CN103048384A - 一种基于压电智能骨料的混凝土湿度监测方法 - Google Patents
一种基于压电智能骨料的混凝土湿度监测方法 Download PDFInfo
- Publication number
- CN103048384A CN103048384A CN2012105578108A CN201210557810A CN103048384A CN 103048384 A CN103048384 A CN 103048384A CN 2012105578108 A CN2012105578108 A CN 2012105578108A CN 201210557810 A CN201210557810 A CN 201210557810A CN 103048384 A CN103048384 A CN 103048384A
- Authority
- CN
- China
- Prior art keywords
- concrete
- signal
- humidity
- under
- frequency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明所提供的混凝土湿度监测方法是一种新型的无损检测(NDT)方法,采用在混凝土内部设置压电智能骨料传感器(SmartAggregateTransducer),将相关功能器件进行集成,形成一套使用简便,经济实用的数据采集系统,并结合Matlab等相关信号处理软件的使用,对混凝土构件的湿度进行长期监测。
Description
技术领域
本发明涉及一种混凝土湿度的长期监测方法,具体而言是一种基于压电智能骨料的混凝土湿度监测方法。
背景技术
混凝土内部湿度是影响混凝土构件工作性能的一个重要因素。众多研究表明,混凝土含水率(相对湿度)的大小对混凝土硬化、强度、钢筋锈蚀、硫酸盐侵、氯盐侵蚀等耐久性问题以及混凝土构件的动力特性等都有十分重要的影响。目前国内外对相对湿度的测量方法大体分为三类: 第一种是将干湿球温度计接到数字表上直接显示湿度值;第二种方法是将湿度传感器与数字表共同组成湿度测量仪;第三种方法是采用干湿球温度计,测量干球和湿球之间的温差, 然后查相对温度表而得到湿度值。由于传感器技术等原因, 湿度测量一直是国际公认的难题,不同方法对于混凝土内部相对湿度的测量结果差异也很大。在混凝土内部湿度检测方面目前还鲜有研究,很多学者借鉴空气湿度的测量方法,在混凝土结构内部预留孔洞,把孔洞内空间湿度作为混凝土内部湿度的参考值,这种方法的缺陷是所测的结果并非混凝土真实湿度值,而且受环境扰动较大。美国伊利诺伊斯大学香槟分校采用电容式RH传感器研发了一种测定混凝土内部相对湿度的仪器,这种传感器在RH<80%时精度较高, 但在较高湿度的情况下测试精度难以得到保证。清华大学黄瑜等人采用电容式数字温湿度传感器,测量了普通混凝土和高强混凝土试件单面干燥条件下内部不同深度处的相对湿度。这两种方法均将传感器密封在试件内部,这样可以避免预留孔与环境发生湿度交换。但同时也存在传感稳定性问题,即传感器长期置于混凝土内部,受湿度和温度条件的影响,其测量特征值会发生漂移,精度会有所下降。
发明内容
针对现有技术中混凝土内部湿度的检测方法存在传感稳定问题,本发明提供一种简便的混凝土内部湿度监测方法,实现对混凝土构件内部湿度进行长期监测。
本发明所提供的混凝土湿度监测方法是一种新型的无损检测(NDT)方法,采用在混凝土内部设置压电智能骨料传感器(Smart Aggregate Transducer),将相关功能器件进行集成,形成一套使用简便,经济实用的数据采集系统,并结合Matlab等相关信号处理软件的使用,对混凝土构件的湿度进行长期监测。
该方法基于波动法原理,将压电智能骨料传感器埋于混凝土材料内部需要监测湿度的区域中,在埋入过程中保持压电智能骨料传感器方向和位置的准确性。将监测系统中的相关组件连接好,打开各仪器电源,通过信号发生器对压电智能骨料驱动器发出低频激励信号,该激励信号的频率为1~10Hz。如果激励信号功率过小,可通过功率放大器进行放大,压电智能骨料驱动器产生逆压电效应,将电信号转化为振动信号,布置在其他位置的压电智能骨料传感器接收到应力波信号后,产生正压电效应,将振动信号再次转换为电信号并输入到示波器进行存储记忆。对接收信号可进行滤波和降噪后,借助接收信号在混凝土内部的传播的波的幅值、能量、平均功率等来确认混凝土内部不同位置的湿度。
上述方法中,通过信号发生器对压电智能骨料驱动器发出低频激励信号通常为简谐波或正弦波扫频,恰当频率的波形不仅能捕捉到混凝土中水分的细微变化,而且能够简化数据处理过程。
下面就如何借助接收信号在混凝土内部的传播的波的幅值、能量、平均功率以及湿度指数来确认混凝土内部不同位置的湿度作以说明。
首先,借鉴小波分析处理数据过程中采用均方差来定义损伤指标的方法,定义湿度指数Moisture Index (MI):
其中Ii可为第i种工况下所接收波形信号的幅值、能量或者是平均功率。I0为干燥状态下所接收波形信号的幅值、能量或者是平均功率,ω为激励信号频率影响系数,d为传感器之间距离对信号的影响系数,k为混凝土种类影响系数。不同频率的简谐波、不同的传播距离和不同种类的混凝土都会导致波形信号的衰减程度不同,在应用此湿度监测方法前可对不同激励简谐波、不同传感器距离和不同种类混凝土的监测系统进行标定,即确定ω,d和k的值,也可直接应用已标定过的固定激励频率和固定传感器距离的监测系统。
在进行计算波形信号的幅值、能量或者平均功率前,可对噪音影响明显的波形信号进行降噪滤波处理。然后对降噪后的信号波形在时域内进行正弦函数拟合,得到波形信号的正弦函数后可进一步计算波形信号的幅值、能量或者平均功率。其中波形信号的能量根据以下公式(2)计算:
其中i为工况号。y i (t)为不同工况下接收波形拟合表达式。或者首先对信号进行小波包分析,对分解后的子小波采用简单求和的方法计算能量:
(3)
公式(2)式物理意义较为直观,且计算结果更加精确,但缺点是计算量较公式(3)式要大;而公式(3)式是一种简化计算方法,计算量相对小一些。因此,在采样点较少的情况下,为了保证统一性,可采用公式(2)式进行符号积分计算能量。针对积分时域的不同,可分别利用公式(2)计算波形的单周波形能量和采样时长内的波形总能量,其中i,m的含义为在i工况下分解为m个子小波。
相同频率条件下,幅值和能量的大小能够反映混凝土试件内部含水率的多少。但是由于采用不同频率的简谐波所测得的信号幅值和能量完全不同,实际应用中往往需要尝试多种频率(或者采用扫频的方法),以期找到对幅值或者能量最敏感频率,然后始终采用这一频率进行后续监测。这样做的缺点在于信号对于不同的湿度状态往往会有不同的反应,很难保证同一频率监测的连续性。因此,需要事先选定一个频率范围,在此范围之内采用多个频率进行数据采集,防止信号产生漂移。为了将不同频率下采集到的波形进行量化比较,需要采用一个统一的量化比较标准,因而需要引入平均功率(Average Power)这一物理量来衡量单位时间内的能量分布。结合公式(2),可以得到不同频率简谐波的平均功率。
其中y(t)表示波形时程,T是简谐波的周期。积分号内算子即为单周能量。进一步,采用归一化的方法,将有量纲的表达式,经过变换化为无量纲的表达式,成为纯量。利用公式(5),可得线性归一化平均功率值。
(5)
AP和AP’分别为转换前、后的平均功率值,AP max 和AP min 分别为平均功率样本的最大值和最小值。
湿度变化引起的具体评价指标如下:
随着构件中含水率的提高,信号的波形幅值、能量、平均功率均逐渐减小。尤其当构件从干燥状态进入有水状态时,这些量值的降低最为明显,说明由于水的存在,波在传播过程中由于散射,发射等造成的能量损失增大。因此,该压电智能骨料能够捕捉到混凝土内部水分的细微变化,可以根据幅值、能量、平均功率的相对大小来初步定性地判别混凝土构件中的含水情况。
湿度指数(MI)定义为当前湿度条件下接收信号的波形信息(幅值、能量或者平均功率)与干燥状态下波形信息的差值与干燥状态下的波形信息之比。试验表明,传感器之间混凝土湿度的变化会引起湿度指数产生明显的变化,由公式(1)可知,传感器之间混凝土处于全干状态时湿度指数为0,可设传感器之间混凝土处于水饱和状态时湿度指数为1,经过试验标定后可实现不同种类混凝土湿度的准确监测。
根据应用过程,存在两种标定过程,一种是标定混凝土的相对湿度。一种是标定混凝土的渗水深度。两种标定过程相似,相对湿度的标定过程即认为0为全干状态,及湿度为0%,全湿状态即认为100%,另外分别在相对湿度0%-100%之间的空气环境中养护至重量不变,并认为混凝土在截面上湿度一致,然后对试件进行不同湿度下的波形信息监测,即可得到不同相对湿度下的湿度指数。渗水深度的标定过程与上面过程相似,区别就是是通过在不同深度水中浸泡来实现不同渗水深度,然后测定不同渗水深度下的波形信息来得到湿度指数,完成标定过程。
其中,试验标定遵循以下步骤:
1)在混凝土试件内部不同距离埋入压电智能骨料传感器,两传感器相距一定距离,该距离可调整,与预埋在待监测的混凝土结构中预埋的传感器间距保持一致;该混凝土试件与待监测的混凝土结构的混凝土类型、组分、龄期相同。
2)将素混凝土试件放入干燥箱内干燥,直至干燥状态,该状态下试件重量不再减小。为验证试验结果的稳定性,试件数量可取多个。
3)取出试件,称重得到全干状态下的试件重量G 1,此时相对湿度为0%,渗水深度为0 mm,称重完毕后马上利用根据本发明的监测系统进行信号测量,得到全干状态下接收信号的波形信息。
4)相对湿度的标定:将混凝土试件置于恒湿箱中,根据精度要求在不同相对湿度下(0%~100%)养护至重量不变,称重记为G i ,并在此重量下进行信号测量,得到不同相对湿度下的波形信息;渗水深度的标定:依次将试件分别置于不同深度的水中浸泡,根据精度要求选择N种深度划分,每隔固定时间取出,浸泡时间要保证在此深度下,混凝土已完全浸透,擦干表面水分并称重,得到其他N种不同渗水深度工况下的试件总重量G N+1,每次称重完毕后立即进行信号测量,得到不同含水率下的波形信息。
由于整个数据采集过程持时较短,约为10分钟左右,因此在这个过程中混凝土内部水分的挥发可以忽略不计,认为在整个数据采集过程中混凝土内部含水率保持不变。对于每一种工况,均按照固定频率简谐波1Hz、5Hz、10Hz以及正弦扫频1~100Hz单个脉冲波的顺序进行试验。简谐波用于比较不同含水率条件下的接收波波形的幅值差异,并通过后期数据处理计算相关湿度评价指标(比如幅值,能量等)。
正弦扫频的目的是为了得到不同频率的波在不同湿度条件下的损耗情况。在不同湿度工况下进行扫频,然后对扫频信号进行傅里叶变换,进行频域分析,确定湿度对不同激励频率信号的影响。选取适用于监测的激励频率。一般来讲,在1~100Hz范围内,高频波段在混凝土中的传播更容易发生能量损耗,采集到的波形幅值相对较低,所以推荐使用1~10Hz作为激励频率范围。
在简谐波测量阶段,分别采用1Hz、5Hz、10Hz三种频率进行主动监测。首先由信号发生器发射固定频率的简谐波,信号经功率放大器放大后输入位于试件一端的压电智能骨料驱动器,压电材料将电信号转换为振动信号,并以波的形式在混凝土介质中传播,位于试件另一端的压电智能骨料传感器接收到信号后再次将振动信号转换为电信号,并传输到示波器中存储记忆。
5)数据处理与分析
饱和状态和全干状态下,试件总质量之差,即吸水总质量。不同工况下的吸水质量与吸水总质量之比即为该工况下的含水率;渗水深度与试件总高之比即为该工况下的渗水深度占总高的百分比。
在不同含水率条件下,分析接收到的简谐波幅值平均值,绘制波形幅值随渗水深度的变化曲线。计算不同工况下的单周波形能量。同时,可根据采集到的波形计算出了采样总时长内,计算波形总能量。
绘出相同频率下波形能量随渗水高度变化柱状图。结合公式(4),计算不同频率简谐波的平均功率。运用三维柱状图,可以将平均功率随渗水深度的变化趋势形象地展现出来。进一步,采用归一化的方法,利用公式(5),可得线性归一化平均功率值。重新用三维柱状图绘制归一化后的平均功率值随渗水深度的变化趋势。根据幅值的相对大小、能量以及平均功率对混凝土构件中的含水情况做出初步定性判别。
利用公式(1)可以得到不同渗水深度、含水量下混凝土的湿度指数。这样,通过对系统进行标定,标定结束后可得到在对本龄期、本类混凝土,在本激励频率、标距条件混凝土湿度指数与渗水深度之间一对一的关系。在实际应用中,通过监测波形信息得到混凝土的湿度指数以后,比照系统标定,可进一步得到混凝土的渗水深度以及含水量。
本发明所提供的方法实现了混凝土内部湿度的长期、快速监测,能准确评估混凝土构件内部各位置处的湿度,响应快并且整套系统有很好的稳定性和耐久性。试验结果表明,该传感器以及集成系统具有较好的适应性、稳定性和较高的测量精度,而且能够广泛适用于各种大型土木工程结构。
附图说明:
图1是实施监测方法的具体装置示意图;
图2是渗水深度为0 mm时的试件及接收信号;
图3是渗水深度为80 mm时的试件及接收信号;
图4是渗水深度为160 mm时的试件及接收信号;
图5是渗水深度为240 mm时的试件及接收信号;
图6是渗水深度为320 mm时的试件及接收信号;
图7是渗水深度为400 mm时的试件及接收信号;
图8是不同含水率下接收信号幅值比较;
图9是幅值-渗水深度曲线;
图10是不同频率简谐波的能量-渗水深度曲线;
图11是平均功率-渗水深度曲线;
图12是归一化平均功率-渗水深度曲线;
图13是湿度指数-渗水深度曲线。
附图中附图标记含义如下:
1——信号发生器;2——示波器;3——功率放大器;4——压电驱动器;5——压电传感器;6——混凝土构件。
具体实施方式
本发明技术方案不局限于以下所列举具体实施方式,可基于监测原理,对所需要监测混凝土进行湿度监测。
实施例1:混凝土湿度监测系统如图1所示。混凝土湿度监测流程如下:
步骤1:根据不同激励频率、标距和不同种类的混凝土,在使用之前对系统进行标定;标定结束后可得到在对本龄期、本类混凝土,在本激励频率、标距条件混凝土湿度指数与渗水深度或者含水率之间一对一的关系。
步骤2:将智能骨料埋入所需要监测湿度的混凝土构件6的混凝土区域中,在埋入过程中注意保持压电智能骨料传感器5的方向和位置的准确性。
步骤3:将监测系统中的相关组件连接好,打开各仪器电源,通过信号发生器1对压电智能骨料驱动器4发出低频激励信号,该激励信号的频率为1~10Hz。如果发射信号功率过小,可通过功率放大器3进行放大,压电智能骨料驱动器4产生逆压电效应,将电信号转化为振动信号,布置在其他位置的压电智能骨料传感器5接收到应力波信号后,产生正压电效应,将振动信号再次转换为电信号并输入到示波器2进行存储记忆。
步骤4:对接收信号滤波和降噪后,分析接收信号在混凝土内部的传播的波的幅值、能量、平均功率的变化。通过公式(1)计算传感器之间混凝土的湿度指数。
步骤5:根据系统标定关系,通过监测波形信息得到混凝土的湿度指数来确定所监测混凝土的渗水深度及含水率。
实施例2:
如实施例1中所示的混凝土湿度监测流程,其中渗水深度的系统标定可以按如下方式实施。
其中,试验标定遵循以下步骤:
步骤1:采用C30商品混凝土,制作了两个100 mm×100 mm×400 mm素混凝土短柱。用料以及配合比如表1所示(也可根据实际工程需要采用不同配比的混凝土)。在混凝土试件内部不同距离埋入压电智能骨料传感器,本实施例中两传感器相距300mm,该距离与预埋在待监测的混凝土结构中预埋的传感器间距保持一致;该混凝土试件与待监测的混凝土结构的混凝土类型、组分、龄期相同。
表1 混凝土配合比
名称 | 水 | 水泥 | 砂 | 石子 | 减水剂 | 粉煤灰 | 水灰比 | 坍落度(mm) |
比例 | 0.68 | 1.00 | 3.34 | 4.68 | 4.16% | 0.34 | 0.55 | 120~140 |
步骤2:将至少三个素混凝土试件放入干燥箱内干燥,直至干燥状态,该状态下试件重量不再减小。
步骤3:取出试件,称重得到全干状态下的试件重量G 1,此时认为渗水深度为0 mm,称重完毕后马上利用根据本发明的监测系统进行信号测量,得到全干状态下接收信号的波形信息。
步骤4:依次将混凝土试件分别置于不同深度的水中浸泡,本实施例中根据精度要求,划分为80 mm、160 mm、240 mm、320 mm、400 mm深度,每隔4小时取出,擦干表面水分并称重,得到其他5种不同渗水高度工况下的试件总重量G 2 ~G 6 ,每次称重完毕后立即进行信号测量,得到不同含水率下的波形信息。
整个数据采集过程持时较短,约为10分钟左右,因此在这个过程中混凝土内部水分的挥发可以忽略不计,认为在整个数据采集过程中混凝土内部含水率保持不变。对于每一种工况,均按照固定频率简谐波1Hz、5Hz、10Hz以及正弦扫频1~100Hz单个脉冲波的顺序进行试验。在简谐波测量阶段,分别采用1Hz、5Hz、10Hz三种频率进行主动监测。首先由信号发生器发射固定频率的简谐波,信号经功率放大器放大后输入位于试件一端的压电智能骨料驱动器,压电材料将电信号转换为振动信号,并以波的形式在混凝土介质中传播,位于试件另一端的压电智能骨料传感器接收到信号后再次将振动信号转换为电信号,并传输到示波器中存储记忆。
步骤5:数据处理与分析
饱和状态和全干状态下,试件总质量之差,即吸水总质量295g。不同工况下的吸水质量与吸水总质量之比即为该工况下的含水率;渗水深度与试件总高之比即为该工况下的渗水深度占总高的百分比。不同工况下的吸水质量与渗水深度的统计数据如表2所示。
表2 不同渗水高度下吸水质量统计
渗水深度(mm) | 0 | 80 | 160 | 240 | 320 | 400 |
渗水深度占总高百分比 | 0% | 20% | 40% | 60% | 80% | 100% |
总质量(Kg) | 9.485 | 9.615 | 9.660 | 9.690 | 9.730 | 9.780 |
吸水质量(g) | 0 | 130 | 175 | 205 | 245 | 295 |
含水率 | 0% | 44.06% | 59.32% | 69.49% | 83.05% | 100% |
6种工况条件下试件和接收信号(以1Hz为例)如图2至图7所示。
在不同含水率条件下,分析接收到的简谐波幅值平均值,绘制波形幅值随渗水深度的变化曲线。
不同含水率条件下,接收到的简谐波幅值平均值见表3。
表3 接收波形幅值统计
为了避免时间尺度太长波形太多造成干扰,截取1秒时长内简谐波波形进行观察(图8),通过比较可以发现,无论所采用的简谐波频率是1Hz,5Hz,还是10Hz,接收信号的幅值均反映出一个共同的趋势,即随着构件中含水率的提高,波形幅值逐渐减小,说明由于水的存在,超声波在传播过程中波形能量损失增大,因此可以根据幅值的相对大小来初步定性地判别混凝土构件中的含水情况。
由表3统计数据绘出幅值随渗水深度的变化曲线如图9所示。从该曲线可以得到以下信息:
(1)随着湿度的增加,波形幅值均表现出下降趋势;该曲线有两个较为明显的转折点,一个当构件从干燥状态进入有水状态时,幅值降低最为明显;另一个是当混凝土试件吸水接近饱和状态时(渗水深度320 mm,吸水率83.05%),此时简谐波在水中传播耗散的能量已经占有很大比例,同时也反应出简谐波在不同介质传播过程中能量损耗不同。
(2)相同含水率条件下,简谐波的频率越高,幅值越小。其原因是混凝土为非均匀材料,散射作用使材料对波的衰减较大,频率越高,传播距离越小,绕过颗粒的能力越差。
基于能量对混凝土构件内部湿度的判别如下。
对降噪后的信号波形在时域内进行正弦函数拟合,然后应用公式(2)对拟合曲线进行积分,得到18种工况下的单周波形能量如表4所示:
表4 波形能量统计
从上表可以看出:
频率相同时,不同含水率条件下,不同波形的振幅和相位角不一样,但是圆频率相同,原因是发射波的周期相同,故接收波周期亦相同;
此外,还可以根据采集到的波形计算出了采样总时长内,波形总能量如表5所示:
表5 采样时长内波形总能量统计
能量 | 0 | 80 | 160 | 240 | 320 | 400 | |
1Hz | 9周能量(250采样点/周) | 2.5319 | 1.1320 | 0.8331 | 0.5549 | 0.3079 | 0.1846 |
5Hz | 11周能量(200采样点/周)) | 0.4431 | 0.1439 | 0.1272 | 0.0904 | 0.0319 | 0.0274 |
10Hz | 9周能量(250采样点/周) | 0.0946 | 0.0247 | 0.0210 | 0.0161 | 0.0047 | 0.0046 |
根据表4中的数据可以绘出相同频率下波形能量随渗水深度变化柱状图,如图10所示,从图中可以看出,波形能量与渗水深度成反比关系。渗水深度越大,混凝土内部含水率越高,接收到的波形能量越小;试件从干燥状态变为有水状态时,能量下降最为明显,可能是波在水-混凝土界面发生大量反射所致;当含水率继续增加,但未达到饱和状态时(渗水深度在80 mm至240 mm,吸水率在44.06%到69.49%之间),波形能量变化相对缓慢;当混凝土试件内部水分快要接近饱和状态时(渗水深度320 mm,吸水率83.05%),能量再次发生较大幅度下降,表明此时水分已经成为波能量损失的主导因素。
基于平均功率对混凝土构件内部湿度的判别如下。
使用公式(4),可以得到不同频率简谐波的平均功率,如表6所示。
表6 平均功率统计
运用三维柱状图,可以将平均功率随渗水深度的变化趋势形象地展现出来,参见图11。进一步,我们可以采用归一化的方法,将有量纲的表达式,经过变换化为无量纲的表达式,成为纯量。利用公式(5),可得线性归一化平均功率值如表7所示。
表7 线性归一化平均功率统计
重新用三维柱状图进行描述可以发现,归一化后数据之间的协同和差异更加明显如图12所示。同一性表现为随着含水率的增长,三种频率简谐波的平均功率均呈现下降趋势,尤其当渗水深度从0变成80 mm时,所有频率波形的平均功率同时出现大幅下降,表明压电智能骨料对水分十分敏感;差异性表现在随着简谐波频率的增加,相同含水率条件下波形平均功率相差较大,甚至达到几百倍(当渗水深度为320 mm时,1Hz简谐波的平均功率是10Hz简谐波的292倍),因此在实际应用过程中,适当地选择简谐波频率显得尤为重要,恰当频率的波形不仅能捕捉到混凝土中水分的细微变化,而且能够简化数据处理过程。
基于湿度指数对混凝土构件内部湿度的判别如下。
结合表4等,利用公式(1)可以得到基于能量的不同渗水高度下混凝土的湿度指数如表8。
表8 湿度指数统计
进而得到湿度指数随渗水深度的变化曲线,如图13所示。由图13可以得到在对本龄期、本类混凝土,在本激励频率、标距条件混凝土湿度指数与渗水深度之间一对一的关系。在实际应用中,通过监测波形信息得到混凝土的湿度指数以后,通过系统标定的对应关系进一步得到混凝土的渗水深度。
Claims (7)
1.一种基于压电智能骨料的混凝土湿度监测方法,该方法包括以下步骤:
步骤(1)将压电智能骨料传感器埋于混凝土材料内部需要监测湿度的区域中,在埋入过程中保持压电智能骨料传感器方向和位置的准确性;
步骤(2)将监测系统中的相关组件连接好,打开各仪器电源,通过信号发生器对压电智能骨料驱动器发出低频激励信号,该激励信号的频率为1~10Hz;
步骤(3)压电智能骨料驱动器产生逆压电效应,将电信号转化为振动信号,布置在其他位置的压电智能骨料传感器接收到应力波信号后,产生正压电效应,将振动信号再次转换为电信号并输入到示波器进行存储记忆;
步骤(4)借助接收信号在混凝土内部传播的波的幅值、能量、平均功率来确认混凝土内部不同位置的湿度。
2.根据权利要求1所述的基于压电智能骨料的混凝土湿度监测方法,其中
在所述步骤(2)中,使用功率放大器对所述激励信号进行放大。
3.根据权利要求1-2所述的基于压电智能骨料的混凝土湿度监测方法,其中
在进行步骤(4)之前,先对接收信号进行滤波和降噪处理。
4.根据权利要求1所述的基于压电智能骨料的混凝土湿度监测方法,其中
所述步骤(2)中通过信号发生器对压电智能骨料驱动器发出低频激励信号为简谐波或正弦波扫频。
5.根据权利要求1-3所述的基于压电智能骨料的混凝土湿度监测方法,其中
所述步骤(4)中,借助接收信号在混凝土内部传播的波的幅值、能量、平均功率与系统试验标定作比较以确认混凝土内部不同位置的湿度。
6. 根据权利要求5所述的基于压电智能骨料的混凝土湿度监测方法,其中
所述系统试验标定包括以下步骤:
步骤(a)在混凝土试件内部不同距离埋入压电智能骨料传感器,两传感器相距一定距离,该距离可调整,与预埋在待监测的混凝土结构中预埋的传感器间距保持一致;该混凝土试件与待监测的混凝土结构的混凝土类型、组分、龄期相同;
步骤(b)将素混凝土试件放入干燥箱内干燥,直至干燥状态,该状态下试件重量不再减小,为验证试验结果的稳定性,试件数量取多个;
步骤(c)取出试件,称重得到全干状态下的试件重量G 1,此时相对湿度为0%,渗水深度为0 mm,称重完毕后马上利用根据本发明的监测系统进行信号测量,得到全干状态下接收信号的波形信息,
步骤(d)相对湿度的标定:将混凝土试件置于恒湿箱中,根据精度要求在0%~100%范围内不同相对湿度下养护至重量不变,称重记为G i ,并在此重量下进行信号测量,得到不同相对湿度下的波形信息;渗水深度的标定:依次将试件分别置于不同深度的水中浸泡,根据精度要求选择N种深度划分,每隔固定时间取出,浸泡时间要保证在此深度下,混凝土已完全浸透,擦干表面水分并称重,得到其他N种不同渗水深度工况下的试件总重量G N+1,每次称重完毕后立即进行信号测量,得到不同含水率下的波形信息;对于每一种工况,均按照固定频率简谐波1Hz、5Hz、10Hz以及正弦扫频1-100Hz单个脉冲波的顺序进行试验;简谐波用于比较不同含水率条件下的接收波波形的幅值差异,并通过后期数据处理计算相关湿度评价指标;正弦扫频得到不同频率的波在不同湿度条件下的损耗情况,在不同湿度工况下进行扫频,然后对扫频信号进行傅里叶变换,进行频域分析,确定湿度对不同激励频率信号的影响,用于选取适用于监测的激励频率;在简谐波测量阶段,分别采用1Hz、5Hz、10Hz三种频率进行主动监测,首先由信号发生器发射固定频率的简谐波,信号经功率放大器放大后输入位于试件一端的压电智能骨料驱动器,压电材料将电信号转换为振动信号,并以波的形式在混凝土介质中传播,位于试件另一端的压电智能骨料传感器接收到信号后再次将振动信号转换为电信号,并传输到示波器中存储记忆;
步骤(e)数据处理与分析:饱和状态和全干状态下,试件总质量之差,即吸水总质量,不同工况下的吸水质量与吸水总质量之比即为该工况下的含水率;渗水深度与试件总高之比即为该工况下的渗水深度占总高的百分比;
在不同含水率条件下,分析接收到的简谐波幅值平均值,得到波形幅值随渗水深度的变化趋势;计算不同工况下的单周波形能量;同时,根据采集到的波形计算出了采样总时长内,进一步计算得到波形总能量,得出相同频率下波形能量随渗水高度的变化趋势;计算不同频率简谐波的平均功率随渗水深度的变化趋势,进一步,采用归一化的方法,线性归一化平均功率,得到归一化后的平均功率值随渗水深度的变化趋势;根据幅值的相对大小、能量以及平均功率对混凝土构件中的含水情况做出初步定性判别;通过公式
计算湿度指数,其中为MI i 湿度指数,可为第i种工况下所接收波形信号的幅值、能量或者是平均功率, I0为干燥状态下所接收波形信号的幅值、能量或者是平均功率,ω为激励信号频率影响系数,d为传感器之间距离对信号的影响系数,k为混凝土种类影响系数,对不同激励简谐波、不同传感器距离和不同种类混凝土的监测系统进行标定,即确定ω,d和k的值可以得到不同渗水深度、含水量下混凝土的湿度指数;
最终得到在对本龄期、本类混凝土,在本激励频率、标距条件混凝土湿度指数与渗水深度之间一对一的关系。
7.根据权利要求6所述的基于压电智能骨料的混凝土湿度监测方法,其中
所述步骤(e)中最优使用1-10Hz作为正弦扫频的激励频率范围。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210557810.8A CN103048384B (zh) | 2012-12-20 | 2012-12-20 | 一种基于压电智能骨料的混凝土湿度监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210557810.8A CN103048384B (zh) | 2012-12-20 | 2012-12-20 | 一种基于压电智能骨料的混凝土湿度监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103048384A true CN103048384A (zh) | 2013-04-17 |
CN103048384B CN103048384B (zh) | 2017-12-26 |
Family
ID=48061100
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210557810.8A Active CN103048384B (zh) | 2012-12-20 | 2012-12-20 | 一种基于压电智能骨料的混凝土湿度监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103048384B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103472130A (zh) * | 2013-09-10 | 2013-12-25 | 河海大学 | 一种压电陶瓷机敏模块及水工混凝土结构健康监测试验平台 |
CN103743893A (zh) * | 2013-12-31 | 2014-04-23 | 清华大学 | 一种水泥混凝土路面板内湿度梯度测试方法 |
CN103981908A (zh) * | 2014-06-03 | 2014-08-13 | 武汉大学 | 一种混凝土桩基与土体耦合性能的监测与评估装置及方法 |
CN105891331A (zh) * | 2016-04-01 | 2016-08-24 | 武汉科技大学 | 基于圆管形压电智能骨料的混凝土结构缺陷在线定位方法 |
CN106018760A (zh) * | 2016-07-14 | 2016-10-12 | 河北省电力勘测设计研究院 | 一种测量混凝土内部湿度的装置及方法 |
CN108152127A (zh) * | 2017-12-29 | 2018-06-12 | 哈尔滨工业大学深圳研究生院 | 一种混凝土结构的工作应力监测装置和方法 |
CN108696185A (zh) * | 2017-11-10 | 2018-10-23 | 中国矿业大学(北京) | 一种减速带发电装置 |
CN108818882A (zh) * | 2018-03-06 | 2018-11-16 | 华侨大学 | 一种混凝土智能骨料及其制备方法 |
CN108919258A (zh) * | 2018-04-24 | 2018-11-30 | 南京市轨道交通建设工程质量安全监督站 | 一种采用微波技术推定隧道衬砌混凝土中雷达波速的方法 |
CN110308183A (zh) * | 2019-06-27 | 2019-10-08 | 中国矿业大学 | 一种实时监测混凝土渗水深度的无损检测方法 |
CN111623867A (zh) * | 2020-04-27 | 2020-09-04 | 中国人民解放军海军士官学校 | 一种缸套-活塞组件磨损状态的预测方法 |
CN114544700A (zh) * | 2022-02-22 | 2022-05-27 | 三峡大学 | 一种大体积混凝土导热系数测试装置及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080034884A1 (en) * | 2006-07-07 | 2008-02-14 | Gangbing Song | Piezoceramic-based smart aggregate for unified performance monitoring of concrete structures |
CN101216443A (zh) * | 2008-01-02 | 2008-07-09 | 沈阳建筑大学 | 一种用于土木工程结构健康监测的压电智能骨料 |
CN102749386A (zh) * | 2011-04-19 | 2012-10-24 | 香港科技大学 | 用于混凝土结构的现场水化监视和损伤检测的系统和方法及其使用的传感器 |
-
2012
- 2012-12-20 CN CN201210557810.8A patent/CN103048384B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080034884A1 (en) * | 2006-07-07 | 2008-02-14 | Gangbing Song | Piezoceramic-based smart aggregate for unified performance monitoring of concrete structures |
CN101216443A (zh) * | 2008-01-02 | 2008-07-09 | 沈阳建筑大学 | 一种用于土木工程结构健康监测的压电智能骨料 |
CN102749386A (zh) * | 2011-04-19 | 2012-10-24 | 香港科技大学 | 用于混凝土结构的现场水化监视和损伤检测的系统和方法及其使用的传感器 |
Non-Patent Citations (3)
Title |
---|
SAROSH H.LODI ETC: "Applications of nanotechonology and nanomaterials in construction", 《FIRST INTERNATIONAL CONFERENCE ON CONSTRUCTION IN DEVELOPING COUNTRIES(ICCIDC-I)》 * |
周宏 等: "利用压电智能骨料对混凝土结构损伤的识别研究", 《混凝土》 * |
蒙彦宇等: "压电混凝土梁主动健康监测试验", 《沈阳建筑大学学报》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103472130A (zh) * | 2013-09-10 | 2013-12-25 | 河海大学 | 一种压电陶瓷机敏模块及水工混凝土结构健康监测试验平台 |
CN103743893A (zh) * | 2013-12-31 | 2014-04-23 | 清华大学 | 一种水泥混凝土路面板内湿度梯度测试方法 |
CN103743893B (zh) * | 2013-12-31 | 2015-08-19 | 清华大学 | 一种水泥混凝土路面板内湿度梯度测试方法 |
CN103981908A (zh) * | 2014-06-03 | 2014-08-13 | 武汉大学 | 一种混凝土桩基与土体耦合性能的监测与评估装置及方法 |
CN105891331A (zh) * | 2016-04-01 | 2016-08-24 | 武汉科技大学 | 基于圆管形压电智能骨料的混凝土结构缺陷在线定位方法 |
CN106018760B (zh) * | 2016-07-14 | 2018-03-13 | 中国电建集团河北省电力勘测设计研究院有限公司 | 一种测量混凝土内部湿度的装置及方法 |
CN106018760A (zh) * | 2016-07-14 | 2016-10-12 | 河北省电力勘测设计研究院 | 一种测量混凝土内部湿度的装置及方法 |
CN108696185A (zh) * | 2017-11-10 | 2018-10-23 | 中国矿业大学(北京) | 一种减速带发电装置 |
CN108152127A (zh) * | 2017-12-29 | 2018-06-12 | 哈尔滨工业大学深圳研究生院 | 一种混凝土结构的工作应力监测装置和方法 |
CN108818882A (zh) * | 2018-03-06 | 2018-11-16 | 华侨大学 | 一种混凝土智能骨料及其制备方法 |
CN108919258A (zh) * | 2018-04-24 | 2018-11-30 | 南京市轨道交通建设工程质量安全监督站 | 一种采用微波技术推定隧道衬砌混凝土中雷达波速的方法 |
CN110308183A (zh) * | 2019-06-27 | 2019-10-08 | 中国矿业大学 | 一种实时监测混凝土渗水深度的无损检测方法 |
CN110308183B (zh) * | 2019-06-27 | 2022-04-22 | 中国矿业大学 | 一种实时监测混凝土渗水深度的无损检测方法 |
CN111623867A (zh) * | 2020-04-27 | 2020-09-04 | 中国人民解放军海军士官学校 | 一种缸套-活塞组件磨损状态的预测方法 |
CN114544700A (zh) * | 2022-02-22 | 2022-05-27 | 三峡大学 | 一种大体积混凝土导热系数测试装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103048384B (zh) | 2017-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103048384A (zh) | 一种基于压电智能骨料的混凝土湿度监测方法 | |
Hilloulin et al. | Small crack detection in cementitious materials using nonlinear coda wave modulation | |
Garnier et al. | Acoustic techniques for concrete evaluation: Improvements, comparisons and consistency | |
CN103529128B (zh) | 一种疲劳裂纹在线检测系统及检测方法 | |
Ahn et al. | Effectiveness of diffuse ultrasound for evaluation of micro-cracking damage in concrete | |
Baptista et al. | Optimal frequency range selection for PZT transducers in impedance-based SHM systems | |
Fröjd et al. | Amplitude and phase measurements of continuous diffuse fields for structural health monitoring of concrete structures | |
Chekroun et al. | Analysis of coherent surface wave dispersion and attenuation for non-destructive testing of concrete | |
CN107449664B (zh) | 应用超声散射波法测量单轴受压下混凝土绝对应力的方法 | |
Cui et al. | Assessing the effects of insufficient rebar and missing grout in grouted rock bolts using guided ultrasonic waves | |
CN104264718A (zh) | 一种桩基完整性的检测方法 | |
CN203572806U (zh) | 一种疲劳裂纹在线检测系统 | |
CN103852523A (zh) | 基于声发射技术判别预应力混凝土梁结构损伤类型的系统及方法 | |
Segarra et al. | Performance of some coupling methods for blast vibration monitoring | |
CN108982029A (zh) | 基于移动车辆的梁式桥梁结构的损伤定位方法 | |
CN204758542U (zh) | 一种金属结构的裂纹的检测装置 | |
Wiciak et al. | Sensor and dimensions effects in ultrasonic pulse velocity measurements in mortar specimens | |
Ju et al. | Monitoring of corrosion effects in pipes with multi-mode acoustic signals | |
CN103412056A (zh) | 一种基于双传感器的类板状结构中声发射波模态分离方法 | |
Ouarabi et al. | Nonlinear coda wave analysis of hysteretic elastic behavior in strongly scattering media | |
Fursa et al. | Development of an acoustoelectric method for determining the porosity of dielectric materials | |
Wiggenhauser et al. | Innovative ultrasonic techniques for inspection and monitoring of large concrete structures | |
Zhou et al. | Real-time on-site monitoring of soil ammonia emissions using membrane permeation-based sensing probe | |
Hong et al. | Development of non-contact ultrasonic IoT system for monitoring hardening process of concrete | |
Biswas et al. | On Effective placement of acoustic emission sensor in steel framed structure for damage detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20180816 Address after: 518055 Guangdong, Shenzhen, Nanshan District, Xili Town, Nanshan District, No. 6 Ping Shan Road, Harbin Industrial University Campus Patentee after: Harbin Institute of Technology (Shenzhen) Address before: 518057 C 1-6, innovation and Research Institute, Nanshan District hi tech Zone, Shenzhen, Guangdong Patentee before: Liu Tiejun |
|
TR01 | Transfer of patent right |