矿业安全与环保

作者：李银, 李勇, 赵云飞, 陈结, 梁勇, 刘瑶璐

关键词：锚杆裂纹检测, 多数据融合, 卷积神经网络, 超声导波, 缺陷程度分类, 缺陷位置预测

超声导波无损检测技术是评估锚杆在复杂环境下结构健康状态的有效手段，但在裂纹缺陷检测中常面临波包混叠与回波缺失等问题，影响识别精度。为此，提出一种基于WFE多源数据融合方法的卷积神经网络方法，融合导波信号的原始波形(W)、快速傅里叶变换频谱(F)和瞬时谱熵(E)，构建多维特征输入。通过理论分析确定适用于锚杆检测的低频范围及其频散特性，搭建超声导波实验平台，采集不同位置、频率和损伤程度的锚杆裂纹回波信号，并构建改进的AlexNet网络以实现缺陷程度分类与位置回归预测。结果表明：在单一信号表征方式下，WFE融合数据在分类任务中的准确率达99.48%，在多种信号表征(结合STFT与CWT时频分析)下，准确率提升至99.65%；在位置预测任务中，WFE融合方法在单一与多种表征下的均方根误差分别为0.145 8 m和0.118 0 m，决定系数分别为0.747 5和0.850 9，表现出更高的预测精度和鲁棒性。研究表明，所提方法可有效融合多源时频特征，提升锚杆裂纹缺陷识别与定位的准确性和可靠性。

来源：2026年第2期

《矿业安全与环保》期刊编辑部

查看矿业安全与环保杂志2026年第2期