發(fā)布時(shí)間：2020-12-23 05:34

　　錨桿現(xiàn)已廣泛應(yīng)用于巖土、橋梁、礦井等工程領(lǐng)域中。由于錨桿錨固系統(tǒng)性能的高低、質(zhì)量的優(yōu)劣與整個(gè)工程系統(tǒng)的安全性息息相關(guān),因此對錨桿錨固系統(tǒng)的質(zhì)量檢測問題變得尤為重要。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)領(lǐng)域的一個(gè)研究熱點(diǎn),它的提出為錨桿錨固質(zhì)量無損檢測提供了一種新方法。相較于淺層學(xué)習(xí)算法,深度學(xué)習(xí)的深層結(jié)構(gòu)能夠?qū)Σ杉降腻^桿原始信號進(jìn)行逐層學(xué)習(xí),提取出其深層次特征,從而使錨桿錨固缺陷類型的識別結(jié)果更加精確。本文基于深度置信網(wǎng)絡(luò)（DBN）對采集到的錨桿相關(guān)數(shù)據(jù)進(jìn)行不斷抽象,提取出數(shù)據(jù)特征,從而實(shí)現(xiàn)對錨桿缺陷類型的識別。將差分搜索（DS）算法應(yīng)用于DBN網(wǎng)絡(luò)中,對網(wǎng)絡(luò)初始權(quán)重和閾值進(jìn)行優(yōu)化,解決了由于初始參數(shù)選取不當(dāng)導(dǎo)致重構(gòu)數(shù)據(jù)和原始輸入差別較大的問題。主要研究內(nèi)容如下:（1）基于一種改進(jìn)的半硬軟閾值小波去噪方法對實(shí)驗(yàn)中采集到的錨桿加速度信號進(jìn)行降噪處理,為錨桿錨固系統(tǒng)缺陷類型的識別提供訓(xùn)練樣本和測試樣本。（2）分析了DBN網(wǎng)絡(luò)結(jié)構(gòu)及訓(xùn)練方法,建立了基于DBN的錨桿錨固缺陷類型識別模型,分析了DBN網(wǎng)絡(luò)的隱含層層數(shù)設(shè)置、隱含層節(jié)點(diǎn)數(shù)設(shè)置以及反向微調(diào)對缺陷類型識別結(jié)果的影響,并根據(jù)識別結(jié)果確定出最佳網(wǎng)絡(luò)結(jié)構(gòu)。實(shí)... 

【文章來源】：石家莊鐵道大學(xué)河北省

【文章頁數(shù)】：82 頁

【學(xué)位級別】：碩士

【部分圖文】：

錨桿內(nèi)的彈性應(yīng)力波設(shè)錨桿的截面積為A，彈性模量為E，密度為ρ，錨桿變形的橫截面為平

直徑為 50 mm，錨固段的外圍圍巖采用的是 C45 混凝土用 PVC 管包裹。實(shí)驗(yàn)使用的是實(shí)驗(yàn)室的三種錨桿錨固模型，一種完模型和兩種帶有缺陷的錨桿錨固模型。其中這兩種缺陷錨桿模型都錨桿錨固系統(tǒng)，缺陷長度都為 100 mm，缺陷上沿與錨固上界面距離0 mm 和 700 mm。這三種錨桿錨固模型的實(shí)物圖和切面圖分別如圖 所示，并且將錨桿的具體參數(shù)呈現(xiàn)在表 2-1 中。表 2-1 錨桿錨固模型的基本參數(shù) 桿號錨桿長度鋼筋直徑錨固段直徑缺陷長度缺陷上沿與固上界面距自由段 錨固段 總長度# 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#是完整錨桿錨固模型，2#是第一種缺陷錨桿錨固模型，3陷錨桿錨固模型。

圖 2-5 力錘接收裝置—IEPE 壓電加速度傳感器信號接收裝置采用的是 IEPE 壓電加速度傳感器。該傳感電壓放大器的振動傳感器，抗干擾能力強(qiáng)，可長距離輸送工作。傳感器的安放位置一般在錨桿的桿體上，如圖 2-6

【參考文獻(xiàn)】：
期刊論文
[1]基于稀疏降噪自編碼器的深度置信網(wǎng)絡(luò)[J]. 曾安,張藝楠,潘丹,Xiao-Wei Song.  計(jì)算機(jī)應(yīng)用. 2017(09)
[2]錨桿錨固質(zhì)量的超聲導(dǎo)波檢測技術(shù)研究[J]. 何文,王成,石文芳,寧建國,趙奎.  北京理工大學(xué)學(xué)報(bào). 2017(06)
[3]基于過濾引導(dǎo)及隨機(jī)性策略的差分搜索算法[J]. 康志龍,張東婧,郭艷菊,張雪萍,陳雷.  燕山大學(xué)學(xué)報(bào). 2017(03)
[4]基于神經(jīng)網(wǎng)絡(luò)的超聲導(dǎo)波錨桿剝離缺陷的識別[J]. 王娜,張偉偉,常紅.  太原科技大學(xué)學(xué)報(bào). 2017(02)
[5]基于EDBN-SVM的高速列車故障分析[J]. 郭超,楊燕,金煒東.  計(jì)算機(jī)科學(xué). 2016(12)
[6]基于DBN的故障特征提取及診斷方法研究[J]. 趙光權(quán),葛強(qiáng)強(qiáng),劉小勇,彭喜元.  儀器儀表學(xué)報(bào). 2016(09)
[7]改進(jìn)卷積玻爾茲曼機(jī)的圖像特征深度提取[J]. 劉凱,張立民,范曉磊.  哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2016(05)
[8]相似性約束的深度置信網(wǎng)絡(luò)在SAR圖像目標(biāo)識別的應(yīng)用[J]. 丁軍,劉宏偉,陳渤,馮博,王英華.  電子與信息學(xué)報(bào). 2016(01)
[9]基于DBNs的車輛懸架減振器異響鑒別方法[J]. 黃海波,李人憲,楊琪,丁渭平,楊明亮.  西南交通大學(xué)學(xué)報(bào). 2015(05)
[10]基于奇異值分解和深度信度網(wǎng)絡(luò)多分類器的滾動軸承故障診斷方法[J]. 李艷峰,王新晴,張梅軍,朱會杰.  上海交通大學(xué)學(xué)報(bào). 2015(05)

博士論文
[1]基于智能信息處理理論的輸油管道泄漏檢測定位技術(shù)研究[D]. 劉煒.西安理工大學(xué) 2016
[2]受限玻爾茲曼機(jī)學(xué)習(xí)算法研究[D]. 馬學(xué)思.北京郵電大學(xué) 2016
[3]基于深度學(xué)習(xí)的文本表示與分類方法研究[D]. 閆琰.北京科技大學(xué) 2016
[4]煤礦巷道錨桿無損檢測技術(shù)及在西山礦區(qū)的應(yīng)用研究[D]. 薛道成.中國礦業(yè)大學(xué) 2013
[5]錨桿錨固質(zhì)量無損檢測理論與智能診斷技術(shù)研究[D]. 李張明.天津大學(xué) 2007

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識別方法研究[D]. 段萌.鄭州大學(xué) 2017
[2]深度學(xué)習(xí)在預(yù)后評估中的應(yīng)用研究[D]. 鄭齊彌.廣東工業(yè)大學(xué) 2016
[3]基于深度置信網(wǎng)集成的高光譜數(shù)據(jù)分類方法研究[D]. 趙興.哈爾濱工業(yè)大學(xué) 2015
[4]基于深度學(xué)習(xí)的圖像識別算法研究[D]. 豐曉霞.太原理工大學(xué) 2015
[5]基于深度信念網(wǎng)絡(luò)的變速器故障分類識別研究[D]. 單外平.華南理工大學(xué) 2015
[6]基于小波神經(jīng)網(wǎng)絡(luò)的巖土錨固系統(tǒng)智能無損檢測理論及應(yīng)用研究[D]. 李瑞軍.青島理工大學(xué) 2008
[7]基于小波神經(jīng)網(wǎng)絡(luò)的錨桿錨固質(zhì)量分析[D]. 岳向紅.中國科學(xué)院研究生院（武漢巖土力學(xué)研究所） 2005



本文編號：2933166