ICS 91.120
CCS
Q23
团
体 标 准
T/QGCML 4472—2024
基于MFCC和卷积神经网络钢梁与CFRP板粘
结强度智能检测方法及系统
Based on MFCC and convolutional neural network steel beam and CFRP plate bond
strength intelligent detection method and system
2024 - 07 - 26 发布
2024 - 08 - 09 实施
全国城市工业品贸易中心联合会 发 布
T/QGCML 4472—2024
目
次
前言 ................................................................................. II
1 范围 ............................................................................... 1
2 规范性引用文件 ..................................................................... 1
3 术语和定义 ......................................................................... 1
4 系统构成及原理 ..................................................................... 1
5 技术要求 ........................................................................... 2
6 检测步骤及方法 ..................................................................... 2
I
T/QGCML 4472—2024
前
言
本文件按照GB/T 1.1—2020《标准化工作导则 第1部分：标准化文件的结构和起草规则》的规定
起草。
请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。
本文件由全国城市工业品贸易中心联合会提出并归口。
本文件起草单位：武汉地震工程研究院有限公司、湖北克莱沃工程设计建设研究院有限公司、中机
三勘岩土工程有限公司、中筑（深圳）设计院有限公司。
本文件主要起草人：李恒、焦海棠、蔡思佳、方杰、邓声禄、严小伟、刘强、韩光。
II
T/QGCML 4472—2024
基于 MFCC 和卷积神经网络钢梁与 CFRP 板粘结强度智能检测方法及
系统
1 范围
本文件规定了基于MFCC和卷积神经网络钢梁与CFRP板粘结强度智能检测方法及系统的术语和定义、
系统构成及原理、技术要求、检测步骤及方法。
本文件适用于基于MFCC和卷积神经网络钢梁与CFRP板粘结强度智能检测方法及系统的应用。
2 规范性引用文件
下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，
仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本
文件。
GB/T 1446 纤维增强塑料性能试验方法总则
GB/T 3961 纤维增强塑料术语
GB/T 21490 结构加固修复用碳纤维片材
GB 51367 钢结构加固设计标准
3 术语和定义
GB/T 3961 界定的术语和定义适用于本文件。
4 系统构成及原理
通过采集敲击结构所产生的信号的，并输入本发明中的计算机数据分析系统，即可利用分析系统的
结果反应出CFRP与钢梁的粘结强度，从而对CFRP与钢梁的粘结强度进行准确地评估和监测。系统装置构
成符合图1。
图1 系统装置结构图
1
T/QGCML 4472—2024
5 技术要求
5.1 钢结构加固修复用碳纤维片材符合 GB/T 21490 的内容。
5.2 碳纤维增强聚合物材料性能需按 GB/T 1446 试验方法进行，符合具体性能应力要求。
5.3 钢结构加固构件符合 GB 51367 的相关要求。
6 检测步骤及方法
6.1 检测步骤
检测步骤符合图2内容，具体实施可参照以下步骤：
1) 声音信号发生装置，声音发生装置采用方形敲击锤，通过敲击采用CFRP加固的钢梁结构表面产
生声音。
2) 声音信号采集装置，采用专业麦克风采集声音信号，并与电脑相连，声音信号采集采用LabVIEW
平台进行采集，并可以实时显示时域信号和频谱分析结果，将采集到的声音信号保存到电脑中。
3) 结构脱粘识别系统，通过将采集到的声音信号进行数据分析，通过提取声音信号的MFCC特征图、
并结合通过数据库训练好的卷积神经网络模型，对不同脱粘部位的声音信号进行定量损伤判别。
图2 步骤实施
6.2 智能监测方法
MFCC和卷积神经网络的钢梁与CFRP板粘结强度智能检测方法，包括以下步骤：
a) 使用敲击工具敲击结构表面，并通过 LabVIEW 平台和麦克风采集声音信号；
b) 采用滤波器进行降噪；
2
T/QGCML 4472—2024
c) 截取的信号长度为 0.18s，共 16 帧，采用汉明窗，每帧长度为 1440，重叠窗口为 480 点；并
提取 16 阶 MFCC，形成 MFCC 矩阵；
d) 将矩阵转换为特征图，并制作数据集和标签集，然后搭建简易 CNN 网络模型，利用数据集中
的训练集进行训练，并优化参数；
e) 利用训练好的网络模型进行脱粘面积量化识别。
3