工程锚杆锚固质量的无损检测的研究.pdfVIP

文章编号：1003—5923(2005)03～0036～02 工程锚杆锚固质量的无损检测研究 周黎明，肖国强，王法刚，田月英 (长江科学院岩基所，湖北武汉430010) 摘 要：本文将BP神经网络应用于锚杆锚固质量检测，阐述了BP神经网络的基本原理和算法，并对其 在某水库的应用进行研究，表明了该方法的可行性，完善了无损检测锚杆施工质量的声频应力波法。 关键词：锚杆；无损检测；BP神经网络 中图分类号：TD353．6 文献标识码：A 1 前言 锚杆锚固质量检测常用的方法有“拉拔法”和 “钻孔法”，这两种方法都是破坏性的，操作麻烦，费 用昂贵[11；而锚固质量的声频应力波法是通过时 域、波谱、能量衰减分析锚杆锚固系统中的应力波 反射信息，在锚杆锚固质量检测中具有重要意义。 影响锚杆锚固质量的因素包括锚固段长度、自 图1 BP网络拓扑结构 由段长度、锚固介质类型、锚固介质对锚杆体的握 裹力、施工工艺和围岩类型等，施工质量与这些因 标准的BP算法可描述为： 素的相互耦合、相互竞争使锚固系统(锚杆、锚固介 (1)网络初始化。即对各神经元间的连接权 质和围岩)成为一个复杂的动力学系统。锚固质量 和阀值赋一小的随机函数。 (2)输入学习样本(z：，i一1，A，仇)，首先进行 与以上各因素间存在非线性关系[2]，这样利用这些 来评价锚固质量属于非线性的模式识别问题。 正向传播，计算出各神经元的输出(弘，i一1，^， 神经网络理论是近年来迅速发展的一门非线 竹)，计算公式为： m 性理论学科，它不需要建立相应方程，而是通过自 Yi一厂(三哟：3／7：+谚) 身的学习和调整，获取信息的隐含特征和规则，得 式中产一Sigmod函数： 到问题的解答。因此将技术人员的检测经验和BP ，(z)一(1+g--。)_1 神经网络相结合应用于锚固质量评价分析，可提高 易为输出神经元歹的阀值；％为连接权，如实 检测与评价锚固质量的智能水平和准确率。， 际输出与期望输出之差满足误差要求，则提供新的 2 BP神经网络基本原理 训练样本，重复该过程，否则转入下步。 (3)调整连接权和阀值。计算公式为： 误差反向传播神经网络是目前使用最为广泛 o)ji(￡+1)一∽i(￡)+叩A 的神经网络模型。BP网络的多层感知器是一种层 状结构的前馈神经网络模型，它由一个输入层和一 式中￡——迭代次数； 个输出层以及若干中间隐层组成，每层中的神经元 r学习率，0叩1； 通过可变权与邻层神经元相接，如图1所示。其算 a——动量项，0al； 法由学习过程和预测过程组成。 A，——节点J的误差项。 收稿日期：2005—04—17 基金项目：国家自然科学基金重大资助项目 作者简介：周黎明(1977一)，硕士，2003年毕业于中国地质大学，主要从事无损检测和岩石力学的理论与应用研究。 ·36· 2005．NQ3矿山压力与顶板管理 如果结点J是一个输出点，则： 值误差对网络输入参数的一次导数形成的Jo— A，一YJ(1一YJ)(cJ