基于深度置信网络的锚杆锚固质量无损检测方法研究

《基于深度置信网络的锚杆锚固质量无损检测方法研究》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：公开工学硕士学位论文基于深度置信网络的锚杆锚固质量无损检测方法研究StudyonNondestructiveTestingMethodofBoltAnchorageQualityBasedonDeepBeliefNetwork培养单位：电气与电子工程学院专业：电力电子与电力传动研究生：杨亚茹指导教师：郑海青讲师二○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

2、用过的材料。与我一同工作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：摘要锚杆现已广泛应用于岩土、桥梁、矿井等工程领域中。由于锚

3、杆锚固系统性能的高低、质量的优劣与整个工程系统的安全性息息相关，因此对锚杆锚固系统的质量检测问题变得尤为重要。深度学习是机器学习领域的一个研究热点，它的提出为锚杆锚固质量无损检测提供了一种新方法。相较于浅层学习算法，深度学习的深层结构能够对采集到的锚杆原始信号进行逐层学习，提取出其深层次特征，从而使锚杆锚固缺陷类型的识别结果更加精确。本文基于深度置信网络(DBN)对采集到的锚杆相关数据进行不断抽象，提取出数据特征，从而实现对锚杆缺陷类型的识别。将差分搜索(DS)算法应用于DBN网络中，对网络初始权重和阈值进行优化，解决了由于初始参数选取不当导致重构数据和原始

4、输入差别较大的问题。主要研究内容如下：(1)基于一种改进的半硬软阈值小波去噪方法对实验中采集到的锚杆加速度信号进行降噪处理，为锚杆锚固系统缺陷类型的识别提供训练样本和测试样本。(2)分析了DBN网络结构及训练方法，建立了基于DBN的锚杆锚固缺陷类型识别模型，分析了DBN网络的隐含层层数设置、隐含层节点数设置以及反向微调对缺陷类型识别结果的影响，并根据识别结果确定出最佳网络结构。实验结果表明，相对于浅层学习算法，该模型能够有效提高缺陷类型的识别率。(3)由于DBN网络随机初始化权重和阈值会导致网络重构误差较大、易陷入局部最优，利用DS算法对DBN网络的初始权重

5、和阈值进行优化，建立了基于DS-DBN-SVM的锚杆锚固缺陷类型识别模型，用DS-DBN模型对锚杆数据进行特征提取，将提取的特征作为SVM的输入，进行锚杆缺陷类型识别。实验结果表明，相较于传统DBN网络模型，该模型提高了对锚杆缺陷类型的识别精度。(4)针对锚杆数据量不足会限制分类精度的问题，建立了一种基于EDBN-SVM(EnsembleDBN-SVM)的模型对锚杆锚固缺陷类型进行识别。该模型将具有良好分类性能的DBN-SVM与集成学习进行结合，并基于不同特征集的方法来训练具有差异性的个体分类器。实验结果表明，相较于单一分类器模型，该模型能获得更高的识别率。

6、关键词：锚杆；深度置信网络；受限玻尔兹曼机；集成学习；差分搜索算法AbstractRockbolthasbeenwidelyusedingeotechnical,bridge,mineandotherengineeringfields.Itisveryimportanttotestthequalityofanchoragesystem.Sincetheperformanceandqualityofanchoragesystemarecloselyrelatedtothesafetyofthewholeengineeringsystem.Deeplearnin

7、gisahottopicinthefieldofmachinelearning,whichprovidesanewmethodforthenondestructivetestingofboltanchorage.Comparedwiththeshallowlearningalgorithm,thedeepstructureofdeeplearningcanlearntheoriginalsignaloftherockboltlayerbylayer,andextractitsdeepfeaturestomaketheclassificationresults

8、ofboltdefectsmoreaccurate.