用于填石路堤密实度检测专家系统研发.docVIP

用于填石路堤密实度检测专家系统研发 　　摘要：随着社会的发展，人们对工程施工的要求越来越严格，填石路堤的无损检测也随之被提上日程，以往在检测的时候方法陈旧既费时间又费人力。基于以上问题，发明了一种以神经网络为基础的填石路堤检测专家系统。通过对专家系统（基本结构、知识获取、神经网络）的基本原理及推理机等的工作原理进行研究，并根据研究作出一系列的开发工作。 　　关键词：神经网络；填石路堤；密实度检测；专家系统 　　中图分类号：U416 文献标识码：A 文章编号：1009-2374（2012）03-0052-02 　　 　　一、概况 　　近十年来，虽然我国公路交通得到了很大程度的发展。可是其发展范围并不是很全面，主要还是集中分布在比较发达的地区。这就出现了交通网结构不合理、不科学的状况。比较落后的中西部地区交通状况仍然得不到根本的转变。作为“西部大开发战略”的一部分，我国将在西部地区修筑公路35万km。然而由于我国地势分布不均，呈现西高东低，中部丘陵，西部海拔较高，山势险峻，石崖密布的形势，石料成为西部山区高等级公路修筑的最佳选择。 　　 　　针对西部地区丘陵、山地的状况，在高等级公路修建的时候必须使用开方石料或其它弃石料填筑路堤，这样做的出发点是：（1）有利于就地取材，少占耕地，便于提高社会经济效益；（2）石料具有透水性强、抗剪强度高、压实密度大、沉陷量小等工程特性。但是在使用过程中也会出现缺点：例如，填石路堤由粒度成分不同的块石组成，孔隙率大，且不同岩石的物理力学性能不同，在路基和路面的重力及行车荷载作用下，加上自然环境等因素的影响，使填石路堤的石料有可能被压碎、重新排列、挤密，产生沉降、收缩等不均匀变形，很易造成局部或大面积滑坍。 　　以往，公路部门所制定的规则如：填方材料的压实特性、检测标准等都是以细粒为依据的，有关填石路堤的压实特性和检测标准方面的试验和研究非常微弱。正因为填石路堤的这种特质，使施工人员在设计、施工、检测的时候会出现很多困难，最终致使石质填料在使用时造成不便。因为目前在填石路堤密实度的检测方面，还未找到??学合理的方法，所以在公路的工程质量上，就要求施工人员必须成分认识和了解填料的工程性质，只有这样才能把损失缩减到最小。 　　二、神经网络专家系统的基本原理 　　近年来，一种新的方法――人工神经网络检测法的出现为填石路堤的检测做出了很大贡献。神经网络在成分研究经验样本的基础上，并对其以权值和阈值的形式进行储存。所谓网络输入通常是指被诊断对象的特征，而输出则是指检测结果。专家系统是以符号为前提的推理系统，其不足之处是知识获取麻烦，优点是拥有解释功能。所以，应用研发基于神经网络的填石路堤压实度检测的专家系统，在检测方面既科学又有效。 　　 　　（一）检测系统的基本结构 　　基于神经网络的填石路堤检测专家系统基本结构如图1所示。使用VB6.0制作人机界面，利用其优质的窗口功能来完成用户输入、输出。 　　（二）知识的获取 　　此系统分为静态和动态两种。所谓静态知识是知识工程师通过对领域专家的诊断知识做产生式输入，其中主要包括网络结构、样本集知识和专家诊断知识。动态知识则是运用样本学习来取得权值和阈值知识、节点值和误差等知识。因为系统具有记忆的功能，它在完成一个诊断后，能够自动记忆，总结出新的诊断方法，是知识库的内容可以不停的得到优化和丰富。 　　（三）神经网络的基本原理 　　三层网络结构模型如图2所示。其组成成分主要是输入层、隐含层和输出层。（1）输入层，以接收信息为主，即为经过归一化处理计算出的检测特征值。Z=（Z1，Z2，…，Zn）。（2）隐含层，把接收到的信息进一步进行学习和处理，再以权值和阈值的方式分别接入输入层、输出层。选用S型函数Sigmoid函数，以完成输入模式到输出模式的非线性映射。（3）输出层，其节点数字为m，也就是检测对象模式的总数，如图：如果第j个模式的输出为Oj=[00...010...00]，那么表明第j个节点输出值应为1，其他的都记为0，结论是第j个检测对象是切实存在的。反之，如果输出全为0就证明无检测对象 　　出现。 　　（四）推理机 　　系统在进行数据处理的时候使用的是正向推理方法，通过输入检测对象的特征值，从而得出隐含层神经元的输出，并以此作为输出层的输入，再得出输出层神经元的输出，根据阈值函数来证明输出层神经元的最后结果。如果阈值为Φ，那么输出神经元yjΦ（j=1，2，…，m），证明被检测对象的特征与专家系统是相符合的。相反，如果若输出神经元接近于0，就证明专家系统与被检测对象是不相符的。 　　三、专家系统的研发 　　（一）系统的设计原则 　　填石路堤检测专家系统是以自行检测“虚拟样机”为基础，在已有的检测办法的基础上进一步分析研究