摘要
我国投入运营的隧道长度和规模己居世界之最，在隧道上百年的服役期内，由于复杂的地质条件与环境影响，衬砌结构易产生裂缝、空洞和脱空等复杂的隐蔽病害，严重威胁隧道的安全稳定运营。隧道衬砌隐蔽病害的位置、形态、类型、深度以及衬砌厚度的准确识别己成为迫切需求。本文以实现隧道衬砌隐蔽病害的自动识别为目标，以深度学习为手段，研究基于探地雷达的隧道隐蔽病害形态智能识别与准确定位方法，主要研究内容和贡献如下: (1)针对深度学习模型缺乏高质量探地雷达B-scan的问题，研究了隧道衬砌复杂病害探地雷达精细化建模方法，重点分析了复杂病害形态、探地雷达主频以及噪声干扰等多种因素作用下，隧道衬砌复杂病害的探地雷达B-scan响应特征，突破了考虑上述多种因素的精细化建模与探地雷达正演技术，建立了具有复杂病害形态、多种频率、多水平噪声干扰的高质量仿真探地雷达B-scan，能够表征隧道衬砌复杂病害特征，为隧道衬砌隐蔽病害智能识别提供数据支撑。 (2)针对隧道衬砌隐蔽病害分布方向任意导致现有方法定位不准确的问题，提出了隧道衬砌任意方向病害位置精确识别方法R2DCNN，引入了可根据任意方向病害形态自适应变化的可变形卷积算法来增强模型对复杂任意方向病害的适应性，并设计了细粒度特征融合模块来提升探地雷达B-scan中边界不清晰病害的识别准确性，进而通过预测病害方向与类型，实现隧道衬砌中多种类型、复杂形态以及任意方向病害位置与类型的准确识别。采用仿真和实际获取的探地雷达B-scan进行验证，并与现有方法进行对比，结果表明该方法能够准确识别任意方向病害位置与类型，并给出病害方向，能够有效应用于实际隧道，具有良好的工程应用性。 (3)针对隧道衬砌隐蔽病害形态、深度以及衬砌厚度识别的难题，设计注意力机制特征融合模块来着重关注病害反射信号特征，提升探地雷达B-scan中复杂形态、边界模糊病害识别的准确性，并加入R2DCNN获得的探地雷达B-scan位置信息作为约束，滤除背景杂波干扰，抑制假异常，然后设计语义分割模块提取衬砌与双曲线形态，与用于病害识别的实例分割模块构成多任务分支，解决病害与双曲线特征冲突的问题，从而构建用于探地雷达B-scan的复杂“病害、衬砌、反射双曲线”形态一体化识别的多任务网络模型，同时研究了基于曲线拟合的病害深度与衬砌厚度估算方法，形成隧道衬砌隐蔽病害形态、病害深度与衬砌厚度的一体化识别技术。并开展数值模拟实验、沙箱试验与现场试验进行验证，该方法表现出了良好的适应性，满足工程需求。
NETL