堆叠自编码器在锚杆锚固缺陷类型识别中的应用

王明明，王 莎，邢 卉，孙晓云，路 霖

(石家庄铁道大学电气与电子工程学院，河北 石家庄 050043)

锚杆锚固质量检测一直是锚杆支护施工环节的重要组成部分。锚杆锚固质量无损检测技术克服了传统检测方法耗时多且具有破坏性的不足，可以实现快速大批次的质量检测，受到学者们的广泛关注[1-3],从20世纪80年代的超声波无损检测技术发展到了现在的基于电磁超声和人工智能等技术的新型无损检测技术[4-7]。

在基于人工智能等算法的无损检测中，锚杆锚固缺陷的识别率易受提取特征的影响。目前，常用的特征提取方法包括EMD、小波分解、能量特征和时频域特征等。这些特征提取方法往往依赖于人工经验，制约了识别率的提高。2006年，Hintion利用贪心算法对自编码器网络(auto-encoder，AE)的隐含层进行优化，提出了堆叠自编码器网络(stacking auto-encoder，SAE)[8]。近年来，SAE网络在高维数据特征提取及分类识别中取得了较多成果[9-11]。本文利用SAE网络对锚杆锚固系统的缺陷特征进行提取，采用自适应时刻估计方法(Adam优化算法)对重构误差进行优化，提出一种自动确定SAE网络深度和参数的自动选层堆叠自编码器特征提取算法。通过数值模拟和物理模拟两种方法对锚杆锚固缺陷特征进行提取，并使用Softmax多分类器对锚固缺陷进行识别。本文所提算法能有效降低人工选取参数对缺陷识别精度的影响，提高了Softmax多分类器的缺陷识别率。

1 基于自动选层SAE的锚杆锚固缺陷识别算法

图1 AE网络模型Fig.1 AE network model

图1中的w1、b1为编码器参数，w1为n×m矩阵，b1为1×m矩阵，n为输入数据维度，m为输出特征维度;w2、b2为解码器参数，w2为m×n矩阵，b2为1×n矩阵。……