基于小波分析和神经网络的基桩缺陷检测分析

林宏，禹玥昀*，吕丹桔，强振平，杨雨燕

（西南林业大学计算机与信息学院，云南昆明650224）

基于小波分析和神经网络的基桩缺陷检测分析

林宏，禹玥昀*，吕丹桔，强振平，杨雨燕

（西南林业大学计算机与信息学院，云南昆明650224）

通过小波分析，避免了泄露效应和由旁瓣引起的多峰现象影响频域分析的现象。通过神经网络算法，将基桩缺陷类型明确化，并指出缺陷的位置，使基桩检测结构更加人性化，同时为缺陷修复提供了较好的条件。可见，将小波分析和神经网络结合应用于基桩的检测中给施工带来了巨大的经济价值和实用价值。

小波分析；神经网络；基桩缺陷；检验检测

引言

随着我国基础设施建设的大力发展，桩基础以其安全、承受力高、有效减少基础沉降等优点在各个行业中得到广泛的应用。本系统搭建在移动机器人试验平台上，该机器人以DSP主控模块为控制核心，并集成了人机交互界面、超声波收发传感器、电子罗盘、Zigebee无线传输、直流电机驱动和电源等模块［1］。

1　小波分析

选板包含机器人运动控制的算法，在函数选板中包括从传感器驱动程序到逆运动学的各种机器人运动功能，本文设计的上位机由障碍回避、路径规划、数据协议、运动学计算、传感器配置和数据分析处理等子VI组成［2］。

对于任意函数f（t）∈L2（R）的连续小波变换定义为：

其逆变换（回复信号或重构信号）为：

为了方便计算和处理，设定障碍物大小为mi，j，方向为β，计算公式为:窗口形状为两个矩形，窗口中心为

2　BP神经网络

系统结合LabVIEW虚拟软件开发了上位机，能够实时显示其运行状态，并利用MATLAB平台进行仿真实验，对机器人路径规划和避障能力进行了验证。结果表明：该机器人能灵活避开途中任何障碍物，并对行进轨迹进行有效优化，且避障和路径规划能力强、可靠性高、稳定性好，以至于最终和输出编码吻合。如表1所示。

表1　BP神经网络的输出编码

设BP网络接收的输入数据为n个，以向量x表示：

网络产生m个输出数据，用向量y表示：

这样，BP网络可视为从n维输入空间到m维输出空间的非线性映射，即

随着人类对机器人要求的提高，加大了智能移动机器人系统的应用，农业、深海作业、太空控制与操作都急需其进入角色。LABVIEW虚拟仪器平台提供的软硬件平台的发展，使得机器人运动控制和轨迹规划方案更加方便、快捷、有效，不久后，基于移动平台延伸出的一系列机器人将会满足人们的各种需求。本文将根据移动机器人作业环境的特点，结合其自身结构及运动特性，采用VFH算法。

3　小波分析和神经网络在基桩检测中的应用

用多分辨率分析提取动测信号功率谱的特征输入神经网络，根据输出的编码类型，分析基桩的缺陷形式，进而进行针对性处理工作［5-7］。如表2所示。

表2　工程实例诊断

由诊断输出代码与已知代码对比可得：样本1完整，样本2断裂，样本3扩颈，样本4缩颈，样本5离析。

桩身缺陷位置对应的时间：

其中：n为采样点数；Δt为采样间距。

桩身缺陷位置：

其中：C为混凝土波速。

4　结语

本文提出了将小波分析与神经网络结合应用于基桩检测中，准确判断基桩缺陷类型及缺陷位置。实际检验的结果表明该方法具有良好的应用前景。

［1］艾启胜.基桩检测技术的研究进展［J］.低温建筑技术，2011（3）:94-96.

［2］廖重贵.小波分析在变形监测中的应用研究［D］.赣州：江西理工大学，2010.

［3］潘冬子.小波分析及其在基桩完整性检测中的应用研究［D］.武汉:中国科学院研究生院（武汉岩土力学研究所），2004.

［4］彭俊伟.神经网络与遗传算法在基桩检测中的应用及实现［D］.武汉:中国科学院研究生院（武汉岩土力学研究所），2007.

［5］蔡棋瑛.基于小波分析和神经网络的桩身缺陷诊断［D］.泉州:华侨大学，2001.

［6］鄢泰宁，王生，李邵军.人工神经网络方法在桩基检测中的应用［J］.地质科技情报，1999（S1）:38-41.

［7］刘明贵，岳向红，杨永波，等.基于Sym小波和BP神经网络的基桩缺陷智能化识别［J］.岩石力学与工程学报，2007（S1）:3 484-3 488.

（编辑：王红霖）

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

昆明市林业信息工程技术研究中心建设资助项目（编号2015FBI06）

林宏（1981—），女，云南大理人，硕士，讲师，主要研究方向：计算机数字图像处理、模式识别。

禹玥昀（1984—），女，云南凤庆人，硕士，讲师，主要研究方向：可再生资源研究，林业信息化。