排序方式: 共有9条查询结果,搜索用时 15 毫秒
1
1.
基于Sym小波和BP神经网络的基桩缺陷智能化识别 总被引:1,自引:0,他引:1
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. 相似文献
2.
3.
4.
5.
砂浆锚固岩石锚杆在张拉荷载下的轴向应力和剪应力分布非常复杂,为了研究这一问题已经进行了大量的试验,根据这些试验得到的应力分布曲线和相关结论,用比较简单的数学表达式对锚杆交界面上的复杂的剪应力分布情况进行理论描述。在交界面已经破坏的部分,剪应力近似为0,随着锚杆埋深的增加剪应力由0线性增加到其抗剪强度,然后再呈指数形式衰减到0。根据上述数学描述进行实例计算,计算得到的轴向应力和剪应力分布曲线与实测应力分布曲线基本吻合,表明用数学表达对锚杆交界面上的剪应力分布情况进行比较准确的描述是切实可行的。 相似文献
6.
7.
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。 相似文献
8.
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。 相似文献
9.
基于灰色系统理论的锚杆极限抗拔力预测方法 总被引:2,自引:0,他引:2
利用有限的实测数据准确地预测锚杆的极限抗拔力具有重要的现实意义。根据灰色理论建立了锚杆的拉拔荷载—位移关系的GM(1,1)模型。介绍了运用灰色理论在有限的实测数据备件下预测锚杆极限抗拔力以及完整的拉拔荷载—位移关系的方法。通过工程实例的分析计算,说明了该方法具有良好的预测精度,能满足工程实际的需要。 相似文献
1