岩石变形局部化智能识别的DSCM-CNN方法 |
| |
引用本文: | 张鹏,利铭,姚海波,张军徽,马少军,高峰.岩石变形局部化智能识别的DSCM-CNN方法[J].力学与实践,2024(1):109-119. |
| |
作者姓名: | 张鹏 利铭 姚海波 张军徽 马少军 高峰 |
| |
作者单位: | 1. 北京市市政一建设工程有限责任公司;2. 北方工业大学土木工程学院;3. 中国电建中国水利水电第七工程局有限公司 |
| |
基金项目: | 国家自然科学基金项目(51774015)资助; |
| |
摘 要: | 岩石变形局部化的识别对于岩石破坏机理、岩土工程灾害预测预警有着重要的意义。本文将数字散斑相关方法(digital speckle correlation methods,DSCM)与卷积神经网络(convolutional neural networks,CNN)相结合,提出了一种用于岩石变形局部化智能识别的DSCM-CNN模型。通过DSCM获取岩石试件在单轴压缩实验过程中的最大剪应变场云图,根据变形局部化带位置进行标注,完成数据集的构建;利用训练数据集对DSCM-CNN智能识别模型进行训练。通过红砂岩单轴压缩实验对该方法进行验证,结果表明:DSCM-CNN模型可以实现岩石变形局部化带位置的自动识别,子集准确率、精确度、召回率等指标分别达到94.19%,97.21%和96.41%,证明了岩石变形局部化智能识别的DSCM-CNN模型的可行性,为岩石变形局部化智能监测提供了一种新的思路。
|
关 键 词: | 岩石 变形局部化 数字散斑相关方法 卷积神经网络 智能识别 |
|
|