本书围绕锚杆-围岩系统的智能无损检测技术，采用理论分析、建模仿真、信号处理、试验研究等手段开展了综合研究，系统介绍了锚杆-围岩系统锚固质量的智能检测技术。本书主要内容包括锚杆锚固质量无损检测国内外研究现状、锚杆-围岩系统无损检测预备知识、基于应力波和磁致伸缩导波的数值仿真方法、锚杆-围岩系统无损检测试验、无损检测数据预处理、基于频率响应函数和概率神经网络的无损检测方法、基于Elman神经网络的无损检测方法、基于生成对抗网络的零样本缺陷识别方法、CREA锚杆拉伸形变识别方法。 本书可供从事与锚杆-围岩系统相关的边坡工程、矿山工程、地下工程、交通工程等领域的高等院校师生、科研人员和工程技术人员参考使用。

第1章 绪论
1.1 背景及意义
1.2 锚杆锚固质量无损检测国内外研究现状
1.2.1 基于应力波的锚杆锚固质量无损检测国内外研究现状
1.2.2 基于电磁超声的锚杆锚固质量无损检测国内外研究现状
1.3 主要研究内容
第2章 锚杆-围岩系统无损检测预备知识
2.1 常见锚杆类型
2.1.1 传统锚杆
2.1.2 新型锚杆
2.2 导波无损检测基础知识
2.2.1 导波在锚杆-围岩系统中的传播
2.2.2 导波的衰减
2.2.3 频散曲线
2.3 导波激励信号及信号处理相关知识
2.3.1 应力波激励信号
2.3.2 基于小波的信号处理理论
第3章 基于应力波的锚杆-围岩系统数值仿真
3.1 砂浆锚杆-围岩系统的数值仿真
3.1.1 自由锚杆响应数值仿真
3.1.2 完整锚杆-围岩系统数值仿真
3.1.3 锚固系统锚杆缺陷数值仿真
3.1.4 锚固系统灌浆层缺陷数值仿真
3.2 CREA锚杆-围岩系统数值仿真
3.2.1 CREA模型建立
3.2.2 CREA锚杆受荷响应数值仿真
3.2.3 CREA锚固系统受荷响应数值仿真
第4章 基于磁致伸缩导波的锚杆-围岩系统数值仿真
4.1 磁致伸缩导波无损检测原理
4.2 基于磁致伸缩效应的电磁超声换能器换能机理
4.3 基于磁致伸缩效应的电磁超声换能器换能效率分析
4.3.1 基于磁致伸缩效应的电磁超声换能器有限元模型建立
4.3.2 激励频率对磁致伸缩电磁超声换能器换能效率的影响
4.3.3 提离距离对磁致伸缩电磁超声换能器效率的影响
4.3.4 线圈匝数对磁致伸缩电磁超声换能效率的影响
4.3.5 偏置磁场对磁致伸缩电磁超声换能器换能效率的影响
4.4 砂浆锚杆-围岩系统数值仿真
4.4.1 完整锚杆-围岩系统数值仿真
4.4.2 锚固系统锚杆缺陷数值仿真
4.4.3 锚杆-围岩系统灌浆层缺陷数值仿真
第5章 锚杆-围岩系统无损检测试验
5.1 锚杆模型制备
5.2 基于应力波的激振与拾振系统
5.3 基于磁致伸缩超声导波的激振与拾振系统
5.4 CREA锚杆-围岩系统无损检测试验与分析
第6章 锚杆-围岩系统无损检测数据预处理
6.1 小波阈值降噪方法
6.1.1 小波阈值降噪原理
6.1.2 锚杆实测信号的小波降噪
6.2 变分模态分解与独立分量分析联合降噪方法
6.2.1 变分模态分解原理
6.2.2 变分模态分解参数选择
6.2.3 VMD-ICA联合降噪方法
6.2.4 锚杆实测信号的VMD和ICA联合降噪
第7章 基于频率响应函数和概率神经网络的无损检测方法
7.1 频率响应函数
7.1.1 频率响应函数的概念
7.1.2 频率响应函数的质量评价
7.2 主元分析法
7.2.1 主元分析的基本原理
7.2.2 选取主元个数
7.2.3 对实测数据提取主元
7.3 概率神经网络
7.3.1 PNN的理论基础
7.3.2 PNN的数学描述
7.3.3 PNN算法
7.4 粒子群优化算法优化PNN参数
7.4.1 粒子群优化算法概述
7.4.2 动态调整PSO算法学习参数
7.4.3 基于PSO算法优化PNN参数
7.5 基于PNN的锚杆无损检测
7.5.1 PNN的缺陷识别模型
7.5.2 PNN对锚杆的缺陷识别与分析
7.5.3 PSO算法优化PNN对锚杆-围岩系统缺陷识别与分析
第8章 基于Elman神经网络的无损检测方法
8.1 基于FNN的缺陷识别
8.1.1 FNN的结构
8.1.2 FNN训练算法
8.1.3 神经网络输入数据的处理
8.1.4 隐含层节点数和学习率对FNN的影响分析
8.2 基于SO-Elman神经网络的缺陷识别
8.2.1 Elman神经网络结构及学习算法
8.2.2 修剪型Elman神经网络结构设计
8.2.3 增长型Elman神经网络结构设计
8.2.4 神经网络自组织参数设计
8.2.5 神经网络学习率自适应设计
8.2.6 基于SO-Elman神经网络的锚杆-围岩系统无损检测结果分析
8.3 基于改进鸡群算法的优化Elman神经网络
8.3.1 CSO算法
8.3.2 ICSO算法
8.3.3 基于ICSO算法的Elman神经网络模型
8.3.4 基于磁致伸缩导波的锚杆-围岩系统缺陷分类试验
第9章 基于生成对抗网络的零样本缺陷识别方法
9.1 生成对抗网络理论介绍
9.1.1 生成对抗网络基本理论
9.1.2 GAN的特点
9.2 多尺度卷积生成对抗网络设计
9.2.1 多尺度卷积生成对抗网络框架中生成器的构造
9.2.2 生成对抗网络框架中判别器的构造
9.2.3 基于MSCGAN的零样本缺陷识别
9.3 试验结果与分析
9.3.1 卷积生成对抗网络与其他算法的比较
9.3.2 不同尺度的卷积生成对抗网络之间的比较
第10章 CREA锚杆拉伸形变识别方法
10.1 贝叶斯优化
10.1.1 贝叶斯优化器
10.1.2 贝叶斯优化原理
10.2 CREA锚杆拉伸形变识别
10.2.1 基于贝叶斯优化的卷积神经网络模型
10.2.2 基于贝叶斯优化CNN模型的锚杆锚固形变识别
10.2.3 CREA锚杆拉伸形变识别结果