本發(fā)明涉及建筑領(lǐng)域,具體涉及一種帶有無損檢測功能的建筑模板。
背景技術(shù):
:無損檢測是以不破壞被測對象內(nèi)部結(jié)構(gòu)和實用性能為前提,對被測對象內(nèi)部或表面的物理性能、狀態(tài)特性進行檢測。電磁無損檢測以材料電磁性能變化為判斷依據(jù),來對材料及構(gòu)件實施缺陷檢測和性能測試。相關(guān)技術(shù)中,盡管脈沖渦流檢測技術(shù)得到了深入的研究和快速的發(fā)展,但是仍存在檢測結(jié)果不夠準確、信息挖掘不夠深入、對檢測結(jié)果未進行有效分類等問題。技術(shù)實現(xiàn)要素:針對上述問題,本發(fā)明提供一種帶有無損檢測功能的建筑模板。本發(fā)明的目的采用以下技術(shù)方案來實現(xiàn):一種帶有無損檢測功能的建筑模板,包括建筑模板和與建筑模板相連的無損檢測裝置,其特征是,所述建筑模板包括面板、木工字梁、雙槽鋼背楞、在面板的正面打有自攻螺釘,所述的木工字梁和面板通過自攻螺釘固定連接,所述的雙槽鋼背楞通過連接爪垂直固定在木工字梁上。優(yōu)選地,所述的木工字梁的橫截面形狀為工字形。優(yōu)選地,在面板上間隔均勻固定有木工字梁。本發(fā)明的有益效果為:結(jié)構(gòu)設計合理,堅固耐用,可承受壓力強度大,安裝使用方便,安全系數(shù)高,模板重復利用率高,成本低,尤其是能夠滿足高層建筑施工要求,且施工的工程質(zhì)量高。附圖說明利用附圖對本發(fā)明作進一步說明,但附圖中的實施例不構(gòu)成對本發(fā)明的任何限制,對于本領(lǐng)域的普通技術(shù)人員,在不付出創(chuàng)造性勞動的前提下,還可以根據(jù)以下附圖獲得其它的附圖。圖1是本發(fā)明建筑模板的結(jié)構(gòu)示意圖。圖2是本發(fā)明無損檢測裝置的示意圖。附圖標記:基于時域特征檢測模塊1、基于頻域特征檢測模塊2、綜合檢測模塊3、時域特征提取子模塊11、基于時域的缺陷檢測子模塊12、預處理子模塊21、歸一化處理子模塊22、頻域優(yōu)化子模塊23、頻域特征提取子模塊24、基于頻域的缺陷檢測子模塊25。具體實施方式結(jié)合以下實施例對本發(fā)明作進一步描述。應用場景1參見圖1,圖2,本實施例的一種帶有無損檢測功能的建筑模板,包括建筑模板和與建筑模板相連的無損檢測裝置,其特征是,所述建筑模板包括面板、木工字梁、雙槽鋼背楞、在面板的正面打有自攻螺釘,所述的木工字梁和面板通過自攻螺釘固定連接,所述的雙槽鋼背楞通過連接爪垂直固定在木工字梁上。優(yōu)選地,所述的木工字梁的橫截面形狀為工字形。本優(yōu)選實施例建筑模板堅固耐用安全系數(shù)高。優(yōu)選地,在面板上間隔均勻固定有木工字梁。本優(yōu)選實施例建筑模板結(jié)構(gòu)設計合理,可承受壓力強度大。優(yōu)選地,無損檢測裝置包括基于時域特征檢測模塊1、基于頻域特征檢測模塊2和綜合檢測模塊3,具體為:(1)基于時域特征檢測模塊1,其包括時域特征提取子模塊11、基于時域的缺陷檢測子模塊12;所述時域特征提取子模塊11用于采用改進的時域特征提取方法提取時域特征值;所述基于時域的缺陷檢測子模塊12用于采用改進的自動分類識別方法對建筑模板缺陷進行檢測識別,以得到基于時域的檢測結(jié)果S1;(2)基于頻域特征檢測模塊2,其包括預處理子模塊21、歸一化處理子模塊22、頻域優(yōu)化子模塊23、頻域特征提取子模塊24和基于頻域的缺陷檢測子模塊25;所述預處理子模塊21用于對缺陷區(qū)域時域響應和參考區(qū)域時域響應進行快速傅里葉變換,得到缺陷區(qū)域頻域響應和參考區(qū)域頻域響應,并對缺陷區(qū)域頻域響應和參考區(qū)域頻域響應分別進行歸一化處理后再進行差分處理,計算出差分頻域響應;所述歸一化處理子模塊22用于對差分頻域響應進行歸一化處理,進而得到差分歸一化頻域響應;所述頻域優(yōu)化子模塊23用于按照集膚效應選取出適于對建筑模板缺陷進行檢測的頻率,并基于選取的頻率對差分歸一化頻域響應進行優(yōu)化處理;所述頻域特征提取子模塊24用于提取優(yōu)化后的差分歸一化頻域響應的差分峰值譜、特定頻率差分幅值譜和差分過零頻率作為可用于表征建筑模板材料物理屬性的頻域特征值;所述基于頻域的缺陷檢測子模塊25用于采用改進的自動分類識別方法對建筑模板缺陷進行檢測識別,以得到基于頻域的檢測結(jié)果S2;(3)綜合檢測模塊3,用于根據(jù)基于時域的檢測結(jié)果S1和基于頻域的檢測結(jié)果S2,采用預定缺陷分類識別規(guī)則進行確定被測建筑模板的缺陷類型。本優(yōu)選實施例通過時域特征檢測和頻域特征檢測相結(jié)合的方式,有效抑制了提離干擾,實現(xiàn)了建筑模板缺陷的準確檢測。優(yōu)選地,所述基于改進的時域特征提取方法提取時域特征值,包括:(1)采用脈沖渦流傳感器對建筑模板缺陷進行檢測,調(diào)整脈沖渦流傳感器與被測建筑模板表面之間的提離距離,獲得缺陷區(qū)域時域響應q(t),選取被測建筑模板無缺陷部位的時域響應作為參考區(qū)域時域響應c(t);(2)對缺陷區(qū)域時域響應q(t)和參考區(qū)域時域響應c(t)進行差分和歸一化處理,得到差分歸一化時域響應S(t),定義處理公式為:S(t)=q(t)ξ1max(q(t))-c(t)ξ2max(c(t))]]>式中,ξ1、ξ2為設定的系數(shù)調(diào)整因子,ξ1、ξ2的取值范圍為[0.9,1.1];(3)提取差分歸一化時域響應S(t)的差分峰值時間和差分過零時間作為可用于表征建筑模板材料物理屬性的時域特征值。所述改進的自動分類識別方法對建筑模板缺陷進行檢測識別,包括:(1)選用高斯徑向基核函數(shù)(RBF)作為Kernel函數(shù),所述高斯徑向基核函數(shù)的表達式為K(x,y)=exp{-γ||x-y||2},采用粒子群優(yōu)化算法對RBF函數(shù)的參數(shù)γ進行優(yōu)化;(2)執(zhí)行訓練算法,采用訓練數(shù)據(jù)獲得支持向量機分類模型;(3)對訓練數(shù)據(jù)進行測試,對未知的建筑模板缺陷進行預測。所述預定缺陷分類識別規(guī)則為:采用加權(quán)平均法對基于時域的檢測結(jié)果S1和基于頻域的檢測結(jié)果S2進行處理,獲取最終檢測結(jié)果,將最終檢測結(jié)果與數(shù)據(jù)庫中對應于不同損傷情況的標定結(jié)果進行比較,選擇與最終檢測結(jié)果對應的標定結(jié)果,根據(jù)預先建立的損傷情況與標定結(jié)果之間的映射關(guān)系,獲取與所述標定結(jié)果對應的損傷情況,進而確定被測建筑模板的缺陷類型。所述損傷情況包括當量尺寸、缺陷深度。所述基于選取的頻率對差分歸一化頻域響應進行優(yōu)化處理,包括:(1)根據(jù)多個建筑模板缺陷的脈沖渦流響應信號數(shù)據(jù)構(gòu)造數(shù)據(jù)矩陣D:式中,dij表示第i個缺陷在第j個選取的頻率處的脈沖渦流響應信號值,i=1,2,…,p,j=1,2,…,q;(2)對數(shù)據(jù)矩陣D中的各脈沖渦流響應信號值進行標準化處理,定義標準化后的脈沖渦流響應信號值dij′的計算公式為:dij′=2dij-dj‾-di‾1p-1Σi=1p(dijdj‾)2+1q-1Σj=1q(dij-di‾)2,(i=1,2,...,p,j=1,2,...,q)]]>式中,則p個缺陷在第j個選取的頻率處的脈沖渦流響應構(gòu)成向量為:dj=(d1j′,d2j′,…,dpj′)T(3)計算各脈沖渦流響應構(gòu)成向量d1,d2,…,dq在選取的q個頻率處的相關(guān)系數(shù)矩陣C:式中,cmn(m=1,2,…,q,n=1,2,…,q)為dm和dn的相關(guān)系數(shù);(4)確定k個優(yōu)化頻率Nr來反映選取的q個頻率的綜合效果,r=1,2,…,k,k<q,優(yōu)化頻率矩陣可表示為:N1=h11d1+h12d2+...h11dqN2=h21d1+h22d2+...h2qdq.........Nk=hk1d1+hk2d2+...hkqdq]]>式中,hrj表示選取的q個頻率在優(yōu)化頻率上的加權(quán)系數(shù),加權(quán)系數(shù)矩陣H表示為:加權(quán)系數(shù)hrj的計算方式為:1)對特征方程|λE-C|=0進行求解,求取各特征值λj(j=1,2,…,q),將各特征值λj(j=1,2,…,q)按照從大到小順序進行排列,λ1>λ2>…>λq,并求取特征值λj(j=1,2,…,q)對應特征向量ej,要求||ej||=1,即2)定義第r個優(yōu)化頻率Nr對綜合效果的貢獻率Gr:Gr=λrΣj=1qλj,(r=1,2,...,k)]]>3)計算k個優(yōu)化頻率Nr的累計貢獻率L:L=Σr=1kλrΣj=1qλj]]>k為滿足L-90%>0的最小值;4)計算加權(quán)系數(shù):本優(yōu)選實施例對檢測數(shù)據(jù)進行標準化處理,方便不同特征值進行線性組合,提高計算速度;通過頻域優(yōu)化,提高檢測效率;設置綜合檢測模塊3,能夠最大程度的減少檢測誤差,并提高了對建筑模板缺陷的分類識別率,便于后續(xù)研究和解決問題,提高產(chǎn)品質(zhì)量。本應用場景調(diào)整脈沖渦流傳感器與被測建筑模板表面之間的提離距離為0.4mm,設定系數(shù)調(diào)整因子ξ1=0.9、ξ2=0.9,對建筑模板缺陷的分類識別率提高了5%。應用場景2參見圖1,圖2,本實施例的一種帶有無損檢測功能的建筑模板,包括建筑模板和與建筑模板相連的無損檢測裝置,其特征是,所述建筑模板包括面板、木工字梁、雙槽鋼背楞、在面板的正面打有自攻螺釘,所述的木工字梁和面板通過自攻螺釘固定連接,所述的雙槽鋼背楞通過連接爪垂直固定在木工字梁上。優(yōu)選地,所述的木工字梁的橫截面形狀為工字形。本優(yōu)選實施例建筑模板堅固耐用安全系數(shù)高。優(yōu)選地,在面板上間隔均勻固定有木工字梁。本優(yōu)選實施例建筑模板結(jié)構(gòu)設計合理,可承受壓力強度大。優(yōu)選地,無損檢測裝置包括基于時域特征檢測模塊1、基于頻域特征檢測模塊2和綜合檢測模塊3,具體為:(1)基于時域特征檢測模塊1,其包括時域特征提取子模塊11、基于時域的缺陷檢測子模塊12;所述時域特征提取子模塊11用于采用改進的時域特征提取方法提取時域特征值;所述基于時域的缺陷檢測子模塊12用于采用改進的自動分類識別方法對建筑模板缺陷進行檢測識別,以得到基于時域的檢測結(jié)果S1;(2)基于頻域特征檢測模塊2,其包括預處理子模塊21、歸一化處理子模塊22、頻域優(yōu)化子模塊23、頻域特征提取子模塊24和基于頻域的缺陷檢測子模塊25;所述預處理子模塊21用于對缺陷區(qū)域時域響應和參考區(qū)域時域響應進行快速傅里葉變換,得到缺陷區(qū)域頻域響應和參考區(qū)域頻域響應,并對缺陷區(qū)域頻域響應和參考區(qū)域頻域響應分別進行歸一化處理后再進行差分處理,計算出差分頻域響應;所述歸一化處理子模塊22用于對差分頻域響應進行歸一化處理,進而得到差分歸一化頻域響應;所述頻域優(yōu)化子模塊23用于按照集膚效應選取出適于對建筑模板缺陷進行檢測的頻率,并基于選取的頻率對差分歸一化頻域響應進行優(yōu)化處理;所述頻域特征提取子模塊24用于提取優(yōu)化后的差分歸一化頻域響應的差分峰值譜、特定頻率差分幅值譜和差分過零頻率作為可用于表征建筑模板材料物理屬性的頻域特征值;所述基于頻域的缺陷檢測子模塊25用于采用改進的自動分類識別方法對建筑模板缺陷進行檢測識別,以得到基于頻域的檢測結(jié)果S2;(3)綜合檢測模塊3,用于根據(jù)基于時域的檢測結(jié)果S1和基于頻域的檢測結(jié)果S2,采用預定缺陷分類識別規(guī)則進行確定被測建筑模板的缺陷類型。本優(yōu)選實施例通過時域特征檢測和頻域特征檢測相結(jié)合的方式,有效抑制了提離干擾,實現(xiàn)了建筑模板缺陷的準確檢測。優(yōu)選地,所述基于改進的時域特征提取方法提取時域特征值,包括:(1)采用脈沖渦流傳感器對建筑模板缺陷進行檢測,調(diào)整脈沖渦流傳感器與被測建筑模板表面之間的提離距離,獲得缺陷區(qū)域時域響應q(t),選取被測建筑模板無缺陷部位的時域響應作為參考區(qū)域時域響應c(t);(2)對缺陷區(qū)域時域響應q(t)和參考區(qū)域時域響應c(t)進行差分和歸一化處理,得到差分歸一化時域響應S(t),定義處理公式為:S(t)=q(t)ξ1max(q(t))-c(t)ξ2max(c(t))]]>式中,ξ1、ξ2為設定的系數(shù)調(diào)整因子,ξ1、ξ2的取值范圍為[0.9,1.1];(3)提取差分歸一化時域響應S(t)的差分峰值時間和差分過零時間作為可用于表征建筑模板材料物理屬性的時域特征值。所述改進的自動分類識別方法對建筑模板缺陷進行檢測識別,包括:(1)選用高斯徑向基核函數(shù)(RBF)作為Kernel函數(shù),所述高斯徑向基核函數(shù)的表達式為K(x,y)=exp{-γ||x-y||2},采用粒子群優(yōu)化算法對RBF函數(shù)的參數(shù)γ進行優(yōu)化;(2)執(zhí)行訓練算法,采用訓練數(shù)據(jù)獲得支持向量機分類模型;(3)對訓練數(shù)據(jù)進行測試,對未知的建筑模板缺陷進行預測。所述預定缺陷分類識別規(guī)則為:采用加權(quán)平均法對基于時域的檢測結(jié)果S1和基于頻域的檢測結(jié)果S2進行處理,獲取最終檢測結(jié)果,將最終檢測結(jié)果與數(shù)據(jù)庫中對應于不同損傷情況的標定結(jié)果進行比較,選擇與最終檢測結(jié)果對應的標定結(jié)果,根據(jù)預先建立的損傷情況與標定結(jié)果之間的映射關(guān)系,獲取與所述標定結(jié)果對應的損傷情況,進而確定被測建筑模板的缺陷類型。所述損傷情況包括當量尺寸、缺陷深度。所述基于選取的頻率對差分歸一化頻域響應進行優(yōu)化處理,包括:(1)根據(jù)多個建筑模板缺陷的脈沖渦流響應信號數(shù)據(jù)構(gòu)造數(shù)據(jù)矩陣D:式中,dij表示第i個缺陷在第j個選取的頻率處的脈沖渦流響應信號值,i=1,2,…,p,j=1,2,…,q;(2)對數(shù)據(jù)矩陣D中的各脈沖渦流響應信號值進行標準化處理,定義標準化后的脈沖渦流響應信號值dij′的計算公式為:dij′=2dij-dj‾-di‾1p-1Σi=1p(dij-dj‾)2+1q-1Σj=1q(dij-di‾)2,(i=1,2,...,p,j=1,2,...,q)]]>式中,則p個缺陷在第j個選取的頻率處的脈沖渦流響應構(gòu)成向量為:dj=(d1j′,d2j′,…,dpj′)T(3)計算各脈沖渦流響應構(gòu)成向量d1,d2,…,dq在選取的q個頻率處的相關(guān)系數(shù)矩陣C:式中,cmn(m=1,2,…,q,n=1,2,…,q)為dm和dn的相關(guān)系數(shù);(4)確定k個優(yōu)化頻率Nr來反映選取的q個頻率的綜合效果,r=1,2,…,k,k<q,優(yōu)化頻率矩陣可表示為:N1=h11d1+h12d2+...h11dqN2=h21d1+h22d2+...h2qdq.........Nk=hk1d1+hk2d2+...hkqdq]]>式中,hrj表示選取的q個頻率在優(yōu)化頻率上的加權(quán)系數(shù),加權(quán)系數(shù)矩陣H表示為:加權(quán)系數(shù)hrj的計算方式為:1)對特征方程|λE-C|=0進行求解,求取各特征值λj(j=1,2,…,q),將各特征值λj(j=1,2,…,q)按照從大到小順序進行排列,λ1>λ2>…>λq,并求取特征值λj(j=1,2,…,q)對應特征向量ej,要求||ej||=1,即2)定義第r個優(yōu)化頻率Nr對綜合效果的貢獻率Gr:Gr=λrΣj=1qλj,(r=1,2,...,k)]]>3)計算k個優(yōu)化頻率Nr的累計貢獻率L:L=Σr=1kλrΣj=1qλj]]>k為滿足L-90%>0的最小值;4)計算加權(quán)系數(shù):本優(yōu)選實施例對檢測數(shù)據(jù)進行標準化處理,方便不同特征值進行線性組合,提高計算速度;通過頻域優(yōu)化,提高檢測效率;設置綜合檢測模塊3,能夠最大程度的減少檢測誤差,并提高了對建筑模板缺陷的分類識別率,便于后續(xù)研究和解決問題,提高產(chǎn)品質(zhì)量。本應用場景調(diào)整脈沖渦流傳感器與被測建筑模板表面之間的提離距離為0.6mm,設定系數(shù)調(diào)整因子ξ1=1.1、ξ2=1.1,對建筑模板缺陷的分類識別率提高了4%。應用場景3參見圖1,圖2,本實施例的一種帶有無損檢測功能的建筑模板,包括建筑模板和與建筑模板相連的無損檢測裝置,其特征是,所述建筑模板包括面板、木工字梁、雙槽鋼背楞、在面板的正面打有自攻螺釘,所述的木工字梁和面板通過自攻螺釘固定連接,所述的雙槽鋼背楞通過連接爪垂直固定在木工字梁上。優(yōu)選地,所述的木工字梁的橫截面形狀為工字形。本優(yōu)選實施例建筑模板堅固耐用安全系數(shù)高。優(yōu)選地,在面板上間隔均勻固定有木工字梁。本優(yōu)選實施例建筑模板結(jié)構(gòu)設計合理,可承受壓力強度大。優(yōu)選地,無損檢測裝置包括基于時域特征檢測模塊1、基于頻域特征檢測模塊2和綜合檢測模塊3,具體為:(1)基于時域特征檢測模塊1,其包括時域特征提取子模塊11、基于時域的缺陷檢測子模塊12;所述時域特征提取子模塊11用于采用改進的時域特征提取方法提取時域特征值;所述基于時域的缺陷檢測子模塊12用于采用改進的自動分類識別方法對建筑模板缺陷進行檢測識別,以得到基于時域的檢測結(jié)果S1;(2)基于頻域特征檢測模塊2,其包括預處理子模塊21、歸一化處理子模塊22、頻域優(yōu)化子模塊23、頻域特征提取子模塊24和基于頻域的缺陷檢測子模塊25;所述預處理子模塊21用于對缺陷區(qū)域時域響應和參考區(qū)域時域響應進行快速傅里葉變換,得到缺陷區(qū)域頻域響應和參考區(qū)域頻域響應,并對缺陷區(qū)域頻域響應和參考區(qū)域頻域響應分別進行歸一化處理后再進行差分處理,計算出差分頻域響應;所述歸一化處理子模塊22用于對差分頻域響應進行歸一化處理,進而得到差分歸一化頻域響應;所述頻域優(yōu)化子模塊23用于按照集膚效應選取出適于對建筑模板缺陷進行檢測的頻率,并基于選取的頻率對差分歸一化頻域響應進行優(yōu)化處理;所述頻域特征提取子模塊24用于提取優(yōu)化后的差分歸一化頻域響應的差分峰值譜、特定頻率差分幅值譜和差分過零頻率作為可用于表征建筑模板材料物理屬性的頻域特征值;所述基于頻域的缺陷檢測子模塊25用于采用改進的自動分類識別方法對建筑模板缺陷進行檢測識別,以得到基于頻域的檢測結(jié)果S2;(3)綜合檢測模塊3,用于根據(jù)基于時域的檢測結(jié)果S1和基于頻域的檢測結(jié)果S2,采用預定缺陷分類識別規(guī)則進行確定被測建筑模板的缺陷類型。本優(yōu)選實施例通過時域特征檢測和頻域特征檢測相結(jié)合的方式,有效抑制了提離干擾,實現(xiàn)了建筑模板缺陷的準確檢測。優(yōu)選地,所述基于改進的時域特征提取方法提取時域特征值,包括:(1)采用脈沖渦流傳感器對建筑模板缺陷進行檢測,調(diào)整脈沖渦流傳感器與被測建筑模板表面之間的提離距離,獲得缺陷區(qū)域時域響應q(t),選取被測建筑模板無缺陷部位的時域響應作為參考區(qū)域時域響應c(t);(2)對缺陷區(qū)域時域響應q(t)和參考區(qū)域時域響應c(t)進行差分和歸一化處理,得到差分歸一化時域響應S(t),定義處理公式為:S(t)=q(t)ξ1max(q(t))-c(t)ξ2max(c(t))]]>式中,ξ1、ξ2為設定的系數(shù)調(diào)整因子,ξ1、ξ2的取值范圍為[0.9,1.1];(3)提取差分歸一化時域響應S(t)的差分峰值時間和差分過零時間作為可用于表征建筑模板材料物理屬性的時域特征值。所述改進的自動分類識別方法對建筑模板缺陷進行檢測識別,包括:(1)選用高斯徑向基核函數(shù)(RBF)作為Kernel函數(shù),所述高斯徑向基核函數(shù)的表達式為K(x,y)=exp{-γ||x-y||2},采用粒子群優(yōu)化算法對RBF函數(shù)的參數(shù)γ進行優(yōu)化;(2)執(zhí)行訓練算法,采用訓練數(shù)據(jù)獲得支持向量機分類模型;(3)對訓練數(shù)據(jù)進行測試,對未知的建筑模板缺陷進行預測。所述預定缺陷分類識別規(guī)則為:采用加權(quán)平均法對基于時域的檢測結(jié)果S1和基于頻域的檢測結(jié)果S2進行處理,獲取最終檢測結(jié)果,將最終檢測結(jié)果與數(shù)據(jù)庫中對應于不同損傷情況的標定結(jié)果進行比較,選擇與最終檢測結(jié)果對應的標定結(jié)果,根據(jù)預先建立的損傷情況與標定結(jié)果之間的映射關(guān)系,獲取與所述標定結(jié)果對應的損傷情況,進而確定被測建筑模板的缺陷類型。所述損傷情況包括當量尺寸、缺陷深度。所述基于選取的頻率對差分歸一化頻域響應進行優(yōu)化處理,包括:(1)根據(jù)多個建筑模板缺陷的脈沖渦流響應信號數(shù)據(jù)構(gòu)造數(shù)據(jù)矩陣D:式中,dij表示第i個缺陷在第j個選取的頻率處的脈沖渦流響應信號值,i=1,2,…,p,j=1,2,…,q;(2)對數(shù)據(jù)矩陣D中的各脈沖渦流響應信號值進行標準化處理,定義標準化后的脈沖渦流響應信號值dij′的計算公式為:dij′=2dij-dj‾-di‾1p-1Σi=1p(dij-dj‾)2+1q-1Σj=1q(dij-di‾)2,(i=1,2,...,p,j=1,2,...,q)]]>式中,則p個缺陷在第j個選取的頻率處的脈沖渦流響應構(gòu)成向量為:dj=(d1j′,d2j′,…,dpj′)T(3)計算各脈沖渦流響應構(gòu)成向量d1,d2,…,dq在選取的q個頻率處的相關(guān)系數(shù)矩陣C:式中,cmn(m=1,2,…,q,n=1,2,…,q)為dm和dn的相關(guān)系數(shù);(4)確定k個優(yōu)化頻率Nr來反映選取的q個頻率的綜合效果,r=1,2,…,k,k<q,優(yōu)化頻率矩陣可表示為:N1=h11d1+h12d2+...h11dqN2=h21d1+h22d2+...h2qdq.........Nk=hk1d1+hk2d2+...hkqdq]]>式中,hrj表示選取的q個頻率在優(yōu)化頻率上的加權(quán)系數(shù),加權(quán)系數(shù)矩陣H表示為:加權(quán)系數(shù)hrj的計算方式為:1)對特征方程|λE-C|=0進行求解,求取各特征值λj(j=1,2,…,q),將各特征值λj(j=1,2,…,q)按照從大到小順序進行排列,λ1>λ2>…>λq,并求取特征值λj(j=1,2,…,q)對應特征向量ej,要求||ej||=1,即2)定義第r個優(yōu)化頻率Nr對綜合效果的貢獻率Gr:Gr=λrΣj=1qλj,(r=1,2,...,k)]]>3)計算k個優(yōu)化頻率Nr的累計貢獻率L:L=Σr=1kλrΣj=1qλj]]>k為滿足L-90%>0的最小值;4)計算加權(quán)系數(shù):本優(yōu)選實施例對檢測數(shù)據(jù)進行標準化處理,方便不同特征值進行線性組合,提高計算速度;通過頻域優(yōu)化,提高檢測效率;設置綜合檢測模塊3,能夠最大程度的減少檢測誤差,并提高了對建筑模板缺陷的分類識別率,便于后續(xù)研究和解決問題,提高產(chǎn)品質(zhì)量。本應用場景調(diào)整脈沖渦流傳感器與被測建筑模板表面之間的提離距離為0.8mm,設定系數(shù)調(diào)整因子ξ1=0.9、ξ2=1.1,對建筑模板缺陷的分類識別率提高了4.5%。應用場景4參見圖1,圖2,本實施例的一種帶有無損檢測功能的建筑模板,包括建筑模板和與建筑模板相連的無損檢測裝置,其特征是,所述建筑模板包括面板、木工字梁、雙槽鋼背楞、在面板的正面打有自攻螺釘,所述的木工字梁和面板通過自攻螺釘固定連接,所述的雙槽鋼背楞通過連接爪垂直固定在木工字梁上。優(yōu)選地,所述的木工字梁的橫截面形狀為工字形。本優(yōu)選實施例建筑模板堅固耐用安全系數(shù)高。優(yōu)選地,在面板上間隔均勻固定有木工字梁。本優(yōu)選實施例建筑模板結(jié)構(gòu)設計合理,可承受壓力強度大。優(yōu)選地,無損檢測裝置包括基于時域特征檢測模塊1、基于頻域特征檢測模塊2和綜合檢測模塊3,具體為:(1)基于時域特征檢測模塊1,其包括時域特征提取子模塊11、基于時域的缺陷檢測子模塊12;所述時域特征提取子模塊11用于采用改進的時域特征提取方法提取時域特征值;所述基于時域的缺陷檢測子模塊12用于采用改進的自動分類識別方法對建筑模板缺陷進行檢測識別,以得到基于時域的檢測結(jié)果S1;(2)基于頻域特征檢測模塊2,其包括預處理子模塊21、歸一化處理子模塊22、頻域優(yōu)化子模塊23、頻域特征提取子模塊24和基于頻域的缺陷檢測子模塊25;所述預處理子模塊21用于對缺陷區(qū)域時域響應和參考區(qū)域時域響應進行快速傅里葉變換,得到缺陷區(qū)域頻域響應和參考區(qū)域頻域響應,并對缺陷區(qū)域頻域響應和參考區(qū)域頻域響應分別進行歸一化處理后再進行差分處理,計算出差分頻域響應;所述歸一化處理子模塊22用于對差分頻域響應進行歸一化處理,進而得到差分歸一化頻域響應;所述頻域優(yōu)化子模塊23用于按照集膚效應選取出適于對建筑模板缺陷進行檢測的頻率,并基于選取的頻率對差分歸一化頻域響應進行優(yōu)化處理;所述頻域特征提取子模塊24用于提取優(yōu)化后的差分歸一化頻域響應的差分峰值譜、特定頻率差分幅值譜和差分過零頻率作為可用于表征建筑模板材料物理屬性的頻域特征值;所述基于頻域的缺陷檢測子模塊25用于采用改進的自動分類識別方法對建筑模板缺陷進行檢測識別,以得到基于頻域的檢測結(jié)果S2;(3)綜合檢測模塊3,用于根據(jù)基于時域的檢測結(jié)果S1和基于頻域的檢測結(jié)果S2,采用預定缺陷分類識別規(guī)則進行確定被測建筑模板的缺陷類型。本優(yōu)選實施例通過時域特征檢測和頻域特征檢測相結(jié)合的方式,有效抑制了提離干擾,實現(xiàn)了建筑模板缺陷的準確檢測。優(yōu)選地,所述基于改進的時域特征提取方法提取時域特征值,包括:(1)采用脈沖渦流傳感器對建筑模板缺陷進行檢測,調(diào)整脈沖渦流傳感器與被測建筑模板表面之間的提離距離,獲得缺陷區(qū)域時域響應q(t),選取被測建筑模板無缺陷部位的時域響應作為參考區(qū)域時域響應c(t);(2)對缺陷區(qū)域時域響應q(t)和參考區(qū)域時域響應c(t)進行差分和歸一化處理,得到差分歸一化時域響應S(t),定義處理公式為:S(t)=q(t)ξ1max(q(t))-c(t)ξ2max(c(t))]]>式中,ξ1、ξ2為設定的系數(shù)調(diào)整因子,ξ1、ξ2的取值范圍為[0.9,1.1];(3)提取差分歸一化時域響應S(t)的差分峰值時間和差分過零時間作為可用于表征建筑模板材料物理屬性的時域特征值。所述改進的自動分類識別方法對建筑模板缺陷進行檢測識別,包括:(1)選用高斯徑向基核函數(shù)(RBF)作為Kernel函數(shù),所述高斯徑向基核函數(shù)的表達式為K(x,y)=exp{-γ||x-y||2},采用粒子群優(yōu)化算法對RBF函數(shù)的參數(shù)γ進行優(yōu)化;(2)執(zhí)行訓練算法,采用訓練數(shù)據(jù)獲得支持向量機分類模型;(3)對訓練數(shù)據(jù)進行測試,對未知的建筑模板缺陷進行預測。所述預定缺陷分類識別規(guī)則為:采用加權(quán)平均法對基于時域的檢測結(jié)果S1和基于頻域的檢測結(jié)果S2進行處理,獲取最終檢測結(jié)果,將最終檢測結(jié)果與數(shù)據(jù)庫中對應于不同損傷情況的標定結(jié)果進行比較,選擇與最終檢測結(jié)果對應的標定結(jié)果,根據(jù)預先建立的損傷情況與標定結(jié)果之間的映射關(guān)系,獲取與所述標定結(jié)果對應的損傷情況,進而確定被測建筑模板的缺陷類型。所述損傷情況包括當量尺寸、缺陷深度。所述基于選取的頻率對差分歸一化頻域響應進行優(yōu)化處理,包括:(1)根據(jù)多個建筑模板缺陷的脈沖渦流響應信號數(shù)據(jù)構(gòu)造數(shù)據(jù)矩陣D:式中,dij表示第i個缺陷在第j個選取的頻率處的脈沖渦流響應信號值,i=1,2,…,p,j=1,2,…,q;(2)對數(shù)據(jù)矩陣D中的各脈沖渦流響應信號值進行標準化處理,定義標準化后的脈沖渦流響應信號值dij′的計算公式為:dij′=2dij-dj‾-di‾1p-1Σi=1p(dij-dj‾)2+1q-1Σj=1q(dij-di‾)2,(i=1,2,...,p,j=1,2,...,q)]]>式中,則p個缺陷在第j個選取的頻率處的脈沖渦流響應構(gòu)成向量為:dj=(d1j′,d2j′,…,dpj′)T(3)計算各脈沖渦流響應構(gòu)成向量d1,d2,…,dq在選取的q個頻率處的相關(guān)系數(shù)矩陣C:式中,cmn(m=1,2,…,q,n=1,2,…,q)為dm和dn的相關(guān)系數(shù);(4)確定k個優(yōu)化頻率Nr來反映選取的q個頻率的綜合效果,r=1,2,…,k,k<q,優(yōu)化頻率矩陣可表示為:N1=h11d1+h12d2+...h11dqN2=h21d1+h22d2+...h2qdq.........Nk=hk1d1+hk2d2+...hkqdq]]>式中,hrj表示選取的q個頻率在優(yōu)化頻率上的加權(quán)系數(shù),加權(quán)系數(shù)矩陣H表示為:加權(quán)系數(shù)hrj的計算方式為:1)對特征方程|λE-C|=0進行求解,求取各特征值λj(j=1,2,…,q),將各特征值λj(j=1,2,…,q)按照從大到小順序進行排列,λ1>λ2>…>λq,并求取特征值λj(j=1,2,…,q)對應特征向量ej,要求||ej||=1,即2)定義第r個優(yōu)化頻率Nr對綜合效果的貢獻率Gr:Gr=λrΣj=1qλj,(r=1,2,...,k)]]>3)計算k個優(yōu)化頻率Nr的累計貢獻率L:L=Σr=1kλrΣj=1qλj]]>k為滿足L-90%>0的最小值;4)計算加權(quán)系數(shù):本優(yōu)選實施例對檢測數(shù)據(jù)進行標準化處理,方便不同特征值進行線性組合,提高計算速度;通過頻域優(yōu)化,提高檢測效率;設置綜合檢測模塊3,能夠最大程度的減少檢測誤差,并提高了對建筑模板缺陷的分類識別率,便于后續(xù)研究和解決問題,提高產(chǎn)品質(zhì)量。本應用場景調(diào)整脈沖渦流傳感器與被測建筑模板表面之間的提離距離為1.0mm,設定系數(shù)調(diào)整因子ξ1=1.1、ξ2=0.9,對建筑模板缺陷的分類識別率提高了5.6%。應用場景5參見圖1,圖2,本實施例的一種帶有無損檢測功能的建筑模板,包括建筑模板和與建筑模板相連的無損檢測裝置,其特征是,所述建筑模板包括面板、木工字梁、雙槽鋼背楞、在面板的正面打有自攻螺釘,所述的木工字梁和面板通過自攻螺釘固定連接,所述的雙槽鋼背楞通過連接爪垂直固定在木工字梁上。優(yōu)選地,所述的木工字梁的橫截面形狀為工字形。本優(yōu)選實施例建筑模板堅固耐用安全系數(shù)高。優(yōu)選地,在面板上間隔均勻固定有木工字梁。本優(yōu)選實施例建筑模板結(jié)構(gòu)設計合理,可承受壓力強度大。優(yōu)選地,無損檢測裝置包括基于時域特征檢測模塊1、基于頻域特征檢測模塊2和綜合檢測模塊3,具體為:(1)基于時域特征檢測模塊1,其包括時域特征提取子模塊11、基于時域的缺陷檢測子模塊12;所述時域特征提取子模塊11用于采用改進的時域特征提取方法提取時域特征值;所述基于時域的缺陷檢測子模塊12用于采用改進的自動分類識別方法對建筑模板缺陷進行檢測識別,以得到基于時域的檢測結(jié)果S1;(2)基于頻域特征檢測模塊2,其包括預處理子模塊21、歸一化處理子模塊22、頻域優(yōu)化子模塊23、頻域特征提取子模塊24和基于頻域的缺陷檢測子模塊25;所述預處理子模塊21用于對缺陷區(qū)域時域響應和參考區(qū)域時域響應進行快速傅里葉變換,得到缺陷區(qū)域頻域響應和參考區(qū)域頻域響應,并對缺陷區(qū)域頻域響應和參考區(qū)域頻域響應分別進行歸一化處理后再進行差分處理,計算出差分頻域響應;所述歸一化處理子模塊22用于對差分頻域響應進行歸一化處理,進而得到差分歸一化頻域響應;所述頻域優(yōu)化子模塊23用于按照集膚效應選取出適于對建筑模板缺陷進行檢測的頻率,并基于選取的頻率對差分歸一化頻域響應進行優(yōu)化處理;所述頻域特征提取子模塊24用于提取優(yōu)化后的差分歸一化頻域響應的差分峰值譜、特定頻率差分幅值譜和差分過零頻率作為可用于表征建筑模板材料物理屬性的頻域特征值;所述基于頻域的缺陷檢測子模塊25用于采用改進的自動分類識別方法對建筑模板缺陷進行檢測識別,以得到基于頻域的檢測結(jié)果S2;(3)綜合檢測模塊3,用于根據(jù)基于時域的檢測結(jié)果S1和基于頻域的檢測結(jié)果S2,采用預定缺陷分類識別規(guī)則進行確定被測建筑模板的缺陷類型。本優(yōu)選實施例通過時域特征檢測和頻域特征檢測相結(jié)合的方式,有效抑制了提離干擾,實現(xiàn)了建筑模板缺陷的準確檢測。優(yōu)選地,所述基于改進的時域特征提取方法提取時域特征值,包括:(1)采用脈沖渦流傳感器對建筑模板缺陷進行檢測,調(diào)整脈沖渦流傳感器與被測建筑模板表面之間的提離距離,獲得缺陷區(qū)域時域響應q(t),選取被測建筑模板無缺陷部位的時域響應作為參考區(qū)域時域響應c(t);(2)對缺陷區(qū)域時域響應q(t)和參考區(qū)域時域響應c(t)進行差分和歸一化處理,得到差分歸一化時域響應S(t),定義處理公式為:S(t)=q(t)ξ1max(q(t))-c(t)ξ2max(c(t))]]>式中,ξ1、ξ2為設定的系數(shù)調(diào)整因子,ξ1、ξ2的取值范圍為[0.9,1.1];(3)提取差分歸一化時域響應S(t)的差分峰值時間和差分過零時間作為可用于表征建筑模板材料物理屬性的時域特征值。所述改進的自動分類識別方法對建筑模板缺陷進行檢測識別,包括:(1)選用高斯徑向基核函數(shù)(RBF)作為Kernel函數(shù),所述高斯徑向基核函數(shù)的表達式為K(x,y)=exp{-γ||x-y||2},采用粒子群優(yōu)化算法對RBF函數(shù)的參數(shù)γ進行優(yōu)化;(2)執(zhí)行訓練算法,采用訓練數(shù)據(jù)獲得支持向量機分類模型;(3)對訓練數(shù)據(jù)進行測試,對未知的建筑模板缺陷進行預測。所述預定缺陷分類識別規(guī)則為:采用加權(quán)平均法對基于時域的檢測結(jié)果S1和基于頻域的檢測結(jié)果S2進行處理,獲取最終檢測結(jié)果,將最終檢測結(jié)果與數(shù)據(jù)庫中對應于不同損傷情況的標定結(jié)果進行比較,選擇與最終檢測結(jié)果對應的標定結(jié)果,根據(jù)預先建立的損傷情況與標定結(jié)果之間的映射關(guān)系,獲取與所述標定結(jié)果對應的損傷情況,進而確定被測建筑模板的缺陷類型。所述損傷情況包括當量尺寸、缺陷深度。所述基于選取的頻率對差分歸一化頻域響應進行優(yōu)化處理,包括:(1)根據(jù)多個建筑模板缺陷的脈沖渦流響應信號數(shù)據(jù)構(gòu)造數(shù)據(jù)矩陣D:式中,dij表示第i個缺陷在第j個選取的頻率處的脈沖渦流響應信號值,i=1,2,…,p,j=1,2,…,q;(2)對數(shù)據(jù)矩陣D中的各脈沖渦流響應信號值進行標準化處理,定義標準化后的脈沖渦流響應信號值dij′的計算公式為:dij′=2dij-dj‾-di‾1p-1Σi=1p(dij-dj‾)2+1q-1Σj=1q(dij-di‾)2,(i=1,2,...,p,j=1,2,...,q)]]>式中,則p個缺陷在第j個選取的頻率處的脈沖渦流響應構(gòu)成向量為:dj=(d1j′,d2j′,…,dpj′)T(3)計算各脈沖渦流響應構(gòu)成向量d1,d2,…,dq在選取的q個頻率處的相關(guān)系數(shù)矩陣C:式中,cmn(m=1,2,…,q,n=1,2,…,q)為dm和dn的相關(guān)系數(shù);(4)確定k個優(yōu)化頻率Nr來反映選取的q個頻率的綜合效果,r=1,2,…,k,k<q,優(yōu)化頻率矩陣可表示為:N1=h11d1+h12d2+...h11dqN2=h21d1+h22d2+...h2qdq.........Nk=hk1d1+hk2d2+...hkqdq]]>式中,hrj表示選取的q個頻率在優(yōu)化頻率上的加權(quán)系數(shù),加權(quán)系數(shù)矩陣H表示為:加權(quán)系數(shù)hrj的計算方式為:1)對特征方程|λE-C|=0進行求解,求取各特征值λj(j=1,2,…,q),將各特征值λj(j=1,2,…,q)按照從大到小順序進行排列,λ1>λ2>…>λq,并求取特征值λj(j=1,2,…,q)對應特征向量ej,要求||ej||=1,即2)定義第r個優(yōu)化頻率Nr對綜合效果的貢獻率Gr:Gr=λrΣj=1qλj,(r=1,2,...,k)]]>3)計算k個優(yōu)化頻率Nr的累計貢獻率L:L=Σr=1kλrΣj=1qλj]]>k為滿足L-90%>0的最小值;4)計算加權(quán)系數(shù):本優(yōu)選實施例對檢測數(shù)據(jù)進行標準化處理,方便不同特征值進行線性組合,提高計算速度;通過頻域優(yōu)化,提高檢測效率;設置綜合檢測模塊3,能夠最大程度的減少檢測誤差,并提高了對建筑模板缺陷的分類識別率,便于后續(xù)研究和解決問題,提高產(chǎn)品質(zhì)量。本應用場景調(diào)整脈沖渦流傳感器與被測建筑模板表面之間的提離距離為1.2mm,設定系數(shù)調(diào)整因子ξ1=1、ξ2=1,對建筑模板缺陷的分類識別率提高了4%。最后應當說明的是,以上實施例僅用以說明本發(fā)明的技術(shù)方案,而非對本發(fā)明保護范圍的限制,盡管參照較佳實施例對本發(fā)明作了詳細地說明,本領(lǐng)域的普通技術(shù)人員應當理解,可以對本發(fā)明的技術(shù)方案進行修改或者等同替換,而不脫離本發(fā)明技術(shù)方案的實質(zhì)和范圍。當前第1頁1 2 3