一种性能良好的建筑物坡屋面梁的制作方法
【专利摘要】本发明一种性能良好的建筑物坡屋面梁，包括建筑物坡屋面梁和与建筑物坡屋面梁相连的无损检测装置，其特征是，所述的建筑物坡屋面梁采用如下方法构建：(1)根据拟建的建筑物结构利用计算机辅助设计在建筑物结构模型上构建坡屋面梁结构模型；(2)根据坡屋面梁结构模型计算坡屋面梁的斜梁、支座和/或平梁的受力情况，根据梁、支座的受力集中情况在坡屋面梁结构内布设附加筋；(3)在坡屋面梁结构斜梁与斜梁连接处或斜梁与平梁连接处设置角托。本发明减少了构建坡屋面梁结构的成本，同时提高了坡屋面梁结构的安全度。
【专利说明】
-种性能良好的建筑物坡屋面梁
技术领域
[0001] 本发明设及建筑领域，具体设及一种性能良好的建筑物坡屋面梁。
【背景技术】
[0002] 无损检测是W不破坏被测对象内部结构和实用性能为前提，对被测对象内部或表 面的物理性能、状态特性进行检测。电磁无损检测W材料电磁性能变化为判断依据，来对材 料及构件实施缺陷检测和性能测试。相关技术中，尽管脉冲满流检测技术得到了深入的研 究和快速的发展，但是仍存在检测结果不够准确、信息挖掘不够深入、对检测结果未进行有 效分类等问题。
【发明内容】
[0003] 针对上述问题，本发明提供一种性能良好的建筑物坡屋面梁。
[0004] 本发明的目的采用W下技术方案来实现：
[0005] -种性能良好的建筑物坡屋面梁，包括建筑物坡屋面梁和与建筑物坡屋面梁相连 的无损检测装置，其特征是，所述的建筑物坡屋面梁采用如下方法构建：（1)根据拟建的建 筑物结构利用计算机辅助设计在建筑物结构模型上构建坡屋面梁结构模型；（2)根据坡屋 面梁结构模型计算坡屋面梁的斜梁、支座和/或平梁的受力情况，根据梁、支座的受力集中 情况在坡屋面梁结构内布设附加筋；（3)在坡屋面梁结构斜梁与斜梁连接处或斜梁与平梁 连接处设置角托。
[0006] 优选地，其特征在于所述斜梁或平梁设置有主梁和次梁，所述主梁和次梁集中力 处设置附加髓筋。
[0007] 优选地，其特征在于所述支座包括中间支座和边支座;所述斜梁或平梁分别与边 支座、中间支座纵筋错固。
[000引本发明的有益效果为:减少了构建坡屋面梁结构的成本，同时提高了坡屋面梁结 构的安全度。经济适用，通过计算机辅助设计计算坡屋面梁结构的应力较大位置，在应力较 大的连接处布置附加筋，提高了坡屋面梁结构的结构稳定和质量。本发明的方法通过实际 工程设计总结证明，经本发明构建的坡屋面梁结构含钢量降低约10%，而且配筋方式更合 理、更安全。
【附图说明】
[0009] 利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限 审IJ，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可W根据W下附图获得 其它的附图。
[0010] 图1是本发明建筑物坡屋面梁的示意图。
[0011] 图2是本发明无损检测装置的示意图。
[0012] 附图标记；
[0013] 基于时域特征检测模块1、基于频域特征检测模块2、综合检测模块3、时域特征提 取子模块11、基于时域的缺陷检测子模块12、预处理子模块21、归一化处理子模块22、频域 优化子模块23、频域特征提取子模块24、基于频域的缺陷检测子模块25。
【具体实施方式】
[0014] 结合W下实施例对本发明作进一步描述。
[001引应用场景1
[0016] 参见图1，图2,本实施例的一种性能良好的建筑物坡屋面梁，包括建筑物坡屋面梁 和与建筑物坡屋面梁相连的无损检测装置，其特征是，所述的建筑物坡屋面梁采用如下方 法构建：（1)根据拟建的建筑物结构利用计算机辅助设计在建筑物结构模型上构建坡屋面 梁结构模型；（2)根据坡屋面梁结构模型计算坡屋面梁的斜梁、支座和/或平梁的受力情况， 根据梁、支座的受力集中情况在坡屋面梁结构内布设附加筋；（3)在坡屋面梁结构斜梁与斜 梁连接处或斜梁与平梁连接处设置角托。
[0017] 优选地，其特征在于所述斜梁或平梁设置有主梁和次梁，所述主梁和次梁集中力 处设置附加髓筋。
[0018] 本优选实施例经济适用，通过计算机辅助设计计算坡屋面梁结构的应力较大位 置，在应力较大的连接处布置附加筋，提高了坡屋面梁结构的结构稳定和质量。本发明的方 法通过实际工程设计总结证明，经本发明构建的坡屋面梁结构含钢量降低约10%，而且配 筋方式更合理、更安全。
[0019] 优选地，其特征在于所述支座包括中间支座和边支座;所述斜梁或平梁分别与边 支座、中间支座纵筋错固。
[0020] 本优选实施例减少了构建坡屋面梁结构的成本，同时提高了坡屋面梁结构的安全 度。
[0021] 优选地，无损检测装置包括基于时域特征检测模块1、基于频域特征检测模块2和 综合检测模块3,具体为：
[0022] (1)基于时域特征检测模块1，其包括时域特征提取子模块11、基于时域的缺陷检 测子模块12;所述时域特征提取子模块11用于采用改进的时域特征提取方法提取时域特征 值;所述基于时域的缺陷检测子模块12用于采用改进的自动分类识别方法对建筑物坡屋面 梁缺陷进行检测识别，W得到基于时域的检测结果Si;
[0023] (2)基于频域特征检测模块2,其包括预处理子模块21、归一化处理子模块22、频域 优化子模块23、频域特征提取子模块24和基于频域的缺陷检测子模块25;所述预处理子模 块21用于对缺陷区域时域响应和参考区域时域响应进行快速傅里叶变换，得到缺陷区域频 域响应和参考区域频域响应，并对缺陷区域频域响应和参考区域频域响应分别进行归一化 处理后再进行差分处理，计算出差分频域响应;所述归一化处理子模块22用于对差分频域 响应进行归一化处理，进而得到差分归一化频域响应;所述频域优化子模块23用于按照集 肤效应选取出适于对建筑物坡屋面梁缺陷进行检测的频率，并基于选取的频率对差分归一 化频域响应进行优化处理;所述频域特征提取子模块24用于提取优化后的差分归一化频域 响应的差分峰值谱、特定频率差分幅值谱和差分过零频率作为可用于表征建筑物坡屋面梁 材料物理属性的频域特征值;所述基于频域的缺陷检测子模块25用于采用改进的自动分类 识别方法对建筑物坡屋面梁缺陷进行检测识别，W得到基于频域的检测结果S2 ;
[0024] (3)综合检测模块3,用于根据基于时域的检测结果Si和基于频域的检测结果S2,采 用预定缺陷分类识别规则进行确定被测建筑物坡屋面梁的缺陷类型。
[0025] 本优选实施例通过时域特征检测和频域特征检测相结合的方式，有效抑制了提离 干扰，实现了建筑物坡屋面梁缺陷的准确检测。
[0026] 优选地，所述基于改进的时域特征提取方法提取时域特征值，包括：
[0027] (1)采用脉冲满流传感器对建筑物坡屋面梁缺陷进行检测，调整脉冲满流传感器 与被测建筑物坡屋面梁表面之间的提离距离，获得缺陷区域时域响应q(t)，选取被测建筑 物坡屋面梁无缺陷部位的时域响应作为参考区域时域响应c(t);
[002引（2)对缺陷区域时域响应q (t)和参考区域时域响应C (t)进行差分和归一化处理， 得到差分归一化时域响应S(t)，定义处理公式为：
[0029]
[0030] 式中点点为设定的系数调整因子点点的取值范围为[0.9,1.1];
[0031] (3)提取差分归一化时域响应S(t)的差分峰值时间和差分过零时间作为可用于表 征建筑物坡屋面梁材料物理属性的时域特征值。
[0032] 所述改进的自动分类识别方法对建筑物坡屋面梁缺陷进行检测识别，包括：
[0033] (1)选用高斯径向基核函数(RBF)作为Kernel函数，所述高斯径向基核函数的表达 式为K(x，y)=exp{-丫 ||x-y|鬥，采用粒子群优化算法对RBF函数的参数丫进行优化；
[0034] (2)执行训练算法，采用训练数据获得支持向量机分类模型；
[0035] (3)对训练数据进行测试，对未知的建筑物坡屋面梁缺陷进行预测。
[0036] 所述预定缺陷分类识别规则为:采用加权平均法对基于时域的检测结果Si和基于 频域的检测结果S2进行处理，获取最终检测结果，将最终检测结果与数据库中对应于不同 损伤情况的标定结果进行比较，选择与最终检测结果对应的标定结果，根据预先建立的损 伤情况与标定结果之间的映射关系，获取与所述标定结果对应的损伤情况，进而确定被测 建筑物坡屋面梁的缺陷类型。
[0037] 所述损伤情况包括当量尺寸、缺陷深度。
[0038] 所述基于选取的频率对差分归一化频域响应进行优化处理，包括：
[0039] (1)根据多个建筑物坡屋面梁缺陷的脉冲满流响应信号数据构造数据矩阵D:
[0040]
[0041] 式中，du表示第i个缺陷在第j个选取的频率处的脉冲满流响应信号值，i = l， 2,…，P，j = l,2,…，q;
[0042] (2)对数据矩阵D中的各脉冲满流响应信号值进行标准化处理，定义标准化后的脉 冲满流响应信号值di/的计算公式为：
[0043]
[0044] 式中
[0045] 则p个缺陷在第j个选取的频率处的脉冲满流响应构成向量为：
[004引 dj=(dij'，d2j'，...，dpj')T
[0047] (3)计算各脉冲满流响应构成向量di，d2，…，d庙选取的q个频率处的相关系数矩 阵C:
[004引
[0049] 式中，cmn(m=l ,2,…，q，n=l ,2,…，q)为dm和dn的相关系数；
[0050] (4)确定k个优化频率Nr来反映选取的q个频率的综合效果，r = 1，2，…，k，k<q，优 化频率矩阵可表示为：
[0化1 ]
[0052]式中，hrj表示选取的q个频率在优化频率上的加权系数，加权系数矩阵H表示为： [0化3]
[0054] 加权系数hrj的计算方式为：
[0055] 1)对特征方程IAE-C I = 0进行求解，求取各特征值Aj(j = 1,2，…，q)，将各特征值Aj (j = ，q)按照从大到小顺序进行排列，Al>A2>…>Aq，并求取特征值Aj( j = l ,2,…， q)对应特征向量ej，要求I |ej| I =1，即
[0056] 2)定义第r个优化频率Nr对综合效果的贡献率Gr:
[0化7]
[0058] 3)计算k个优化频率Nr的累计贡献率^
[0化9]
[0060] k为满足心90%>0的最小值；
[0061 ] 4)计算加权系数：
[0062] 本优选实施例对检测数据进行标准化处理，方便不同特征值进行线性组合，提高 计算速度;通过频域优化，提高检测效率;设置综合检测模块3，能够最大程度的减少检测误 差，并提高了对建筑物坡屋面梁缺陷的分类识别率，便于后续研究和解决问题，提高产品质 量。
[0063] 本应用场景调整脉冲满流传感器与被测建筑物坡屋面梁表面之间的提离距离为 0.4mm，设定系数调整因子Ci = 0.9、C2 = 0.9,对建筑物坡屋面梁缺陷的分类识别率提高了 5%。
[0064] 应用场景2
[0065] 参见图1，图2,本实施例的一种性能良好的建筑物坡屋面梁，包括建筑物坡屋面梁 和与建筑物坡屋面梁相连的无损检测装置，其特征是，所述的建筑物坡屋面梁采用如下方 法构建：（1)根据拟建的建筑物结构利用计算机辅助设计在建筑物结构模型上构建坡屋面 梁结构模型；（2)根据坡屋面梁结构模型计算坡屋面梁的斜梁、支座和/或平梁的受力情况， 根据梁、支座的受力集中情况在坡屋面梁结构内布设附加筋；（3)在坡屋面梁结构斜梁与斜 梁连接处或斜梁与平梁连接处设置角托。
[0066] 优选地，其特征在于所述斜梁或平梁设置有主梁和次梁，所述主梁和次梁集中力 处设置附加髓筋。
[0067] 本优选实施例经济适用，通过计算机辅助设计计算坡屋面梁结构的应力较大位 置，在应力较大的连接处布置附加筋，提高了坡屋面梁结构的结构稳定和质量。本发明的方 法通过实际工程设计总结证明，经本发明构建的坡屋面梁结构含钢量降低约10%，而且配 筋方式更合理、更安全。
[0068] 优选地，其特征在于所述支座包括中间支座和边支座;所述斜梁或平梁分别与边 支座、中间支座纵筋错固。
[0069] 本优选实施例减少了构建坡屋面梁结构的成本，同时提高了坡屋面梁结构的安全 度。
[0070] 优选地，无损检测装置包括基于时域特征检测模块1、基于频域特征检测模块2和 综合检测模块3,具体为：
[0071 ] (1)基于时域特征检测模块1，其包括时域特征提取子模块11、基于时域的缺陷检 测子模块12;所述时域特征提取子模块11用于采用改进的时域特征提取方法提取时域特征 值;所述基于时域的缺陷检测子模块12用于采用改进的自动分类识别方法对建筑物坡屋面 梁缺陷进行检测识别，W得到基于时域的检测结果Si;
[0072] (2)基于频域特征检测模块2,其包括预处理子模块21、归一化处理子模块22、频域 优化子模块23、频域特征提取子模块24和基于频域的缺陷检测子模块25;所述预处理子模 块21用于对缺陷区域时域响应和参考区域时域响应进行快速傅里叶变换，得到缺陷区域频 域响应和参考区域频域响应，并对缺陷区域频域响应和参考区域频域响应分别进行归一化 处理后再进行差分处理，计算出差分频域响应;所述归一化处理子模块22用于对差分频域 响应进行归一化处理，进而得到差分归一化频域响应;所述频域优化子模块23用于按照集 肤效应选取出适于对建筑物坡屋面梁缺陷进行检测的频率，并基于选取的频率对差分归一 化频域响应进行优化处理;所述频域特征提取子模块24用于提取优化后的差分归一化频域 响应的差分峰值谱、特定频率差分幅值谱和差分过零频率作为可用于表征建筑物坡屋面梁 材料物理属性的频域特征值;所述基于频域的缺陷检测子模块25用于采用改进的自动分类 识别方法对建筑物坡屋面梁缺陷进行检测识别，W得到基于频域的检测结果S2 ;
[0073] (3)综合检测模块3,用于根据基于时域的检测结果Si和基于频域的检测结果S2,采 用预定缺陷分类识别规则进行确定被测建筑物坡屋面梁的缺陷类型。
[0074] 本优选实施例通过时域特征检测和频域特征检测相结合的方式，有效抑制了提离 干扰，实现了建筑物坡屋面梁缺陷的准确检测。
[0075] 优选地，所述基于改进的时域特征提取方法提取时域特征值，包括：
[0076] (1)采用脉冲满流传感器对建筑物坡屋面梁缺陷进行检测，调整脉冲满流传感器 与被测建筑物坡屋面梁表面之间的提离距离，获得缺陷区域时域响应q(t)，选取被测建筑 物坡屋面梁无缺陷部位的时域响应作为参考区域时域响应c(t);
[0077] (2)对缺陷区域时域响应q (t)和参考区域时域响应C (t)进行差分和归一化处理， 得到差分归一化时域响应S(t)，定义处理公式为：
[007引
[0079] 式中，为设定的系数调整因子，的取值范围为[0.9，1.1];
[0080] (3)提取差分归一化时域响应S(t)的差分峰值时间和差分过零时间作为可用于表 征建筑物坡屋面梁材料物理属性的时域特征值。
[0081 ]所述改进的自动分类识别方法对建筑物坡屋面梁缺陷进行检测识别，包括：
[0082] (1)选用高斯径向基核函数(RBF)作为Kernel函数，所述高斯径向基核函数的表达 式为K(x，y)=exp{-丫 ||x-y|鬥，采用粒子群优化算法对RBF函数的参数丫进行优化；
[0083] (2)执行训练算法，采用训练数据获得支持向量机分类模型；
[0084] (3)对训练数据进行测试，对未知的建筑物坡屋面梁缺陷进行预测。
[0085] 所述预定缺陷分类识别规则为:采用加权平均法对基于时域的检测结果Si和基于 频域的检测结果S2进行处理，获取最终检测结果，将最终检测结果与数据库中对应于不同 损伤情况的标定结果进行比较，选择与最终检测结果对应的标定结果，根据预先建立的损 伤情况与标定结果之间的映射关系，获取与所述标定结果对应的损伤情况，进而确定被测 建筑物坡屋面梁的缺陷类型。
[0086] 所述损伤情况包括当量尺寸、缺陷深度。
[0087] 所述基于选取的频率对差分归一化频域响应进行优化处理，包括：
[0088] (1)根据多个建筑物坡屋面梁缺陷的脉冲满流响应信号数据构造数据矩阵D:
[0089]
[0090] 式中，du表示第i个缺陷在第j个选取的频率处的脉冲满流响应信号值，i = l， 2,…，P，j = l,2,…，q;
[0091] (2)对数据矩阵D中的各脉冲满流响应信号值进行标准化处理，定义标准化后的脉 冲满流响应信号值di/的计算公式为：
[0092]
[0093]
[0094] 则p个缺陷在第j个选取的频率处的脉冲满流响应构成向量为：
[0095] dj=(di/ 加 '，...，dp/)T
[00%] (3)计算各脉冲满流响应构成向量di，d2，…，d庙选取的q个频率处的相关系数矩 阵C:
[0097]
[009 引式中，Cmn(m=l，2,…，q，n=l，2，...，q)为 dm 和 dn 的相关系数；
[0099] (4)确定k个优化频率Nr来反映选取的q个频率的综合效果，r = 1，2，…，k，k<q，优 化频率矩阵可表示为：
[0100]
[0101] 频率上的加权系数，加权系数矩阵H表示为：
[0102]
[0103] 加权系数hrj的计算方式为：
[0104] 1)对特征方程I AE-C I = 0进行求解，求取各特征值Aj(j = 1，2，…，q)，将各特征值Aj (j = 1，2，? ? ?，q)按照从大到小顺序进行排列，>A2>…>Aq，并求取特征值Aj(j = 1,2，…， q)对应特征向量ej，要求I |ej| I =1，良
[0105] 2)定义第r个优化频率Nr对综合效果的贡献率Gr:
[0106]
[0107] 3)计貸k个化化频率Nr的累计贡献率^
[010 引
[0109] k为满足心90%>0的最小值；
[0110] 4)计算加权系数：
[0111] 本优选实施例对检测数据进行标准化处理，方便不同特征值进行线性组合，提高 计算速度;通过频域优化，提高检测效率;设置综合检测模块3，能够最大程度的减少检测误 差，并提高了对建筑物坡屋面梁缺陷的分类识别率，便于后续研究和解决问题，提高产品质 量。
[0112] 本应用场景调整脉冲满流传感器与被测建筑物坡屋面梁表面之间的提离距离为 0.6111111，设定系数调整因子|1 = 1.1、|2 = 1.1，对建筑物坡屋面梁缺陷的分类识别率提高了 4%。
[011引应用场景3
[0114]参见图1，图2,本实施例的一种性能良好的建筑物坡屋面梁，包括建筑物坡屋面梁 和与建筑物坡屋面梁相连的无损检测装置，其特征是，所述的建筑物坡屋面梁采用如下方 法构建：（1)根据拟建的建筑物结构利用计算机辅助设计在建筑物结构模型上构建坡屋面 梁结构模型；（2)根据坡屋面梁结构模型计算坡屋面梁的斜梁、支座和/或平梁的受力情况， 根据梁、支座的受力集中情况在坡屋面梁结构内布设附加筋；（3)在坡屋面梁结构斜梁与斜 梁连接处或斜梁与平梁连接处设置角托。
[0115] 优选地，其特征在于所述斜梁或平梁设置有主梁和次梁，所述主梁和次梁集中力 处设置附加髓筋。
[0116] 本优选实施例经济适用，通过计算机辅助设计计算坡屋面梁结构的应力较大位 置，在应力较大的连接处布置附加筋，提高了坡屋面梁结构的结构稳定和质量。本发明的方 法通过实际工程设计总结证明，经本发明构建的坡屋面梁结构含钢量降低约10%，而且配 筋方式更合理、更安全。
[0117] 优选地，其特征在于所述支座包括中间支座和边支座;所述斜梁或平梁分别与边 支座、中间支座纵筋错固。
[0118] 本优选实施例减少了构建坡屋面梁结构的成本，同时提高了坡屋面梁结构的安全 度。
[0119] 优选地，无损检测装置包括基于时域特征检测模块1、基于频域特征检测模块2和 综合检测模块3,具体为：
[0120] (1)基于时域特征检测模块1，其包括时域特征提取子模块11、基于时域的缺陷检 测子模块12;所述时域特征提取子模块11用于采用改进的时域特征提取方法提取时域特征 值;所述基于时域的缺陷检测子模块12用于采用改进的自动分类识别方法对建筑物坡屋面 梁缺陷进行检测识别，W得到基于时域的检测结果Si;
[0121] (2)基于频域特征检测模块2,其包括预处理子模块21、归一化处理子模块22、频域 优化子模块23、频域特征提取子模块24和基于频域的缺陷检测子模块25;所述预处理子模 块21用于对缺陷区域时域响应和参考区域时域响应进行快速傅里叶变换，得到缺陷区域频 域响应和参考区域频域响应，并对缺陷区域频域响应和参考区域频域响应分别进行归一化 处理后再进行差分处理，计算出差分频域响应;所述归一化处理子模块22用于对差分频域 响应进行归一化处理，进而得到差分归一化频域响应;所述频域优化子模块23用于按照集 肤效应选取出适于对建筑物坡屋面梁缺陷进行检测的频率，并基于选取的频率对差分归一 化频域响应进行优化处理;所述频域特征提取子模块24用于提取优化后的差分归一化频域 响应的差分峰值谱、特定频率差分幅值谱和差分过零频率作为可用于表征建筑物坡屋面梁 材料物理属性的频域特征值;所述基于频域的缺陷检测子模块25用于采用改进的自动分类 识别方法对建筑物坡屋面梁缺陷进行检测识别，W得到基于频域的检测结果S2 ;
[0122] (3)综合检测模块3,用于根据基于时域的检测结果Si和基于频域的检测结果S2,采 用预定缺陷分类识别规则进行确定被测建筑物坡屋面梁的缺陷类型。
[0123] 本优选实施例通过时域特征检测和频域特征检测相结合的方式，有效抑制了提离 干扰，实现了建筑物坡屋面梁缺陷的准确检测。
[0124] 优选地，所述基于改进的时域特征提取方法提取时域特征值，包括：
[0125] (1)采用脉冲满流传感器对建筑物坡屋面梁缺陷进行检测，调整脉冲满流传感器 与被测建筑物坡屋面梁表面之间的提离距离，获得缺陷区域时域响应q(t)，选取被测建筑 物坡屋面梁无缺陷部位的时域响应作为参考区域时域响应C(t);
[0126] (2)对缺陷区域时域响应q(t)和参考区域时域响应c(t)进行差分和归一化处理， 得到差分归一化时域响应S(t)，定义处理公式为：
[0127]
[012引式中，为设定的系数调整因子，的取值范围为[0.9，1.1];
[0129] (3)提取差分归一化时域响应S(t)的差分峰值时间和差分过零时间作为可用于表 征建筑物坡屋面梁材料物理属性的时域特征值。
[0130] 所述改进的自动分类识别方法对建筑物坡屋面梁缺陷进行检测识别，包括：
[0131] (1)选用高斯径向基核函数(RBF)作为Kernel函数，所述高斯径向基核函数的表达 式为K(x，y)=exp{-丫 ||x-y|鬥，采用粒子群优化算法对RBF函数的参数丫进行优化；
[0132] (2)执行训练算法，采用训练数据获得支持向量机分类模型；
[0133] (3)对训练数据进行测试，对未知的建筑物坡屋面梁缺陷进行预测。
[0134] 所述预定缺陷分类识别规则为:采用加权平均法对基于时域的检测结果Si和基于 频域的检测结果S2进行处理，获取最终检测结果，将最终检测结果与数据库中对应于不同 损伤情况的标定结果进行比较，选择与最终检测结果对应的标定结果，根据预先建立的损 伤情况与标定结果之间的映射关系，获取与所述标定结果对应的损伤情况，进而确定被测 建筑物坡屋面梁的缺陷类型。
[0135] 所述损伤情况包括当量尺寸、缺陷深度。
[0136] 所述基于选取的频率对差分归一化频域响应进行优化处理，包括：
[0137] (1)根据多个建筑物坡屋面梁缺陷的脉冲满流响应信号数据构造数据矩阵D:
[013 引
[0139] 式中，du表示第i个缺陷在第j个选取的频率处的脉冲满流响应信号值，i = l， 2,…，P，j = l,2,…，q;
[0140] (2)对数据矩阵D中的各脉冲满流响应信号值进行标准化处理，定义标准化后的脉 冲满流响应信号值di/的计算公式为：
[0141]
[0142]
[0143] 则p个缺陷在第j个选取的频率处的脉冲满流响应构成向量为：
[0144] dj=(dl/，d2j'，...，dp/)T
[0145] (3)计算各脉冲满流响应构成向量di，d2,…，dq在选取的q个频率处的相关系数矩 阵C:
[0146]
[0147]式中，Cmn(m=l，2,…，q，n=l，2,…，q)为dm和dn的相关系数；
[0148] (4)确定k个优化频率Nr来反映选取的q个频率的综合效果，r = 1，2，…，k，k<q，优 化频率矩阵可表示为：
[0149；
[0150] 式中，hrj表示选取的q个频率在优化频率上的加权系数，加权系数矩阵H表示为：
[0151]
[0152] 加权系数hrj的计算方式为：
[0153] 1)对特征方程I AE-C I = 0进行求解，求取各特征值j = 1，2，…，q)，将各特征值入J (j = 1，2，…，q)按照从大到小顺序进巾II L \、。>…>Aq，并求取特征值Aj(j = 1，2，…， q)对应特征向量ej，要求I |ej| I =1，印
[0154] 2)定义第r个优化频率Nr对综合效果的贡献率Gr:
[0155]
[0156] 3)计算k个优化频率Nr的累计贡献率^
[0157]
[015引 k为满足心90%>0的畏小值，
[0159] 4)计算加权系数：
[0160] 本优选实施例对检测数据进行标准化处理，方便不同特征值进行线性组合，提高 计算速度;通过频域优化，提高检测效率;设置综合检测模块3，能够最大程度的减少检测误 差，并提高了对建筑物坡屋面梁缺陷的分类识别率，便于后续研究和解决问题，提高产品质 量。
[0161] 本应用场景调整脉冲满流传感器与被测建筑物坡屋面梁表面之间的提离距离为 0.8111111，设定系数调整因子|1 = 〇.9、|2 = 1.1，对建筑物坡屋面梁缺陷的分类识别率提高了 4.5%。
[0162] 应用场景4
[0163] 参见图1，图2,本实施例的一种性能良好的建筑物坡屋面梁，包括建筑物坡屋面梁 和与建筑物坡屋面梁相连的无损检测装置，其特征是，所述的建筑物坡屋面梁采用如下方 法构建：（1)根据拟建的建筑物结构利用计算机辅助设计在建筑物结构模型上构建坡屋面 梁结构模型；（2)根据坡屋面梁结构模型计算坡屋面梁的斜梁、支座和/或平梁的受力情况， 根据梁、支座的受力集中情况在坡屋面梁结构内布设附加筋；（3)在坡屋面梁结构斜梁与斜 梁连接处或斜梁与平梁连接处设置角托。
[0164] 优选地，其特征在于所述斜梁或平梁设置有主梁和次梁，所述主梁和次梁集中力 处设置附加髓筋。
[0165] 本优选实施例经济适用，通过计算机辅助设计计算坡屋面梁结构的应力较大位 置，在应力较大的连接处布置附加筋，提高了坡屋面梁结构的结构稳定和质量。本发明的方 法通过实际工程设计总结证明，经本发明构建的坡屋面梁结构含钢量降低约10%，而且配 筋方式更合理、更安全。
[0166] 优选地，其特征在于所述支座包括中间支座和边支座;所述斜梁或平梁分别与边 支座、中间支座纵筋错固。
[0167] 本优选实施例减少了构建坡屋面梁结构的成本，同时提高了坡屋面梁结构的安全 度。
[0168] 优选地，无损检测装置包括基于时域特征检测模块1、基于频域特征检测模块2和 综合检测模块3,具体为：
[0169] (1)基于时域特征检测模块1，其包括时域特征提取子模块11、基于时域的缺陷检 测子模块12;所述时域特征提取子模块11用于采用改进的时域特征提取方法提取时域特征 值;所述基于时域的缺陷检测子模块12用于采用改进的自动分类识别方法对建筑物坡屋面 梁缺陷进行检测识别，W得到基于时域的检测结果Si;
[0170] (2)基于频域特征检测模块2,其包括预处理子模块21、归一化处理子模块22、频域 优化子模块23、频域特征提取子模块24和基于频域的缺陷检测子模块25;所述预处理子模 块21用于对缺陷区域时域响应和参考区域时域响应进行快速傅里叶变换，得到缺陷区域频 域响应和参考区域频域响应，并对缺陷区域频域响应和参考区域频域响应分别进行归一化 处理后再进行差分处理，计算出差分频域响应;所述归一化处理子模块22用于对差分频域 响应进行归一化处理，进而得到差分归一化频域响应;所述频域优化子模块23用于按照集 肤效应选取出适于对建筑物坡屋面梁缺陷进行检测的频率，并基于选取的频率对差分归一 化频域响应进行优化处理;所述频域特征提取子模块24用于提取优化后的差分归一化频域 响应的差分峰值谱、特定频率差分幅值谱和差分过零频率作为可用于表征建筑物坡屋面梁 材料物理属性的频域特征值;所述基于频域的缺陷检测子模块25用于采用改进的自动分类 识别方法对建筑物坡屋面梁缺陷进行检测识别，W得到基于频域的检测结果S2 ;
[0171] (3)综合检测模块3,用于根据基于时域的检测结果Si和基于频域的检测结果S2,采 用预定缺陷分类识别规则进行确定被测建筑物坡屋面梁的缺陷类型。
[0172] 本优选实施例通过时域特征检测和频域特征检测相结合的方式，有效抑制了提离 干扰，实现了建筑物坡屋面梁缺陷的准确检测。
[0173] 优选地，所述基于改进的时域特征提取方法提取时域特征值，包括：
[0174] (1)采用脉冲满流传感器对建筑物坡屋面梁缺陷进行检测，调整脉冲满流传感器 与被测建筑物坡屋面梁表面之间的提离距离，获得缺陷区域时域响应q(t)，选取被测建筑 物坡屋面梁无缺陷部位的时域响应作为参考区域时域响应c(t);
[0175] (2)对缺陷区域时域响应q(t)和参考区域时域响应c(t)进行差分和归一化处理， 得到差分扫一化时域响府s(t)，吿父处理公式为：
[0176]
[0177] 式中，为设定的系数调整因子，的取值范围为[0.9，1.1];
[0178] (3)提取差分归一化时域响应S(t)的差分峰值时间和差分过零时间作为可用于表 征建筑物坡屋面梁材料物理属性的时域特征值。
[0179] 所述改进的自动分类识别方法对建筑物坡屋面梁缺陷进行检测识别，包括：
[0180] (1)选用高斯径向基核函数(RBF)作为Kernel函数，所述高斯径向基核函数的表达 式为K(x，y)=exp{-丫 ||x-y|鬥，采用粒子群优化算法对RBF函数的参数丫进行优化；
[0181] (2)执行训练算法，采用训练数据获得支持向量机分类模型；
[0182] (3)对训练数据进行测试，对未知的建筑物坡屋面梁缺陷进行预测。
[0183] 所述预定缺陷分类识别规则为:采用加权平均法对基于时域的检测结果Si和基于 频域的检测结果S2进行处理，获取最终检测结果，将最终检测结果与数据库中对应于不同 损伤情况的标定结果进行比较，选择与最终检测结果对应的标定结果，根据预先建立的损 伤情况与标定结果之间的映射关系，获取与所述标定结果对应的损伤情况，进而确定被测 建筑物坡屋面梁的缺陷类型。
[0184] 所述损伤情况包括当量尺寸、缺陷深度。
[0185] 所述基于选取的频率对差分归一化频域响应进行优化处理，包括：
[0186] (1)根据多个建筑物坡屋面梁缺陷的脉冲满流响应信号数据构造数据矩阵D:
[0187]
[0188] 式中，du表示第i个缺陷在第j个选取的频率处的脉冲满流响应信号值，i = l， 2,…，P，j = l,2,…，q;
[0189] (2)对数据矩阵D中的各脉冲满流响应信号值进行标准化处理，定义标准化后的脉 冲满流响应信号值di./的计算公式为：
[0190]
[0191]
[0192] 则p个缺陷在第j个选取的频率处的脉冲满流响应构成向量为：
[0193] dj=(dij'，d2j'，...，dpj')T
[0194] (3)计算各脉冲满流响应构成向量di，d2,…，dq在选取的q个频率处的相关系数矩 阵C:
[0195]
[01%] 式中，Cmn(m=l ,2,…，q，n=l ,2,…，q)为dm和dn的相关系数；
[0197] (4)确定k个优化频率Nr来反映选取的q个频率的综合效果，r = l，2,…，k，k<q，优 化频率矩阵可表示为：
[019 引
[0199] 叱频率上的加权系数，加权系数矩阵H表示为：
[0200]
[0201] 加权系数hrj的计算方式为：
[0202] 1)对特征方程I AE-C I = 0进行求解，求取各特征值j = 1，2，…，q)，将各特征值入J (j = 1，2，…，q)按照从大到小顺序进行排列，> A2>…>\，并求取特征值Aj (j = 1，2，…， q)对应特征向量ej，要求I |ej| I =1，良
[0203] 2)定义第r个优化频率Nr对综合效果的贡献率Gr:
[0204]
[0205] 贡献率
[0206]
[0207] k为满足心90%>0的最小值；
[020引 4)计算加权系数：
[0209] 本优选实施例对检测数据进行标准化处理，方便不同特征值进行线性组合，提高 计算速度;通过频域优化，提高检测效率;设置综合检测模块3，能够最大程度的减少检测误 差，并提高了对建筑物坡屋面梁缺陷的分类识别率，便于后续研究和解决问题，提高产品质 量。
[0210] 本应用场景调整脉冲满流传感器与被测建筑物坡屋面梁表面之间的提离距离为 1.〇111111，设定系数调整因子|1 = 1.1、|2 = 0.9，对建筑物坡屋面梁缺陷的分类识别率提高了 5.6%。
[0別"1]应用场景5
[0212] 参见图1，图2,本实施例的一种性能良好的建筑物坡屋面梁，包括建筑物坡屋面梁 和与建筑物坡屋面梁相连的无损检测装置，其特征是，所述的建筑物坡屋面梁采用如下方 法构建：（1)根据拟建的建筑物结构利用计算机辅助设计在建筑物结构模型上构建坡屋面 梁结构模型；（2)根据坡屋面梁结构模型计算坡屋面梁的斜梁、支座和/或平梁的受力情况， 根据梁、支座的受力集中情况在坡屋面梁结构内布设附加筋；（3)在坡屋面梁结构斜梁与斜 梁连接处或斜梁与平梁连接处设置角托。
[0213] 优选地，其特征在于所述斜梁或平梁设置有主梁和次梁，所述主梁和次梁集中力 处设置附加髓筋。
[0214] 本优选实施例经济适用，通过计算机辅助设计计算坡屋面梁结构的应力较大位 置，在应力较大的连接处布置附加筋，提高了坡屋面梁结构的结构稳定和质量。本发明的方 法通过实际工程设计总结证明，经本发明构建的坡屋面梁结构含钢量降低约10%，而且配 筋方式更合理、更安全。
[0215] 优选地，其特征在于所述支座包括中间支座和边支座;所述斜梁或平梁分别与边 支座、中间支座纵筋错固。
[0216] 本优选实施例减少了构建坡屋面梁结构的成本，同时提高了坡屋面梁结构的安全 度。
[0217] 优选地，无损检测装置包括基于时域特征检测模块1、基于频域特征检测模块2和 综合检测模块3,具体为：
[0218] (1)基于时域特征检测模块1，其包括时域特征提取子模块11、基于时域的缺陷检 测子模块12;所述时域特征提取子模块11用于采用改进的时域特征提取方法提取时域特征 值;所述基于时域的缺陷检测子模块12用于采用改进的自动分类识别方法对建筑物坡屋面 梁缺陷进行检测识别，W得到基于时域的检测结果Si;
[0219] (2)基于频域特征检测模块2,其包括预处理子模块21、归一化处理子模块22、频域 优化子模块23、频域特征提取子模块24和基于频域的缺陷检测子模块25;所述预处理子模 块21用于对缺陷区域时域响应和参考区域时域响应进行快速傅里叶变换，得到缺陷区域频 域响应和参考区域频域响应，并对缺陷区域频域响应和参考区域频域响应分别进行归一化 处理后再进行差分处理，计算出差分频域响应;所述归一化处理子模块22用于对差分频域 响应进行归一化处理，进而得到差分归一化频域响应;所述频域优化子模块23用于按照集 肤效应选取出适于对建筑物坡屋面梁缺陷进行检测的频率，并基于选取的频率对差分归一 化频域响应进行优化处理;所述频域特征提取子模块24用于提取优化后的差分归一化频域 响应的差分峰值谱、特定频率差分幅值谱和差分过零频率作为可用于表征建筑物坡屋面梁 材料物理属性的频域特征值;所述基于频域的缺陷检测子模块25用于采用改进的自动分类 识别方法对建筑物坡屋面梁缺陷进行检测识别，W得到基于频域的检测结果S2 ;
[0220] (3)综合检测模块3,用于根据基于时域的检测结果Si和基于频域的检测结果S2,采 用预定缺陷分类识别规则进行确定被测建筑物坡屋面梁的缺陷类型。
[0221] 本优选实施例通过时域特征检测和频域特征检测相结合的方式，有效抑制了提离 干扰，实现了建筑物坡屋面梁缺陷的准确检测。
[0222] 优选地，所述基于改进的时域特征提取方法提取时域特征值，包括：
[0223] (1)采用脉冲满流传感器对建筑物坡屋面梁缺陷进行检测，调整脉冲满流传感器 与被测建筑物坡屋面梁表面之间的提离距离，获得缺陷区域时域响应q(t)，选取被测建筑 物坡屋面梁无缺陷部位的时域响应作为参考区域时域响应c(t);
[0224] (2)对缺陷区域时域响应q(t)和参考区域时域响应c(t)进行差分和归一化处理， 得到差分归一化时域响应S(t)，定义处理公式为：
[0225]
[0226] 式中点点为设定的系数调整因子点点的取值范围为[0.9,1.1];
[0227] (3)提取差分归一化时域响应S(t)的差分峰值时间和差分过零时间作为可用于表 征建筑物坡屋面梁材料物理属性的时域特征值。
[0228] 所述改进的自动分类识别方法对建筑物坡屋面梁缺陷进行检测识别，包括：
[0229] (1)选用高斯径向基核函数(RBF)作为Kernel函数，所述高斯径向基核函数的表达 式为K(x，y)=exp{-丫 ||x-y|鬥，采用粒子群优化算法对RBF函数的参数丫进行优化；
[0230] (2)执行训练算法，采用训练数据获得支持向量机分类模型；
[0231] (3)对训练数据进行测试，对未知的建筑物坡屋面梁缺陷进行预测。
[0232] 所述预定缺陷分类识别规则为:采用加权平均法对基于时域的检测结果Si和基于 频域的检测结果S2进行处理，获取最终检测结果，将最终检测结果与数据库中对应于不同 损伤情况的标定结果进行比较，选择与最终检测结果对应的标定结果，根据预先建立的损 伤情况与标定结果之间的映射关系，获取与所述标定结果对应的损伤情况，进而确定被测 建筑物坡屋面梁的缺陷类型。
[0233] 所述损伤情况包括当量尺寸、缺陷深度。
[0234] 所述基于选取的频率对差分归一化频域响应进行优化处理，包括：
[0235] (1)根据多个建筑物坡屋面梁缺陷的脉冲满流响应信号数据构造数据矩阵D:
[0236]
[0237] 式中，du表示第i个缺陷在第j个选取的频率处的脉冲满流响应信号值，i = l， 2,…，P，j = l,2,…，q;
[0238] (2)对数据矩阵D中的各脉冲满流响应信号值进行标准化处理，定义标准化后的脉 冲满流响应信号值di/的计算公式为：
[0239]
[0240]
[0241] 则p个缺陷在第j个选取的频率处的脉冲满流响应构成向量为：
[0242] dj=(di/ 加'，...，dp/)T
[0243] (3)计算各脉冲满流响应构成向量di，d2,…，dq在选取的q个频率处的相关系数矩 阵C:
[0244]
[0245] 式中，cmn(m=l，2,…，q，n=l，2，。'，q)为dm和dn的相关系数；
[0246] (4)确定k个优化频率Nr来反映选取的q个频率的综合效果，r = 1，2，…，k，k<q，优 化频率矩阵可表示为：
[0247]
[0248] 式中，hrj表示选取的q个频率在优化频率上的加权系数，加权系数矩阵H表示为：
[0249]
[0250] 加权系数hrj的计算方式为：
[0251 ] 1)对特征方程I AE-C I = 0进行求解，求取各特征值j = 1，2，…，q)，将各特征值入J (j = 1，2，…，q)按照从大到小顺序进行排列，> A2>…>\，并求取特征值Aj (j = 1，2，…， q)对应特征向量ej，要求I |ej| I =1，1
[0252] 2)定义第r个优化频率Nr对综合效果的贡献率Gr:
[0 巧 3]
[0254] 3)计算k个优化频率Nr的累计贡献率^
[0 巧5;
[0巧6] k为满足心90%>0的最小值；
[0257] 4)计算加权系数
[0258] 本优选实施例对检测数据进行标准化处理，方便不同特征值进行线性组合，提高 计算速度;通过频域优化，提高检测效率;设置综合检测模块3，能够最大程度的减少检测误 差，并提高了对建筑物坡屋面梁缺陷的分类识别率，便于后续研究和解决问题，提高产品质 量。
[0259] 本应用场景调整脉冲满流传感器与被测建筑物坡屋面梁表面之间的提离距离为 1.2mm，设定系数调整因子Ci=l点=1，对建筑物坡屋面梁缺陷的分类识别率提高了 4%。
[0260] 最后应当说明的是，W上实施例仅用W说明本发明的技术方案，而非对本发明保 护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应 当理解，可W对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实 质和范围。
【主权项】
1. 一种性能良好的建筑物坡屋面梁，包括建筑物坡屋面梁和与建筑物坡屋面梁相连的 无损检测装置，其特征是，所述的建筑物坡屋面梁采用如下方法构建：（1)根据拟建的建筑 物结构利用计算机辅助设计在建筑物结构模型上构建坡屋面梁结构模型；（2)根据坡屋面 梁结构模型计算坡屋面梁的斜梁、支座和/或平梁的受力情况，根据梁、支座的受力集中情 况在坡屋面梁结构内布设附加筋；（3)在坡屋面梁结构斜梁与斜梁连接处或斜梁与平梁连 接处设置角托。2. 根据权利要求1所述的一种性能良好的建筑物坡屋面梁，其特征是，其特征在于所述 斜梁或平梁设置有主梁和次梁，所述主梁和次梁集中力处设置附加箍筋。3. 根据权利要求2所述的一种性能良好的建筑物坡屋面梁，其特征是，其特征在于所述 支座包括中间支座和边支座;所述斜梁或平梁分别与边支座、中间支座纵筋锚固。
【文档编号】E04C3/02GK106049752SQ201610618745
【公开日】2016年10月26日
【申请日】2016年7月28日
【发明人】不公告发明人
【申请人】董超超