一种基于BP神经网络的桩基缺陷检测方法.pdfVIP

84桥梁结构 城市道桥与防洪 2014年6月第6期 一种基于BP神经网络的桩基缺陷检测方法 魏明强1。张乐婷2 (1．西北民族大学，甘肃兰州730124；2．甘肃交通职业技术学院，甘肃兰州730070) 摘要：通过室内模型试验得到了桩顶部受到瞬态激振作用力下的轴向速度曲线及波形数据，利用回传射线矩阵法编制的程 序验证该速度曲线的正确性，然后将相应的数据输入BP神经网络中进行识别，说明BP神经网络能够较准确地判断桩基缺陷 的类型。 关键词：BP神经网络；桩基检测；缺陷 中图分类号：U443．15 文献标识码：B 文章编号：1009-7716(2014)06-0084-03 程序生成理论波形图，并与试验得到的波形图进 0引言 行对比。 目前，人工神经网络应用最多的模型之一是 1．2室内模型试验的装置 BP神经网络，是能够解决多层神经网络权值修正 本次室内模型试验采用的是低应变反射法， Back 见图1，采用的模型桩的参数如下：混凝土预制 的算法，也称为误差反向传播法(Error m×0．2 桩，桩长为2m，截面为0．2 m的正方形截 Propagation．又．．称BP网络)。它的实质是实现了一个 从输入到输出的映射功能及关系，它不需要预先 面，试验容器采用如图1所示的钢槽。 建立模型和定义所描述映射关系的函数，也不需 要详细了解其内部过程，就可以直接学习并储存 数据输入模式，从而获得输出数据。从数学理论 方面来看，BP神经网络是一种误差逆向传播算 法，也已经证明其具有实现任何复杂非线性映射 的能力，这使得它特别适合于求解内部机制复杂 的问题。 本文通过室内模型试验得到了桩顶部受到瞬 态激振作用力下的轴向速度曲线及波形数据，利 图1室内模型试验装置不薏图 用回传射线矩阵法编制的程序验证该速度曲线的 正确性，然后将相应的数据输入BP神经网络中进 试验仪器主要有：电源、波形接收器、加速 行识别，说明BP神经网络能够较准确的判断桩基 度型传感器等。 缺陷的类型。 1．3室内模型试验的方法 模型试验中加速度传感器的安装时关键，既 1室内模型试验简介 要保证紧密粘贴，又要便于松动变换不同的检测 1。1室内模型试验的概况 位置。 同时考虑桩底土和桩侧土对桩的作用，用小 试验具体操作步骤如下： 手锤在桩顶部施加瞬态激振力，采用加速度传感 (1)粘贴传感器； 器接收加速度时程响应曲线，以辛普森公式为原 (2)传感器、电荷放大器以及示波器之间相 互连接； 理编写MATLAB程序，对实验数据进行处理，将 桩顶部加速度时程响应曲线换算为速度时域响应 (3)测试设备； 曲线，然后通过O呶iIl软件对所生成的波形图进行 (4)敲击桩顶； 拟合。用MATLAB编写理论速度时域响应曲线的 (5)记录数据并进行处理和分析。 1．4室内模型试验结果分析I1-63 收稿时间：2014-02—1