基于Sym小波和BP神经网络的基桩缺陷智能化识别

为提高基桩低应变动测信号的分析水平,采用一种新的时频域分析方法--小波分析.利用Sym小波对基桩速度响应时程曲线进行小波分解,对指定频带上的信号分量进行特征值提取,提取的特征值为反映各频带范围内体现能量分布的功率谱均值,提取的特征值可构成反映信号特征的特征向量,同时利用BP人工神经网络的非线性映射特性建立特征向量和基桩缺陷类别之间的一种对应关系.通过数值模拟的方法可以得到大量不同缺陷类型的基桩的桩顶速度响应时程曲线,对这些数值模拟信号进行小波分解得到的特征向量为神经网络的学习提供大量训练样本.最后,利用实测信号小波分解后得到的特征向量对训练过的神经网络进行检验,其识别结果表明,训练后的神经网络能根据实测信号的特征向量对基桩缺陷进行智能化的识别.     

基于Sym小波与BP神经网络的装配柱钢筋套筒灌浆连接缺陷检测方法

为检测装配柱钢筋套筒灌浆连接由于施工原因而产生的缺陷程度,采用ABAQUS建立有限元模型,利用Sym8小波基对装配柱加速度响应时程曲线进行小波分解,提取各个频带成分的能量占比变化量。构造特征向量作为BP神经网络的输入向量,定义弹性损伤系数与塑性损伤系数,分别作为神经网络的输出值。通过数值模拟的方法获得多种损伤工况下的训练样本用以训练网络,建立特征向量和装配柱套筒连接段等效弹性损伤与塑性损伤的对应关系。最后,通过有限元模型获得一系列测试样本用以检测网络的识别能力。结果表明,训练得到的神经网络可以对装配柱钢筋套筒灌浆连接的等效损伤程度进行识别,为实际工程中的检测提供了参考。     

基于小波神经网络的锚杆锚固质量分析

敲击-回波法正广泛应用于锚杆锚固质量的无损检测中，该方法中存在诸多的影响因素，因此很难直接根据实测的时程曲线对锚杆锚固质量进行准确的人工判读。首先，将小波分析和人工神经网络结合起来，采用数值模拟得到锚杆外端部的动态响应并进行小波分析，从各分量中提取特征向量；然后，将这些特征向量输入人工神经网络进行训练。分析结果表明，训练后的神经网络能根据实测信号的特征向量对锚杆锚固质量进行智能化分类。     

基于小波包能量变异最值指数的RC框架损伤识别

小波包变换可以将振动信号按任意时频分辨率分解到不同频带,而各频带信号的能量变化包含着丰富的损伤信息。结合八层框架模型模拟地震振动台试验结果,对不同工况下的结构加速度时程响应进行小波包分解和重构,得到小波包能量谱。对不同频带下的小波包能量谱进行统计分析,利用小波包能量变异极值指数对框架结构的损伤进行评定。结果表明:损伤程度不同,小波包能量变异极值指数明显不同。因此可将小波包能量变异最值指数作为损伤程度的指标进行损伤识别。     

小波分析与神经网络在结构多处损伤监测中的应用

采用小波分析对获得的结构动力响应进行小波分解，根据各种响应信号对损伤的灵敏度选择损伤特征，从而识别结构多次出现损伤的时刻，实现对结构损伤时刻的监控；对结构第1层加速度响应信号做小波包分解，得到各频段能量的特征向量，作为特征参数输入到BP神经网络中实现结构多处损伤位置和程度识别。模拟算例表明，小波分析和BP神经网络联合运用能准确地诊断结构多处损伤的时刻、位置和程度，具有一定的可行性。     

单层网壳损伤识别理论与试验研究

结构损伤识别可以归结为结构损伤参数的模式识别问题.对结构响应信号进行小波包分解可以获得各频带的信号能量,将此特征向量作为输入,利用支持向量机强大的模式分类功能,可以实现结构的损伤识别.在环境振动下,对1/10比例的单层网壳模型进行损伤识别试验,将不同的杆件沿径向进行相应程度的截面切割用以模拟不同程度的损伤状态.对不同损伤情况的加速度样本进行三层小波包分解,以相应频带的信号能量作为输入建立支持向量机,利用支持向量机对未训练样本的信号能量进行损伤分类.试验结果表明该方法简便准确,验证了小波包和支持向量机方法用于损失识别的有效性.     

小波分析在结构损伤检测中的应用

通过一根实测简支梁的振动信号,利用小波包分解技术进行损伤识别研究,识别得到不同频带上的能量比分布,分析了8种损伤工况下的频带上的能量比分布变化,得出了一些初步的结果。     

基于数值模拟的顶板围岩损伤过程 动力响应信号的能量分析

 通过室内相似模型试验,模拟金属矿山巷道顶板从稳定状态到损伤发展直至顶板冒落的过程,利用封装应变传感器的光纤光栅锚杆监测振动信号,记录不同围压、不同冲击振动强度下裂隙顶板与完整顶板响应信号,利用小波变换提取信号的频带能量分布特征。根据室内试验对光纤光栅用于顶板稳定性监测的研究成果,利用径向基函数神经网络对监测时间序列进行预测,并基于频带能量的观点,利用Matlab建立不同损伤条件下的瞬态冲击信号评估系统,并对一段连续信号进行分析。损伤顶板振动响应信号的频带能量受到裂隙开展的影响,与完整顶板相比,出现明显的频带尖点,能量峰值从高频向低频移动。基于小波频带能量的围岩顶板稳定分析方法,首先,利用小波分解各频带能量分布特征,并通过分解结果中应力波的能量衰减程度可判别出岩体中是否存在裂隙;其次,利用小波分解后各频带能量比和归一化能量比来确定损伤程度和裂隙开展状态,为金属矿山巷道顶板稳定性监测提供了一种较为可靠的方法。     

倒谱参数稀疏分解下的汉语音谎言检测

为了提高汉语语音的谎言检测准确率,提出了一种对信号倒谱参数进行稀疏分解的方法。首先,采用小波包滤波器组对语音信号进行多频带划分,求得子频带对数能量并进行离散余弦变换以提取小波包频带倒谱系数,结合梅尔频率谱系数得到倒谱参数;其次,依据K-奇异值分解方法分别利用说谎和非说谎两种状态下的语音倒谱参数集训练得到过完备混合字典,在此字典上根据正交匹配追踪算法对参数集进行稀疏编码提取稀疏特征;最终进行多种分类模型下的识别实验·实验结果表明,稀疏分解方法相比传统参数降维方法具有更好的优化性能,本文推荐的稀疏谱特征最佳识别率达到78.34%,优于其他特征参数,显著提高了谎言检测识别准确率。     

基于小波分形特征与模式识别的矿山微震波形识别研究

在前人研究的基础之上,探讨,验证了矿山微震信号的分形特征,并根据微震信号的特征确立了相关的无标度区间及分形盒维数算法.利用矿山爆破振动,岩石破裂及电磁干扰3类信号频谱分布不同这一特征,结合小波分析与分形理论,通过MATLAB编制相应程序,对3类信号进行了5层小波包分解,求取了指定特征频带上重构信号的分形盒维数.以该盒维数为信号特征,建立23维特征向量,通过SVM支持向量机对300组矿山现场微震信号进行了训练和分类识别.研究结果表明特征频带上的分形盒维数与信号的整体盒维数接近,表明特征频带上的分形盒维数表征了整体的分形特征;3类信号具有明显分形特征,电磁干扰信号最为明显;SVM识别网络识别微震信号,识别正确率高,但运算速度及识别效率仍有待提高.     

基于BP神经网络的单桩极限承载力预测

从基桩高应变动测试验的结果中提取特征参数,组成反映基桩竖向承载力的特征向量,利用BP神经网络的非线性映射特性和学习能力,建立了特征向量和单桩竖向极限承载力之间的一种对应关系,实例研究表明,人工神经网络的预测结果比凯司法更接近静载试验结果,因此,此方法有一定的工程实用价值。     

基于小波分析和神经网络的静力触探土类划分

利用小波分析和BP神经网络,建立一种用于基于静力触探数据进行土类划分的神经网络模型。该方法基于实测数据,利用小波分析获得不同土层触探参数的特征值,并用BP神经网络建立特征值与土类之间的映射关系,从而得到BP神经网络分类模型。结果表明,该方法可以有效地进行土类划分。     

基桩低应变反射波法典型时域信号识别技术研究

根据检测实践和现场试验结果,对低应变反射波法检测中经常出现的典型时域信号进行了分析研究。结果表明,传感器粘贴好坏、盲区内浅部缺陷、长桩段扩颈现象、桩周土中软硬夹层的组合特性及嵌岩桩桩底岩土特性变化等,在检测曲线上均具有典型的反射信号。正确认识这些反射信号的特征,可以保证基桩低应变反射波法的检测效果。     

小波多分辨方法在基桩检测中的应用

介绍了小波多分辨分析理论,利用小波多分辨分析方法,对桩基检测信号进行5层分解,利用分解的频带信息,指导信号滤波,消去高频干扰,利用细节信号提高了数据分析处理的质量以及桩基检测的分辨率和准确率。     

土对桩中波传播特性影响及小波分析研究

采用数值分析方法，对桩周土模量及阻尼系数对桩中波速及幅值衰减系数影响规律进行系统研究，结果表明，波速随桩周土模量增大而增大，随阻尼系数增大而变小；波幅衰减系数随土模量和阻尼系数增大而增大，衰减系数与波速间近似成负线性相关规律。数值计算及实测资料表明，随着激振力脉冲长度增大，波传播速度变大，吸收系数变小。不同频率成份波传播特性的差异，表明桩周土对波具有频散和耗散特性，土的频散与耗散特性可以采用小波分析技术来研究。     

基于小波分析与支持向量机的地铁隧道沉降预测

根据地铁隧道监测点沉降变化中非线性、不确定、时变性的特点,建立了基于小波分析的支持向量机预测模型。首先运用小波分析将监测点沉降序列分解为低频近似分量和高频细节分量,然后对各分量分别进行支持向量机预测,最后将各分量预测结果进行小波重构得到监测点的沉降预测曲线。预测结果表明,在相同样本数和短周期预测条件下,Wavelet—SVM模型的预测精度优于BP神经网络方法。对地铁沉降监测提前进行预警预报有一定的参考价值。     

大直径变截面桩速度波衰减特性研究与应用

针对大直径桩在低应变测试中的三维效应和缺陷量化分析问题,建立变截面桩–成层土耦合振动模型,考虑桩身的三维波动,通过建立层间递推关系求解得到桩身任意位置纵向振动响应的频域解析解,并利用傅里叶逆变换得到时域内半解析表达。在此基础上,分别针对完整桩和缺陷桩,探讨不同条件下桩身入射速度波沿径向和纵向的幅值和走时变化规律。最后通过现场试验对某混凝土灌注桩的桩顶及桩身内部纵向振动响应进行测试,验证了本文解的合理性。理论与试验结果表明:(1)中心瞬态激振条件下大直径桩的三维效应显著,其影响深度与桩顶激振力的作用面积和持续时间相关;(2)速度波沿桩身的纵向衰减特性能够较好地反映出桩身完整性和桩侧土阻力特性,这一研究结果能够为基桩完整性检测提供一种新的思路和方法,具有一定的工程应用价值。     

模型参数误差对用神经网络进行结构损伤识别的影响

通过理论推导得到了模型参数误差对损伤引起模态参数改变的贡献的表达式,用该式可指导神经网络输入参数的选择和输入向量的构造.理论分析表明,适当地构造输入向量,可以减小模型参数误差对结构损伤识别的影响.在采用BP网络和合适的输入向量后,还用数值模拟的方式对一榀六层框架的损伤识别进行了确定性研究和概率分析,结果表明,用神经网络进行结构损伤识别,受模型参数误差的影响很小,在训练神经网络时,10%的模型参数误差是可以接受的.最后,用一个两层钢框架的实验数据验证了神经网络在有模型误差时的识别能力.     

单桩完整性动测专家系统

介绍一种基于神经网络的方法建立专家系统进行单桩质量诊断 ,测试结果表明 ,这种方法是可行的 ,它利用了神经网络存储专家经验 ,具有渐进的学习功能 ,可不断的增加新的实测样本来提高专家系统的诊断能力 ,使许多非常复杂的问题得以解决