项目名称: 锚杆受荷条件下声学特征及承载力智能预测方法研究

项目编号: No.51274144

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 矿业工程

项目作者: 孙晓云

作者单位: 石家庄铁道大学

项目金额: 81万元

中文摘要: 锚杆锚固技术是地下工程及边坡治理的重要支护手段,锚固质量的好坏关系着工程质量和安全,目前锚杆承载力的高精度智能检测是该领域面临的世界性难题,因此,本研究对保障地下工程安全等具有重要的理论意义和实用价值。 项目以模式识别、现代信息处理技术、智能控制理论为工具,建立与锚杆力学特性相关的声学特性理论模型,运用数值模拟方法计算锚杆处于不同受荷状态和工作状态下锚杆承载力分布特性和声波传播特性,研究锚杆不同承载力与声波波场的响应关系;研究锚杆承载条件下波场机理,选择表征锚杆-围岩结构系统的参数,利用蚁群算法辨识灰色模型参数,非间隔GM(1,1)灰色模型预测锚杆承载力;利用谱分析对锚杆受力的声波信号与激励信号进行处理,得到频率响应函数,求其特征值,以此作为神经网络的输入,提出基于多源信息融合的锚杆承载力预测方法,为建立锚杆承载力智能检测系统奠定理论基础。

中文关键词: 锚杆;承载力;声学特征;多源信息融合;智能预测

英文摘要: The anchoring technology of bolt is an important supporting means in underground engineering and side slope management. Anchoring quality is one of the key factors influencing engineering quality and safety. Nowadays, it is the difficult in the world for the high precision intelligent detection of bearing capacity. Therefore, our research has important theoretical and practical significance for the safety of underground engineering. The research is about bolt bearing mechanism with the tools of pattern recognition, modern information processing technology and intelligent control. Theoretical model of acoustic characteristics related to bolt's mechanical properties was established, distribution characteristics of bolt' bearing capacity under different loading and working condition were calculated by using numerical simulation method. Bearing capacity of bolt could be predicted with the non-interval GM (1, 1) grey model by ant colony algorithm identification when the parameters of bolt-grout system were suitable selected. Frequency response function between the test signal and input excited signal are pretreated using spectrum analysis, characteristic values are got, which is used to be the input values in a network. A prediction method would be proposed based on multi-source information fusion, so the theoretica

英文关键词: rock bolts;bearing capability;acoustic characteristics;multi-source data fusion;intelligent pridiction

成为VIP会员查看完整内容
0

相关内容

【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
90+阅读 · 2022年4月17日
自编码器导论,26页pdf
专知会员服务
41+阅读 · 2022年1月18日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
41+阅读 · 2021年6月2日
机器学习在信道建模中的应用综述
专知会员服务
27+阅读 · 2021年3月16日
专知会员服务
133+阅读 · 2021年2月17日
多模态视觉语言表征学习研究综述
专知会员服务
191+阅读 · 2020年12月3日
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
【机器学习】深入剖析机器学习中的统计思想
产业智能官
14+阅读 · 2019年1月24日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
特征工程的特征理解(一)
机器学习研究会
10+阅读 · 2017年10月23日
李克强:智能车辆运动控制研究综述
厚势
21+阅读 · 2017年10月17日
Natural 自然语言处理(NLP)「全解析」
人工智能学家
14+阅读 · 2017年9月23日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
49+阅读 · 2020年12月16日
小贴士
相关VIP内容
【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
90+阅读 · 2022年4月17日
自编码器导论,26页pdf
专知会员服务
41+阅读 · 2022年1月18日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
41+阅读 · 2021年6月2日
机器学习在信道建模中的应用综述
专知会员服务
27+阅读 · 2021年3月16日
专知会员服务
133+阅读 · 2021年2月17日
多模态视觉语言表征学习研究综述
专知会员服务
191+阅读 · 2020年12月3日
相关资讯
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
【机器学习】深入剖析机器学习中的统计思想
产业智能官
14+阅读 · 2019年1月24日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
特征工程的特征理解(一)
机器学习研究会
10+阅读 · 2017年10月23日
李克强:智能车辆运动控制研究综述
厚势
21+阅读 · 2017年10月17日
Natural 自然语言处理(NLP)「全解析」
人工智能学家
14+阅读 · 2017年9月23日
相关基金
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员