论文部分内容阅读
在工程中,桩基起着重要且基础性的作用,获得了普遍的应用。桩基的质量关系到工程的安全与稳定,但是桩基施工条件恶劣、施工过程复杂并且多深埋地下具有一定的隐蔽性,导致桩基的质量较难保证,因此桩基的无损检测过程是基桩工程一个必不可少的组成部分。在进行桩基的无损检测时,检测环境普遍含有复杂的噪声,同时检测信号在传播过程中衰减严重,从而导致接收到的信号存在绝对幅值小,信噪比低的问题。桩基缺陷信号的去噪以及桩基缺陷信号特征向量的提取和缺陷的识别影响无损检测的质量、成本等,是应力波反射法无损检测技术的重要环节和步骤。因此本文主要从信号去噪以及特征向量的提取和识别等几个方面进行研究。针对桩基检测环境复杂,存在复杂噪声的问题,本文首先引入了经验模态分解算法,利用峭度准则和信号的自相关分析改进了传统经验模态分解时空去噪方法,对信号进行第一次去噪,仿真实验验证了改进算法在保留信号特征信息的前提下取得了一定的去噪效果。在第一次去噪的基础上,利用EMD小波阈值法对信号进行二次去噪,通过两次去噪构成本文完整的去噪过程。仿真结果显示基于EMD的缺陷信号去噪获得了理想的去噪效果。针对缺陷的隐蔽性特征,以及现有特征选择方法存在的识别率低,并且当特征向量元素过多时,影响识别效率,不能真实的展现信号特征等问题,本文通过对桩基缺陷信号进行经验模态分解构建了基于信息熵的均值特征向量,用于后续对特征向量的降维选择。然后引入模糊聚类算法,首先对均值特征向量进行相空间重构,利用模糊聚类算法对重构的均值特征向量进行降维,实现对特征向量的降维选择。通过BP神经网络对降维选择效果进行验证,仿真实验显示基于模糊聚类降维的特征向量取得了较高的识别率和较低的时间消耗,同时通过仿真实验讨论了聚类数对识别训练的影响,以及相空间重构时数据的取舍对实验识别率的影响。本文从数值仿真,到信号数据的去噪到最后的特征选择以及缺陷识别进行了研究,比较完整的实现了对桩基缺陷信号的处理与识别,并且取得了理想的实验效果。