基于超声波法的混凝土内部缺陷智能检测

混凝土的内部缺陷严重影响结构的耐久性和安全性。为此,本文提出了一种基于粒子群算法优化的支持向量机(PSO-SVM)模型。首先,对实验室混凝土试样的超声信号进行3层小波分解,得到各子波段的能量;然后,定义了模型的5个输入特征;最后,采用PSO-SVM模型对检测信号进行训练和预测,并与人工神经网络(ANN)模型和支持向量机(SVM)模型这2种传统模型的测试准确率进行了对比。结果表明:定义的5个输入特征能够有效反映缺陷信号与完整信号之间的差异;提出的混合优化模型能够准确识别和分类超声缺陷信号,准确率高达93.33%,优于传统的人工神经网络和支持向量机模型。