锚杆支护技术在矿井、桥梁、水利等众多的工程领域发挥着越来越重要作用,锚杆支护质量的优劣、可靠性的高低与工程系统全局的稳固性有着极其密切的联系,因此众多的科研工作者倾注心血投入到锚杆锚固质量的研究中去。本文将不同锚固类型的锚杆加速度信号的时频特征组成特征矩阵,利用主成分分析法(PCA)对特征矩阵进行特征降维,引入了支持向量机(SVM)完成了不同类型锚杆的识别区分,其中SVM的核参数与分类精度有着千丝万缕的联系,采用粒子群算法(PSO)对其进行确定。主要的研究内容如下:(1)详细阐述了应力波反射法的基础理论知识,对此方法在锚杆类型识别中的适用性进行了解释。(2)利用DH5923动态信号测试分析系统对不同类型的锚杆锚固系统进行加速度信号采集,为锚杆分类识别检测提供数据支撑。对采集到的加速度信号做降噪处理,并从降噪后的信号中提取时域特征参量和频域特征参量组成初始特征矩阵。(3)阐述了PCA的基本原理,利用PCA对特征矩阵进行降维操作,计算出各主元的贡献率并将其按照由大到小的顺序排列,结果表明:PCA在尽可能多的保留原信息的同时实现了对原有数据的压缩,使处理的问题得到简化。(4)PCA降维之后,提取出累计贡献率较大的前几个主成分作为SVM输入,对BT-SVM法的分类顺序进行了判别,利用PSO快速、准确的找到了SVM的最优的参数值。结果表明,该方法可以有效地对不同类型的锚杆锚固系统进行分类识别。(5)对PSO的惯性权重和学习因子进行了改进,将单峰函数Sphere、多峰函数Ackley等函数用于改进PSO方案的测试,仿真结果表明算法在寻优精度和收敛速度这两方面都得到改善。将改进的PSO用于锚杆的分类识别检测中,结果表明该方法在保证寻优精度的同时收敛速度明显加快。