基于Sym小波和BP神经网络的基桩缺陷+智能化识别.pdfVIP

第 26 卷 增 1 岩石力学与工程学报 Vol.26 Supp.1 2007 年 7 月 Chinese Journal of Rock Mechanics and Engineering July ，2007 基于Sym 小波和BP 神经网络的基桩缺陷 智能化识别 刘明贵，岳向红，杨永波，李 祺 ( 中国科学院 武汉岩土力学研究所，湖北 武汉 430071) 摘要：为提高基桩低应变动测信号的分析水平，采用一种新的时频域分析方法——小波分析。利用 Sym 小波对基 桩速度响应时程曲线进行小波分解，对指定频带上的信号分量进行特征值提取，提取的特征值为反映各频带范围 内体现能量分布的功率谱均值，提取的特征值可构成反映信号特征的特征向量，同时利用 BP 人工神经网络的非 线性映射特性建立特征向量和基桩缺陷类别之间的一种对应关系。通过数值模拟的方法可以得到大量不同缺陷类 型的基桩的桩顶速度响应时程曲线，对这些数值模拟信号进行小波分解得到的特征向量为神经网络的学习提供大 量训练样本。最后，利用实测信号小波分解后得到的特征向量对训练过的神经网络进行检验，其识别结果表明， 训练后的神经网络能根据实测信号的特征向量对基桩缺陷进行智能化的识别。 关键词：桩基工程；基桩缺陷；小波分析；神经网络；数值模拟；智能化识别 中图分类号：TU 47 文献标识码：A 文章编号：1000 –6915(2007)增 1 –3484 –05 INTELLIGENT IDENTIFICATION OF PILE DEFECT BASED ON SYM WAVELET AND BP NEURAL NETWORK LIU Minggui ，YUE Xianghong ，YANG Yongbo ，LI Qi (Institute of Rock and Soil Mechanics ，Chinese Academy of Sciences，Wuhan，Hubei 430071) Abstract ：To improve the accuracy of the analysis of pile low strain testing signal，the wavelet analysis method which is a new time-frequency analysis method is adopted. The time-history velocity response signal of pile can be decomposed by Sym wavelet. The power spectrum value can be extracted from some specified spectrum range. These values from one signal makes up the characteristic vector representing this signal. The relationship between characteristic vector of pile and pile defect type can be established by using BP artificial neural network. Abundant time-history velocity response signals of pile can be acquired by numerical simulation method. The characteristic vectors of these numerical simulation signals can be used to train the BP artificial neural network as the input