基于GMM+SVM的声发射花岗岩裂纹识别研究
黄晓红
董诗琪
李静
卢晔
华北理工大学 人工智能学院,河北 唐山063200
摘要：提出一种基于GMM+SVM算法并用于确定声发射参数分析中裂纹分类最佳分界线的新方法.利用高斯混合模型(GMM)对试样试验过程所得的声发射信号特征进行聚类得到标签数据,再通过支持向量机(SVM)算法创建的超平面分离数据中的交叉簇,得到SVM超平面分界线,优化了裂纹分类中张拉和剪切区域的区分.以花岗岩为研究对象,通过单轴加载试验,对花岗岩试样破裂过程的声发射信号进行研究.分析结果表明,通过GMM+SVM超平面算法,可将试样中张拉和剪切区域之间的交叉簇精确区分,花岗岩试样在整个应力加载过程前中期以张拉裂纹为主,后期剪切裂纹占比不断增加,剪切裂纹所占比例在80％～90％峰值应力阶段出现突变,最终验证此方法可与花岗岩整个应力加载过程中的不同破裂模式相对应,可为岩石失稳破坏预测提供依据.
关键词：花岗岩声发射高斯混合模型裂纹分类SVM超平面
分类号：TD76(矿山安全与劳动保护)
资助基金：国家自然科学基金(51904105)河北省高等学校科学技术研究项目(ZD2020152)
论文发表日期：2022-04-10
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 21-28,34 )
英文信息