【摘 要】
:
混凝土健康检测和监测技术对保证混凝土结构的安全性具有重要的意义。电阻层析成像技术(ERT,Electrical Resistance Tomography)是一种具有鲜明特点的新兴计算机层析成像技术
论文部分内容阅读
混凝土健康检测和监测技术对保证混凝土结构的安全性具有重要的意义。电阻层析成像技术(ERT,Electrical Resistance Tomography)是一种具有鲜明特点的新兴计算机层析成像技术,具有成本低、便于携带、成像速度快、非倾入等诸多优点,在混凝土损伤检测领域有广阔的应用前景。传统的混凝土导电性能较差,限制了电阻层析成像技术的应用,基于此,本文对混凝土本身的导电性进行相关研究,编写适用的ERT图像重建算法并进行计算机模拟和实验验证。主要工作如下:(1)对混凝土的导电性能进行相关研究,通过掺入石墨等导电材料增加混凝土的导电性,配制具有良好导电性的混凝土,为层析成像技术的应用提供实验依据。(2)对电阻层析成像技术的原理和数学模型进行研究,采用有限元模拟软件COMSOL Multiphysics对电阻层析成像技术的正问题进行计算机模拟和建模计算,通过选取不同参数条件(边界条件、剖分精度)进行模拟对比,确定最优正问题模拟参数。(3)对电阻层析成像技术的图像重建算法进行探索研究,基于EIDORS开源代码在MATLAB平台上自主编写反问题求解和图像重建算法,并通过计算机模拟对算法进行功能验证。本文同时编写了重建图像质量评价软件以对图像重建效果进行评价。(4)提出对重建图像添加透明度并叠加的图像二次处理方法,编写图像二次处理程序,该程序可以实现对未知分布场域的电阻率分布情况准确成像。(5)搭建了电阻层析成像数据采集系统。(6)探究电阻层析成像技术对混凝土内部损伤的动态检测能力,基于本文搭建的数据采集系统,对配制的导电混凝土的裂缝损伤、孔洞损伤进行实验,利用本文编写的图像重建算法进行图像重建。实验结果表明:本文搭建的电阻层析成像数据采集系统和图像重建算法对混凝土的裂缝和孔洞进行有效的检测,本文提出的图像二次处理方法可以显著提高图像质量和准确度。
其他文献
本文以水禾(Hygroryza aristata)为研究对象,探究其对镉(cadmium,Cd)和高温胁迫的生理响应,为水禾的进一步保护利用提供理论依据。在常温(25℃)下采用水培试验,设置2、4和6 m
随着情景感知服务和无线通信技术的不断发展,当代社会基于位置的服务(Location Based Service,LBS)变得越来越成为研究的热点,而LBS的核心任务就是定位技术。目前,室内定位以
大多数工程设计和科学研究等领域中普遍存在的优化决策问题均可以归纳为多目标优化问题(MOPs),这些各个优化目标间往往是相互联系但又彼此制约的,一个目标性能的优化会造成其
液浸电机作为液压泵系统的核心传动元件,其屏蔽式结构能够保证其在复杂工况下的稳定运行。但定、转子屏蔽套的加入会产生额外的涡流损耗,降低屏蔽电机的运行效率,抑制功率密
热活化墙体是在利用低品位能源和实现围护结构热工性能动态可调的思想上进行的热工尝试,与常规建筑外墙使用的保温层不同,热活化墙体从墙体结构层的变化出发,探讨实现等效可
地形模型是虚拟地理环境的重要组成部分,在数字地球、飞行模拟、电脑游戏等领域有着广泛的应用。地形模型可视化效果的好坏对虚拟地理场景的真实感有着很大的影响。如何保持地形模型视觉效果与渲染效率之间的平衡是众多地形可视化算法需要解决的问题。在早期的地形渲染算法中,地形模型的构建以及更新过程完全在CPU完成,这些算法的关注点主要在于如何减少传输到GPU中的数据量,这无疑给CPU带来了极大的计算负担。随着现代
互素采样是近些年出现的一种稀疏采样方式,首先对信号进行两路下采样(两路下采样因子互素),然后通过两路样本之间的采样关系来恢复原始信号。因其可以突破奈奎斯特采样速率的
地图注记作为地图的基本内容之一,可以帮助用户快速地理解地图中的信息,增强地图的可读性。相比于二维地图,三维场景具有更加丰富的细节和更好的真实感,但是可能会导致用户在阅读场景时对空间要素的认知出现困难,因此需要采用添加图形符号和文字注记等辅助手段来增强场景的可读性。建筑物是三维场景中的典型地物和重要元素,为建筑物放置合适的注记可以有效地提升其可识别性与三维场景的可读性。在三维场景中,建筑物注记的效果
协作中继技术可以提高通信网络的物理层安全性能,进一步获得空间分集增益。随着中继节点的增多,信息传输面临着能量大量损耗的问题,为了有效合理的利用能量资源、提高系统安
多标记学习是机器学习领域中一种重要的学习范式,在过去几年的发展中,多标记学习算法被广泛应用到诸多多标记对象的学习场景中。随着多标记学习领域的不断发展,在标准多标记学习任务中算法的性能日益成熟,同时,机器学习算法对动态开放环境的适应性对机器学习领域的发展提出了新的挑战。传统多标记学习算法假设标记空间在训练阶段与预测阶段一致,而现实世界动态开放的环境可能会打破这一假设,因此对动态开放环境中的多标记学习