力學(xué)大會2015集基于神經(jīng)網(wǎng)絡(luò)的寬頻導(dǎo)波檢測錨桿性

摘要：本文結(jié)合小波包分解技術(shù)與神經(jīng)網(wǎng)絡(luò)，提出了寬頻導(dǎo)波檢測錨桿完整性的方法，數(shù)值模擬結(jié)果驗(yàn)證了該方法的有效性。首先，本文利用ANSYS-LSDYNA進(jìn)行了數(shù)值模擬，法噪聲水平小于40%的檢測信號，具有較好的識別結(jié)果。桿施工質(zhì)量的新型無損檢測方法越來越受到研究人員和工程師的關(guān)注[1,2]?？紤]到超聲導(dǎo)波具有距離長、可檢測深埋構(gòu)件的特性，將超聲導(dǎo)波[3]技術(shù)的引入為錨桿的無損測提了有利的條件。在導(dǎo)波檢測過程中，需要預(yù)先設(shè)定導(dǎo)波模態(tài)，而這個(gè)過程的選擇具有一定盲目性，需要進(jìn)行大量的反復(fù)試驗(yàn)，耗時(shí)又耗力。由于錨桿中不同缺陷形式對不同頻率的敏感特性，本文將寬頻信號[4]作為激勵(lì)信號，獲取超聲導(dǎo)波檢測信號，并進(jìn)行小波包分解[5,6]，得到小波包能譜，將小波能譜作為特征向量輸入BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練，根據(jù)損傷位置設(shè)定BP網(wǎng)絡(luò)的輸出目標(biāo)，進(jìn)行網(wǎng)絡(luò)訓(xùn)練，訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)，以獲得適用于錨桿檢測的神經(jīng)網(wǎng)絡(luò)識別方法。 如圖1所示，選用錨桿模型為全長砂漿錨固巖石錨桿，錨桿直徑為0.02米，全長1.50.30.02米，Ansys-LsdynaSOLID164單元，利用Lines命令進(jìn)行網(wǎng)格劃分并采用Lsdyna進(jìn)行分析[7]。露端0.01米處進(jìn)行接收。f(x)

f

BP神經(jīng)網(wǎng)絡(luò)，利用錨桿超聲導(dǎo)波0.015m為步長，每組剝離位置共10條測試信號，分別標(biāo)記為I-1,I-2…I-101,II-2,II10，IV-1,IV-2,…IV-104個(gè)位置，40圖形。將信號進(jìn)行小波包4層分解，得到16個(gè)頻帶，每個(gè)頻帶對應(yīng)的能譜作為一個(gè)特征向s0 E162不同測試信號圖譜。如圖3為有缺陷錨I-7與完好錨桿的能譜對比圖[8]：完18.75kHz-20.312kHz20.312-21.875kHz內(nèi)，有缺陷錨桿比完好錨桿的能譜值大，而在頻帶0-15.625kHz、15.625-31.25kHz、31.25-46.875kHz、93.75-109.375kHz、12.5-14.063kHz、14.063-15.625kHz15.625-17.188kHz17.188-18.75kHz21.875-23.438kHz以及23.438-250kHz以有效地建立這一特征和損傷位置之間的關(guān)系。為了進(jìn)行網(wǎng)絡(luò)訓(xùn)練，選擇每組位置任意8條2若以錨桿反射分解后得到的16個(gè)能量普數(shù)值作為輸入?yún)?shù)，以錨桿不同位置的men1 en16可以看出如果去構(gòu)造一個(gè)函數(shù)的話，m將是一個(gè)復(fù)雜的非線性函數(shù)，確定其表達(dá)式幾乎是不可能的，神經(jīng)網(wǎng)絡(luò)正好是一種可以模擬非線性輸入輸出關(guān)系的有效工具，將eni作為網(wǎng)絡(luò)輸入層神經(jīng)元，m作為網(wǎng)絡(luò)輸出層神經(jīng)元，建立錨固系統(tǒng)無損檢測的BP神經(jīng)網(wǎng)絡(luò)模型。對于一般的模式識別問題，三層網(wǎng)絡(luò)就可以很好地被解決。在此，建立的三層網(wǎng)絡(luò)中，隱含層神經(jīng)元個(gè)數(shù)n2和輸入層神經(jīng)元個(gè)數(shù)n1之間有以下近似關(guān)系n22n1由此，可以按照如下方式來進(jìn)行網(wǎng)絡(luò)的設(shè)計(jì)，網(wǎng)絡(luò)的輸入層神經(jīng)元個(gè)數(shù)為16層神經(jīng)元個(gè)數(shù)為4個(gè)，隱含層的神經(jīng)元個(gè)數(shù)近似為33定的，需要經(jīng)過實(shí)際訓(xùn)練的檢驗(yàn)來不斷調(diào)整。經(jīng)過訓(xùn)練，在隱含層的神經(jīng)元個(gè)數(shù)為35時(shí)，在此BP網(wǎng)絡(luò)中，網(wǎng)絡(luò)的輸入向量范圍為[0,1]，隱含層神經(jīng)元的傳遞函數(shù)采用S型正切函數(shù)tansig()，輸出層神經(jīng)元傳遞函數(shù)采用S型對數(shù)函數(shù)logsig()。網(wǎng)絡(luò)訓(xùn)練過程就是一個(gè)不斷修正權(quán)值和閾值的過程，通過調(diào)整，使網(wǎng)絡(luò)的輸出誤差到最小，滿足實(shí)際應(yīng)用的要求。圖 如圖4所示，在每種工況下取任意8組數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練，剩下的兩組進(jìn)行預(yù)測。在此，由剝離區(qū)域 (100 剝離區(qū)域II:(010剝離區(qū)域III:(001 剝離區(qū)域IV:(00012q12qdkyn2mse dnk表示輸出層第n個(gè)節(jié)點(diǎn)的期望輸出，ynk表示網(wǎng)絡(luò)實(shí)際輸出，q表示輸出神經(jīng)元5差變化曲0.001BP神經(jīng)網(wǎng)絡(luò)模型具有良好的損傷預(yù)測識別檢驗(yàn)準(zhǔn)確性，網(wǎng)絡(luò)為了驗(yàn)證所訓(xùn)練的網(wǎng)絡(luò)可進(jìn)行剝離區(qū)域識別，利用上述訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)對未參加過訓(xùn)練的8組數(shù)據(jù)（每種損傷位置2組數(shù)據(jù)）進(jìn)行預(yù)測.在實(shí)際工程應(yīng)用中，在信號獲取和傳輸過程中會有噪聲影響，故對其進(jìn)行加噪處理，噪聲模型如式(4.1)s's 其中，s'表示含噪聲信號，s表示動態(tài)響應(yīng)信號，N表示滿足(0,1)正態(tài)分布的隨機(jī)數(shù)組，S表示動態(tài)響應(yīng)信號s的標(biāo)準(zhǔn)方差，Ep表示噪聲水平。表2所示為不含噪聲的識別結(jié)果2網(wǎng)絡(luò)預(yù)區(qū)域 區(qū)域 區(qū)域 區(qū)域520%3可知，在一定的噪聲水平范圍內(nèi)仍舊有50%噪聲時(shí)的識別結(jié)果如表4。3噪后網(wǎng)絡(luò)預(yù)測結(jié)區(qū)域 區(qū)域 區(qū)域 區(qū)域

輸出結(jié)果可能為I、III，損傷識別結(jié)果不好。而噪聲水平為50%時(shí)，I-7輸出結(jié)果為：（0.2846,0,0.9206,0），輸出結(jié)III::(0010)，預(yù)測錯(cuò)誤通過多組計(jì)算實(shí)驗(yàn)，得出在噪聲水平超過40%時(shí)，損傷識別結(jié)果不佳。因此，在一定的噪聲水平范圍內(nèi)，該BP網(wǎng)絡(luò)對錨桿無損檢測的預(yù)測模型合理，錨桿缺陷預(yù)測數(shù)據(jù)可靠，可以用于工程中對錨桿剝離缺陷無損檢測的預(yù)測。本文結(jié)合小波包分解和人工神經(jīng)網(wǎng)絡(luò)發(fā)展了一種寬頻超聲導(dǎo)波檢測錨桿錨固完整的無損征向量輸入人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，其結(jié)果表明：1、錨桿錨固質(zhì)量可由寬頻信號的不同頻帶敏感性進(jìn)行檢2、網(wǎng)絡(luò)誤差為 時(shí)，可獲得較好的識別結(jié)果，驗(yàn)證了錨桿無損檢測的合理性3、噪聲水平不超 40%時(shí)，仍然可以獲得較好的識別結(jié)果參考文1，，.巖土錨固技術(shù)手冊[M].：人民交通WANGMing-wu,WANGHe-ling.Nondestructivetestingofgroutedboltssystem[J].JournalofGeotechnicalEngineering,2001.23(1):109-113.ShrutiSharma,AbhijitMukherjee.Ultrasonicguidedwavesformonitoringthesettingprocessofconcreteswithvaryingworkabilities.ConstructionandBuildingMaterials72(2014)358–3664，，.基于寬頻激勵(lì)的管型結(jié)構(gòu)導(dǎo)波檢測機(jī)械工程學(xué)報(bào)，2014,50（18）23- 5，，夏軍等.基于 GaryG.Yen,SeniorMember,IEEE,andKuo-ChungLin.WaveletPacketFeatureExtractionforVibrationMonitoring.IEEETRANSACTIONSONINDUSTRIALELECTRONICS,VOL.47,NO.3,JUNE20007剛.LS-DYNA有限元分析及仿真.重慶電子工業(yè)SignalProcessingToolboxTM6User’sGuide,TheMathWorks,Inc, Anchorultrasonicnondestructivedetectionbasedonwaveletneuralnetworkmethod Zhang ChangCombiningwaveletpacket positionandneuralnetwork,thebroadbandultrasonicguidedwavewasusedtoinspecttheanchorintegrityinthispaper.Thesimulationresultsshowedthefeasibilityoftheproposedmethod.TheinspectionsignalswerecalculatedbyANSYS–LSDYNA,whichissubjectedtomore-sineexcitationatthetopofthebolt.Fourtypicaldamagecasesareconsidered,and10testsforeachdamagecases.Eighttestedsignalswereusedtotrainingtheneuralnetworkandtwotestedsignalswereusedtoverifythefeasibilityoftheneuralnetwork.Furthermore,thetestedpollutedbynois