中国工程论文网
代写工程论文
当前位置:工程论文网 > 电力工程论文 > 基于增长-修剪型神经网络在电力锚杆缺陷识别中的应用

基于增长-修剪型神经网络在电力锚杆缺陷识别中的应用

时间:2018-04-03 23:14来源:www.e-lunwen.com 作者:lgg 点击:
本文是一篇电力工程论文,电力工程(electric power engineering),即与电能的生产、输送、分配有关的工程,广义上还包括把电作为动力和能源在多种领域中应用的工程。
本文是一篇电力工程论文,电力工程(electric power engineering),即与电能的生产、输送、分配有关的工程,广义上还包括把电作为动力和能源在多种领域中应用的工程。(以上内容来自百度百科)今天为大家推荐一篇电力工程论文,供大家参考。
 
第一章 绪 论
 
1.1 选题的背景及意义
近些年来,我国加大了在铁路、隧道、桥梁等建筑的投资。由于受自然灾害或着人为因素的影响,这些建筑将会受到不同程度的破坏,一旦这些破坏超出了它们的极限范围,将造成不可估量的损失和人员伤亡,为了避免这种灾难的发生,人们逐渐把锚杆引入到岩土工程中,目的是通过锚杆来充分挖掘岩土的自身能量,增加它们的稳固性和安全性。锚杆支护系统具有成本低、构造简单、支护性能稳定等优点,因此被广泛应用于许多岩土工程领域。但是锚杆施工过程是隐蔽进行的,加之受场地条件、施工材料以及施工者技术水平的影响,锚杆的质量很难达到设计要求。锚杆存在的潜在缺陷经过日积月累,一旦超过它的承受能力,将会造成巨大的经济损失和严重的工程事故,因此,锚杆质量检测成了一项具有价值性的研究,它对安全检查,保障施工质量具有重要意义和广泛的应用前景。拉拔实验法和取芯法是传统的锚杆缺陷识别的主要方法。拉拔法[1-2]是采用液压拉拔机对锚杆进行拉拔检测,它是一种耗时、费力、破坏性的检测方法。它只适合部分锚杆的检测,对于锚固段较长的锚杆无法识别,而且会在加固段产生很大的扰动,使得锚杆对围岩的加固作用力降低,此方法属于破坏性的检测方法,在实践中未能得到广泛应用。取芯法[3-4]是指用取芯钻把锚杆、锚固介质以及部分岩石沿着平行于锚杆的方向整体取出,用观测方法检测锚杆的质量。虽然取芯法能够提供一些有用的信息,但是它同样属于一种破坏性检测方法,耗资比较大,因此,此方法也没有得到广泛应用。以上介绍的两种方法,都属于破坏性检测方法,并且需要的周期长、耗费大,只能应用于部分锚杆的识别,不能在工程实际中得到广泛应用。因此寻找一种有效的、快速的识别方法是迫切需要的。本文采用一种前馈神经网络自组织算法对锚杆质量进行缺陷识别。此方法主要有以下几个优点:具有非线性映射能力,能够适用于任意复杂的非线性函数;具有智能分类作用,能够对锚杆缺陷进行分类识别,避免了个人评判造成的错误;自组织算法可以简化样本所需的网络结构,降低运算复杂度。所以此方法应用于锚杆质量的缺陷识别中将是一项有价值的研究。
..........
 
1.2 锚杆缺陷识别国内外发展现状
基于传统识别方法的局限性,二十世纪七十年代大量工作研究者开始对锚杆质量进行无损识别技术研究。锚杆无损识别技术的优点是能够保持锚固质量的原有的特性,而且能在很短的时间内完成识别任务,极大的提高了工作效率和工程进度。锚杆质量无损识别技术在近几年取得了很大的成果。在 20 世纪 80 年代,瑞典 H.F.Thurner 提出了超声能量损耗法[5]即用超声波检测锚杆质量的方法,通过比较入射波携带的能量和反射波携带的能量的差值来检测锚杆的密实度。根据此方法 GendynamikAB 公司在 1980 年成功研制出了Boltmeter Versolon 锚杆质量检测仪,但是用超声波法激发时所需的条件比较苛刻、衰减的速度较快,只适合应用于短锚杆,对于种类繁多,长度较长的锚杆难以适用,不能得到广泛应用。随后到 80 年代初期,英国 Aberdeen 大学 Rodger 开发了锚杆测试系统GRANIT[6],原理是在锚杆的自由端安装一个加速度传感器,利用冲击装置在锚杆的端头施加一个激励,反射信号由加速度传感器接收。上世纪 80 年代末,美国矿业局根据发射和接收超声波原理研制了一种顶板锚杆粘结力测试仪[7],用这种测试仪检测锚杆时,不会对锚杆产生破坏作用。1990年,Tadolini[8]发表了关于使用该仪器测试锚杆的应力结果。通过大量实验,澳大利亚教授 Djordjevic 提出了频率响应函数法[9]检测锚固质量。把输出信号的频谱和输入信号的频谱的比值作为频率响应函数。结果显示锚杆质量越好时,频响函数的值越小,自由端频响函数值最大。但是频率响应函数法的测试精度在强干扰噪声的情况下,分析结果会严重失真。尤其是在锚杆的锚固段较长时对锚固质量的分辨率不高。20 世纪末,Vrkljan 提出了用共振频率[10]描述有效的锚固段长度,研究表明对于不同长度的锚杆,它的共振频率和锚固的长度成线性相关。
..........
 
第二章 锚杆缺陷识别的理论基础及实验
 
2.1 锚杆的波动方程
当给锚杆顶端施加一个冲击力时,靠近锚杆顶端的部分会发生形变和应力,在较短的时间内锚杆的末端不会受到扰动,而是从激励点以多次的应力扰动形式逐渐向远处传播,为了更方便的了解纵波在锚杆中的传播过程,对锚杆进行如下的假设:锚杆受到冲击力后,在它的弹性范围内会发生一定的形变,锚杆内所有的应力和质点的形变应满足胡克定律。应力波检测法所需的激励很小,容易控制,所以这一假设是成立的。锚杆各个部分的材料是均匀分布的且方向一致,虽然在砂浆材料的拉伸和压缩特性方面存在着明显的差异,但在弹性的微米范围内可以忽略不计,认为锚杆的材料是均匀的。锚杆受到冲击力发生变形时它的横截面仍保持为平面,沿着横截面只存在均匀分布的轴向应力,即锚杆受到冲力发生振动时,同一个横截面上的质点运动方向一致,相位保持不变,不会出现质点超前或滞后的现象,这一假设只有在锚杆的长度为 l 和锚杆直径为 d 且满足 l/d 大于 10 的情况下才成立。分析锚杆的纵向振动时,由于锚杆的长度 l 和锚杆直径 d 的比值大于 10,可以将其看作一维杆。当锚杆突然受到激励时,靠近激励点的部分锚杆会产生形变和应力,离激励点较远的锚杆未发生形变。因此锚杆各个部分的形变是扰动的形变,它是以弹性波的形式传播的,如图 2-1 所示,同一截面、材料均匀、长度为 L 的弹性杆件,其弹性杆件的横截面积为 A、抗拉强度为 EA(x)、弹性模量为 E,杆体密度为 ρ,在距离锚杆杆头 x 处取一长度为 dx 的微元体,对微元体一端施加一个力 F,则在另一端施加不同大小的受力,锚杆受到力后产生的纵向位移用 u(x,t)表示。根据前面的假设当给锚杆施加一个冲力产生振动时其横截面始终保持为平面,且仅有均匀分布的轴向应力,因此只对微元体 dx 进行分析。
..........
 
2.2 应力波的理论基础
当锚杆端头受到一个冲击力时,靠近锚杆端头的质点将产生形变和应力,远离受力点的质点将不会产生形变和应力,整个锚杆所产生的形变和应力均以应力波的形式传播。因为不同介质的波阻抗不同,所以应力波在传播过程中从一种介质传播到另一种介质时,将会在介质分界面产生反射和透射,当遇到不同介质时应力波所携带的能量一部分继续向前传播称为透射波,另一部分在分界面发生反射称为反射波。图 2-2 表示应力波在锚固介质中的传播示意图:如果锚杆底端是自由的,则应力波产生的反射波和入射波相位相同,如果锚杆底端是加固的,应力波在传播过程中到达锚固段的上界面时会发生反射现象,这时反射波和入射波的相位相反,而透射波沿着锚固段继续向前传播,当到达锚固段下界面时,透射波将会发生反射,此时反射波和入射波相位相同。当自由段的波阻抗小于锚固段的波阻抗时锚杆密实度良好,入射波与反射波方向相反,当自由段的波阻抗大于锚固段的波阻抗时则锚杆密实度松散,入射波与反射波方向相同。因此,根据反射波的相位变化,即可了解锚杆质量的情况。
..........
 
第三章 人工神经网络.........24
3.1 人工神经网络概述......24
3.2 BP 神经网络................24
3.2.1 BP 算法 ................25
3.2.2 BP 算法的分析 ....27
3.3 网络结构和学习率的影响........28
3.4 本章小结........31
第四章 神经网络结构设计...............32
4.1 自适应修剪型神经网络结构设计..........33
4.1.1 自适应阈值前馈神经网络修剪算法 ............33
4.1.2 实验分析 ..............36
4.1.3 工程案例验证 ......42
4.2 自适应增长型前馈神经网络设计..........44
4.3 自适应增长-修剪型前馈神经网络设计.............50
4.4 收敛性证明....54
4.5 本章小结........56
第五章 结论与展望.............57
5.1 结论................57
5.2 展望................58
 
第四章 神经网络结构设计
 
神经网络的结构设计已成为很多学者的研究热点[52]。网络结构影响样本的学习效果,若网络中隐含层神经元个数较少,则不能对样本充分学习;反之,若网络中隐含层神经元个数太多,将会增加网络的计算量,造成网络结构繁琐出现冗余节点。所以合适的网络结构对问题的解决具有决定性作用。目前网络结构中隐含层神经元个数的确定主要有三种方法:(1)网络剪枝法网络剪枝法(又称为修剪算法):在训练初始时构造一个含有冗余节点的网络结构,根据一定的限制条件在训练过程中删除网络中不重要的节点及与其相关的权值。通过修剪算法简化网络结构,提高网络性能和识别效果,直到找到满足网络误差要求的最小网络结构。(2)网络增长法训练初始时给定一个比较小的网络结构,训练过程中根据网络性能的要求不断的增加隐含层节点。在增加隐含层节点过程中实现了对网络结构和参数的调整,提高了网络的自适应性,同时降低了网络陷入局部最小值的可能性。但是随着隐含层节点个数的增加,网络的规模也越来越大,计算量也将随之增加。(3)网络综合法初始时给定一个结构简单的网络,在训练过程中根据贡献率判断隐含层神经元贡献值的大小,将贡献值大的神经元按细胞分裂的方式增长。当增加到一定程度时,网络性能不再提高,但还是没有达到精度要求,考虑是否增长过度出现了过拟合,若是则可通过显著性指数对网络进行删减判别。网络综合法即将两种方法综合使用,训练网络直到满足误差要求。它能克服前两种算法的不足,但是算法相对复杂,学习时间也较长。
..........
 
结论
 
目前,锚杆已在各个领域如桥梁、隧道、建筑等方面应用越来越广泛。但是在施工的过程中,由于场地和施工技术等因素的影响,锚固系统会产生许多缺陷,并且锚杆的施工过程是隐蔽进行的,一旦出现质量问题,处理起来相当困难,因此,锚杆系统能否起到安全支护作用是人们关注的重点,所以,对锚杆的缺陷识别是一项很有价值的研究。而人工神经网络具有智能分类的作用,它能够对锚杆的缺陷进行识别分类。基于应力波反射法,对锚杆加速度信号进行数据采集;根据基本的神经网络原理设计网络结构,主要通过改进自组织算法来对锚杆进行分类识别,并和采用基本神经网络得到的识别结果作对比。本文主要完成了以下几个方面:
(1)分析了网络结构和学习率对网络性能的影响,通过反复试凑寻找最优学习率和合适的隐含层神经元个数。
(2)针对基本神经网络在训练时需要事先根据经验值确定隐含层神经元个数的问题,对网络结构进行了自组织设计,主要包括修剪型前馈神经网络结构设计、增长型神经网络结构设计和增长-修剪型神经网络结构设计。在修剪型前馈神经网络中提出了自适应删减阈值,它可以随着隐含层神经元的显著性和神经元个数的变化动态地调整网络结构。增长型神经网络主要通过贡献率来判断隐含层神经元的输出对网络输出的贡献值大小,通过细胞分裂的方式对贡献率大的隐含层神经元进行增长。由于修剪型神经网络在删减过程中容易删减过度,不能充分的学习样本,而增长型神经网络在增长过程中可能出现过拟合,针对这些缺点,本文采用自适应增长修剪型神经网络对锚杆进行分类识别,并验证了其可行性,通过对比,证明了此方法的最优性。
(3)网络的收敛性与网络的学习率和隐含层神经元的个数有关,通过构造李雅普诺夫函数,对其进行收敛性证明,结果表明当学习率和隐含层神经元个数满足一定条件时,网络稳定。
..........
参考文献(略)
(责任编辑:gufeng)
顶一下
(0)
0%
踩一下
(0)
0%
------分隔线----------------------------
发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
栏目列表
点击提交代写需求
点击提交代写需求
点击提交代写需求
推荐内容