基于Sym小波和BP神经网络的基桩缺陷智能化识别.docxVIP

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：TU47文献标识码：A文章编号：1000–6915(2007)增1–3484–05INTELLIGENTIDENTIFICATIONOFPILEDEFECTBASEDONSYMWAVELETANDBPNEURALNETWORKLIUMinggui，YUEXianghong，YANGYongbo，LIQi(InstituteofRockandSoilMechanics，ChineseAcademyofSciences，Wuhan，Hubei430071)Abstract：Toimprovetheaccuracyoftheanalysisofpilelowstraintestingsignal，thewaveletanalysismethodwhichisanewtime-frequencyanalysismethodisadopted.Thetime-historyvelocityresponsesignalofpilecanbedecomposedbySymwavelet.Thepowerspectrumvaluecanbeextractedfromsomespecifiedspectrumrange.Thesevaluesfromonesignalmakesupthecharacteristicvectorrepresentingthissignal.TherelationshipbetweencharacteristicvectorofpileandpiledefecttypecanbeestablishedbyusingBPartificialneuralnetwork.Abundanttime-historyvelocityresponsesignalsofpilecanbeacquiredbynumericalsimulationmethod.ThecharacteristicvectorsofthesenumericalsimulationsignalscanbeusedtotraintheBPartificialneuralnetworkastheinputpatterns.Inordertovalidatethisnewanalysismethod，somecharacteristicvectorswhichareextractedfromfieldtestsignalsisused.Thein-situtestsignalsareingoodagreementwithpiledefecttype.Theconclusiondrawnfromthisstudyonthesignalanalysisofpilelowstraintestinghaspracticalsignificancesforthepileintegrityevaluation.Keywords：pilefoundations；piledefect；waveletanalysis；neuralnetwork；numericalsimulation；intelligentidentification的方法[1]。该方法是利用力棒或手锤在桩顶激发出的应力波沿桩身向下传播时，如遇到波阻抗(桩身中的缺陷会引起波阻抗的变化)变化的截面将会发生反射，这不仅引起波形时域信号的改变，而且波形引言1反射波法是目前用于基桩完整性检测的最普遍收稿日期：2007–05–07；修回日期：2007–05–27作者简介：刘明贵(1957–)，男，2000年于中国科学院研究生院获博士学位，现任研究员、博士生导师，主要从事岩土工程无损检测智能化方面的教学与研究工作。E-mail：rsm@whrsm.ac.cn第26卷增1刘明