ⓒ应用数学和力学编委会，ＩＳＳＮ１０００⁃０８８７ｈｔｔｐ：／／ｗｗｗ．ａｐｐｌｍａｔｈｍｅｃｈ．ｃｎ基于机器学习的黏钢构件黏接层缺陷识别方法研究∗姚浩１，夏桂然２，刘泽佳２，周立成２（１．广州交通投资集团有限公司，广州５１０３３０；２．华南理工大学土木与交通学院，广州５１０６４１）（我刊青年编委周立成来稿）摘要：对黏钢加固结构黏接层缺陷对超声检测信号的影响进行了深入研究，并提出了一种基于机器学习的黏接层缺陷识别的新型方法．首先，该文基于直接接触式的脉冲回波反射法对黏钢构件进行有限元模拟，并阐述了超声波在黏钢构件中的传播规律；其次，通过分析局部段超声回波信号及相关信号特征，讨论了不同缺陷变量对超声回波信号的影响规律；最后，建立了黏钢构件超声时程响应数据集，并对比了不同机器学习模型对缺陷大小、位置的分类识别性能，形成了黏钢构件黏接层缺陷识别方法．结果表明，局部段超声回波信号及其特征随着缺陷大小、位置的改变呈规律性变化，能够对缺陷信息进行初步区分．同时，该文提出的基于ＲＦ模型的黏钢构件黏接层缺陷识别方法能够有效识别黏钢构件黏接层缺陷，具有较广阔的工程应用前景．关键词：超声检测；机器学习；黏钢构件；黏接层缺陷中图分类号：Ｏ３文献标志码：ＡＤＯＩ：１０．２１６５６／１０００⁃０８８７．４４０３６５ＡＤｅｆｅｃｔＩｄｅｎｔｉｆｉｃａｔｉｏｎＭｅｔｈｏｄｆｏｒＢｏｎｄｉｎｇＬａｙｅｒｓｏｆＡｄｈｅｓｉｖｅＳｔｅｅｌＭｅｍｂｅｒｓＢａｓｅｄｏｎＭａｃｈｉｎｅＬｅａｒｎｉｎｇＹＡＯＨａｏ１，ＸＩＡＧｕｉｒａｎ２，ＬＩＵＺｅｊｉａ２，ＺＨＯＵＬｉｃｈｅｎｇ２（１．ＧｕａｎｇｚｈｏｕＣｏｍｍｕｎｉｃａｔｉｏｎｓＩｎｖｅｓｔｍｅｎｔＧｒｏｕｐＣｏ．，Ｌｔｄ．，Ｇｕａｎｇｚｈｏｕ５１０３３０，Ｐ．Ｒ．Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＣｉｖｉｌＥｎｇｉｎｅｅｒｉｎｇ＆Ｔｒａｎｓｐｏｒｔａｔｉｏｎ，ＳｏｕｔｈＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｇｕａｎｇｚｈｏｕ５１０６４１，Ｐ．Ｒ．Ｃｈｉｎａ）（ＣｏｎｔｒｉｂｕｔｅｄｂｙＺＨＯＵＬｉｃｈｅｎｇ，Ｍ．ＡＭＭＹｏｕｔｈＥｄｉｔｏｒｉａｌＢｏａｒｄ）Ａｂｓｔｒａｃｔ：Ｔｈｅｅｆｆｅｃｔｓｏｆｂｏｎｄｉｎｇｌａｙｅｒｄｅｆｅｃｔｓｏｎｕｌｔｒａｓｏｎｉｃｄｅｔｅｃｔｉｏｎｓｉｇｎａｌｓｏｆｂｏｎｄｅｄｓｔｅｅｌｒｅｉｎｆｏｒｃ...
