The invention relates to a detection method used for bolt construction quality and working condition, which comprises the following steps: principal component analysis function matrix A, the measurement of frequency response; B, defect recognition of anchorage quality improved algorithm based on probabilistic neural network; C, particle swarm algorithm based on probabilistic neural network parameter optimization. The invention can realize the quality and the working state of the bolt support in real-time and ensure the reliability of the quality of the bolt support project and the safety of the coal mine production.
【技术实现步骤摘要】
一种用于检测矿用锚杆施工质量和工作状态的检测方法
本专利技术属于无损检测
,具体涉及一种用于检测矿用锚杆施工质量和工作状态的方法。
技术介绍
我国煤矿主要为井工开采,由于地质条件多变,煤矿的安全事故一直制约着煤矿的高效生产。每年因支护结构失效而发生的巷道顶板跨落事故的频率和数量位居首位。导致巷道顶板跨落事故的原因之一就是缺乏对支护结构工作状态的检测和监测,不能掌握事故发生之前的支护异常。目前,锚杆支护技术作为我国煤矿井下巷道支护的重要手段,我国很多矿区煤巷锚杆支护率达到60%,有些矿区超过了90%,甚至达到100%。锚杆锚固工程不仅受岩土工程条件、锚杆结构设计、锚杆与围岩体系的相互作用、施工以及专业技术水平和经验等关联因素的影响,而且锚杆的施工还具有高度的隐蔽性,发现质量问题难,事故处理更难。
技术实现思路
本专利技术的目的是提供一种可实现实时检测巷道锚杆支护的质量和工作状态,确保锚杆支护工程质量的可靠性与煤矿生产安全的检测矿用锚杆施工质量和工作状态的方法。本专利技术采用如下技术方案:一种用于检测矿用锚杆施工质量和工作状态的检测方法,其包括以下步骤:a、测量频率响应函数矩阵的主成分分析;b、基于改进概率神经网络的锚杆锚固质量缺陷识别算法;c、基于粒子群算法对概率神经网络参数进行优化。更详细的说,所述步骤a包括步骤如下:a-1、设测量频率响应函数矩阵H(ω)=[hij(ω)]m×n,其中,m为实测样本数,n为频率点数,i和j分别为矩阵行列的下标;a-2、根据下列的公式(1)对频率响应函数矩阵进行标准化:公式(1)中,a-3、根据下列的公式(2)计算协方差矩 ...
【技术保护点】
一种用于检测矿用锚杆施工质量和工作状态的检测方法,其特征在于其包括以下步骤:a、测量频率响应函数矩阵的主成分分析;b、基于改进概率神经网络的锚杆锚固质量缺陷识别算法;c、基于粒子群算法对概率神经网络参数进行优化。
【技术特征摘要】
1.一种用于检测矿用锚杆施工质量和工作状态的检测方法,其特征在于其包括以下步骤:a、测量频率响应函数矩阵的主成分分析;b、基于改进概率神经网络的锚杆锚固质量缺陷识别算法;c、基于粒子群算法对概率神经网络参数进行优化。2.根据权利要求1所述的检测方法,其特征在于,所述步骤a包括步骤如下:a-1、设测量频率响应函数矩阵H(ω)=[hij(ω)]m×n,其中,m为实测样本数,n为频率点数,i和j分别为矩阵行列的下标;a-2、根据下列的公式(1)对频率响应函数矩阵进行标准化:公式(1)中,a-3、根据下列的公式(2)计算协方差矩阵Cn×n:公式(2)中,a-4、根据下列的公式(3)对协方差矩阵C进行特征分解:CΨi=λiΨi(3)公式(3)中,i=1,2,…,n;Ψi和λi为协方差矩阵的特征向量和特征值,且λ1>λ2>…>λn;a-5、根据下列的公式(4)计算相对重构误差E:E=Je/Jv(4)公式(4)中,p<n为主元个数。3.根据权利要求1所述的检测方法,其特征在于,所述步骤b包括如下步骤:b-1、设计概率神经网络的拓扑结构共有4层,分别为输入层、模式层、求和层和输出层;b-2、输入层:输入层负责将经过主元分析后的特征参数传递给模式层,输入层神经元为xi,其中,i=1,2,…,p;b-3、模式层:模式层神经元个数与频率响应函数实测样本数m相同,根据下列的公式(5)计算模式层的输出值:公式(5)中,i=1,2,…,m;ξ>0为识别系数;σ为平滑因子;wiq为输入层到模式层的权值,通常情况下,权值等于训练样本值;b-4、求和层:求和层神经元个数r,其值等于类别个数;根据下列的公式(6)计算求和层的输出值:公式(6)中,j=1,2,…,r;wji为模式层到求和层的权值;b-5、输出层:输出层神经元个数与求和层神经元个数r相同;根据下列的公式(7)计算输出层的输出:
【专利技术属性】
技术研发人员:王明明,孙晓云,邢卉,
申请(专利权)人:石家庄铁道大学,
类型:发明
国别省市:河北,13
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。