CN111458375A - 一种隧道衬砌浅层钢筋锈胀的探测方法与装置 - Google Patents

一种隧道衬砌浅层钢筋锈胀的探测方法与装置 Download PDF

Info

Publication number
CN111458375A
CN111458375A CN202010203611.1A CN202010203611A CN111458375A CN 111458375 A CN111458375 A CN 111458375A CN 202010203611 A CN202010203611 A CN 202010203611A CN 111458375 A CN111458375 A CN 111458375A
Authority
CN
China
Prior art keywords
steel bar
lining
rust
tunnel
infrared
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
Application number
CN202010203611.1A
Other languages
English (en)
Other versions
CN111458375B (zh
Inventor
刘学增
段俊铭
师刚
桑运龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SHANGHAI TONGYAN CIVIL ENGINEERING TECHNOLOGY CO LTD
Tongji University
Original Assignee
SHANGHAI TONGYAN CIVIL ENGINEERING TECHNOLOGY CO LTD
Tongji University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by SHANGHAI TONGYAN CIVIL ENGINEERING TECHNOLOGY CO LTD, Tongji University filed Critical SHANGHAI TONGYAN CIVIL ENGINEERING TECHNOLOGY CO LTD
Priority to CN202010203611.1A priority Critical patent/CN111458375B/zh
Publication of CN111458375A publication Critical patent/CN111458375A/zh
Application granted granted Critical
Publication of CN111458375B publication Critical patent/CN111458375B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N25/00—Investigating or analyzing materials by the use of thermal means
    • G01N25/72—Investigating presence of flaws
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination

Abstract

一种隧道衬砌浅层钢筋锈胀的探测方法与装置。当隧道衬砌表面或浅层部位存在钢筋锈胀时，此根据温度差异可定位潜在钢筋锈胀部位、判断钢筋锈胀程度。钢筋锈胀后会使其对应的衬砌表面产生锈胀裂缝且为顺筋裂缝，通过获取衬砌表面顺筋裂缝的位置分布可辅助定位钢筋锈胀部位；钢筋锈胀后其对应区域刚度也会降低导致结构表面出现与两侧完整部位差异较为明显的变形，且不同钢筋锈胀程度会使衬砌表面的裂缝宽度和变形情况也有所不同，因此基于这种钢筋锈胀与衬砌表面变形以及裂缝宽度的关系并结合红外热像图中温度变化的关系确定钢筋锈胀部位、判断钢筋锈胀程度。

Description

一种隧道衬砌浅层钢筋锈胀的探测方法与装置
技术领域
本发明涉及隧道病害检测技术领域。
背景技术
处于富水环境或海域环境中的隧道在受到氯离子侵蚀、混凝土碳化、杂散电流等的影响下，隧道衬砌内部钢筋发生锈蚀，钢筋锈蚀后随着锈蚀产物体积不断膨胀，混凝土保护层产生锈胀裂缝，从而又加剧了钢筋的锈蚀，最终使衬砌表面严重胀裂，出现剥落剥离、渗漏水等病害，严重影响了隧道正常安全运营，因此快速检测出隧道钢筋锈胀病害并判断其锈胀程度对结构运维养护具有重要意义。
现今混凝土钢筋锈蚀常规的无损检测方法有分析法、电化学法、电阻探针法、射线法等，这些方法主要是对钢筋锈蚀的局部细观检查，定性较多，且工作量大、工作效率低，无法快速定位钢筋锈胀位置，钢筋锈胀程度也不能确定，同时隧道现场条件复杂、场地有限，常规方法的检测效率更加难以保证。红外检测技术具有非接触、远距离、高精度、操作方便、检测结果形象直观等优点，尤其适用于整体结构的无损检测，为隧道衬砌浅层钢筋锈胀的快速检测提供了新方法。
当混凝土表面或浅层部位存在钢筋锈胀时，锈胀部位导热性能有所下降，在外部热源的作用下，采集到的红外热像图中钢筋锈胀部位的表面温度会高于周边混凝土温度，根据这种温度差异可定位潜在钢筋锈胀部位、判断钢筋锈胀程度。同时钢筋锈胀后会使对应的衬砌表面产生锈胀裂缝且为顺筋裂缝，锈胀部位刚度降低也会导致结构表面出现与两侧完整部位差异较为明显的变形，因此可结合观察潜在钢筋锈胀部位表面的裂缝分布和变形特征进行再判断，从而综合确定钢筋锈胀程度。
专利CN 108982571A公开了一种基于隔热箱体、连接标尺、红外热像仪和计算机的无损检测钢筋混凝土锈胀程度的装置，该装置结构简单，但需要人工手动控制连接标尺进行检测，单次只能检测出一处锈胀位置，检测效率低，且针对隧道现场条件复杂、场地有限、能见度低、没有太阳辐射等特点，该装置在隧道工程中的适用性不高；专利CN 110310258 A公开了一种混凝土构件钢筋锈蚀程度的评定方法，通过MATLAB软件对混凝土锈胀裂缝图像的处理计算得到锈胀裂缝的分形维数值，并基于裂缝分形维数值计算得到混凝土内部钢筋的锈蚀率，该方法操作简便，但需要预先确定锈胀裂缝位置获取图像后才能进行评定，而实际隧道中的裂缝不只包括钢筋锈胀裂缝，因此该方法工作效率不高，且无法准确确定病害位置，评定方法比较单一。因此如何快速准确地检测出隧道衬砌浅层钢筋锈胀病害，并确定钢筋锈胀影响范围和钢筋锈胀程度是目前急需要解决的技术问题。
发明内容
本发明的目的就是为了克服上述现有技术的缺陷而提供一种隧道衬砌浅层钢筋锈胀的快速检测方法与装置。
本发明的目的可以通过以下技术方案来实现：
一种隧道衬砌浅层钢筋锈胀的探测方法，包括如下步骤：
S1、利用大功率红外脉冲热激励源加热隧道衬砌表面到一定温度T，供步骤2采集图像。
S2、同时三种采集方式
S2.1采集反映衬砌表面温度分布状况的红外热像图，提供给步骤3；
S2.2采集隧道衬砌表观图像，提供给步骤5；
S2.3通过三维激光扫描采集衬砌表面形变信息，提供给步骤5。
S3、将原始红外热像图进行预处理，提取温度分布状况；
具体地，首先采用灰度校正将红外热像图转为灰度图，并综合考虑热像图中的噪声信号特点，采用高斯滤波函数对图像进行降噪处理，在此基础上，对图像进行边缘化处理，进一步提升图像的识别精度，得到红外热像图中的温度分布特征，提供给步骤4进一步处理。在图像处理领域，本步骤3的处理过程皆为通用常规的技术。
S4、基于隧道衬砌表面温度分布状况，根据是否存在温度差异识别判断是否存在潜在的钢筋锈胀病害，进一步在锈胀部位提取平均温度并根据模型一确定钢筋锈胀程度S初。具体的：
根据预先设定的判断钢筋锈胀病害部位的温度阀值范围T+ΔTmin-T+ΔTmax，如果红外热像图中的温度分布均不在此范围内，则给出无病害存在的结论；否则提取出潜在锈胀部位P初及该部位的平均温度Z初，并根据判断模型一确定钢筋锈胀程度S初，提供给步骤5。
所述判断模型一：S初＝A1+A2Z+A3Z2，式中
Z为钢筋锈胀部位平均温度avg(T+ΔTi)；
S初为钢筋锈胀程度；
A1、A2和A3为通过试验数据拟合得到的常数。
S5、由步骤S2.2提供的衬砌表面表观图像中获取裂缝信息，在步骤S4锈胀部位P初处结合利用裂缝分布情况二次判断病害存在的精确位置P精和裂缝宽度Y；输出最终结果精确位置P精，所述裂缝宽度Y用于提供给步骤S6。
S6、根据步骤S2.3确定出衬砌表面变形X，将此变量输入基于衬砌表面变形X与钢筋锈胀程度S的关系判断数学模型二：SX＝B1X+B2X2+B3X3
式中，SX为根据衬砌表面变形X确定的钢筋锈胀程度；
X为衬砌表面变形；
B1、B2和B3为通过数值模拟数据拟合得到的常数。
S7、步骤S5确定的裂缝宽度Y，将变量输入基于衬砌表面裂缝宽度Y与钢筋锈胀程度S的关系判断数学模型三：SY＝C1Y
式中，Y为裂缝宽度；
SY为根据裂缝宽度Y确定的钢筋锈胀程度；
C1为通过数值模拟数据拟合得到的常数
S8、根据上述SX、SY以及S初结果综合输出最终结果钢筋锈胀程度S终。
基于上述方法原理，本发明进一步开发了探测系统，该系统综合运用红外检测技术、裂缝检测以及激光扫描技术可实现隧道衬砌钢筋锈胀的快速检测以及锈胀程度的定量确定，检测结果可靠，大幅提高了检测效率。
与现有技术相比，本发明具有以下有益效果：
1)通过车载移动平台实现了隧道衬砌钢筋锈胀病害的快速检测，相比人工检测较大提升了检测效率，减少了工作量；
2)综合红外检测技术、裂缝检测以及激光扫描技术、图像处理技术和移动定位技术等实现了钢筋锈胀病害的定位以及钢筋锈胀程度的定量确定，检测精度高、自动化程度高、检测全面、检测结果直观；
3)建立了精确地隧道环向激光扫描-纵向激光编码器定位的融合定位方式，可准确获取病害位置信息，方便后期结构运维养护；
4)针对隧道没有太阳能辐射等特点，提出了采用外部热源加热的方式，得到了一种红外热像技术检测衬砌质量内部缺陷的可行性方法，这种方法也可应用于快速检测工民建、桥梁等结构内部病害。
附图说明
图1为本发明方法的主要步骤流程示意图；
图2为实施例钢筋锈胀部位平均温度avg(T+△Ti)与钢筋锈胀程度S的关系曲线；
图3为实施例中数值模拟模型图；
图4为实施例衬砌表面变形X与钢筋锈胀程度S的关系曲线；
图5为实施例裂缝宽度Y与钢筋锈胀程度S的关系曲线；
图6为本发明隧道衬砌浅层钢筋锈胀的探测装置的结构示意图；
图7为本发明探测装置的技术结构拓扑示意图。
数字标记：车载移动平台1，信息采集系统2，同步控制系统3，信息处理系统4，供电系统5，红外脉冲加热装置21、红外热像仪22、工业相机23、照明设备24、激光扫描仪25、激光编码器26
具体实施方式
实施例
本发明技术方案可行性原理：当隧道衬砌表面或浅层部位存在钢筋锈胀时，钢筋锈胀部位相较于周边完整部位导热性能有所下降，在外部热源的作用下，采集到的红外热像图中钢筋锈胀部位的表面温度会高于周边混凝土温度，且钢筋锈胀程度不同所显示出的温度信息也有所不同，因此根据这种温度差异可定位潜在钢筋锈胀部位、判断钢筋锈胀程度。同时钢筋锈胀后会使其对应的衬砌表面产生锈胀裂缝且为顺筋裂缝，通过获取衬砌表面顺筋裂缝的位置分布可辅助定位钢筋锈胀部位；钢筋锈胀后其对应区域刚度也会降低导致结构表面出现与两侧完整部位差异较为明显的变形，且不同钢筋锈胀程度会使衬砌表面的裂缝宽度和变形情况也有所不同，因此基于这种钢筋锈胀与衬砌表面变形以及裂缝宽度的关系并结合红外热像图中温度变化的关系确定钢筋锈胀部位、判断钢筋锈胀程度。
以下结合附图对本发明技术方案做进一步介绍。
如图1所示，一种隧道衬砌浅层钢筋锈胀的探测方法，包括如下步骤：
S1、利用大功率红外脉冲热激励源加热隧道衬砌表面到一定温度T，供步骤2采集图像。
S2、同时三种采集方式
S2.1采集反映衬砌表面温度分布状况的红外热像图，提供给步骤3；
S2.2采集隧道衬砌表观图像，提供给步骤5；
S2.3通过三维激光扫描采集衬砌表面形变信息，提供给步骤5。
S3、将原始红外热像图进行预处理，提取温度分布状况；
具体地，首先采用灰度校正将红外热像图转为灰度图，并综合考虑热像图中的噪声信号特点，采用高斯滤波函数对图像进行降噪处理，在此基础上，对图像进行边缘化处理，进一步提升图像的识别精度，得到红外热像图中的温度分布特征，提供给步骤4进一步处理。在图像处理领域，本步骤3的处理过程皆为通用常规的技术。
S4、基于隧道衬砌表面温度分布状况，根据是否存在温度差异识别判断是否存在潜在的钢筋锈胀病害，进一步在锈胀部位提取平均温度并根据模型一确定钢筋锈胀程度S初。具体的：
根据预先设定的判断钢筋锈胀病害部位的温度阀值范围T+ΔTmin-T+ΔTmax，如果红外热像图中的温度分布均不在此范围内，则给出无病害存在的结论；否则提取出潜在锈胀部位P初及该部位的平均温度Z初，并根据判断模型一确定钢筋锈胀程度S初，提供给步骤5。
所述判断模型一：S初＝A1+A2Z+A3Z2，式中
Z为钢筋锈胀部位平均温度avg(T+ΔTi)；
S初为钢筋锈胀程度；
A1、A2和A3为通过试验数据拟合得到的常数。
S5、由步骤S2.2提供的衬砌表面表观图像中获取裂缝信息，在步骤S4锈胀部位P初处结合利用顺筋裂缝分布情况二次判断病害存在的精确位置P精和裂缝宽度Y；输出最终结果精确位置P精，所述裂缝宽度Y用于提供给步骤S6。
S6、根据步骤S2.3确定出衬砌表面变形X，将此变量输入基于衬砌表面变形X与钢筋锈胀程度S的关系判断数学模型二：SX＝B1X+B2X2+B3X3
式中，SX为根据衬砌表面变形X确定的钢筋锈胀程度；
X为衬砌表面变形；
B1、B2和B3为通过数值模拟数据拟合得到的常数。
S7、步骤S5确定的裂缝宽度Y，将变量输入基于衬砌表面裂缝宽度Y与钢筋锈胀程度S的关系判断数学模型三：SY＝C1Y
式中，Y为裂缝宽度；
SY为根据裂缝宽度Y确定的钢筋锈胀程度；
C1为通过数值模拟数据拟合得到的常数
S8、根据上述精确位置P精、SX、SY以及S初计算结果输出最终结果钢筋锈胀程度S终，实现了隧道衬砌钢筋锈胀病害的精确定位以及综合判断钢筋锈胀程度，对隧道衬砌结构运维养护具有重要意义。
作为实施例，进一步公开“温度特征关系判断模型一”研究形成过程：
原理
钢筋锈胀与红外热像图中温度特征的关系为：当隧道衬砌表面或浅层部位存在钢筋锈胀时，钢筋锈胀部位相较于周边完整部位导热性能必然有所下降，当在外部热源的作用下，采集到的红外热像图中钢筋锈胀部位的表面温度会高于周边混凝土温度，且钢筋锈胀程度不同所显示出的温度信息也有所不同，因此根据这种温度差异可定位潜在钢筋锈胀部位、判断钢筋锈胀程度。
试验研究过程
钢筋锈胀程度与红外热像图中温度特征的关系的具体判断方法如下：
(1)在实验研究阶段，制作与实际隧道衬砌结构参数一致的6个钢筋混凝土试件进行试验分析，分别记为试件1、试件2、试件3、试件4、试件5、试件6；首先基于全浸泡外加电流加速锈蚀法通过依次增加钢筋的通电时间和电流大小，制作出钢筋锈胀程度不同的6个混凝土试件；然后再根据本发明方法利用红外脉冲热激励源对试件表面加热到温度T后获取各个试件表面的红外热像图，对红外热像图预处理后获取其中钢筋锈胀部位显示的温度分布特征T+ΔTi(i＝1，2，3，4，5，6)，由此结合6个试件钢筋锈胀部位的温度分布特征T+ΔTi预先设定判断钢筋锈胀病害部位的温度阀值范围T+ΔTmin～T+ΔTmax；
(2)基于所获取的6个试件钢筋锈胀部位的温度分布特征T+ΔTi(i＝1，2，3，4，5，6)计算出各自该部位的平均温度avg(T+ΔTi)，从而建立钢筋锈胀部位平均温度avg(T+ΔTi)与钢筋锈胀程度S的关系曲线，记为第一关系曲线，如图2所示，拟合公式如公式(1)所示。
所述的钢筋锈胀部位平均温度avg(T+ΔTi)与钢筋锈胀程度S的拟合曲线公式为：
S＝A1+A2Z+A3Z2 (1)
式中Z为钢筋锈胀部位平均温度avg(T+ΔTi)；S为钢筋锈胀程度；A1、A2和A3为通过试验数据拟合得到的常数。
(3)根据所设定的温度阀值范围T+ΔTmin-T+ΔTmax从步骤S3预处理后的实际隧道衬砌表面的红外热像图中提取出潜在的钢筋锈胀部位P初以及该部位P初的平均温度AV，并基于已建立的第一关系曲线初步确定钢筋锈胀程度S初。
作为实施例，进一步公开“数学模型二和模型三”研究形成过程：
钢筋锈胀后会使衬砌表面产生裂缝和变形，基于数值模拟方法以钢筋外侧包裹的不同锈蚀层厚度δi(δ1、δ2、δ3、δ4、δ5)模拟不同的钢筋锈胀程度Si从而得到混凝土表面的变形X和裂缝宽度Y，由此建立衬砌表面变形X与钢筋锈胀程度S的函数关系，记为第二关系曲线，如图4中所示，拟合公式如公式(2)所示；同时建立裂缝宽度Y与钢筋锈胀程度S的函数关系，记为第三关系曲线，如图5中所示，拟合公式如公式(3)所示。
所述的衬砌表面变形X与钢筋锈胀程度S的拟合曲线公式为：
S＝B1X+B2X2+B3X3 (2)
式中，X为衬砌表面变形；S为钢筋锈胀程度；B1、B2和B3为通过数值模拟数据拟合得到的常数。
所述的裂缝宽度Y与钢筋锈胀程度S的拟合曲线公式为：
S＝C1Y (3)
式中，Y为裂缝宽度；S为钢筋锈胀程度；C1为通过数值模拟数据拟合得到的常数。
作为实施例，进一步公开实现上述探测方法的探测装置，这部分属于通用技术。如图6和图7所示的隧道衬砌浅层钢筋锈胀的探测装置，包括：
车载移动平台1，用于搭载探测装置，在隧道中可运行。
信息采集系统2，安装在车载移动平台1上，用于采集S2中各项数据信息，所涉及硬件包括大功率红外脉冲加热装置21、红外热像仪22、工业相机23、照明设备24、激光扫描仪25、激光编码器26。所述大功率红外脉冲加热装置21用于将隧道衬砌表面加热至一定温度T；所述红外热像仪22用于采集衬砌表面红外热像图，所述工业相机23用于采集隧道结构表观图像，所述照明设备24用于为工业相机提供照明，所述激光扫描仪25用于采集隧道断面形变数据，所述激光编码器26用于获取车载移动平台的里程定位信息。
同步控制系统3，安装在车载移动平台1上并与信息采集系统2连接，用于同步触发红外热像仪22、工业相机23和激光扫描仪25采集隧道同一断面数据。
信息处理系统4，安装在车载移动平台1上并与信息采集系统2连接，用于接收存储并处理分析信息采集系统2所获取的数据，分析后输出最终结果：精确位置P精和钢筋锈胀程度S终。
供电系统5，安装在车载移动平台1上，为各个设备供电。
进一步公开装置设计细节：
所述车载移动平台1的机械手臂上搭载硬件包括大功率红外脉冲加热装置、红外热像仪、工业相机和照明设备，在车载移动平台行驶过程中，同步控制系统接收里程脉冲信号触发机械手臂自动伸出并控制大功率红外脉冲加热装置对衬砌表面加热，加热后再同步控制红外热像仪、工业相机和激光扫描仪同步采集数据。
具体地，大功率红外脉冲加热装置21，安装在车载移动平台1的机械手臂上，用于将隧道衬砌表面加热至一定温度T，加热时机械手臂自动伸出距离隧道衬砌表面0.6m～1.5m，加热时间1～3min。
具体地，红外热像仪22安装在车载移动平台1的机械手臂上，用于采集衬砌表面红外热像图，根据红外热成像仪的图像传感器尺寸、分辨率、拍摄精度以及拍摄范围，确定其安装位置和拍摄角度。
具体地，工业相机23紧邻红外热像仪22右侧安装于机械手臂上，用于采集隧道结构表观图像。
具体地，照明设备24采用LED白光灯，紧邻工业相机23右侧安装在机械手臂上，用于为工业相机23拍摄范围内的隧道结构均匀补光。
具体地，激光扫描仪25安装在车载移动平台1的尾端，所发射的激光光束覆盖隧道轮廓360°的测量范围，用于采集隧道断面形变数据。
具体地，激光编码器26安装在车载移动平台1的车轮中心轴上，用于获取车载移动平台1的里程定位信息，并与采集的断面形变数据相结合，实现钢筋锈胀病害纵向和环向的融合定位。
该探测装置工作时，车载移动平台1在隧道内正常行驶，同步控制系统3接收激光编码器26的里程脉冲信号，按照设置的参数触发机械手臂自动伸出并控制大功率红外脉冲加热装置21对衬砌表面进行加热，加热完成后再同步控制红外热像仪22、工业相机23和激光扫描仪25同步采集红外热像图、表观图像和隧道断面形变数据，数据采集完成后机械手臂自动收回，信息采集系统2将所有的数据信息传输至信息处理系统4，通过图像处理并综合各类信息输出钢筋锈胀病害部位的纵向和环向精确的位置信息，同时确定钢筋锈胀程度。此外，为了适应隧道内作业环境，在机械手臂上安装照明设备24，为工业相机23提供照明。
本发明探测装置可快速检测出隧道衬砌钢筋锈胀病害精确位置P精、SX、SY以及S初，即实现对隧道衬砌钢筋锈胀病害的精确定位以及综合判断钢筋锈胀程度，对隧道衬砌结构运维养护具有重要意义。

Claims (2)

1.一种隧道衬砌浅层钢筋锈胀的探测方法，其特征在于，包括如下步骤：
S1、利用大功率红外脉冲热激励源加热隧道衬砌表面到一定温度T，供步骤2采集图像；
S2、同时三种采集方式
S2.1采集反映衬砌表面温度分布状况的红外热像图，提供给步骤3；
S2.2采集隧道衬砌表观图像，提供给步骤5；
S2.3通过三维激光扫描采集衬砌表面形变信息，提供给步骤5；
S3、将原始红外热像图进行预处理，提取温度分布状况；
具体地，首先采用灰度校正将红外热像图转为灰度图，并综合考虑热像图中的噪声信号特点，采用高斯滤波函数对图像进行降噪处理，在此基础上，对图像进行边缘化处理，进一步提升图像的识别精度，得到红外热像图中的温度分布特征，提供给步骤4进一步处理；
S4、基于隧道衬砌表面温度分布状况，根据是否存在温度差异识别判断是否存在潜在的钢筋锈胀病害，进一步在锈胀部位提取平均温度并根据模型一确定钢筋锈胀程度S初；具体的：
根据预先设定的判断钢筋锈胀病害部位的温度阀值范围T+ΔTmin-T+ΔTmax，如果红外热像图中的温度分布均不在此范围内，则给出无病害存在的结论；否则提取出潜在锈胀部位P初及该部位的平均温度Z初，并根据判断模型一确定钢筋锈胀程度S初，提供给步骤5；
所述判断模型一：S初＝A1+A2Z+A3Z2，式中
Z为钢筋锈胀部位平均温度avg(T+ΔTi)；
S初为钢筋锈胀程度；
A1、A2和A3为通过试验数据拟合得到的常数；
S5、由步骤S2.2提供的衬砌表面表观图像中获取裂缝信息，在步骤S4锈胀部位P初处结合利用顺筋裂缝分布情况二次判断病害存在的精确位置P精和裂缝宽度Y；输出最终结果精确位置P精，所述裂缝宽度Y用于提供给步骤S6；
S6、根据步骤S2.3确定出衬砌表面变形X，将此变量输入基于衬砌表面变形X与钢筋锈胀程度S的关系判断数学模型二：SX＝B1X+B2X2+B3X3
式中，SX为根据衬砌表面变形X确定的钢筋锈胀程度；
X为衬砌表面变形；
B1、B2和B3为通过数值模拟数据拟合得到的常数；
S7、步骤S5确定的裂缝宽度Y，将变量输入基于衬砌表面裂缝宽度Y与钢筋锈胀程度S的关系判断数学模型三：SY＝C1Y
式中，Y为裂缝宽度；
SY为根据裂缝宽度Y确定的钢筋锈胀程度；
C1为通过数值模拟数据拟合得到的常数
S8、根据上述SX、SY以及S初结果综合输出最终结果钢筋锈胀程度S终。
2.基于权利要求1方法设计的隧道衬砌浅层钢筋锈胀的探测装置，其特征在于，包括：
车载移动平台1，用于搭载探测装置，在隧道中可运行；
信息采集系统2，安装在车载移动平台1上，用于采集S2中各项数据信息，所涉及硬件包括大功率红外脉冲加热装置21、红外热像仪22、工业相机23、照明设备24、激光扫描仪25、激光编码器26。所述大功率红外脉冲加热装置21用于将隧道衬砌表面加热至一定温度T；所述红外热像仪22用于采集衬砌表面红外热像图，所述工业相机23用于采集隧道结构表观图像，所述照明设备24用于为工业相机提供照明，所述激光扫描仪25用于采集隧道断面形变数据，所述激光编码器26用于获取车载移动平台的里程定位信息；
同步控制系统3，安装在车载移动平台1上并与信息采集系统2连接，用于同步触发红外热像仪22、工业相机23和激光扫描仪25采集隧道同一断面数据；
信息处理系统4，安装在车载移动平台1上并与信息采集系统2连接，用于接收存储并处理分析信息采集系统2所获取的数据，分析后输出最终结果：精确位置P精和钢筋锈胀程度S终；
供电系统5，安装在车载移动平台1上，为各个设备供电；
该探测装置工作时，车载移动平台1在隧道内正常行驶，同步控制系统3接收激光编码器26的里程脉冲信号，按照设置的参数触发机械手臂自动伸出并控制大功率红外脉冲加热装置21对衬砌表面进行加热，加热完成后再同步控制红外热像仪22、工业相机23和激光扫描仪25同步采集红外热像图、表观图像和隧道断面形变数据，数据采集完成后机械手臂自动收回，信息采集系统2将所有的数据信息传输至信息处理系统4，通过图像处理并综合各类信息输出钢筋锈胀病害部位的纵向和环向精确的位置信息，同时确定钢筋锈胀程度。
CN202010203611.1A 2020-03-20 2020-03-20 一种隧道衬砌浅层钢筋锈胀的探测方法与装置 Active CN111458375B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010203611.1A CN111458375B (zh) 2020-03-20 2020-03-20 一种隧道衬砌浅层钢筋锈胀的探测方法与装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010203611.1A CN111458375B (zh) 2020-03-20 2020-03-20 一种隧道衬砌浅层钢筋锈胀的探测方法与装置

Publications (2)

Publication Number Publication Date
CN111458375A true CN111458375A (zh) 2020-07-28
CN111458375B CN111458375B (zh) 2021-09-14

Family

ID=71685683

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010203611.1A Active CN111458375B (zh) 2020-03-20 2020-03-20 一种隧道衬砌浅层钢筋锈胀的探测方法与装置

Country Status (1)

Country Link
CN (1) CN111458375B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114354625A (zh) * 2021-12-30 2022-04-15 中铁大桥局集团有限公司 一种预制墩台检测装置
CN117629097A (zh) * 2023-12-26 2024-03-01 广东省有色工业建筑质量检测站有限公司 梁板式结构钢筋锈蚀检测方法及检测装置

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4698507A (en) * 1986-09-26 1987-10-06 Kta-Tator, Inc. Environmental exposure tester
CN102928580A (zh) * 2012-11-20 2013-02-13 郑州大学 混凝土结构中钢筋锈蚀监测装置及方法
CN103018255A (zh) * 2012-12-05 2013-04-03 上海同岩土木工程科技有限公司 一种地铁隧道病害数据自动化采集方法
CN103344749A (zh) * 2013-07-01 2013-10-09 浙江大学 一种基于二阶段锈裂模型的观测钢筋混凝土锈裂的方法
CN104005325A (zh) * 2014-06-17 2014-08-27 武汉武大卓越科技有限责任公司 基于深度和灰度图像的路面裂缝检测装置和方法
CN106053475A (zh) * 2016-05-24 2016-10-26 浙江工业大学 基于主动式全景视觉的隧道病害全断面动态快速检测装置
US20170014946A1 (en) * 2015-07-13 2017-01-19 King Fahd University Of Petroleum And Minerals Laser ablation method for treating a copper alloy containing metallic surface and increasing hydrophobicity
CN106959365A (zh) * 2017-01-16 2017-07-18 长沙理工大学 一种钢筋混凝土主梁结构锈胀裂缝开裂参数监测方法
CN108982571A (zh) * 2018-05-23 2018-12-11 徐州工程学院 一种无损检测钢筋混凝土锈胀程度的方法
CN109669028A (zh) * 2019-03-04 2019-04-23 青岛理工大学 一种钢筋锈胀引起混凝土开裂锈胀力的测量方法
CN110310258A (zh) * 2019-06-18 2019-10-08 深圳大学 一种混凝土构件钢筋锈蚀程度的评定方法
CN110529186A (zh) * 2019-09-11 2019-12-03 上海同岩土木工程科技股份有限公司 基于红外热成像的隧道结构渗漏水精确识别装置和方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4698507A (en) * 1986-09-26 1987-10-06 Kta-Tator, Inc. Environmental exposure tester
CN102928580A (zh) * 2012-11-20 2013-02-13 郑州大学 混凝土结构中钢筋锈蚀监测装置及方法
CN103018255A (zh) * 2012-12-05 2013-04-03 上海同岩土木工程科技有限公司 一种地铁隧道病害数据自动化采集方法
CN103344749A (zh) * 2013-07-01 2013-10-09 浙江大学 一种基于二阶段锈裂模型的观测钢筋混凝土锈裂的方法
CN104005325A (zh) * 2014-06-17 2014-08-27 武汉武大卓越科技有限责任公司 基于深度和灰度图像的路面裂缝检测装置和方法
US20170014946A1 (en) * 2015-07-13 2017-01-19 King Fahd University Of Petroleum And Minerals Laser ablation method for treating a copper alloy containing metallic surface and increasing hydrophobicity
CN106053475A (zh) * 2016-05-24 2016-10-26 浙江工业大学 基于主动式全景视觉的隧道病害全断面动态快速检测装置
CN106959365A (zh) * 2017-01-16 2017-07-18 长沙理工大学 一种钢筋混凝土主梁结构锈胀裂缝开裂参数监测方法
CN108982571A (zh) * 2018-05-23 2018-12-11 徐州工程学院 一种无损检测钢筋混凝土锈胀程度的方法
CN109669028A (zh) * 2019-03-04 2019-04-23 青岛理工大学 一种钢筋锈胀引起混凝土开裂锈胀力的测量方法
CN110310258A (zh) * 2019-06-18 2019-10-08 深圳大学 一种混凝土构件钢筋锈蚀程度的评定方法
CN110529186A (zh) * 2019-09-11 2019-12-03 上海同岩土木工程科技股份有限公司 基于红外热成像的隧道结构渗漏水精确识别装置和方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
K. KOBAYASHI等: "Corrosion detection in reinforced concrete using induction heating", 《J CIVIL STRUCT HEALTH MONIT》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114354625A (zh) * 2021-12-30 2022-04-15 中铁大桥局集团有限公司 一种预制墩台检测装置
CN114354625B (zh) * 2021-12-30 2023-10-20 中铁大桥局集团有限公司 一种预制墩台检测装置
CN117629097A (zh) * 2023-12-26 2024-03-01 广东省有色工业建筑质量检测站有限公司 梁板式结构钢筋锈蚀检测方法及检测装置

Also Published As

Publication number Publication date
CN111458375B (zh) 2021-09-14

Similar Documents

Publication Publication Date Title
US10094794B2 (en) Characterization of wrinkles and periodic variations in material using infrared thermography
US9519844B1 (en) Infrared thermographic methods for wrinkle characterization in composite structures
Hung et al. Review and comparison of shearography and active thermography for nondestructive evaluation
Rodríguez-Martín et al. Thermographic test for the geometric characterization of cracks in welding using IR image rectification
EP3649463B1 (en) Apparatus and method for nondestructively inspecting fiberglass and nonmetallic pipes
EP2162807B1 (en) System and method for automated inspection of large-scale part
CN111458375B (zh) 一种隧道衬砌浅层钢筋锈胀的探测方法与装置
CN101655464B (zh) 高温连铸坯表面缺陷形态及深度在线无损检测方法
CN110967344B (zh) 基于红外探测的隧道衬砌浅层剥落剥离判定方法与装置
CN203216857U (zh) 一种金属缺陷红外检测装置
CN111896629B (zh) 一种隧道结构表层病害的快速检测方法
Garrido et al. Thermographic methodologies used in infrastructure inspection: A review—data acquisition procedures
CN109239081B (zh) 基于结构光与视觉成像的焊缝质量参数检测方法
US20190172191A1 (en) System and method for determining part damage
Wu et al. Detecting defects on corrugated plate surfaces using a differential laser triangulation method
JP4463855B2 (ja) 被膜、表面、及び界面を検査するシステム及び方法
Hwang et al. Automated visualization of steel structure coating thickness using line laser scanning thermography
CN106370694A (zh) 预应力管道压浆密实度检测系统及方法
Forsyth Non-destructive testing for corrosion
Sacco et al. NDE Inspection of AFP Manufactured Cylinders Using an Intelligent Segmentation Algorithm
Huang et al. Machine inspection equipment for tunnels: a review
Li et al. A quantitative analysis method for pipeline defect inspection based on infrared thermal imaging
EP3407056B1 (en) Method for detecting corrosion of a surface not exposed to view of a metal piece, by means of thermographic analysis
Ehlen et al. Automated NDT of railway wheels using induction thermography
KR102514450B1 (ko) 열화상 카메라를 이용한 용접부 결함 검출 방법

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant