A+ΔVpm,1,A+ΔVpm,2,…,A+ΔVpm,n}和负向均值VA-＝{A-ΔVp1,1,A-ΔVp1,2,…,A-ΔVp1,n,A-ΔVp2,1,A-ΔVp2,2,…,A-ΔVp2,n,…,A-ΔVpi,1,A-ΔVpi,2,…,A-ΔVpi,n,A-ΔVpm,1,A-ΔVpm,2,…,A-ΔVpm,n}；步骤4：分别计算主体结构钢筋电位偏移信号ΔVp的概率密度函数VPDF＝{FΔVp1,1,FΔVp1,2,…,FΔVp1,n,FΔVp2,1,FΔVp2,2,…,FΔVp2,n,…,FΔVpi,1,FΔVpi,2,…,FΔVpi,n,FΔVpm,1,FΔVpm,2,…,FΔVpm,n}；步骤5：对概率密度函数进行广义极值分布拟合，获得概率密度函数位置参数μGEV＝{μp1,1,μp1,2,…,μp1,n,…,μpi,1,μpi,2,…,μpi,n,μpm,1,μpm,2,…,μpm,n}，电位偏移信号ΔVp的广义极值分布如下： 步骤6：分别计算主体结构钢筋电位偏移信号ΔVp的核密度估计VKDE＝{KΔVp1,1,KΔVp1,2,…,KΔVp1,n,KΔVp2,1,KΔVp2,2,…,KΔVp2,n,…,KΔVpi,1,KΔVpi,2,…,KΔVpi,n,KΔVpm,1,KΔVpm,2,…,KΔVpm,n}，核密度估计的计算方法如下： 步骤7：根据主体结构钢筋电位偏移信号的核密度估计结果VKDE，计算核密度估计结果的导数VKDE’＝{KΔVp1,1’,KΔVp1,2’,…,KΔVp1,n’,KΔVp2,1’,KΔVp2,2’,…,KΔVp2,n’,…,KΔVpi,1’,KΔVpi,2’,…,KΔVpi,n’,KΔVpm,1’,KΔVpm,2’,…,KΔVpm,n’}；步骤8：对主体结构钢筋电位偏移信号核密度估计结构导数VKDE’进行求和，得到SKDE＝{SKDE1,1,SKDE1,2,…,SKDE1,n,SKDE2,1,SKDE2,2,…,SKDE2,n,…,SKDEi,1,SKDEi,2,…,SKDEi,n,…,SKDEm,1,SKDEm,2,…,SKDEm,n}，全线第i个区间的第j个传感器的计算方法如下： 步骤9：构建腐蚀高风险区域识别数据集合，包括：主体结构钢筋半电位正向均值VA+、主体结构钢筋半电位负向均值VA-、主体结构钢筋半电位信号概率密度函数位置参数μGEV、主体结构钢筋半电位信号核密度估计导数之和SKDE，作为分类模型的输入变量；将数据集按照70％：30％的比例划分为训练集和测试集，进行数据集预处理，建立基于自组织映射网络的腐蚀高风险区域识别模型；步骤10：模型输出分类结果为：低风险、中风险和高风险三类，将训练集代入自组织映射网络中进行训练，利用测试集验证分类模型的分类效果，识别当前24h之内地铁全线各个区间内监测传感器附近的腐蚀高风险区域。

全文数据：

权利要求：

百度查询： 徐州中矿传动轨道科技有限公司 隧道钢混结构杂散电流腐蚀高风险区域识别方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD