基于小波分析和神經網絡的基樁缺陷檢測分析

林宏，禹玥昀*，呂丹桔，強振平，楊雨燕

（西南林業大學計算機與信息學院，云南昆明650224）

基于小波分析和神經網絡的基樁缺陷檢測分析

林宏，禹玥昀*，呂丹桔，強振平，楊雨燕

（西南林業大學計算機與信息學院，云南昆明650224）

通過小波分析，避免了泄露效應和由旁瓣引起的多峰現象影響頻域分析的現象。通過神經網絡算法，將基樁缺陷類型明確化，并指出缺陷的位置，使基樁檢測結構更加人性化，同時為缺陷修復提供了較好的條件。可見，將小波分析和神經網絡結合應用于基樁的檢測中給施工帶來了巨大的經濟價值和實用價值。

小波分析；神經網絡；基樁缺陷；檢驗檢測

引言

隨著我國基礎設施建設的大力發展，樁基礎以其安全、承受力高、有效減少基礎沉降等優點在各個行業中得到廣泛的應用。本系統搭建在移動機器人試驗平臺上，該機器人以DSP主控模塊為控制核心，并集成了人機交互界面、超聲波收發傳感器、電子羅盤、Zigebee無線傳輸、直流電機驅動和電源等模塊［1］。

1　小波分析

選板包含機器人運動控制的算法，在函數選板中包括從傳感器驅動程序到逆運動學的各種機器人運動功能，本文設計的上位機由障礙回避、路徑規劃、數據協議、運動學計算、傳感器配置和數據分析處理等子VI組成［2］。

對于任意函數f（t）∈L2（R）的連續小波變換定義為：

其逆變換（回復信號或重構信號）為：

為了方便計算和處理，設定障礙物大小為mi，j，方向為β，計算公式為:窗口形狀為兩個矩形，窗口中心為

2　BP神經網絡

系統結合LabVIEW虛擬軟件開發了上位機，能夠實時顯示其運行狀態，并利用MATLAB平臺進行仿真實驗，對機器人路徑規劃和避障能力進行了驗證。結果表明：該機器人能靈活避開途中任何障礙物，并對行進軌跡進行有效優化，且避障和路徑規劃能力強、可靠性高、穩定性好，以至于最終和輸出編碼吻合。如表1所示。

表1　BP神經網絡的輸出編碼

設BP網絡接收的輸入數據為n個，以向量x表示：

網絡產生m個輸出數據，用向量y表示：

這樣，BP網絡可視為從n維輸入空間到m維輸出空間的非線性映射，即

隨著人類對機器人要求的提高，加大了智能移動機器人系統的應用，農業、深海作業、太空控制與操作都急需其進入角色。LABVIEW虛擬儀器平臺提供的軟硬件平臺的發展，使得機器人運動控制和軌跡規劃方案更加方便、快捷、有效，不久后，基于移動平臺延伸出的一系列機器人將會滿足人們的各種需求。本文將根據移動機器人作業環境的特點，結合其自身結構及運動特性，采用VFH算法。

3　小波分析和神經網絡在基樁檢測中的應用

用多分辨率分析提取動測信號功率譜的特征輸入神經網絡，根據輸出的編碼類型，分析基樁的缺陷形式，進而進行針對性處理工作［5-7］。如表2所示。

表2　工程實例診斷

由診斷輸出代碼與已知代碼對比可得：樣本1完整，樣本2斷裂，樣本3擴頸，樣本4縮頸，樣本5離析。

樁身缺陷位置對應的時間：

其中：n為采樣點數；Δt為采樣間距。

樁身缺陷位置：

其中：C為混凝土波速。

4　結語

本文提出了將小波分析與神經網絡結合應用于基樁檢測中，準確判斷基樁缺陷類型及缺陷位置。實際檢驗的結果表明該方法具有良好的應用前景。

［1］艾啟勝.基樁檢測技術的研究進展［J］.低溫建筑技術，2011（3）:94-96.

［2］廖重貴.小波分析在變形監測中的應用研究［D］.贛州：江西理工大學，2010.

［3］潘冬子.小波分析及其在基樁完整性檢測中的應用研究［D］.武漢:中國科學院研究生院（武漢巖土力學研究所），2004.

［4］彭俊偉.神經網絡與遺傳算法在基樁檢測中的應用及實現［D］.武漢:中國科學院研究生院（武漢巖土力學研究所），2007.

［5］蔡棋瑛.基于小波分析和神經網絡的樁身缺陷診斷［D］.泉州:華僑大學，2001.

［6］鄢泰寧，王生，李邵軍.人工神經網絡方法在樁基檢測中的應用［J］.地質科技情報，1999（S1）:38-41.

［7］劉明貴，岳向紅，楊永波，等.基于Sym小波和BP神經網絡的基樁缺陷智能化識別［J］.巖石力學與工程學報，2007（S1）:3 484-3 488.

（編輯：王紅霖）

Kdy words：wavelet；neural network；pile defect；detection

Analysis of Pile Defect Detection Based on Wavelet Analysis and Neural Network

Lin Hong，Yu Yueyun，Lv Danjie，Qiang Zhenping，Yang Yuyan
（Southwest Forestry University School of Com puter and Information Science，Kunm ing Yunnan 650224）

In this paper，the wavelet analysis ismade to avoid the leakage effect and the phenomenon of frequency domain analysis which is influenced by the side lobe.By neural network algorithm，pile defect types clear，and it pointed out the flaw position，pile detection structure is more humanized，and provide better conditions for defect repair.Visible，the wavelet analysis and neural network combined with the application in pile foundation detection to the construction has brought huge economic value and practical value.

TU473.1

A

2095-0748（2016）17-0084-02

10.16525/j.cnki.14-1362/n.2016.17.35

2016-07-22

昆明市林業信息工程技術研究中心建設資助項目（編號2015FBI06）

林宏（1981—），女，云南大理人，碩士，講師，主要研究方向：計算機數字圖像處理、模式識別。

禹玥昀（1984—），女，云南鳳慶人，碩士，講師，主要研究方向：可再生資源研究，林業信息化。