一种基于BP神经网络的桩基缺陷检测方法

《一种基于BP神经网络的桩基缺陷检测方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、84桥梁结构城市道桥与防洪2014年6月第6期一种基于BP神经网络的桩基缺陷检测方法魏明强，张乐婷z(1．西北民族大学，甘肃兰州730124；2．甘肃交通职业技术学院，甘肃兰州730070)摘要：通过室内模型试验得到了桩顶部受到瞬态激振作用力下的轴向速度曲线及波形数据，利用回传射线矩阵法编制的程序验证该速度曲线的正确性，然后将相应的数据输．A．BP神经网络中进行识别，说NBP神经网络能够较准确地判断桩基缺陷的类型。关键词：BP神经网络；桩基检测；缺陷中图分类号：U443．15文献标识码：B文章编号

2、：1009—7716(2014)06—0084—03程序生成理论波形图，并与试验得到的波形图进0引言行对比。目前，人工神经网络应用最多的模型之一是1．2室内模型试验的装置BP神经网络，是能够解决多层神经网络权值修正本次室内模型试验采用的是低应变反射法，的算法，也称为误差反向传播法(ErrorBack见图1，采用的模型桩的参数如下：混凝土预制Propagation3L称BP网络)。它的实质是实现了一个桩，桩长为2ITI，截面为0．2m×0．2m的正方形截从输入到输出的映射功能及关系，它不需要预先面，

3、试验容器采用如图1所示的钢槽。建立模型和定义所描述映射关系的函数，也不需要详细了解其内部过程，就可以直接学习并储存数据输人模式，从而获得输出数据。从数学理论方面来看，BP神经网络是一种误差逆向传播算法，也已经证明其具有实现任何复杂非线性映射的能力，这使得它特别适合于求解内部机制复杂的问题。本文通过室内模型试验得到了桩顶部受到瞬态激振作用力下的轴向速度曲线及波形数据，利图1室内模型试验装置示意图用回传射线矩阵法编制的程序验证该速度曲线的正确性，然后将相应的数据输入BP神经网络中进试验仪器主要有：电源

4、、波形接收器、加速行识别，说明BP神经网络能够较准确的判断桩基度型传感器等。缺陷的类型。1．3室内模型试验的方法模型试验中加速度传感器的安装时关键，既1室内模型试验简介要保证紧密粘贴，又要便于松动变换不同的检测1．1室内模型试验的概况位置。同时考虑桩底土和桩侧土对桩的作用，用小试验具体操作步骤如下：手锤在桩顶部施加瞬态激振力，采用加速度传感(1)粘贴传感器；器接收加速度时程响应曲线，以辛普森公式为原(2)传感器、电荷放大器以及示波器之间相理编写MATLAB程序，对实验数据进行处理，将互连接；桩顶部

5、加速度时程响应曲线换算为速度时域响应(3)测试设备；曲线，然后通过Origin软件对所生成的波形图进行(4)敲击桩顶；拟合。用MATLAB编写理论速度时域响应曲线的(5)记录数据并进行处理和分析。1．4室内模型试验结果分析[1-8]收稿时间：2014—02—19整理室内模型试验所得结果，完整桩一土相作者简介：魏明强(1982一)，男，甘肃兰州人，讲师，从事土木工程教学工作。互作用模型共得到53组数据，缺陷桩一土相互作2014年6月第6期城市道桥与防洪桥梁结构85用共得到20组数据。袁春辉运用与上述

6、同样的方法运用两种类型的土质进行了室内模型试验，并得出如下结论：(1)桩底土为黄河砂试验结果与理论结果对比见图2(a)和图2(b)，可看出桩顶点的速度曲线随着砂子密实度的增大而衰减加快。-20246810(FC。)(a)压实度为0．75(G5=0．029、‰=0o45)2·01．51·0呈0．5一20246810(FC。)0,0(a)中密砂(c0．06、K6=O．022)—05一20246810(FC。)(b)压实度为085(G=0．03、Kb=0．06)图3桩底为盐渍士时的试验与理论结果对EE-

7、20246810(I)(b)中密砂(G=0．065、虬=0．062)图2桩底为黄河砂时的试验与理论结果对比(3)桩底为盐渍土试验结果与理论结果对比见图3，可看出桩顶点的速度曲线同样是随着盐渍土密实度的增大而衰减加快。综上所述，通过袁春辉的分析，说明由室内图4BP神经网络学习和检测流程示意图模型试验数据得到的波形曲线与理论曲线拟合较数据归一化到(一1，1)，归一化的目的是为了加快好，表示室内模型试验数据有效并可以使用，本训练网络的收敛性，然后建立三层BP神经网络的文在后面处理波形曲线时，程序中相关参

8、数将依模型，即输入层、隐含层和输出层，其中输人层据为上述袁春辉所得结果进行调试和修改。为8组数据，每组数据有51个分量组成；中间层即隐含层节点个数取4；输出层有8组数据，每组2神经网络模型的建立与识别数据有5个分量，即将桩身完整性的状态分为52．1建立网络模型类，分别为：完整桩代码为(1，0，0，0，0)；离析首先将室内模拟试验得到的桩的波形数据进桩代码为(O，1，O，0，0)；扩径桩代码为(0，0，1，0，0)；行分组，将具有代表性的数据作为教师数据，其缩颈桩桩代码为(0，0，0