力学与实践

作者：张鹏, 利铭, 姚海波, 张军徽, 马少军, 高峰,

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,

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。

来源：2024年第1期

《力学与实践》期刊编辑部

查看力学与实践杂志2024年第1期