基于概率神经网络的锚杆锚固系统无损检测研究

《基于概率神经网络的锚杆锚固系统无损检测研究》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、密级：公开论文类型：应用研究工程硕士学位论文基于概率神经网络的锚杆锚固系统无损检测研究StudyontheBoltNondestructiveTestingBasedonProbabilisticNeuralNetwork培养单位：电气与电子工程学院专业领域：电气工程学生姓名：李菁校内导师：孙晓云教授校外导师：韩志军高级工程师二○一八年六月独创性声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得石家庄铁道大学或其它教育机构的学位或证书而使用过的材料。与我一同工作

2、的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。签名：日期：关于论文使用授权的说明本人完全了解石家庄铁道大学有关保留、使用学位论文的规定，同意学校保留并向有关部门送交论文的复印件和电子版本，允许论文被查阅和借阅，同意学校将论文加入《中国优秀博硕士学位论文全文数据库》和编入《中国学位论文全文数据库》。本人授权石家庄铁道大学，可以采用影印、缩印或其他复制手段保存论文，可以公布论文的全部或部分内容。(保密的论文在解密后应遵守此规定)作者签名：日期：导师签名：日期：摘要锚杆锚固技术由于施工简便、成本低等优点，被广泛应用于隧道、矿井、山体加固等多个建筑工程领域。锚杆支护性能的好坏与

3、否对于被支护工程的安全性和可靠性来说至关重要，因此对于锚杆支护质量和性能的无损检测方向的研究一直是国内外学者探索的重点方向之一。针对不同损伤类型的锚杆锚固系统，通过主元分析(PCA)方法对锚固系统的频响函数进行特征提取，利用粒子群算法(PSO)优化的概率神经网络(PNN)分类器对损伤类别进行识别。具体研究内容如下：(1)根据锚杆锚固系统特点设计并搭建无损检测系统，通过采集激励和响应信号得到不同损伤类别锚固系统对应的频响函数。(2)对应力波反射法在锚杆锚固系统损伤检测中的应用进行了研究，基于频响函数原理,证明了频响函数作为锚杆锚固系统特征参数的可行性。利用PCA实现对频响函数的降维，降低了数据

4、的复杂程度。(3)基于概率神经网络的原理，从Spread值的设定对影响概率神经网络识别精度的因素进行讨论。将主元分析(PCA)对频响函数降维后的数据作为概率神经网络的输入，对实测锚杆锚固系统进行损伤分类识别，分析损伤识别的准确率，结果表明概率神经网络能够满足锚杆锚固系统损伤识别分类的要求。(4)通过优化粒子群的越界问题，减少粒子群在边界处陷入局部最优的可能性；通过改进粒子群算法的惯性权重和学习因子，引入遗传算法等措施来增加粒子群算法的全局性，避免陷入局部最优。利用经典函数对改进算法进行性能测试，用改进的粒子群算法优化概率神经网络并对锚杆锚固系统进行损伤识别分类。结果表明改进的粒子群算法具有较

5、快的收敛速度和较高的寻优精度，提高了概率神经网络对锚固系统损伤分类的识别率。关键词：锚杆；无损检测；主成分分析法；粒子群算法；概率神经网络AbstractWiththeadvantagesofsimpleconstructionandlowcost,RockBoltingtechnologyhasbeenmoreandmorewidelyusedintunnels,mines,mountainreinforcementandotherconstructionprojects.Thequalityofthesupport’sperformanceisveryimportantforthesaf

6、etyandreliabilityofthesupportedproject.Theresearchonthenon-destructivedetectionofthequalityandperformanceofboltanchoringsystemhasbeenoneofthekeyresearchdirectionsofscholarsathomeandabroad.Inthispaper,thefrequencyresponsefunctionofdifferentanchortypesisstudied,usingPrincipalComponentAnalysis(PCA)tor

7、educethedimensionofthemeasuredfrequencyresponsefunctionset,theimprovedParticleSwarmOptimizationisusedtooptimizethesmoothingfactoroftheProbabilisticNeuralNetworks(PNN),andfinallytheProbabilisticNeuralNetwork