基于数字图像处理的土石坝坝料合格性智能检测方法
土石坝坝料的合格性检测通常是通过判断现场筛分试验获得的级配参数是否满足设计要求来实现的,然而通过筛分试验获取级配参数的方法存在采样率低,操作过程繁琐,智能感知程度差等缺点以致检测结果代表性差.为了提高坝料级配参数的智能检测程度,依托辽宁某电站现场挖坑检测位置处的图像和级配数据,采用融合空间信息的直觉模糊C均值聚类(SIFCM)算法进行土石坝料数字图像的分割,并利用等效椭球体积的方法实现了土石坝料的三维体积重构,进一步通过基于BP神经网络的级配修正模型修正后,得到真实条件下的坝料全级配特征曲线,进而获得评价坝料合格性的4个指标:最大粒径、P5含量、曲率系数C和不均匀系数Cn.实际工程应用表明,本文建立的基于SIFCM_BP算法的坝料级配特征智能识别修正模型具有较高的识别精度,本文方法为大坝碾压施工前坝料合格性快速判别与施工过程中坝料压实特性的实时评价提供了重要支撑.
土石坝料级配检测、数字图像处理、SIFCM算法、级配修正模型、坝料合格性检测
53
TV641(水利枢纽、水工建筑物)
中国水科院三型人才基金项目GE0145B042022
2022-11-18(万方平台首次上网日期,不代表论文的发表时间)
共13页
1194-1206