金属矿山

作者：白逸轩刘洋,陈文超胡南燕吕亚菲

单位：1. 武汉科技大学资源与环境工程学院,湖北武汉430081;2. 清华大学合肥公共安全研究院,安徽合肥230601;3. 中钢集团马鞍山矿山研究总院股份有限公司,安徽马鞍山243000

关键词：GFRP 锚杆, 杆体缺陷, 时间反演法, 小波变换, CNN-SVM ,

基金：深地国家科技重大专项(编号:2024ZD1003808);国家自然科学基金项目(编号:42307237);长江科学院开放研究基金项目(编号:CKWV20241189/ KY)。

针对玻璃纤维增强塑料(GFRP)锚杆杆体易发生剪切破坏且难以检测的问题,提出了一种基于时间反演法和深度学习的 GFRP 锚杆杆体缺陷评估方法,旨在实现缺陷的精准识别与定量评估。 基于 COMSOL 数值模拟和实验室相似试验,采用时间反演法对含有不同缺陷的 GFRP 锚杆锚固结构进行检测,获取聚焦信号。 结果表明,聚焦信号波形随杆体缺陷变化较小,信号波形重合度较高;聚焦信号幅值随杆体缺陷程度增大而减小。 将试验得到的聚焦信号通过小波变换生成时频图,作为卷积神经网络(CNN)—支持向量机( SVM)模型的输入,以 GFRP 锚杆杆体缺陷程度作为输出,构建缺陷评估模型。 模型训练结果表明,GFRP 锚杆杆体缺陷的评估准确率达到 100%。 研究提出的方法能够实现对 GFRP 锚杆杆体缺陷程度的快速、准确评估,为 GFRP 锚杆的缺陷检测提供了重要的理论依据和技术支持。

来源：2025年第8期

《金属矿山》期刊编辑部

查看金属矿山杂志2025年第8期