论文部分内容阅读
当前,锚杆锚固技术正在隧道地铁支护、采矿巷道支护、边坡加固等大型建设工程中广泛应用。但是,我国锚杆锚固质量及受力状态的检测大多仍然停留在利用液压千斤顶进行破坏性拉拔试验阶段,这种检测手段费工费时,同时属于有损检测。因此寻求一种快速准确科学的锚固质量无损检测技术成为当前的首要任务。应力波反射法在国内外应用广泛,但是缺乏相应的理论体系支撑,无损检测主要依靠检验人员的经验判断,而且波形判断容易受到外界因素的干扰而无法准确判断,因此,本文采用BP神经网络法评价锚杆锚固质量,通过大量实测波形的学习和训练,取得了以下成果：(1)通过对低应变应力波反射法锚杆锚固无损检测的基本原理的分析,找出了该方法中存在的局限性,针对该方法底部反射难以识别、锚杆长度难以判断等缺点,首次提出了直接利用反射波波形曲线作为研究对象,通过将其在时域方向上平分为16段,得到了一组反射波振幅数组,将其作为判断锚杆锚固质量的影响因素,结果证明,该方法具有不错的效果。(2)在相同的训练条件(网络模型的输入向量、神经元数等)下,比较了traingdm、traingda、trainlm、trainscg四种算法在经过200步训练后得到的误差曲线,得出了采用共轭梯度算法,该神经网络具有相当快的收敛速度,比较适宜于复杂的BP神经网络。(3)本文采用了90组实测反射波波形曲线上的振幅值作为学习样本,另外20组数据作为检验样本,选取共轭梯度算法对BP神经网络优化,建立了17-13-4的BP神经网络模型,通过对90组学习样本的学习和训练,经过220步后,该网络的训练误差达到了0.00995888,实现了预期的训练要求0.01。将另外20组的检验样本输入该BP神经网络,进行正向运算,得到了锚杆锚固质量的神经网络代码(如表6-3),将其与实际锚杆锚固质量神经网络代码相比较,可以看出该神经网络模型对锚杆锚固质量具有很好的识别精度,具有一定的推广应用价值。