摘要
混凝土作为大型基础设施中广泛使用的建筑材料，受材料劣化、人为破坏、环境侵蚀等因素的影响，混凝土结构内部容易出现空洞、裂缝等内部病害，严重威胁大型基础设施的承载能力和安全性，甚至危及公众的生命财产安全。探地雷达(Groundpenetratingradar,GPR)因其操作便捷、穿透能力强等优点，成为混凝土内部病害检测的主要技术之一，与此同时，基于探地雷达检测数据的内部病害自动识别已成为研究热点。然而，目前混凝土内部病害智能识别主要基于二维探地雷达剖面图，难以全方位的描述病害的三维形态和空间位置，更难以准确识别周期性多次检测过程中病害的变化特征，制约了混凝土结构长期安全状态的有效评估。本文针对上述问题，研究基于探地雷达的混凝土内部病害三维成像与时移变化特征辨识方法，主要研究工作及成果如下: (1)针对用于混凝土内部病害三维成像与时移变化特征辨识的深度学习模型对高质量探地雷达数据集的需求，研究了混凝土内部复杂病害三维建模与探地雷达数据正演方法。重点分析了复杂病害形态、空间位置、介电常数及测线布设等诸多影响因素下的探地雷达数据病害响应特征，建立了具有复杂形态、随机空间位置、宽介电常数范围的混凝土内部复杂病害三维模型。并引入病害的发展变化、考虑多测线位置和方向，生成了复杂病害三维模型下的高质量仿真探地雷达数据，为混凝土内部病害三维成像和时移变化特征辨识提供数据支撑。 (2)针对混凝土内部复杂病害三维成像难题，研究了基于多道二维探地雷达B-scan数据的混凝土内部病害三维智能成像方法。研究了最大密度投影算法(maximumintensityprojection,MIP)和卷积神经网络相级联的复杂病害三维成像方法，提取探地雷达数据的空间特征信息，并挖掘病害的形态、位置和高水平语义信息，进而设计了三维重建模块将卷积神经网络输出的二维成像结果转换为三维成像结果。仿真和试验验证结果表明,本文方法能够实现混凝土内部复杂病害三维形态的精细刻画和空间位置的准确定位。 (3)针对周期性多次巡检过程中混凝土内部病害时移变化特征精准辨识难题，构建了融合时间序列信息的混凝土内部病害时移变化特征辨识方法。投影预处理模块与融合时间序列信息的特征提取模块用于充分挖掘探地雷达数据中病害反射信号的空间和时间特征信息。然后构建了病害变化特征提取模块，对多个时间点的三维成像结果进行逐体素校正，精准凸显不同时间点病害的变化特征，最终实现混凝土内部病害时移变化特征辨识。在此基础上，基于仿真探地雷达数据和实际探地雷达数据验证了本文方法对病害时移变化特征辨识的有效性。
NETL