锚杆作为一种支护系统已被广泛应用于各大岩土工程中,为了保证锚杆在工程中的使用效果,避免发生重大事故,因此,对锚杆质量检测十分重要。传统的检测技术存在着明显的不足,而近些年发展起来的无损检测技术弥补了传统检测技术的不足,但是还没有形成一套完整的检测系统。神经网络以独有的非线性和自适应处理问题的能力,克服了传统识别锚杆缺陷的不足,使其在质量检测、模式识别等方面得到了迅速发展。本文通过神经网络自组织设计对锚杆进行缺陷识别,主要做了以下工作:(1)神经网络的参数设置,主要分析了学习率和隐含层神经元个数对网络性能的影响,采用凑试法对采集的实测锚杆信号和模拟锚杆信号分别进行缺陷识别,通过比较实验结果寻找最优学习率和适当的隐含层神经元个数。(2)基本神经网络在对锚杆缺陷识别时参数设置是基于经验值和试凑法得到的,操作相对复杂。此文采用自组织方法识别锚杆缺陷类型:分别从修剪和增长两方面进行自组织设计,提出了自适应删减阈值和自适应增长阈值作为对隐含层神经元修剪和增长的判定条件。在修剪和增长过程中可能会出现对隐含层神经元删减过度或过拟合的现象。对此,根据自适应判定条件设计了改进的增长-修剪型神经网络,实验结果表明,改进后的网络能够简化网络结构,实现网络结构的动态调整,降低网络的误差,提高锚杆缺陷识别的精度。(3)根据李雅普诺夫定理对改进的网络结构进行稳定性验证,当网络的学习率和隐含层神经元个数满足一定关系时,网络具有收敛性。