锚杆无损检测(应力波反射法)原理专业课件.ppt

;目录;;;; 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。;利用BP神经网络进行锚杆承载力智能预测 ;; 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，可以对工程锚杆极限承载力进行预测，输入需预测工程锚杆的小应变动测参数；计算 LB层各神经元激活值；计算 LC层神经元的激活值。;什么是最优化，可分为几大类？答：Levenberg-Marquardt算法是最优化算法中的一种。最优化是寻找使得函数值最小的参数向量。它的应用领域非常广泛，如：经济学、管理优化、网络分析、最优设计、机械或电子设计等等。根据求导数的方法，可分为2大类。第一类，若f具有解析函数形式，知道x后求导数速度快。第二类，使用数值差分来求导数。根据 使用模型不同，分为非约束最优化、约束最优化、最小二乘最优化。 什么是Levenberg-Marquardt算法？它是使用最广泛的非线性最小二乘算法，中文为列文伯格-马夸尔特法。它是利用梯度求最大（小）值的算法，形象的说，属于“爬山”法的一种。它同时具有梯度法和牛顿法的优点。当λ很小时，步长等于牛顿法步长，当λ很大时，步长约等于梯度下降法的步长。在作者的科研项目中曾经使用过多次。图1显示了算法从起点，根据函数梯度信息，不断爬升直到最高点（最大值）的迭代过程。共进行了12步。（备注：图1中绿色线条为迭代过程）。 图1中，算法从山脚开始不断迭代。可以看到，它的寻优速度是比较快的，在山腰部分直接利用梯度大幅度提升（参见后文例子程序中lamda较小时），快到山顶时经过几次尝试（lamda较大时），最后达到顶峰（最大值点），算法终止。 如何快速学习LM算法？学习该算法的主要困难是入门难。 要么国内中文教材太艰涩难懂，要么太抽象例子太少。目前，我看到的最好的英文入门教程是K. Madsen等人的《Methods for non-linear least squares problems》本来想把原文翻译一下，贴到这里。请让我偷个懒吧。能找到这里的读者，应该都是E文好手，我翻译得不清不楚，反而事倍功半了。 LM算法是介于牛顿法与梯度下降法之间的一种非线性优化方法，对于过参数化问题不敏感，能有效处理冗余参数问题，使代价函数陷入局部极小值的机会大大减小，这些特性使得LM算法在计算机视觉等领域得到广泛应用。 算法流程Levenberg-Marquardt 在LM算法中，每次迭代是寻找一个合适的阻尼因子λ，当λ很小时，算法就变成了GAuss-Newton法的最优步长计算式，λ很大时，蜕化为梯度下降法的最优步长计算式。;9、 人的价值，在招收诱惑的一瞬间被决定。*** 10、低头要有勇气，抬头要有低气。**** 11、人总是珍惜为得到。***** 12、人乱于心，不宽余请。**** 13、生气是拿别人做错的事来惩罚自己。***** 14、抱最大的希望，作最大的努力。**** 15、一个人炫耀什么，说明他内心缺少什么。。***** 16、业余生活要有意义，不要越轨。*** 17、一个人即使已登上顶峰，也仍要自强不息。****;;9、 人的价值，在招收诱惑的一瞬间被决定。*** 10、低头要有勇气，抬头要有低气。**** 11、人总是珍惜为得到。***** 12、人乱于心，不宽余请。**** 13、生气是拿别人做错的事来惩罚自己。***** 14、抱最大的希望，作最大的努力。**** 15、一个人炫耀什么，说明他内心缺少什么。。***** 16、业余生活要有意义，不要越轨。*** 17、一个人即使已登上顶峰，也仍要自强不息。****;锚杆无损检测对比试验研究;1 锚