锚杆无损检测规程的对比研究

2009年至2010年,住房和城乡建设部和国家能源局分别对锚杆的无损检测颁布了相应的规程,详细规定了对锚杆的长度和灌浆密实度的无损检测设备和方法。尽管这两个规范的基本框架完全相同,但细微之处仍存在不少区别,同时也有不够完善之处。文章主要就这两个规范的异同以及问题点进行了研究和探讨,并希望能够起到抛砖引玉的作用。     

基于盒维数的锚杆工作荷载无损检测研究

为研究锚杆工作荷载,应用了分形理论中的盒维数方法。根据一维杆波动理论,在锚杆外露端头安装一个自激式加速度传感器,利用锚杆无损检测加载试验台分级加载、检测标定测得锚杆-围岩相互作用体系在激发荷载作用下的速度响应,计算其加速度响应曲线的盒维数,拟合得出荷载-盒维数曲线,直观地判断锚杆工作荷载和锚固质量。     

基于声波无损检测的特殊锚杆质量影响因素

设置三峡右岸地下电站工程需要的特殊锚杆,通过该锚杆试验段的声波无损检测,采用统计学和回归分析方法,研究了锚杆系统外延端长度、异常设置的位置以及不同施工工艺对锚杆质量的影响.定性和定量分析结果表明:锚杆的注浆密实度能满足试验要求;锚杆外延端长度越小,锚杆汪浆密实度检测精度越高,可以根据外延端的不同长度,利用线性模型进行修正;带弯头外延端长度与锚杆检测注浆密实度基本呈线性相关;异常设置的检测结果与实际吻合.     

基于分形维数的全变分图像平滑模型

针对标准全变分模型用梯度检测边缘易受噪音干扰产生"阶梯"效应和在处理纹理丰富的图像时易丢失细节纹理信息的缺点,提出了一种基于分形维数的全变分模型,该模型可利用图像局部分形维数来检测边缘,能够准确识别真实边缘、剔除假性边缘,从而抑制"阶梯"效应,可保护纹理丰富的图像的纹理细节信息。平滑后的图像显示出改进方法能有效去除噪声并减弱"阶梯"效应,获得较高峰值的信噪比。     

基于分形盒维数检测QRS波群定位方法

应用分形盒维数检测理论，对心电信号的分形特征进行了研究，结果显示不同格子尺度下检测到的覆盖信号盒子数与格子尺寸之间存在密切的对数线性关系，这表明心电信号也具有分形特性。同时，研究过程中还发现当采用一个时间窗来对信号进行检测时，在心电信号中QRS波群位置检测到的分维较大。而且这种差异很显著。在这个发现的基础上，提出了基于分形盒维数检测的心电信号QRS波群定位方法，经实际应用表明该算法速度较快，并能有效去除干扰，可用于心电信号特征点的实时检测中。     

分形及其维数

本文扼要介绍了分形的概念以及分形的两种维数之间的区别与联系。     

对分形集及相关维数的讨论

本文对几种分形维数的定义进行了比较，并分别引用这些定义估算了几个分形集的分形维，其中有的定义和估算方法是本文给出的。     

测度投影的相对重分形维数

Julian Cole将Billingsley在概率空间中引入的关于两个概率测度的Hausdorff，填充(packing)测度及维数的思想引入到重分形分析．在此基础上研究测度投影的相对重分形Hausdorff维数、填充维数与相对重分形Hausdorrff维数、填充维数之间的关系．     

神经网络方法在涡流无损检测定量分析中的应用

采用人工神经网络完成涡汉无损检测中的定量识别,首先,用数值方法分析了阴抗增量的幅值、相位与缺损尺度的关系,得出结论：用相位值来表征深度效果更好,精度更高,然后,应用小波边缘检测方法确定的信号特征值作为网络的输入,结果表明：计算量大为减小,网络结构得到了简化。     

基于广义维数与优化BP神经网络的刀具磨损量预测

根据多重分形理论,采用改进的盒计数法计算了切削加工过程中声发射(AE)信号的广义分形维数,得到了不同刀具磨损状态下AE信号的广义维数谱,分析了广义维数与刀具磨损量之间的关系.以广义分形维数以及切削加工参数为特征,进行归一化处理后作为BP神经网络输入向量;采用遗传学算法,对BP神经网络的初始权值和阈值进行了优化,利用优化后的神经网络对刀具磨损量进行预测.测试结果表明,该方法可以较精确地预测刀具磨损量,平均预测误差为001mm.     

基于BP神经网络的玻璃瓶裂纹检测模型

阐述了BP神经网络的基本原理，介绍了一种直接估算最佳隐含层节点数的方法。针对普通的玻璃瓶裂纹检测算法存在的问题，提出了一种基于BP神经网络的玻璃瓶裂纹检测模型。实验表明，该模型的检测效果与普通算法相比有了明显的提高。     

一个基于BP神经网络的入侵检测系统的原型

介绍了神经网络技术在入侵检测上的应用现状及BP神经网络学习算法的原理，开发了一个基于神经网络的入侵检测系统的原型.     

一种基于改进的BP神经网络的入侵检测方法

针对普通BP神经网络算法学习收敛速度慢、易造成局部极小的问题,提出一种改进的BP神经网络入侵检测方法,其采用拟牛顿的方法进行学习,即对目标矩阵求二阶导数.运用该方法能够有效提高学习速度,消除局部极小.仿真结果表明,改进的BP神经网络入侵检测方法收敛速度快,比标准的BP入侵检测方法误检率低,能够很好地提高学习效率,更加有效地检测攻击行为.     

基于BP神经网络的火焰识别系统

本文提出了一种基于BP神经网络的火焰识别系统,其对火焰的各种状态进行了识别,提高了早期发现火焰的能力。实验结果表明,该方法在火焰自动识别中是一种十分有效的方法。     

基于神经网络的入侵检测模型

对当前网络上的入侵和入侵检测技术进行了分析,论述了神经网络应用于入侵检测系统中的优势,给出了一个基于神经网络的入侵检测的实施模型。     

一种基于禁忌神经网络的网络入侵检测模型

随着互联网的发展和普及,传统网络入侵防范方法如防火墙、数据加密等已经很难保证系统和网络资源的安全。为此,本文设计了基于改进禁忌算法和神经网络的网络入侵检测方法。首先建立三层的BP神经网络模型用于实现入侵检测。然后通过BP反向传播算法获取网络的权值和阀值等参数,并设计了一种基于双禁忌表的改进禁忌优化算法,采用此改进的禁忌优化算法对BP算法优化得到的权值和阀值进行进一步寻优。最后,将禁忌算法优化后的神经网络用于网络入侵检测。仿真实验表明,此方法能够有效地实现网络入侵检测,具有较快的收敛速度和较高的检测率,是一种适合网络入侵检测的可行方法。     

基于BP神经网络的信誉欺骗检测模型

在分析信誉系统评价的目标系统的行为特征的基础上,提出了一种集成的BP神经网络模型.该模型使用训练集对构造好的BP神经网络进行训练,将测试集输入到训练好的BP神经网络中,进行欺骗检测,并在行为维度上进行欺骗检测效果验证.实验结果验证了基于BP神经网络的信誉欺骗检测模型的可行性.基于BP神经网络的欺骗检测模型能够快速、准确地实现欺骗行为的检测.     

基于特征锚杆工作载荷动态检测的巷道围岩稳定性评价

基于锚杆支护作用原理和锚杆工作载荷的动态无损测试技术，通过大型相似模拟实验，论述了锚杆工作载荷和围岩表面位移的相关关系，得出围岩变形破坏的各个阶段和锚杆工作载荷变化的对应关系，从而达到通过锚杆工作载荷的无损检测来实时评估巷道的稳定性。     

基于小波神经网络的输电线路故障检测

在分析了小波函数时频特性和人工神经网络学习能力和算法鲁棒性的基础上，提出了一个利用小波神经网络检测电力系统输电线路故障的方法。理论分析和基于EMTP仿真测试结果表明，该小波神经网络故障检测模型和算法是有效的，与传统的人工神经网络相比，具有收敛速度快，鲁棒性强的特点。     

子波神经网络在火灾探测中的应用

论述了用于信号识别的子波神经网络的结构和算法,并根据火灾传感器信号处理的特点,提出了将其用于火灾探测的方法,在子波神经网络中采用了子波函数和共轭梯度优化方法．实验表明,子波神经网络对火灾信号具有很好的学习和探测能力,与ＢＰ神经网络火灾探测方法相比,所提出的方法能够更快和更准确地探测各种标准实验火．