基于深度学习的路基病害智能检测方法

摘要

针对目前路基病害隐匿性高、数据缺乏的问题,构建一种新型路基病害智能识别方法。该方法由基于注意力机制长短期记忆(iTransformer-long short-term memory,iTransformer-LSTM)神经网络的预测模块与弹性网络回归模块组成。通过模型试验对路面施加动荷载获取力学响应数据,以解决路基病害数据不足的问题;将力学响应数据输入模型预测路基结构的力学性能,识别病害类型。为验证这一方法,基于实际路基结构的材料配比构建路基缩尺模型,分别设计路基松散、不均匀沉降、路基裂缝和管线泄露等缺陷的路基试件,模拟实际场景下的路基病害,在模型试件中布设应变片式土压力计监测模型中不同层、不同位置的力学数据,继而对路基模型试件进行动荷载加载,采集、分析与验证试件的土压力。结果表明,构建的路基病害识别模型能根据荷载数据和位移数据预测路基结构中土压力的分布与发展趋势,继而快速、准确地识别路基中的病害类型。该研究成果为路基病害的无损检测提供新的思路。

关键词

路基病害检测 / 注意力机制 / iTransformer-LSTM / 弹性神经网络 / 模型试验