基于结构自组织Elman神经网络的锚杆锚固系统质量无损检测研究

发布时间：2020-06-05 19:56

【摘要】：锚杆锚固系统因其施工方便、成本低廉和支护效果可靠等优点而被广泛的用于各类岩土工程中,锚杆锚固系统的支护效果直接影响工程的质量。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,因此对锚杆锚固系统缺陷的识别分类研究具有至关重要意义。神经网络可以作为锚杆锚固系统缺陷分类的智能分类器,其可以根据已有的锚杆锚固系统缺陷数据库完成网络的训练,从而对锚杆锚固系统缺陷的进行正确分类。神经网络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。但是神经网络的网络结构对分类的性能有重要的影响,传统网络结构确定的方法如试凑法和经验公式法都难以获得网络的最优结构且费事实力。因此神经网络结构难以确定的难题,阻碍了神经网络作为锚杆锚固系统缺陷识别智能分类器的大规模推广应用。本文针对神经网络结构难以确定的难题,构建了结构自组织Elman神经网络;并将其作为智能分类器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识别,从而完成锚杆的缺陷智能识别分类。具体研究如下:(1)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分别通过实验法和仿真法获得锚杆智能识别分类数据。(2)根据Elman网络结构特点,在定义网络隐含层节点贡献度、网络修剪阈值的基础上设计了网络修剪机制;并对网络修剪过程进行收敛性分析;完成网络学习率的自适应改进;利用UCI标准分类数据集对网络结构修剪过程进行可行性分析,仿真实验结果证明修剪机制可以减小网络冗余度,提高网络分类性能。(3)在网络隐含层贡献度的基础上定义了Elman神经网络增长阈值,引入网络分裂增长机制,同网络修剪机制共同构成结构自组织Elman神经网络;采用隐含层节点贡献度分布的标准差来对修剪阈值和增长阈值进行修正;同时对修剪系数和增长系数进行自适应改进,提高结构自组织过程网络结构的稳定性;对Elman神经网络结构自组织过程网络收敛性进行分析;采用UCI标准数据集对网络性能进行测试,仿真实验证明在Elman神经网络初始结构冗余时,网络可以通过网络结构修剪来减小网络冗余度,Elman神经网络初始结构过简时,可以通过增长机制增加网络结构提高网络数据处理能力,即网络可以根据训练数据完成结构自组织,获得网络最优结构,提高网络分类性能。(4)采用结构自组织Elman神经网络对锚杆缺陷数据进行智能识别分类实验;根据实验结果对网络参数及性能进行分析比较,验证了结构自组织Elman神经网络具有结构自组织能力和更优的分类性能,可以完成锚杆缺陷识别分类,进而完成对锚杆锚固质量无损检测。
【图文】：

表 2-1 锚杆的四种 ANSYS 有限元模型几何参数 cm锚固状态自由段长度浇筑段长度缺陷位置距前端缺陷长度完整锚固 50 150 0 0末端缺陷 50 150 33 10前端缺陷 50 150 70 10首末端双缺陷 50 150 52/108 11/12模型的力学参数如表 2-2所示。表 2-2 锚杆的四种 ANSYS 有限元模型几何参数介质类别 密度/(kg·m-3) 弹性模量/GPa 泊松比钢筋 7 800 210 0.3砂浆 2 000 50 0.2围岩 2 300 33 0.25缺陷砂浆 1 000 0.1 0.35建立的 ANSYS有限元模型仿真集合模型如图 2-4所示。

iEvσ= 在锚固段中的速度 vp公式为：(1 )pEvρ μ= 得到 vi=5188 m/s，，vp=4564 m/s。对上一节建立的四种锚杆模型进行应力波反射仿真实验，使用后处理-PREPOST 进行信号处理，选取锚杆自由段前端一点得到加速度曲线，杆模型加速度曲线及其分析分别如图 2-5~图 2-8所示。
【学位授予单位】：石家庄铁道大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TU476

【相似文献】

相关期刊论文 前10条

1 卓鹏程;朱颖;邬雯暄;舒俊清;夏唐斌;;Real-Time Fault Diagnosis for Gas Turbine Blade Based on Output-Hidden Feedback Elman Neural Network[J];Journal of Shanghai Jiaotong University(Science);2018年S1期

2 张彦清;刘大铭;白冰;李春树;;基于外反馈Elman的离心式压缩机透平转速预测[J];微型机与应用;2016年02期

3 徐晓龙;温阳;张商州;;Elman神经网络仿真及应用[J];智能机器人;2016年04期

4 汤井田;曹扬;肖嘉莹;郭曲练;;Predication of plasma concentration of remifentanil based on Elman neural network[J];Journal of Central South University;2013年11期

5 朱春颖;沈海军;顾豪;殷忠敏;李燕;;Elman网络模型参考自适应控制在镍氢电池智能充电中的应用[J];工业仪表与自动化装置;2013年04期

6 吴微;徐东坡;李正学;;Convergence of gradient method for Elman networks[J];Applied Mathematics and Mechanics(English Edition);2008年09期

7 齐仲纪;刘漫丹;;基于文化算法的新型Elman网络的过程建模方法[J];华东理工大学学报(自然科学版);2008年05期

8 谢庆国 ,万淑芸 ,易燕春 ,赵金 ,沈轶;Speed-Sensorless Control Using Elman Neural Network[J];Journal of Systems Engineering and Electronics;2001年04期

9 张惠玲;刘晓晓;杨林玉;;基于小波-Elman神经网络的信号交叉口首车到达时间预测[J];科学技术与工程;2019年28期

10 王雪丽;;一种基于Elman改进的网络入侵检测算法[J];湖南文理学院学报(自然科学版);2017年04期

相关会议论文 前10条

1 Yanqi Zheng;Zoujing Yao;Heng Zhou;Chunjie Yang;Haifeng Zhang;Mingliang Li;Lei Fan;;Power Generation Forecast of Top Gas Recovery Turbine Unit Based on Elman Model[A];第37届中国控制会议论文集（E）[C];2018年

2 Bo Meng;;Improved Elman Neural Network and Its Application[A];第30届中国控制与决策会议论文集（1）[C];2018年

3 陈力;吕亭亭;王凯;;基于Elman网络的煤与瓦斯突出预测研究[A];煤矿机电一体化新技术创新与发展2012学术年会论文集[C];2012年

4 ;Identification of dynamic nonlinear systems using recurrent neural networks[A];第十九届中国控制会议论文集（一）[C];2000年

5 ;Study of PID Elman Neural Network and Its Application in Dynamical Systems Identification[A];第二十四届中国控制会议论文集（下册）[C];2005年

6 卢志刚;冀尔康;李伟;吴士昌;;基于混合Elman网络的非线性自适应逆控制[A];第七届青年学术会议论文集[C];2005年

7 苏刚;王玲玲;徐永生;;基于改进Elman网络的燃气负荷预测[A];第十七届全国过路控制会议论文集[C];2006年

8 李界家;张双喜;郭宏伟;;基于改进型Elman网络的阳极效应故障趋势预测研究[A];冶金企业自动化、信息化与创新——全国冶金自动化信息网建网30周年论文集[C];2007年

9 张琦;邵立福;;基于Elman神经网络的液压泵故障诊断模型研究[A];机床与液压学术研讨会论文集[C];2004年

10 张琦;邵立福;;基于Elman神经网络的液压泵故障诊断模型研究[A];第三届全国流体传动及控制工程学术会议论文集（第二卷）[C];2004年

相关重要报纸文章 前1条

1 本报记者 小乐;摆脱媒体局限 实地考察中国[N];中国社会科学报;2010年

相关博士学位论文 前10条

1 时小虎;Elman神经网络与进化算法的若干理论研究及应用[D];吉林大学;2006年

2 王丽敏;计算智能改进方法及其在金融与环境领域中的应用[D];吉林大学;2007年

3 杨杰;多工序制造质量智能预测建模机理研究及应用[D];华南理工大学;2011年

4 郭晋;神经网络模型在预测急性心肌梗死中的应用及模型预测能力的比较研究[D];北京协和医学院;2013年

5 李鹏华;量子计算在动态递归与自组织神经网络中的机理及应用研究[D];重庆大学;2012年

6 韩旭明;若干改进的人工免疫算法及其在大气环境领域中的应用[D];吉林大学;2010年

7 姜春福;基于神经网络的机器人模型辨识与控制研究[D];北京工业大学;2003年

8 李西平;塔机超声安全预警目标识别的神经网络方法研究[D];西安建筑科技大学;2015年

9 刘长义;基于不确定性测度的机械零部件再制造加工质量控制理论与方法研究[D];合肥工业大学;2015年

10 王永利;区域客户端能源综合需求侧管理理论及应用研究[D];华北电力大学;2010年

相关硕士学位论文 前10条

1 宫世杰;基于结构自组织Elman神经网络的锚杆锚固系统质量无损检测研究[D];石家庄铁道大学;2019年

2 贾哲;融合有限元与Elman神经网络的基坑变形预测研究[D];西安工业大学;2019年

3 常晓雪;基于集成型Elman神经网络的电力系统短期负荷预测研究[D];青岛大学;2019年

4 朱海波;基于改进Elman NN回转窑温度软测量建模技术的研究与应用[D];辽宁科技大学;2019年

5 张琪琪;改进粒子群算法优化Elman神经网络的交通流预测[D];长安大学;2019年

6 李先超;基于BFA-Elman神经网络的短期电力负荷预测研究[D];华北电力大学;2019年

7 林文斌;基于数据和知识驱动的发动机监控技术的研究[D];中国民航大学;2019年

8 尹s

本文编号：2698533