CN118010849B - 一种高速公路桥涵损伤检测方法及系统 - Google Patents

Abstract

本发明涉及利用超声波进行材料分析技术领域，具体涉及一种高速公路桥涵损伤检测方法及系统。通过对原始超声数据进行分解，获得多个独立成分，然后获取独立成分的周期特征值并分析独立成分之间的周期特征值的差异，用于评估噪声干扰程度。接着根据每个独立成分的数据变化情况，计算第一噪声干扰调节系数。根据噪声干扰程度对各个独立成分进行平滑并构，获取更新超声数据，进而获得第二噪声干扰调节系数。结合两个噪声干扰调节系数及噪声干扰程度值，有针对性地对独立成分进行平滑处理，确保去噪的准确性。重构后的独立成分重构成高质量的去噪超声数据，为桥涵损伤检测提供精准依据，确保桥涵损伤位置判断的准确性。

Description

一种高速公路桥涵损伤检测方法及系统

技术领域

本发明涉及利用超声波进行材料分析技术领域，具体涉及一种高速公路桥涵损伤检测方法及系统。

背景技术

随着交通基础设施的不断发展，高速公路的修建也在日益增多，其中，高速公路桥涵作为道路网络的组成部分，不仅承担着重要的运输功能，还经常跨越河流、湖泊等，成为交通要道的关键节点；然而在自然环境中，受到长期的自然风化、交通负荷等因素，会导致桥梁结构存在细微损伤，影响其安全性和稳定性，故需要对高速公路桥涵进行损伤检测。

检测时通常在高速公路的待测桥涵设置至少一个测点，然后利用超声波检测仪获取桥涵测点的超声数据，并将其可视化为图像数据，从而便于相关工作人员直观的观察和分析桥涵的损伤情况。但是，由于设备中的电子元件以及复杂的环境因素等影响，超声数据中通常会存在较多的干扰信息，现有技术通常根据数据的数值特征对数据进行平滑处理，用以实现去噪过程，但是由于高速公路所处户外环境复杂，导致噪声强度具有变化的特征，故仅依据数据的数值特征会造成去噪效果不佳，从而导致可视化时，图像数据与实际情况存在误差，降低损伤检测的准确度。

发明内容

为了解决在噪声强度变化的情况下，仅依据数据的数值特征会造成去噪效果不佳技术问题，本发明的目的在于提供一种高速公路桥涵损伤检测方法及系统，所采用的技术方案具体如下：

获取桥涵的测点的原始超声数据；

对原始超声数据进行独立成分分析，得到独立成分；根据每个独立成分中数值的分布情况以及差异情况，得到每个独立成分的周期特征值；根据所有独立成分的周期特征值之间的差异以及所有独立成分的数据表现，得到原始超声数据的噪声干扰程度值；

根据每个独立成分中的数据变化趋势得到第一噪声干扰调节系数；根据所述噪声干扰程度值对所有独立成分进行平滑和重构，得到测点的更新超声数据；根据所述更新超声数据与原始超声数据之间的数值差异得到第二噪声干扰调节系数；根据所述第一噪声干扰调节系数、第二噪声干扰调节系数以及噪声干扰程度值对原始超声数据的各个独立成分进行平滑和重构，得到去噪超声数据。

进一步地，所述周期特征值的获取方法包括：

任选一个独立成分作为待测成分，在所述待测成分中，将所有数据点的数值累加和作为数值综合指标，将每个数据点的数值与所述数值综合指标的比值作为每个数据点的数值占比；将任意两个数据点的数值占比的差异作为差异因子，将待测成分中的所有差异因子的均值进行负相关映射并归一化后的值，作为待测成分的第一周期性因子；

将待测成分按照时序均匀划分为预设第一数量个数据段；根据所有数据段之间的相似情况，得到待测成分的第二周期性因子；

将待测成分的第一周期性因子与第二周期性因子的和值作为待测成分的周期特征值。

进一步地，所述第二周期性因子的公式模型包括：

；其中，/>表示待测成分/>的第二周期性因子；/>表示待测成分/>中的数据段两两组合后的数据段组合总数；表示每个数据段中的数据点总数；/>表示第/>个数据段组合中，第一个数据段中第/>个数据点的数值占比；/>表示第/>个数据段组合中，第二个数据段中第/>个数据点的数值占比；/>表示以自然常数/>为底的对数函数；/>表示以自然常数/>为底的指数函数。

进一步地，所述噪声干扰程度值的获取方法包括：

在所有的独立成分中，将任意两个独立成分进行组合，得到所有不重复的成分组合；

对于任意一个成分组合，计算该成分组合中两个独立成分的周期特征值之间的差异作为成分差异指标；将所有成分组合的成分差异指标的均值作为成分差异特征值；

获取每个独立成分的峰度值与标准峰度值之间的差异，作为峰度值差异；将所有独立成分的峰度值差异的均值作为分解特征值；

将所述分解特征值与成分差异特征值的乘积进行负相关映射并归一化后的值作为原始超声数据的噪声干扰程度值。

进一步地，所述第一噪声干扰调节系数的获取方法包括：

在所述待测成分中，在每个数据段内，将具有相同数值的数据点作为同类数据点，将每类数据点的数量与数据点总数的比值作为每类数据点的分布概率；计算任意两类数据点的分布概率之间的差异，作为分布差异值；将每个数据段内的所有的分布差异值的均值与数据点类别总数的乘积作为调节因子；

在每个数据段中，获取每个数据点的斜率值，将所有数据点的斜率值的均值作为均值斜率，计算每个数据点的斜率值与所述均值斜率之间的差异，作为每个数据点对应的波动因子，将所有数据点对应的波动因子的均值作为每个数据段的波动特征值；

将每个数据段的波动特征值与调节因子的乘积进行归一化后的值，作为每个数据段的第一噪声干扰调节系数。

进一步地，所述根据所述噪声干扰程度值对所有独立成分进行平滑和重构，得到更新超声数据，包括：

根据所述噪声干扰程度值对每个独立成分进行高斯滤波，并基于独立成分分析算法将所有滤波后的独立成分进行重构，得到测点的更新超声数据。

进一步地，所述根据所述噪声干扰程度值对每个独立成分进行高斯滤波，包括：

将噪声干扰程度值作为滤波系数，基于高斯滤波对每个独立成分进行滤波操作，得到滤波后的独立成分。

进一步地，所述第二噪声干扰调节系数的公式模型为：

；其中，/>表示第二噪声干扰调节系数；/>表示原始超声数据中的数据点总数；/>表示原始超声数据中第/>个数据点的数值；/>表示更新超声数据中第/>个数据点的数值；/>表示双曲正切函数。

进一步地，所述根据所述第一噪声干扰调节系数、第二噪声干扰调节系数以及噪声干扰程度值对原始超声数据的各个独立成分进行平滑和重构，得到去噪超声数据，包括：

在待测成分中，根据所述第二噪声干扰调节系数、每个数据段的第一噪声干扰调节系数以及噪声干扰程度值，得到每个数据段的滤波系数，所述第一噪声干扰调节系数、第二噪声干扰调节系数以及噪声干扰程度值均与所述滤波系数呈正相关；

根据每个数据段的滤波系数对待测成分中的对应的数据段进行高斯滤波操作，得到待测成分对应的滤波数据；

基于独立成分分析算法对所有的独立成分对应的滤波数据进行重构，得到去噪超声数据。

本发明还提出了一种高速公路桥涵损伤检测系统，所述系统包括：

存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时可实现任意一项所述方法的步骤。

本发明具有如下有益效果：

获取桥涵测点处的原始超声数据，由于原始超声数据中可能会包含多种信号成分，所以为了实现更好的去噪，本发明将原始超声数据进行独立成分分析，得到所有的独立成分，由于桥涵结构具有固定的频率、振动模式等特征，所以分析每个独立成分中数值的分布情况，得到每个独立成分的周期特征值，进一步地，因为独立成分分析具有特定的分解规则，但是若噪声影响越大，独立成分之间所表征出来的周期性会较为相似，故分析独立成分的周期特征值之间的差异，结合独立成分的数据表现，评价原始超声数据受到的噪声干扰程度值。进一步地，因为噪声在不同的独立成分中产生的影响可能会有所不同，所以为了提高后续的去噪效果，对每个独立成分单独进行数据变化趋势的分析，得到第一噪声干扰调节系数；并且，从整体层面上，根据噪声干扰程度对每个独立成分进行平滑并重构，获取更新超声数据，然后分析更新超声数据与原始超声数据之间的差异，用来从整体上评价噪声的影响情况。接着将第一噪声干扰调节系数与第二噪声干扰调节系数以及噪声干扰程度值结合起来对独立成分进行平滑处理，此时可做到有针对性地、更加准确地去噪，然后将独立成分重构后即可得到高质量的去噪超声数据。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明一个实施例所提供的一种高速公路桥涵损伤检测方法流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种高速公路桥涵损伤检测方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种高速公路桥涵损伤检测方法及系统的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种高速公路桥涵损伤检测方法及系统的方法流程图，该方法包括以下步骤：

步骤S1：获取桥涵的测点的原始超声数据。

首先获取桥涵各个测点处的原始超声数据，在公路桥涵结构上多个位置部署超声波检测仪用于获取原始超声数据，部署位置具体可以为：桥墩、桥台等支撑桥涵的结构，桥梁的梁体地面，梁与梁的连接处、梁与桥墩的连接处，护栏和翼墙等等。原始超声数据的两个维度分别是时间和声强度。需要说明的是，超声波检测仪的具体部署位置具体取决于桥涵的结构以及设计要求，需根据实际情况进行调整；具体的数据获取装置以及采样频率等均可根据实际情况进行调整，在此不做限定。

至此，可以获得桥涵各个测点处的原始超声数据，可在后续过程中对其进行分析，实现去噪并进行桥涵损伤检测。

步骤S2：对原始超声数据进行独立成分分析，得到独立成分；根据每个独立成分中数值的分布情况以及差异情况，得到每个独立成分的周期特征值；根据所有独立成分的周期特征值之间的差异以及所有独立成分的数据表现，得到原始超声数据的噪声干扰程度值。

由于测点位置众多，为了便于后续的解释和说明，在此任选一个测点的原始超声数据进行后续过程的分析，用于说明本发明实施例中某些参数以及指标的获取过程。

原始超声数据中包含了多种信号成分，如桥涵结构本身的响应、损伤引起的反应波，以及环境噪声等等，而独立成分分析可以将混合在一起的信号成分分解为独立的信号，从而有助于进行噪声影响情况的分析，故首先对原始超声数据进行独立成分分析，得到分解后的独立成分。需要说明的是，独立成分分析算法为本领域技术人员熟知的技术手段，在此不做赘述。

当原始超声数据受到噪声干扰，如桥涵微小的机械振动或环境中的电磁干扰，由于这种噪声干扰具有一定的周期性，所以在进行独立成分分析之后，噪声会存在于多个独立成分之中，使其原本应该互相独立的成分之间具有一定的相似性，这种相似性通常也表现在数据的周期性特征上，所以需要获取每个独立成分的周期性特征，而周期性特征又可以根据独立成分中数据的分布情况以及差异波动等进行表征。

优选地，本发明一个实施例中，周期特征值的获取方法包括：

任选一个独立成分作为待测成分，若数据的周期性较强，那么数据中应该存在较多数值相近的数据点，所以先分析待测成分中数据点的数值变化情况：在待测成分中，将所有数据点的数值进行累加，将所得累加和作为数值综合指标，然后计算每个数据点的数值与数值综合指标的比值，将该比值作为每个数据点的数值占比；将待测成分中将任意两个数据点的数值占比的差异作为差异因子，此时，待测成分中任意两个数据点之间均会存在一个差异因子，接着将待测成分中的所有差异因子的均值进行负相关映射并归一化后的值，作为待测成分的第一周期性因子。

然后从局部出发，分析局部内数据之间的相似情况，用于表征待测成分的周期性特征：将待测成分按照时刻均匀分为预设第一数量个数据段；根据所有数据段之间的相似情况，得到待测成分的第二周期性因子。待测成分以独立成分为例，第二周期性因子的公式模型为：

其中，表示待测成分/>的第二周期性因子；/>表示待测成分/>中的数据段两两组合后的数据段组合总数；/>表示每个数据段中的数据点总数；/>表示第/>个数据段组合中，第一个数据段中第/>个数据点的数值占比；/>表示第/>个数据段组合中，第二个数据段中第/>个数据点的数值占比；/>表示以自然常数/>为底的对数函数；/>表示以自然常数/>为底的指数函数。

在第二周期性因子的公式模型中，将待测成分中任意两个数据段进行两两组合，从而得到所有不重复的数据段组合，对于每一个数据段组合，计算了，该值可视为将数据段组合中的两个数据段进行替换时会产生多少的信息差，该值越小，则表征两个数据段之间越相似，就可以说明这两个数据段中的数据呈现出一种周期性的趋势；那么/>就表示了待测成分中任意两个数据段之间发生替换时产生的信息差的总和，该值越小，说明待测成分的周期性特征越高，然后将该值进行负相关映射并归一化处理，实现逻辑关系矫正，从而得到待测成分的第二周期性因子。

最后将待测成分的第一周期性因子与第二周期性因子的和值作为待测成分的周期特征值。待测成分以独立成分为例，待测成分的周期性特征值的公式模型为：

其中，表示待测成分/>的周期性特征值；/>表示待测成分/>中的数据点两两组合后的数据组合总数；/>表示第/>个数据组合中第一个数据点的数值；/>表示第/>个数据组合中第二个数据点的数值；/>表示数值综合指标；/>表示待测成分/>的第二周期性因子；/>表示以自然常数/>为底的指数函数。

在周期性特征值的公式模型中，对于待测成分中的所有数据点，计算了所有数据点的数值和值，作为数值综合指标，该值表征了待测成分中所有数据点数值的整体情况，然后计算每个数据点的数值与数值综合指标的比值，得到每个数据点的数值占比，将任意两个进行组合，得到所有不重复的数据组合，在每个数据组合中，计算两个数据点的数值占比的差异作为差异因子/>，该差异因子表征了待测成分中数据点之间的数值分布相似情况，该值越小，说明数据点之间的数值越相似，待测成分就越可能呈现出一定的周期性规律，接着将待测成分中所有的差异因子的均值进行负相关映射并归一化，实现逻辑关系矫正，得到了待测成分的第一周期性因子，最后将第一周期性因子与第二周期性因子的和值作为待测成分的周期特征值。

需要说明的是，预设第一数量设置为5，具体数值可根据实施场景进行调整，再次不做限定；对数据组合的获取方法进行举例说明：例如，待测成分中共有4个数据点，分别记作数据点1、2、3、4，则数据组合为（1，2）、（1，3）、（1，4）、（2，3）、（2，4）、（3，4），总共有6个数据组合；本发明后续实施例中的数据段组合、成分组合等的获取方法均与数据组合的获取方法相同，在后续过程中不做赘述。

在本发明其他实施例中，在获取待测成分的第二周期性因子时，由于本质为分析待测成分中不同的数据段之间的数据相似情况，所以也可以计算每个数据段组合中两个数据段之间的DTW值，DTW值越小，说明两个数据段越相似，那么待测成分的周期性特征也就越明显，所以将所有数据段组合的DTW值的均值进行负相关映射并归一化处理，从而得到待测成分的第二周期性因子。DTW值的获取方法为本领域技术人员熟知的技术手段，在此不做赘述。

至此，通过对原始超声数据中的每个独立成分进行分析，得到了每个独立成分的周期特征值，该值可用于评价原始超声数据的受噪声影响程度。

基于前述分析可知，噪声影响会使得原本应该相互独立的独立成分之间具有较为一致的变化情况，具体体现在周期特征上，所以在此可以分析不同的独立成分之间的周期特征值之间的差异，作为获取原始超声数据的噪声干扰程度值的一个指标。同时，由于独立成分分析具有其特定的分解规则，即独立成分之间具有最大的非高斯型，所以此时，若独立成分所表现出来的非高斯型降低，则同样说明噪声影响程度越高，基于前述两个特征，可对原始超声数据的噪声干扰程度值进行评价。

优选地，本发明一个实施例中，噪声干扰程度值的获取方法包括：

在所有的独立成分中，将任意两个独立成分进行组合，得到所有不重复的成分组合；

对于任意一个成分组合，计算该成分组合中两个独立成分的周期特征值之间的差异作为成分差异指标；将所有成分组合的成分差异指标的均值作为成分差异特征值。成分差异特征值可以表征出所有的独立成分之间的周期性特征之间的相似程度。

然后获取每个独立成分的峰度值与标准峰度值之间的差异，作为峰度值差异；并将所有独立成分的峰度值差异的均值作为分解特征值。

最后将分解特征值与成分差异特征值的乘值进行负相关映射并归一化后的值作为原始超声数据的噪声干扰程度值。原始超声数据以测点处的原始超声数据为例，噪声干扰程度值的公式模型为：

其中，表示原始超声数据/>的噪声干扰程度值；/>表示原始超声数据/>分解得到的独立成分的总数；/>表示第/>个独立成分的峰度值；/>表示标准峰度值；/>表示原始超声数据/>的所有独立成分两两组合后的成分组合总数；/>表示第/>个成分组合中第一个独立成分的周期特征值；/>表示第/>个成分组合中第二个独立成分的周期特征值。

在噪声干扰程度值的公式模型中，计算了每个成分组合中的两个独立成分的周期特征值之间的差异，作为成分差异指标，当该值越小时，说明两个独立成分之间的周期特征较为相似，则说明原始超声数据受到的噪声干扰强度越大，将所有成分组合的成分差异指标进行综合，将累加和的均值作为成分差异特征值，该值越小，说明原始超声数据的所有独立成分两两之间的周期特征呈现出较为一致的情况，视为噪声干扰越严重；同样的，由于独立成分分析的分解规则为独立成分之间具有最大的非高斯型，但是由于原始超声数据受到了噪声的影响，会导致独立成分之间的最大非高斯型降低，也就是会具有一定的高斯型特征，所以计算了每个独立成分的峰度值于标准峰度值之间的差异，作为峰度值差异/>，该值越小，说明独立成分的峰度值与标准峰度值之间的偏差越小，也就与标准的高斯分布之间的偏差越小，说明原始超声数据受到的噪声影响越严重；将所有独立成分的峰度值差异的均值作为分解特征值/>，该值越小，说明原始超声数据受到的噪声影响越大。最后将成分差异特征值/>与分解特征值/>的乘积进行负相关映射并归一化处理，实现逻辑关系矫正，从而得到原始超声数据的噪声干扰程度值。

需要说明的是，标准峰度值是根据标准正态分布获得的，由于标准正态分布的峰度值为3，故在此将标准峰度值设置为3。

基于上述过程，可以对原始超声数据受到的噪声干扰强度进行了一个估测，得到了噪声干扰程度值，在后续过程中，可利用噪声干扰程度值进行滤波等处理，获取原始超声数据对应的去噪超声数据。

步骤S3：根据每个独立成分中的数据变化趋势得到第一噪声干扰调节系数；根据噪声干扰程度值对所有独立成分进行平滑和重构，得到测点的更新超声数据；根据更新超声数据与原始超声数据之间的数值差异得到第二噪声干扰调节系数；根据第一噪声干扰调节系数、第二噪声干扰调节系数以及噪声干扰程度值对原始超声数据的各个独立成分进行平滑和重构，得到去噪超声数据。

在前述步骤中，根据独立成分分析将超声波数据进行独立成分分解，并根据独立成分分析的规则以及所有独立成分之间的差异，评估了噪声的影响程度，得到了待测数据整体受到的噪声干扰程度值。但是由于噪声在单个独立成分中的干扰量不一定完全相等，因此本发明该实施例中，通过整体层次以及局部层次，分别获取噪声干扰程度值的两个调整系数调整估测的噪声干扰程度值，更有利于对噪声干扰在不同的独立成分中产生的影响的进行分配，有助于获取更有的去噪结果。

首先从局部层次出发，通过分析原始超声数据对应的每个独立成分中数据的变化趋势，进行第一噪声干扰调节系数的量化。

优选地，本发明一个实施例中，第一噪声干扰调节系数的获取方法包括：

数据变化趋势主要可以由数据点的数值分布以及斜率进行表征，所以任选一个独立成分作为待测成分，在待测成分中，从局部出发，在每个数据段内，将具有相同数值的数据点作为同类数据点，将每类数据点的数量与数据点总数的比值作为每类数据点的分布概率；计算任意两类数据点的分布概率之间的差异，作为分布差异值；此时数据段中任意两类数据点均对应一个分布差异值，然后将每个数据段内的所有的分布差异值的均值作为调节因子。

接着在每个数据段中，获取每个数据点的斜率值，将所有数据点的斜率值的均值作为均值斜率，计算每个数据点的斜率值与均值斜率之间的差异，作为每个数据点对应的波动因子，根据所有数据点对应的波动因子的均值作为每个数据段的波动特征值。斜率的获取方法为本领域技术人员熟知的过程，在此不做赘述，并且将每个数据段中最后一个数据点的斜率值设置为和其前一个数据点的斜率值相等。

最后将每个数据段的波动特征值与调节因子的乘积进行归一化后的值，作为每个数据段的第一噪声干扰调节系数。待测成分以独立成分为例，第一噪声干扰调节系数的公式模型具体可以例如为：

其中，表示待测成分/>中第/>个数据段的第一噪声干扰调节系数；/>表示待测成分/>中第/>个数据段中数据点的类别总数；/>表示待测成分/>中第/>个数据段中任意两类数据点两两组合后的类别组合总数；/>表示第/>个类别组合中第1类数据点的数量；表示第/>个类别组合中第2类数据点的数量；/>表示待测成分/>中第/>个数据段中的数据点总数；/>表示第/>个数据点的斜率值；/>表示均值斜率；/>表示双曲正切函数。

在第一噪声干扰调节系数的公式模型中，将每类数据点的数量与数据点总数的比值作为每类数据点的分布概率，将数据段内的任意两类数据点进行组合，从而得到所有不重复的类别组合，在每一个类别组合中，计算其中两类数据点的分布概率之间的差异，得到分布差异值/>，该值表征了数据段内，不同类别的数据点的分布差异情况，在将所有类别组合对应的分布差异值进行综合求均值之后，再与该数据段中数据点的类别总数相乘，得到了调节因子/>，调节因子的值越大，说明该数据段内的数据点类别越多，即分布着不同数值的数据点，类型较为丰富，说明该数据段中数据较为复杂，则受到的噪声的影响程度可能会越大；同样的，计算了该数据段中每个数据点的斜率值与均值斜率之间的差异，作为波动因子/>，并将所有数据点的波动因子的均值作为该数据段的波动特征值/>，均值斜率表征了该数据段中所有数据点变化趋势的平均水平，所以若数据点的波动因子越大，数据段的波动特征值就越大，则说明该数据段内数据变化情况越复杂，越不稳定，则受到的噪声影响的程度越高。故将调节因子与波动特征值进行结合，二者相乘并进行归一化处理，得到数据段的第一噪声干扰调节系数。

至此，从局部层面得到了每个独立成分中每个数据段的第一噪声干扰调节系数，接着可从整体层面，获取第二噪声干扰调节系数。

由于原始超声数据的噪声干扰程度值是根据各个独立成分之间的差异进行评估，为了更好的评估此时的噪声干扰程度值的去噪效果的好坏，可以利用原始超声数据的噪声干扰程度值对每个独立成分进行平滑后并重构，然后得到原始超声数据的更新超声数据，通过分析更新超声数据与原始超声数据之间的差异，从而确定需要调整的量，也即获得第二噪声干扰调节系数。

优选地，本发明一个实施例中，更新超声数据的获取方法包括：将噪声干扰程度值作为滤波系数，从而对每个独立成分进行高斯滤波，并基于独立成分分析算法将所有滤波后的独立成分进行重构，从而得到测点的更新超声数据。需要说明的是，高斯滤波以及独立成分分析算法均为本领域技术人员熟知的技术手段，在此不做赘述。

优选地，本发明一个实施例中，第二噪声干扰调节系数的公式模型为：

其中，表示第二噪声干扰调节系数；/>表示原始超声数据中的数据点总数；/>表示原始超声数据中第/>个数据点的数值；/>表示更新超声数据中第/>个数据点的数值；表示双曲正切函数。

在第二噪声干扰调节系数的公式模型中，计算原始超声数据与更新超声数据中数据点之间的差异的平方，当该值越大时，说明在利用噪声干扰程度值对每个独立成分进行滤波去噪后，重构所得的更新超声数据与原始超声数据之间存在着较大的偏差，即可说明原始超声数据受到的噪声干扰程度较高，那么前述过程中估测所得的噪声干扰程度值的不确定性就会越高，因此需要对估测的噪声干扰程度值进行正向调节，基于此逻辑，构建了第二干扰调节系数的公式模型，得到第二噪声干扰调节系数。

在获取到第一噪声干扰调节系数和第二噪声干扰调节系数之后，可根据两者对噪声干扰程度值进行调整以及分配，从而有针对性的、更加准确的对各个独立成分进行平滑并重构，获得高质量的去噪超声数据。

优选地，本发明一个实施例中，根据第一噪声干扰调节系数、第二噪声干扰调节系数以及噪声干扰程度值对原始超声数据的各个独立成分平滑后进行重构，得到去噪超声数据，包括：

在待测成分中，根据第二噪声干扰调节系数、每个数据段的第一噪声干扰调节系数以及噪声干扰程度值，得到每个数据段的滤波系数，其中，第一噪声干扰调节系数、第二噪声干扰调节系数以及噪声干扰程度值均与滤波系数呈正相关。待测成分以独立成分为例，滤波系数的公式模型具体可以例如为：

其中，表示待测成分/>中第/>个数据段的滤波系数；/>表示待测成分/>中第/>个数据段的第一噪声干扰调节系数；/>表示第二噪声干扰调节系数；/>表示原始超声数据/>的噪声干扰程度值。

在滤波系数的公式模型中，将第二噪声干扰调节系数与原始超声数据的噪声干扰程度值进行相乘，所得乘积可视为对步骤S2中获得的噪声干扰程度值进行了修正，使得/>能跟加准确的表征原始超声数据受到噪声干扰的情况；然后对于每个独立成分，当独立成分中数据段的第一噪声干扰调节系数越大，说明该数据段内数据变化情况越复杂，越不稳定，受到的噪声影响的程度越高，所以/>进一步表征需进行更大程度的平滑操作，然后将该值与/>的乘积作为该数据段所需的滤波系数。

然后根据每个数据段的滤波系数对待测成分中的对应的数据段进行高斯滤波操作，得到滤波数据。最后基于独立成分分析算法对所有的滤波数据进行重构，即可得到去噪超声数据。需要说明的是，正相关关系表示因变量会随着自变量的增大而增大，因变量会随着自变量的减小而减小，具体关系可以为相乘关系、相加关系、指数函数的幂等，由实际应用进行确定；负相关关系表示因变量会随着自变量的增大而减小，因变量会随着自变量的减小而增大，可以为相减关系、相除关系等，由实际应用进行确定。

基于上述步骤可以获得桥涵每个测点处的高质量的去噪超声数据，然后可根据这些去噪超声数据进行桥涵损伤检测，从而确定损伤位置等。

具体方法可以为：将桥涵所有测点的去噪超声数据转换成模拟电信号，然后进行可视化特征识别，其中，可以使用专门的软件或工具对模拟电信号进行可视化；并通过回波强度、回波时长等特征进行特征识别。接着即可生成桥涵的实时状态图像，该图像将显示桥涵的结构特征、以及潜在的损伤位置等信息，最后工作人员可根据该图像进行损伤定位，获得损伤位置。

本实施例还提供了一种高速公路桥涵损伤检测系统，该系统包括存储器、处理器和计算机程序，其中存储器用于存储相应的计算机程序，处理器用于运行相应的计算机程序，计算机程序在处理器上运行时能够实现任意一项一种高速公路桥涵损伤检测方法的步骤。

综上所述，本发明实施例中获取桥涵各个测点处的原始超声数据，由于原始超声数据中可能会包含多种信号成分，所以为了实现更好的去噪，本发明将原始超声数据进行独立成分分析，得到所有的独立成分，由于桥涵结构具有固定的频率、振动模式等特征，所以分析每个独立成分中数值的分布情况，得到每个独立成分的周期特征值，进一步地，因为独立成分分析具有特定的分解规则，且若噪声影响越大，独立成分之间所表征出来的周期性会较为相似，故分析独立成分的周期特征值之间的差异，结合独立成分的数据表现，评价原始超声数据受到的噪声干扰程度值。进一步地，因为噪声在不同的独立成分中产生的影响可能会有所不同，所以为了提高后续的去噪效果，对每个独立成分单独进行数据变化趋势的分析，得到第一噪声干扰调节系数；并且，从整体层面上，根据噪声干扰程度对每个独立成分进行平滑并重构，获取更新超声数据，然后分析更新超声数据与原始超声数据之间的差异，用来从整体上评价噪声的影响情况。接着将第一噪声干扰调节系数与第二噪声干扰调节系数以及噪声干扰程度值结合起来对独立成分进行平滑处理，此时可做到有针对性地、更加准确地去噪，然后将独立成分重构后即可得到高质量的去噪超声数据。最后根据所有测点处高质量的去噪超声数据进行桥涵损伤检测，确定损伤位置时，可以获得更加准确的检测结果。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

Claims (6)

1.一种高速公路桥涵损伤检测方法，其特征在于，所述方法包括：

获取桥涵的测点的原始超声数据；

对原始超声数据进行独立成分分析，得到独立成分；根据每个独立成分中数值的分布情况以及差异情况，得到每个独立成分的周期特征值；根据所有独立成分的周期特征值之间的差异以及所有独立成分的数据表现，得到原始超声数据的噪声干扰程度值；

根据每个独立成分中的数据变化趋势得到第一噪声干扰调节系数；根据所述噪声干扰程度值对所有独立成分进行平滑和重构，得到测点的更新超声数据；根据所述更新超声数据与原始超声数据之间的数值差异得到第二噪声干扰调节系数；根据所述第一噪声干扰调节系数、第二噪声干扰调节系数以及噪声干扰程度值对原始超声数据的各个独立成分进行平滑和重构，得到去噪超声数据；

所述周期特征值的获取方法包括：

任选一个独立成分作为待测成分，在所述待测成分中，将所有数据点的数值累加和作为数值综合指标，将每个数据点的数值与所述数值综合指标的比值作为每个数据点的数值占比；将任意两个数据点的数值占比的差异作为差异因子，将待测成分中的所有差异因子的均值进行负相关映射并归一化后的值，作为待测成分的第一周期性因子；

将待测成分按照时序均匀划分为预设第一数量个数据段；根据所有数据段之间的相似情况，得到待测成分的第二周期性因子；

将待测成分的第一周期性因子与第二周期性因子的和值作为待测成分的周期特征值；

所述噪声干扰程度值的获取方法包括：

在所有的独立成分中，将任意两个独立成分进行组合，得到所有不重复的成分组合；

对于任意一个成分组合，计算该成分组合中两个独立成分的周期特征值之间的差异作为成分差异指标；将所有成分组合的成分差异指标的均值作为成分差异特征值；

获取每个独立成分的峰度值与标准峰度值之间的差异，作为峰度值差异；将所有独立成分的峰度值差异的均值作为分解特征值；

将所述分解特征值与成分差异特征值的乘积进行负相关映射并归一化后的值作为原始超声数据的噪声干扰程度值；

所述第一噪声干扰调节系数的获取方法包括：

在所述待测成分中，在每个数据段内，将具有相同数值的数据点作为同类数据点，将每类数据点的数量与数据点总数的比值作为每类数据点的分布概率；计算任意两类数据点的分布概率之间的差异，作为分布差异值；将每个数据段内的所有的分布差异值的均值与数据点类别总数的乘积作为调节因子；

在每个数据段中，获取每个数据点的斜率值，将所有数据点的斜率值的均值作为均值斜率，计算每个数据点的斜率值与所述均值斜率之间的差异，作为每个数据点对应的波动因子，将所有数据点对应的波动因子的均值作为每个数据段的波动特征值；

将每个数据段的波动特征值与调节因子的乘积进行归一化后的值，作为每个数据段的第一噪声干扰调节系数；

所述第二噪声干扰调节系数的公式模型为：

；其中，/>表示第二噪声干扰调节系数；/>表示原始超声数据中的数据点总数；/>表示原始超声数据中第/>个数据点的数值；/>表示更新超声数据中第/>个数据点的数值；/>表示双曲正切函数。

2.根据权利要求1所述的一种高速公路桥涵损伤检测方法，其特征在于，所述第二周期性因子的公式模型包括：

；其中，/>表示待测成分/>的第二周期性因子；/>表示待测成分/>中的数据段两两组合后的数据段组合总数；表示每个数据段中的数据点总数；/>表示第/>个数据段组合中，第一个数据段中第/>个数据点的数值占比；/>表示第/>个数据段组合中，第二个数据段中第/>个数据点的数值占比；/>表示以自然常数/>为底的对数函数；/>表示以自然常数/>为底的指数函数。

3.根据权利要求1所述的一种高速公路桥涵损伤检测方法，其特征在于，所述根据所述噪声干扰程度值对所有独立成分进行平滑和重构，得到更新超声数据，包括：

根据所述噪声干扰程度值对每个独立成分进行高斯滤波，并基于独立成分分析算法将所有滤波后的独立成分进行重构，得到测点的更新超声数据。

4.根据权利要求3所述的一种高速公路桥涵损伤检测方法，其特征在于，所述根据所述噪声干扰程度值对每个独立成分进行高斯滤波，包括：

将噪声干扰程度值作为滤波系数，基于高斯滤波对每个独立成分进行滤波操作，得到滤波后的独立成分。

5.根据权利要求1所述的一种高速公路桥涵损伤检测方法，其特征在于，所述根据所述第一噪声干扰调节系数、第二噪声干扰调节系数以及噪声干扰程度值对原始超声数据的各个独立成分进行平滑和重构，得到去噪超声数据，包括：

在待测成分中，根据所述第二噪声干扰调节系数、每个数据段的第一噪声干扰调节系数以及噪声干扰程度值，得到每个数据段的滤波系数，所述第一噪声干扰调节系数、第二噪声干扰调节系数以及噪声干扰程度值均与所述滤波系数呈正相关；

根据每个数据段的滤波系数对待测成分中的对应的数据段进行高斯滤波操作，得到待测成分对应的滤波数据；

基于独立成分分析算法对所有的独立成分对应的滤波数据进行重构，得到去噪超声数据。

6.一种高速公路桥涵损伤检测系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1~5任意一项所述方法的步骤。