基于改进堆叠自编码器的锚杆锚固质量无损检测研究

摘要

锚杆支护由于其施工成本低、支护作用迅速、支护效果可靠等优点被广泛的应用到各类基础建设中。但是锚杆支护属于隐性支护,如果锚杆锚固系统存在缺陷会使锚杆支护能力下降,进而影响工程质量甚至造成人民生命财产安全事故,所以为了使锚杆支护的稳定性得到保证,防止安全事故的发生,对锚杆锚固系统缺陷分类进行研究具有至关重要意义。深度学习方法克服了传统人工分类方法准确性差、分类速度慢,还要求分类人员有较高专业技术水平和经验的缺点,依靠深层神经网络不断地学习到数据更加抽象的特征,降低了人为主观因素对分类效果的影响,从而使分类结果具有可信度。本文利用堆叠自编码器(SAE)算法结合Softmax多分类器网络来实现不同锚固缺陷类型的分类,并为了进一步提高分类准确性,对SAE网络预训练过程中的混合蛙跳(SFLA)优化算法进行了改进,建立改进SFLA-SAE-Softmax智能网络对基于应力波锚杆无损检测法获得的实验数据和仿真数据进行锚杆缺陷分类。主要研究内容如下:(1)通过阐述导波在锚杆和多层结构中的传播理论,得到了导波在锚杆和锚杆-锚固介质-围岩系统中的频散方程以及纵向导波在两种介质中传播的频散曲线。对导波的频散特性、多模态特性以及激发波频率端的选择问题进行了分析,选择频段在20 k Hz-30 k Hz汉宁窗调制正弦波作为激发波,根据频散曲线得到该频段内的纵向导波传播速度在锚杆中为5 000 m/s、锚杆-锚固介质-围岩系统中为2 800 m/s,这为锚杆锚固结构瞬态分析计算奠定了基础。(2)利用ANSYS/LS-DYNA有限元软件建立了不同锚固缺陷类型的锚杆锚固模型,并对不同锚杆锚固结构的瞬态响应进行分析计算,确定了模型中的锚杆长度、锚固长度以及缺陷的位置和大小,验证了所建立模型的准确性,并获取锚杆智能分类的仿真数据。(3)根据锚杆锚固系统工程应用中常出现的锚固剂密实度不足、锚固空洞等缺陷,构建四种实验缺陷识别分类锚杆模型,基于应力波无损检测法搭建了锚杆锚固系统的试验平台来获得锚杆智能分类的试验数据。(4)对SAE网络结构及其训练方式做了阐述,建立了SFLA-SAE-Softmax的分类网络实现不同锚固缺陷类型的分类,并用多分类评价指标对其分类效果进行评价,评价结果表明该网络在不同缺陷类型锚杆锚固系统分类方面具有很好的分类性能。为了进一步提高SFLA寻优的能力,进而提高分类准确率,对SFLA算法的寻优方式进行了改进,提出了改进SFLA模型,建立了改进SFLA-SAE-Softmax分类网络,并利用基于ANSYS/LS-DYNA有限元软件获取的不同缺陷仿真数据与基于试验平台到的试验数据对其分类效果进行验证,结果说明了改进SFLA-SAE-Softmax网络不仅提高了SAE网络预训练的收敛速度与收敛精度,还能提高网络整体的分类精度,在不同缺陷的锚杆锚固质量分类中具有很好的适用性。

目录

摘要

abstract

第一章 绪论

1.1 课题研究的背景及意义

1.2 国内外研究现状

1.2.1 锚杆锚固质量无损检测的研究现状

1.2.2 SAE网络的研究现状

1.3 论文的主要内容及章节安排

第二章 导波的频散理论

2.1 导波在不同波导中传播理论

2.2 锚杆锚固系统中频散曲线的求解

2.2.1 锚杆结构频散曲线

2.2.2 锚杆-锚固介质-围岩结构频散曲线

2.3 激发频率的选择

2.4 本章小结

第三章 锚杆-锚固-围岩系统瞬态响应的数学模型及数值分析

3.1 有限元分析软件ANSYS/LS-DYNA概述

3.1.1 有限元方法的引入

3.1.2 有限元分析软件ANSYS/LS-DYNA的介绍

3.2 锚杆锚固系统数值模型的建立

3.3 不同缺陷位置锚杆锚固系统瞬态响应分析

3.4 本章小结

第四章 改进SAE在锚杆锚固无损检测中的应用

4.1 SAE网络结构及其训练算法

4.1.1 AE结构及训练

4.1.2 SAE的结构及训练

4.1.3 Softmax多分类器模型

4.2 基于SAE及 Softmax的锚杆锚固缺陷类型分类方法

4.2.1 SAE网络输入样本的选取

4.2.2 多分类评价指标

4.2.3 SAE算法及Softmax网络的建立

4.2.4 实验结果与分析

4.3 基于改进SAE及 Softmax的锚杆锚固质量分类

4.3.1 改进SFLA模型

4.3.2 改进SFLA-SAE-Softmax的实验结果与分析

4.4 本章小结

第五章 锚杆锚固系统无损检测试验与分析

5.1 试验原理

5.2 试验设计

5.2.1 锚杆锚固试验模型

5.2.2 试验设备简介

5.2.3 试验系统的搭建

5.3 锚杆振动信号采集结果

5.4 基于试验信号的改进SFLA-SAE-Softmax网络的分类结果

5.4.1 改进SAE网络试验样本的选取

5.4.2 实验结果与分析

5.5 本章小结

第六章 总结与展望

6.1 总结

6.2 展望

参考文献

致谢

个人简历、在学期间的研究成果及发表的学术论文