为了克服BP算法的缺陷与超声检测混凝土材料缺陷时收敛慢、精度低等问题，采用了蚁群优化算法与BP神经网络融合的方法，建立了蚁群神经网络的数学模型，实现了蚁群神经网络的训练，并通过实例验证了该方法的有效性。由试验得知蚁群神经网络识别混凝土缺陷时，对位置的识别比对尺寸更有效。

所属栏目

科研成果与学术交流河南省科技厅重点科技资助项目(11210231056);南阳师范学院校级专项基金资助项目(ZX2009002)

收稿日期

2012/4/20

作者单位

郑伟花:南阳师范学院 土木建筑工程学院，南阳473061
王宗华:南阳师范学院 土木建筑工程学院，南阳473061

备注

郑伟花(1978-)，女，讲师，博士，主要从事结构材料检测、无损检测等。

引用该论文:

ZHENG Wei-Hua,WANG Zong-Hua.Ant Colony Algorithm and Application in Inspection of Concrete Structure Defects[J].Nondestructive Testing,2013,35(5):4～7
郑伟花,王宗华.蚁群神经网络算法在超声检测混凝土缺陷中的应用[J].无损检测,2013,35(5):4～7

参考文献

【1】

王五平，宋人心，傅翔.超声探测混凝土缺陷的概率判断法辨析［J］.混凝土,2011(2):7-9.

【2】

张立新，李慧剑，高柏峰，等.基于小波分析与神经网络的混凝土缺陷超声定量检测［J］.无损检测,2009,31(1):20-22.

【3】

卢结成，王立敏.基于神经网络的砼内缺定量识别［J］.计算机应用研究,2000(1):18-21.

【4】

孙晓霞.蚁群算法理论研究及其在图像识别中的应用［D］.哈尔滨：哈尔滨工程大学,2006.

【5】

LI Lianyuan, LIU Zemin, ZHOU Zheng. A new dynamic distributed routing algorithm otelecommunication networks［C］// International Conference on Communication Technolog Proceedings. Beijing China: ［s.l］2000:849-852.

【6】

GUNES M, SORGES U. ARA the ant colony based routing algorithm for MANETs Proceeding International Conference on Parallel Professing Workshops［C］. Uncover BC Canada［s.l.］:2002:79-85.

【7】

孟照辉.基桩超声波检测中混凝土缺陷异常信号的识别实例［J］.工程地球物理学报,2009(5):580-584.

【8】

朱鸿茂，郑伟花，黄忠文，等.运动界面上反射超声散斑空间运动的研究［J］.物理学报,2004,53(8):2614-2620.

【9】

郑伟花，朱鸿茂，贾虎.超声散斑相关法测量转角的相关性研究［J］.应用声学,2010,29(2):141-147.

【10】

ZHU H-M, WU Y-Y, ZHENG W-H. In-plane and out-of-plane displacement measurement by ultrasonic speckle correlation method［J］.Arch Appl Nlech,2006,75:521-526.