锚杆无损检测(应力波反射法)原理要素.ppt

* 小组成员： 高松 郑月敏 锚杆无损检测(应力波反射法)原理 1、锚杆图片模型 2、简单的分类 3、利用BP神经网络进行锚杆承载力智能预测 4、锚杆无损检测 对综放回采巷道围岩变形进行预测，有利于巷道支护设计和科学管理。综放回采巷道为一复杂的非线性系统，其支护方案选择与其影响因素之间、围岩变形量与其影响因素之间为复杂的非线性关系。对于这类问题，神经网络具有较高的建模能力，能真实刻画所求问题与其影响因素之间的非线性关系。我们希望能够设计出一套更优的算法，优化训练结果，使预测更准确。 模糊逻辑，专家系统，神经网络，学习控制，还有一些智能优化方法，比如遗传算法，粒子群优化算法，蚁群优化算法，人工免疫算法，分布估计算法等。 锚杆支护实质上是把锚杆安装在巷道的围岩中，使层状的、软质的岩体以不同的形态得到加固，形成完整的支护结构，提供一定的支护抗力，共同阻抗其外部围岩的位移和变形。 分类 (1)木锚杆。我国使用的木锚杆有两种，即普通木锚杆和压缩木锚杆。(2)钢筋或钢丝绳砂浆锚杆。以水泥砂桨作为锚杆与围岩的粘结剂。(3)倒楔式金属锚杆。这种锚杆曾经是使用最为广泛的锚杆形式之一。由于它加工简单，安装方便，具有一定的锚固力，因此这种锚杆在一定范围内至今还在使用。(4)管缝式锚杆。是一种全长摩擦锚固式锚杆。这种锚杆具有安装简单、锚固可靠、初锚力大、长锚固力随围岩移动而增长等特点。(5)树脂锚杆。用树脂作为锚杆的粘结剂，成本较高。(6)快硬膨胀水泥锚杆。采用普通硅酸盐水泥或矿渣硅酸盐水泥加入外加剂而成，具有速凝、早强、减水、膨胀等特点。(7)双快水泥锚杆。是由成品早强水泥和双快水泥按一定比例混合而成的。具有快硬快凝、早强的特点。 目前，在人工神经网络的实际应用中，绝大部分的神经网络是采用 BP 网络和它的变化形式，它也是前向网络的核心部分。BP(Back Propagation)网络，即误差反向传播神经网络，它是在模式分类器中用的最多的一种神经网络。锚杆承受拉力的能力，一方面取决于预应力筋的截面积和抗拉强度，另一方面，则取决于锚固体的抗拔力。锚固体的抗拔力事先不易准确确定，它与许多因素有关，如锚固体几何形状、传力方式、岩土体的渗透性、灌浆压力及上覆层厚度等。当用一个含有丰富频率成份的信号作为输入对锚固系统进行激励时，由于系统的结构组成及其它物理力学性质不同，对各频率成份的抑制和增强作用发生改变，输出信号各频率成份的能量中，包含着丰富的信息，某种或某几种频率成份能量的改变即代表了一种锚固状态。因此，在锚固质量的应力波探测中可用声时、幅值、波形等声参数作为判断的依据，若再加上实测到的弹性波的频谱（振幅谱、相位谱、能量谱等）资料，可以得到比用单纯弹性波速反映岩体结构状态更有效的资料。 锚杆的极限承载力预测在工程中的应用采用低应变动测的五个数据:锚固长度L、锚固体的截面直径 R、阻尼自振基频 f1、锚固波速 C0和等效粘滞阻尼系数β，作为网络输入层五个神经元的输入数据β,锚杆的极限承载力 Qu作为网络输出层神经元的期望输出，在能达到同样效果的情况下使网络尽量简单，BP网络设有一个隐层。 图中，P为输入向量，R 为输入数，Q 为输入矢量(样本)，W1，b1和W2，b2分别为第 1 层、第2层神经元的权值和阈值，S1，S2 分别为第 1 层、第 2 层神经元数，al和 a2 为输出向量。 本例中，R=5，Q=5，S1=7，S2=1。 接收波的阻尼自振基频可通过测量接收波周期的方法来计算，或通过对实测响应的离散傅氏变换获得。地层的等效粘滞阻尼系数的估计值为 (式 1) 式中，ai，ai+1，为振动响应第 i 个振幅峰与第 i+1个振幅峰值。样本中的极限承载力是通过静载抗拔试验获得的。“国家体育总局航海运动学校经营用房及博物馆”工程位于青岛市南海路6号，选取7根锚杆(图 2)的低应变动测及现场拉拔试验参数作为数据样本，其中5根(6～10 号)，用于训练样本,2根（1号、5号）作为检验样本，来验证利用训练好的BP神经网络预测锚杆抗拔力。6～10号共 5 根锚杆的动测数据如表 1 所示：将样本集的数据代入 BP 网络中，采用 Leven-berg-Marquardt 优化算法，经过训练后，网络 LA、LB、LC层各神经元之间的权值如图 3 所示：训练后神经元节点之间的输入、输出值。训练后神经元节点之间的输入、输出值结果如图4。经过训练后的 BP 网络就具有联想功能，可以对工