(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210563433.2 (22)申请日 2022.05.20 (71)申请人 长安大学 地址 710064 陕西省西安市雁塔区南 二环 路中段 (72)发明人 胡永彪　陈沉　贾峰　汪学斌　 王刚锋　张如伟　许金栋　 (74)专利代理 机构 西安通大专利代理有限责任 公司 6120 0 专利代理师 安彦彦 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/13(2020.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 基于多域分析和人工神经网络的压实质量 检测方法及装置 (57)摘要 本发明公开了一种基于多域分析和人工神 经网络的压实质量检测方法及装置， 该方法通过 安装在压路机上的传感器获取压实过程中的加 速度信号， 根据加速度信号的时域特征、 功率谱 的频域的特征与综合压实质量的相关性， 筛选出 多个特征信息， 并将筛选出特征信息作为人工神 经网络的训练集， 训练分类及回归神经网络用以 判别路面的压实质量， 评价路面压实质量。 实验 表明， 与传统压实质量检测方法相比， 提出的方 法可以在不伤害路面的前提下， 准确判别路面压 实质量。 权利要求书1页 说明书7页 附图4页 CN 114880940 A 2022.08.09 CN 114880940 A 1.一种基于多域分析和人工神经网络的压实质量检测方法， 其特征在于， 包括以下步 骤： S1、 在试验路段采集不同次压实过程中的压路机振动钢轮处的垂直加速度信号， 并测 量试验路段路面的土壤压实度； 根据土壤综合压实度将土壤分为欠压实、 最佳压实和过压 实三种压实质量； S2、 计算垂直加速度信号的时域特征和功率谱密度图的频域特征， 计算垂直加速度信 号的特征和压实质量的相关性， 根据垂直加速度信号的特征和压实质量的相关性大小， 筛 选出垂直加速度信号的多个特 征； S3、 将所述多个特征打上其所属压实质量类型标签， 将所述多个特征作为人工神经网 络的输入变量， 压实质量标签为输出变量， 训练人工神经网络模型； S4、 采集并记录其余路段上压路机振动钢轮处的垂直加速度信号， 并利用训练好的人 工神经网络模型和垂直加速度信号的多个特 征评价被测路段的压实质量。 2.根据权利要求1所述的一种基于多域分析和人工神经网络的压实质量检测方法， 其 特征在于， 所述S1中， 用环刀法在测量试验路段路面的土壤综合压实度。 3.根据权利要求1所述的一种基于多域分析和人工神经网络的压实质量检测方法， 其 特征在于， 所述S1 中， 土壤综合压实度的测量过程为： 使用环刀法分别对每次压实过后的地 表、 地下20cm和地下40cm土壤进行多次采样， 计算多次采样的压实度均值， 作为不同深度土 壤的最终压实度， 并将不同深度土壤最终压实度的平均值作为土壤综合压实度。 4.根据权利要求1所述的一种基于多域分析和人工神经网络的压实质量检测方法， 其 特征在于， 所述S2中， 通过 方差分析计算垂直加速度信号的特 征和压实质量的相关性。 5.根据权利要求1所述的一种基于多域分析和人工神经网络的压实质量检测方法， 其 特征在于， 所述S2 中， 筛选出的垂直加速度信号的特征包括： 第一峰值、 带宽功率、 标准差、 第一峰频率、 时域峰值、 第五峰值、 第二峰值和第四峰值。 6.根据权利要求1所述的一种基于多域分析和人工神经网络的压实质量检测方法， 其 特征在于， 所述S3中， 训练人工神经网络时， 采用K折交叉验证。 7.根据权利要求1所述的一种基于多域分析和人工神经网络的压实质量检测方法， 其 特征在于， 所述S3中， 所述人工神经网络损失函数为： 其中， loss为损失值， N为观测数， C为类别数， 类别即为欠压实、 过压实、 最佳压实这三 类， Tni为样本的实际类别， Yni为预测类别， 通过最小化损失函数更新人工神 经网络中全连 接层的权 重参数和偏差参数。 8.一种基于多域分析和人工神经网络的智能压实质量评价装置， 其特征在于， 包括电 连接的采集模块和处理模块； 所述采集模块用于采集被测路面的垂直加速度信号， 并传递 至处理模块； 所述处理模块用于根据接收到的被测路面的垂 直加速度信号判断被测路面的 压实质量。权　利　要　求　书 1/1 页 2 CN 114880940 A 2基于多域分析和人工神经 网络的压实质量 检测方法及装置 技术领域 [0001]本发明属于智能压实技术领域， 具体涉及 一种基于多域分析和人工神经网络的压 实质量检测方法及装置 。 背景技术 [0002]道路的压实质量关系到道 路的使用寿命和行车安全， 压实质量的准确检测一直是 现场工程师关注的问题。 传统的压实质量检测方法是， 先在压实后的路面取样， 然后在实验 室中对试样进行相关试验和计算， 得到路面材料试样的压实程度。 这种方法会对道路造成 破坏， 且无法实现实时监测。 目前 的智能压实测量方法一般为通过压实计值和碾压机机械 驱动功率衡量压实质量， 但这些方式只考虑了幅值谱范围内的特征， 易受施工环境、 压路机 参数等因素影响， 难以准确评价压实质量。 发明内容 [0003]本发明的目的在于， 提供一种基于多域分析和人工神经网络的压实质量检测方法 及装置， 对土壤压实质量进行实时监测， 以确定土壤压实质量， 并得到改变碾压机参数的时 机。 [0004]为达到上述目的， 本发明所述一种基于多域分析和人工神经网络的压实质量检测 方法， 包括以下步骤： [0005]S1、 在试验路段采集不 同次压实过程中的压路机振动钢轮处的垂直加速度信号， 并测量试验路段路面的土壤压实度； 根据土壤综合压实度将土壤分为欠压实、 最佳压实和 过压实三种压实质量； [0006]S2、 计算垂直加速度信号的时域特征和功率谱密度图的频域特征， 计算垂直加速 度信号的特征和压实质量的相关性， 根据垂直加速度信号的特征和压实质量的相关性大 小， 筛选出垂直加速度信号的多个特 征； [0007]S3、 将所述多个特征打上其所属压实质量类型标签， 将所述多个特征作为人工神 经网络的输入变量， 压实质量标签为输出变量， 训练人工神经网络模型； [0008]S4、 采集并记录其余路段上压路机振动钢轮处的垂直加速度信号， 并利用训练好 的人工神经网络模型和垂直加速度信号的多个特 征评价被测路段的压实质量。 [0009]进一步的， S1中， 用环刀法在测量试验路段路面的土壤综合压实度。 [0010]进一步的， S1中， 土壤综合压 实度的测量过程为： 使用环刀法分别对每次压 实过后 的地表、 地下20c m和地下40c m土壤进行多次采样， 计算多次采样的压实度均值， 作为不同深 度土壤的最终压实度， 并将不同深度土壤最终压实度的平均值作为土壤综合压实度。 [0011]进一步的， S2中， 通过 方差分析计算垂直加速度信号的特 征和压实质量的相关性。 [0012]进一步的， S2中， 筛选出的垂直加速度信号的特征包括： 第一峰值、 带宽功率、 标准 差、 第一峰频率、 时域峰值、 第五峰值、 第二峰值和第四峰值。 [0013]进一步的， S3中， 训练人工神经网络时， 采用K折交叉验证。说　明　书 1/7 页 3 CN 114880940 A 3