基于深度置信网络的锚杆锚固质量无损检测方法研究
发布时间：2020-12-23 05:34
锚杆现已广泛应用于岩土、桥梁、矿井等工程领域中。由于锚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...
【文章来源】：石家庄铁道大学河北省
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
锚杆内的弹性应力波设锚杆的截面积为A，弹性模量为E，密度为ρ，锚杆变形的横截面为平
直径为 50 mm，锚固段的外围围岩采用的是 C45 混凝土用 PVC 管包裹。实验使用的是实验室的三种锚杆锚固模型，一种完模型和两种带有缺陷的锚杆锚固模型。其中这两种缺陷锚杆模型都锚杆锚固系统，缺陷长度都为 100 mm，缺陷上沿与锚固上界面距离0 mm 和 700 mm。这三种锚杆锚固模型的实物图和切面图分别如图 所示，并且将锚杆的具体参数呈现在表 2-1 中。表 2-1 锚杆锚固模型的基本参数 杆号锚杆长度钢筋直径锚固段直径缺陷长度缺陷上沿与固上界面距自由段 锚固段 总长度# 500 1 500 2 000 20 50 0 0# 500 1 500 2 000 20 50 100 330# 500 1 500 2 000 20 50 100 700 2-1 中，1#是完整锚杆锚固模型，2#是第一种缺陷锚杆锚固模型，3陷锚杆锚固模型。
图 2-5 力锤接收装置—IEPE 压电加速度传感器信号接收装置采用的是 IEPE 压电加速度传感器。该传感电压放大器的振动传感器，抗干扰能力强，可长距离输送工作。传感器的安放位置一般在锚杆的杆体上，如图 2-6
【参考文献】：
期刊论文
[1]基于稀疏降噪自编码器的深度置信网络[J]. 曾安,张艺楠,潘丹,Xiao-Wei Song. 计算机应用. 2017(09)
[2]锚杆锚固质量的超声导波检测技术研究[J]. 何文,王成,石文芳,宁建国,赵奎. 北京理工大学学报. 2017(06)
[3]基于过滤引导及随机性策略的差分搜索算法[J]. 康志龙,张东婧,郭艳菊,张雪萍,陈雷. 燕山大学学报. 2017(03)
[4]基于神经网络的超声导波锚杆剥离缺陷的识别[J]. 王娜,张伟伟,常红. 太原科技大学学报. 2017(02)
[5]基于EDBN-SVM的高速列车故障分析[J]. 郭超,杨燕,金炜东. 计算机科学. 2016(12)
[6]基于DBN的故障特征提取及诊断方法研究[J]. 赵光权,葛强强,刘小勇,彭喜元. 仪器仪表学报. 2016(09)
[7]改进卷积玻尔兹曼机的图像特征深度提取[J]. 刘凯,张立民,范晓磊. 哈尔滨工业大学学报. 2016(05)
[8]相似性约束的深度置信网络在SAR图像目标识别的应用[J]. 丁军,刘宏伟,陈渤,冯博,王英华. 电子与信息学报. 2016(01)
[9]基于DBNs的车辆悬架减振器异响鉴别方法[J]. 黄海波,李人宪,杨琪,丁渭平,杨明亮. 西南交通大学学报. 2015(05)
[10]基于奇异值分解和深度信度网络多分类器的滚动轴承故障诊断方法[J]. 李艳峰,王新晴,张梅军,朱会杰. 上海交通大学学报. 2015(05)
博士论文
[1]基于智能信息处理理论的输油管道泄漏检测定位技术研究[D]. 刘炜.西安理工大学 2016
[2]受限玻尔兹曼机学习算法研究[D]. 马学思.北京邮电大学 2016
[3]基于深度学习的文本表示与分类方法研究[D]. 闫琰.北京科技大学 2016
[4]煤矿巷道锚杆无损检测技术及在西山矿区的应用研究[D]. 薛道成.中国矿业大学 2013
[5]锚杆锚固质量无损检测理论与智能诊断技术研究[D]. 李张明.天津大学 2007
硕士论文
[1]基于卷积神经网络的图像识别方法研究[D]. 段萌.郑州大学 2017
[2]深度学习在预后评估中的应用研究[D]. 郑齐弥.广东工业大学 2016
[3]基于深度置信网集成的高光谱数据分类方法研究[D]. 赵兴.哈尔滨工业大学 2015
[4]基于深度学习的图像识别算法研究[D]. 丰晓霞.太原理工大学 2015
[5]基于深度信念网络的变速器故障分类识别研究[D]. 单外平.华南理工大学 2015
[6]基于小波神经网络的岩土锚固系统智能无损检测理论及应用研究[D]. 李瑞军.青岛理工大学 2008
[7]基于小波神经网络的锚杆锚固质量分析[D]. 岳向红.中国科学院研究生院（武汉岩土力学研究所） 2005
本文编号：2933166
【文章来源】：石家庄铁道大学河北省
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
锚杆内的弹性应力波设锚杆的截面积为A，弹性模量为E，密度为ρ，锚杆变形的横截面为平
直径为 50 mm，锚固段的外围围岩采用的是 C45 混凝土用 PVC 管包裹。实验使用的是实验室的三种锚杆锚固模型，一种完模型和两种带有缺陷的锚杆锚固模型。其中这两种缺陷锚杆模型都锚杆锚固系统，缺陷长度都为 100 mm，缺陷上沿与锚固上界面距离0 mm 和 700 mm。这三种锚杆锚固模型的实物图和切面图分别如图 所示，并且将锚杆的具体参数呈现在表 2-1 中。表 2-1 锚杆锚固模型的基本参数 杆号锚杆长度钢筋直径锚固段直径缺陷长度缺陷上沿与固上界面距自由段 锚固段 总长度# 500 1 500 2 000 20 50 0 0# 500 1 500 2 000 20 50 100 330# 500 1 500 2 000 20 50 100 700 2-1 中，1#是完整锚杆锚固模型，2#是第一种缺陷锚杆锚固模型，3陷锚杆锚固模型。
图 2-5 力锤接收装置—IEPE 压电加速度传感器信号接收装置采用的是 IEPE 压电加速度传感器。该传感电压放大器的振动传感器，抗干扰能力强，可长距离输送工作。传感器的安放位置一般在锚杆的杆体上，如图 2-6
【参考文献】：
期刊论文
[1]基于稀疏降噪自编码器的深度置信网络[J]. 曾安,张艺楠,潘丹,Xiao-Wei Song. 计算机应用. 2017(09)
[2]锚杆锚固质量的超声导波检测技术研究[J]. 何文,王成,石文芳,宁建国,赵奎. 北京理工大学学报. 2017(06)
[3]基于过滤引导及随机性策略的差分搜索算法[J]. 康志龙,张东婧,郭艳菊,张雪萍,陈雷. 燕山大学学报. 2017(03)
[4]基于神经网络的超声导波锚杆剥离缺陷的识别[J]. 王娜,张伟伟,常红. 太原科技大学学报. 2017(02)
[5]基于EDBN-SVM的高速列车故障分析[J]. 郭超,杨燕,金炜东. 计算机科学. 2016(12)
[6]基于DBN的故障特征提取及诊断方法研究[J]. 赵光权,葛强强,刘小勇,彭喜元. 仪器仪表学报. 2016(09)
[7]改进卷积玻尔兹曼机的图像特征深度提取[J]. 刘凯,张立民,范晓磊. 哈尔滨工业大学学报. 2016(05)
[8]相似性约束的深度置信网络在SAR图像目标识别的应用[J]. 丁军,刘宏伟,陈渤,冯博,王英华. 电子与信息学报. 2016(01)
[9]基于DBNs的车辆悬架减振器异响鉴别方法[J]. 黄海波,李人宪,杨琪,丁渭平,杨明亮. 西南交通大学学报. 2015(05)
[10]基于奇异值分解和深度信度网络多分类器的滚动轴承故障诊断方法[J]. 李艳峰,王新晴,张梅军,朱会杰. 上海交通大学学报. 2015(05)
博士论文
[1]基于智能信息处理理论的输油管道泄漏检测定位技术研究[D]. 刘炜.西安理工大学 2016
[2]受限玻尔兹曼机学习算法研究[D]. 马学思.北京邮电大学 2016
[3]基于深度学习的文本表示与分类方法研究[D]. 闫琰.北京科技大学 2016
[4]煤矿巷道锚杆无损检测技术及在西山矿区的应用研究[D]. 薛道成.中国矿业大学 2013
[5]锚杆锚固质量无损检测理论与智能诊断技术研究[D]. 李张明.天津大学 2007
硕士论文
[1]基于卷积神经网络的图像识别方法研究[D]. 段萌.郑州大学 2017
[2]深度学习在预后评估中的应用研究[D]. 郑齐弥.广东工业大学 2016
[3]基于深度置信网集成的高光谱数据分类方法研究[D]. 赵兴.哈尔滨工业大学 2015
[4]基于深度学习的图像识别算法研究[D]. 丰晓霞.太原理工大学 2015
[5]基于深度信念网络的变速器故障分类识别研究[D]. 单外平.华南理工大学 2015
[6]基于小波神经网络的岩土锚固系统智能无损检测理论及应用研究[D]. 李瑞军.青岛理工大学 2008
[7]基于小波神经网络的锚杆锚固质量分析[D]. 岳向红.中国科学院研究生院（武汉岩土力学研究所） 2005
本文编号：2933166
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/2933166.html
