基于支持向量机的预应力T梁压浆质量无损检测.pdfVIP

第 41 卷第 4 期 中南大学学报(自然科学版) Vol.41 No.4 2010 年 8 月 Journal of Central South University (Science and Technology) Aug. 2010 基于支持向量机的预应力T 梁压浆质量无损检测 张东风，柳建新，谢维 (中南大学 信息物理工程学院，湖南 长沙，410083) 摘 要：利用超声波透射法对预应力 T 梁束孔管道的压浆质量进行无损检测，并采用以高斯函数为核函数的支持 向量机模式识别技术对检测数据进行自动缺陷识别。在检测过程中，首先采用超声波透射法对T 梁的压浆质量进 行无损检测，接着建立 SVM 训练和测试样本库，利用该样本库训练得到 SVM 模型，最后用该模型对检测数据进 行缺陷识别，经对识别结果进行开窗验证。研究结果表明：采用支持向量机算法识别结果准确、可靠；与人工神 经网络算法相比，支持向量机算法在训练速度、可靠性等方面都表现出了优越的性能。 关键词：无损检测；支持向量机；人工神经网络；T 梁 中图分类号：P315.3 文献标志码：A 文章编号：1672−7207(2010)04−1569−05 Nondestructive testing for grouting quality in prestressed concrete T-beam based on SVM ZHANG Dong-feng, LIU Jian-xin, XIE Wei (School of Info-physics and Geomatics Engineering, Central South University, Changsha 410083, China) Abstract: The characters of ultrasonic wave in an un-grouted beam were tested by ultrasonic pulse-velocity method. The grouting quality of a grouted beam was predicted by support vector machines(SVM). Some testing positions were validated after the experimental test. The results show that the predicting results of SVM are correct, and the grouting quality predict method based on SVM has better performance on the aspects of training speed and reliability than artificial neural network (ANN). Key words: ultrasonic testing; support vector machines; artificial neural network; T-beam 预应力混凝土 T 梁作为桥梁的直接承载部位，梁 SVM 在字符识别[2] [3] [4−6] 、文本自动分类 、人脸检测 、 板质量对整个结构来说至关重要[1] 。目前，对多跨预 函数逼近[7−9] 、时间序列预测[10]、非线性系统控制[11]