Research on Low Strain Detection Technology of Foundation Pile in Residential Building Engineering
-
摘要: 研究一种住宅建筑工程基础桩低应变检测技术，该技术通过传感器采集从桩身反射回来的反射波信号，为提高信号质量，利用EEMD方法对信号实施去噪处理。提取不同缺陷类别基础桩反射波信号的时域特征和频域特征，并以此为输入，通过BP神经网络分类识别模型，检测出基础桩缺陷程度，并根据相关参数，定位缺陷位置，完成基础桩低应变检测。试验结果表明，应用该低应变检测技术，基础桩缺陷检测结果与实际缺陷位置误差较小，检测结果更为精确，具有较好的应用价值。Abstract: A low strain detection technology for residential building engineering foundation piles was studied. Reflected wave signals reflected from the pile body were collected through sensors. In order to improve signal quality, the EEMD method was used to denoise the signals. Time domain and frequency domain characteristics of reflected wave signals from foundation piles of different defect categories were extracted and used as input. BP neural network was used to classify and identify models to detect the extent of foundation pile defects, and locate the defect location based on relevant parameters to complete low strain detection of foundation piles. The test results show that the error between the detection results of foundation pile defects and the actual defect location is smaller, and the detection results are more accurate, which has good application value.
-
表 1 弹性波信号特征表
类型 完整度 波形特征 时域特征 频域特征 1类 完整度非常好 t 时刻之前没有代表缺陷反射波 谐振峰等间距排列，且$ \Delta \approx \dfrac{v}{{2L}} $ 2类 基础桩良好，存在轻微缺陷，但不会影响整体承载力 t 时刻之前出现波动较小的反射波 $ \Delta > \dfrac{v}{{2L}} $ 3类 基础桩存在明显的缺陷，但同时会对整体功能的发挥造成影响 t 前时刻有明显缺陷反射波 特征介于2类和4类之间 4类 缺陷严重，无法使用 t 时刻之前反射波波动非常大或出现周期性多次反射波 谐振峰间距排列，且$ \Delta >\dfrac{v}{{2L}} $ 
下载: 导出CSV
表 2 10个模拟桩相关参数设置
类别 桩号 桩长/m 桩径/mm 混凝土强度等级 缺陷 缺陷位置（测点至缺陷距离）/m 完整度 实心模拟桩 1 15 400 C30 无（完整桩） 无 1类 2 14.5 400 C30 断桩 3.34 4类 3 15 400 C30 离析 2.25 3类 4 16 400 C30 缩径 3.10 2类 5 18 400 C30 扩径 4.58 2类 空心模拟桩 1 15 400 C80 无（完整桩） 无 1类 2 16 400 C80 断桩 2.60 4类 3 17 400 C80 离析 3.33 3类 4 16.5 400 C80 缩径 3.65 2类 5 18 400 C80 扩径 5.42 2类
下载: 导出CSV
表 3 BP神经网络参数设置
名称 参数 输入层节点数 10 隐含层节点数 43 输出层节点数 4 输入层和隐含层连接权值 0.152 隐含层和输出层连接权值 0.422 输入层和隐含层阈值 0.25 隐含层和输出层阈值 0.112 学习速率 0.002 精度标准 0.001 最大迭代次数 500 激励函数 Sigmoid型函数
下载: 导出CSV
-
[1] 潘建国,郭亮亮,王群清. 较大单桩水平承载力试验与检测技术研究[J]. 施工技术,2019,48(13):40-42. [2] 郑长杰,丁选明,栾鲁宝,等. 低应变瞬态荷载作用下基桩动力响应解析解[J]. 土木工程学报,2019,52(11):79-85. [3] 肖 偲,王奎华,张日红,等. 静钻根植桩低应变动力响应的现场试验和数值模拟[J]. 上海交通大学学报,2020,54(4):406-412. [4] 黎凯旻,马 键,郭兆华,等. 双速度法在铁塔基础结构完整性检测中的应用研究[J]. 安全与环境学报,2020,20(2):482-488. [5] 宋国荣,王学东,吕 炎,等. 基于矩形贴片天线的应变测量技术[J]. 北京工业大学学报,2019,45(1):8-14. doi: 10.11936/bjutxb2017080041 [6] 石 婷,王新宇,梁耀哲. 旁孔透射波法检测既有建筑桩长的数值模拟研究[J]. 煤炭科学技术,2020,48(3):205-213. [7] 周 珩,苏 谦,杨智翔,等. 软土地基双排桩基础悬臂式挡土墙受力变形的现场测试及数值模拟分析[J]. 铁道建筑,2019,59(3):88-91. [8] 侯俊伟. 某高层住宅工程PHC桩基础加固实例分析[J]. 建筑科学,2019,35(9):126-133. [9] 罗 驰,杨新安,李 坤,等. 隧道近区爆破振动动应变测试及其应用[J]. 振动与冲击,2020,39(2):262-268. doi: 10.13465/j.cnki.jvs.2020.02.037 [10] 张 旭,吴静青,范成博,等. 用于板壳应变检测的新型FBG传感器[J]. 工具技术,2019,53(9):90-95. doi: 10.3969/j.issn.1000-7008.2019.09.023 [11] 梁养辉,刘百来,李 涵,等. 重载作用下波纹钢板加固旧桥的应变测试[J]. 筑路机械与施工机械化,2019,36(6):138-142. [12] 朱超杰,魏 鹏,李成贵. 基于光纤光栅的结构应变模态测试及参数识别[J]. 半导体光电,2019,40(1):123-128. [13] 王利军,唐先习,徐俊兵. 预应力连续梁桥火损后的应变监测及分析研究[J]. 火灾科学,2020,29(1):42-48. [14] 李东平,唐新葵,王宁波. 基于实际影响线的桥梁快速检测方法[J]. 桥梁建设,2019,49(1):42-46. doi: 10.3969/j.issn.1003-4722.2019.01.008 [15] 周俊磊,张智慧. 铁路路基螺杆桩质量检测技术[J]. 铁道建筑,2019,59(9):93-95,105. [16] 万荣辉,柯 龙. 基于粗集理论算法—脊波神经网络的深基坑变形预测与应用[J]. 安全与环境学报,2020,20(1):47-51. [17] 鄢秉红. 基于BP神经网络的既有桥墩变位分析方法研究[J]. 公路,2020,65(3):148-153. [18] 何忠意,朱佩宁,周亚东,等. 应力反射波在注浆微型钢管桩中的波速研究[J]. 防灾减灾工程学报,2020,40(1):9-17. -
图(5) / 表(3)
计量
- 文章访问数: 111
- HTML全文浏览量: 32
- PDF下载量: 33
- 被引次数: 0
