钢筋混凝土构件损伤状态的声发射识别

顾爱军

(扬州大学 水利与能源动力工程学院，江苏 扬州 225127)

钢筋混凝土构件损伤状态的声发射识别

顾爱军

(扬州大学 水利与能源动力工程学院，江苏 扬州 225127)

为实现钢筋混凝土构件的损伤识别，利用声发射技术对钢筋混凝土梁进行了损伤监测研究。采用Hilbert-Huang变换对声发射信号进行了分析，利用经验模态分解(EMD)将信号分解为固有模态函数(IMF)，得到Hilbert谱，反映信号时频特性。从IMF中提取声发射特征参数，即固有模态函数最大瞬时幅值和特征瞬时频率。通过参数与波形的混合分析，确定钢筋混凝土构件的损伤状态，获得结构加固修复和失效破坏的两个安全预警信号，为声发射技术应用于钢筋混凝土结构健康监测提供理论基础。

声发射；钢筋混凝土；损伤识别；Hilbert-Huang变换；特征提取

0 引言

混凝土结构安全问题一直是不容忽视的重大问题，对重大工程结构及关键构件进行健康监测与损伤诊断就显得极为重要。然而，对于桥梁、高层建筑、基础设施、大坝等大型结构而言，由于体积庞大、结构复杂等原因使得用常规检测费时费力。加之结构关键部位往往被保护层或覆盖物所隐藏，增加了检测工作的困难性。

声发射技术是一种无损检测方法，具有灵敏度高、覆盖面广、在线检测等独特优势，可方便地进行大型结构的健康监测。声发射(Acoustic Emission，简称AE)是指结构材料发生不可恢复的损伤时，从材料局部快速释放能量而产生瞬态弹性波的现象[1]。材料在损伤和断裂时都会有声发射发生，但多数声发射信号强度很弱，需要借助灵敏的声发射仪器进行检测，评估构件的损伤状况，此即为声发射技术。对于钢筋混凝土结构，由于材料的复杂性以及实际工程结构环境干扰因素多，使得AE技术用于混凝土结构监测和健康监测还存在诸多问题，如声源的区分与识别、噪声的识别与剔除等。

近十几年来，随着现代信号处理技术的发展，现代谱分析、小波分析、Hilbert-Huang变换(HHT)等技术被逐渐应用到AE技术领域，并取得了很好的效果。谱分析能够快速地获取信号的频率特性，早期的基于信号的分析较多地采用了这种方法[2]。然而，谱分析并不适用于频率随时间变化的信号，相对而言，时频分析能够同时反映信号的时域和频域的分布规律，更加合理。时频分析包括短时Fourier变换(STFT)、小波变换(WT)[3]、Hilbert-Huang变换(HHT)[4]等，STFT和WT实质上没有脱离Fourier变换的本质，而HHT是一种自适应的时频分析方法，根据信号的局部时变特征进行自适应的时频分解，不但消除了人为因素，而且更适于AE信号特征分析。通过经验模态分解(EMD)将信号分解为平稳的固有模态函数(IMF)，使其物理意义明确，Hilbert谱反映能量在时间和频率上的分布规律。近年来，HHT已被用于旋转机械状态监测、复合材料研究[5-6]等领域，用于混凝土结构的AE信号分析相对较少。

本文对钢筋混凝土四点弯梁进行AE技术的损伤监测研究，采用参数与波形相结合的混合方法对AE信号进行分析，波形分析利用HHT获得反映声源特性的IMF和Hilbert时频谱，提取两个新的AE特征参数，实现钢筋混凝土构件损伤状态的AE识别。

1 声发射特性分析方法

1.1 声发射特性的混合分析方法

钢筋混凝土这类复杂材料，仅采用参数分析对损伤进行识别又有一定的难度。因此，将参数分析与波形分析相结合可以利用各自的优势达到既快速方便，又准确可靠的识别目的。实际构件破坏过程中的AE信号往往数以万计。因此，首先采用参数分析法，利用AE能量参数(或其他类似参数)进行筛选，选择重要的信号进行波形分析。AE能量的优点是既体现了信号的幅值又反映了持续时间，且对电压阈值与信号频率不敏感[7-9]。由于不同AE事件的能量大小可能相差几个数量级，本文采用能量的常用对数定义为“能量级”(简称“能级”，Energy magnitude)作为参数筛选的工具，即：

Energymagnitude=log(E)

(1)

其中E为某声发射事件的AE能量参数，由声发射程序通过时域信号的包络面积计算获得。能级取决于事件的能量，反映该事件释放能量的大小，实际测试中，虽然多数信号的能级处于一个较小的水平，仍然可用于对声发射源进行初步的分类。根据初步筛选出的AE信号，进行进一步的波形分析以提取AE特性，判断损伤类型。

利用HHT进行经验模态分解(EMD)，得到各阶固有模态函数(IMF)，IMF有助于识别AE信号的物理机制，再通过Hilbert变换获得信号时频分布特征的Hilbert谱。从Hilbert谱中可进一步提取出新的AE参数，固有模态函数的最大瞬时幅值(MIA)及其对应的特征瞬时频率(CIF)，用于构件损伤状态变化的监测。

1.2 Hilbert-Huang 变换

HHT由两个主要部分组成[10]，一是经验模态分解(EmpiricalModeDecomposition，EMD)，二是Hilbert谱分析(HSA)。EMD是HHT的关键核心部分。它是基于信号的局部特征时间尺度大小，采用极值尺度参数把一个复杂的信号分解为有限个固有模态函数(IntrinsicModeFunction，IMF)与一个残差项之和，即信号可以分解为如下形式：

(2)

式中x(t)为分析信号，ci为第i阶IMF，n为IMF的个数，rn为残差项。由EMD方法分解得到的每一个IMF包含了信号从高到低不同频率段的成分，是信号频带的一种自动划分，另外每一个IMF包含原始信号的局部特征信息，反映了信号内部固有的波动性，且一个周期仅含一个波动模态，这能很好地消除模态混叠的现象。

HSA基于EMD方法，通过将EMD得到的各阶IMF即作Hilbert变换得到：

(3)

再构解析信号：

(4)

得到幅值函数和相位函数：

(5)

(6)

(7)

最终得到Hilbert谱：

(8)

Re表示取实部。Hilbert谱反映了信号幅值随时间和频率的变化规律。从IMF中提取反映声源特性的有效参数就非常重要，有效解决了EMD分解的IMF的复杂性及Hilbert谱对声源直接判断困难性。

2 实验验证

2.1 试件及实验装置

试验采用150mm×180mm×1500mm的梁，其配筋见图1。混凝土粗骨料的最大粒径控制在9mm左右，小于400kHz以下的AE波在混凝土中传播的波长，在此情况下，混凝土材料的不均匀性对波的传播影响可以忽略。混凝土强度等级为C30。采用325水泥，混凝土配合比(水:水泥:砂:碎石)为0.4:1.0:1.137:2.65，28天抗压实测值34MPa。

四只宽频AE传感器(PACWDI-AST)分别用黄油粘接于梁的上下表面，以采集加载过程中梁发出的AE信号。加载系统为200kN万能试验机，配以特制的加载架实现四点弯曲加载。加载架与梁之间采用150mm×80mm×10mm钢板并加垫橡胶垫进行荷载传递，避免梁的局部破坏，橡胶垫还可以阻隔梁外部的干扰信号。加载过程采用位移控制，以控制裂纹形成后的扩展速度，加载速度为2mm/min，使混凝土的变形能能够及时释放。按估算的最大荷载确定每级加载量为20kN。

图1 钢筋混凝土梁配筋图及其尺寸

2.2 实验结果

试验机记录的加载曲线如图2所示，图中柱状图为AE系统同步记录的AE事件能量参数。由图2可见，当荷载接近110kN时，曲线的斜率发生显著变化，说明此时已发生了显著的宏观破坏。斜率的不断降低使加载曲线逐渐弯曲，而梁的损伤演化使其整体刚度明显下降。

加载曲线在最后的破坏阶段发生显著的变化，对前期产生的混凝土开裂破坏并不敏感。而AE系统对构件的损伤演化非常敏感，包括微裂纹萌生。试验中采集的信号往往数以万计，按能级进行筛选以减少进一步进行波形分析的工作量是必要的。图2中标注字母A～I的AE事件是本文筛选的具有代表性事件，用于后续分析研究。

图2 加载曲线及相应的AE能量

对重要AE事件进行信号筛选后即可进行波形分析。利用HHT的EMD分解得图3所示的IMF，进行Hilbert变换可得信号的时频分布特性，根据时频分布特性实现AE源进行分类和识别。

(a)EMD分解

(b)时频分布

图3AE信号的EMD分解及时频分布

对信号中的噪声，可利用EMD分解实现去噪。图3(a)中第一阶IMF为等幅、连续的高频信号，具有典型的噪声特征，可将其去除，并对有用信息进行分析。若信号的能量集中于某一阶IMF，属于较为单一的简单声源，或以某一种声源为绝对占优，其他声源可以忽略。若信号能量以二阶或更多阶IMF为主，则属于较为复杂的声源。

3 分析与讨论

钢筋混凝土梁在加载过程中经历了三个阶段，一是微损伤阶段，材料内部微观缺陷(如孔洞等)受力变形引起的微观裂纹萌生与汇聚；二是带裂缝工作阶段，混凝土表面出现可见裂纹，随着荷载的增加进一步扩展，梁仍处于正常工作阶段，但需时刻关注其损伤状态，防止进入最后的破坏阶段；三是破坏阶段，钢筋达到屈服强度，混凝土开裂、压碎、钢筋滑移等破坏可能同时发生。

利用混合方法对A～I的9个典型信号进行综合分析，参数特性及对应损伤类型见表1。

表1 钢筋混凝土梁弯曲试验中典型事件的AE特性

在梁的微损伤阶段，AE事件的能级及信号的MIA值均较小，同时EMD分解显示了IMF分量的多样性，表明材料内部薄弱点的各种损伤与劣化使得声源较为丰富。

当出现较大能量的事件B时，梁的表面出现了一条宏观裂纹，表明进入第二阶段。此时AE事件变得活跃，各种能级的事件不断出现。其中较大能级的事件均以混凝土开裂为主，信号的特征瞬时频率CIF基本都在100～140kHz之间变化，与第一阶段类似。此后梁处于裂纹扩展或新开裂出现的损伤演化状态，信号特征相当。当荷载增加到将近60kN即极限荷载的一半左右时，由新的宏观开裂产生的F、G等事件具有不同的CIF特征。事件F具有信号幅值大、持续时间长的特点，因此能级较大。其CIF为172kHz，明显高于其他开裂信号。从信号的时频分布可看出其中包含了高频和低频两条主要频带，但仍以低频信号为主(图4a)。紧跟其后的事件G与之类似，但高频成分占主要成分(图4b)，其CIF达353kHz，具有滑移信号的特征[11]。可见此阶段梁的开裂已达一定程度，梁中虽仍以开裂损伤为主，但损伤状态开始变得更加复杂，出现了高频信号，此信号来自开裂过程中钢筋与混凝土之间的局部滑移。此时的构件仍可继续工作，但其开裂破坏已达一定程度，结构可靠度下降，信号预警结构需要加固、修复或做进一步检测。

当荷载接近110kN时(接近事件H)，加载曲线的斜率开始降低，构件进入破坏阶段。此时加载曲线逐渐弯曲，荷载趋于极限值，同时梁的整体刚度明显下降。在此过程中，两次大的损伤事件(事件H和I)造成荷载值的两次下降，即产生了较大的能量释放。从事件H和I的进一步分析可见，其信号能量主要集中于单个IMF中，结合较大的MIA及较低的CIF值，说明混凝土开裂在该事件中占绝对主导地位。其中CIF由于整体刚度的降低而明显小于工作阶段。

(a)事件F

(b)事件G

图2可见，此阶段AE事件非常活跃，损伤以两个巨大的开裂为主，且各种类型的损伤交替发生，释放出很大的能量，这是发生关键性破坏的标志。此时从梁表面可观察到斜向剪切裂缝，表明梁已发生彻底失效。因此，此阶段出现的具有低频(CIF值偏低)、高能级、高幅值、单模态特征的大的开裂信号，预示着破坏即将发生，可作为构件破坏的预警信号。

4 结论

本文对四点弯曲荷载下普通钢筋混凝土梁的破坏过程进行了声发射检测与分析。根据梁各阶段的损伤破坏规律，利用混合方法分析了相应的AE特性。主要结论如下：

利用声发射技术对钢筋混凝土构件进行无损检测具有很高的灵敏度，可得到从微观损伤到巨大的断裂破坏之间的各种损伤信号，较好地反映了各阶段的损伤特征。

声发射能量参数(能级)反映了事件的整体能量释放，而MIA值反映了单个信号的瞬时特性，将其与CIF值相结合，可以较好地反映声源特性，参数在不同受力环境下具有较好的稳定性。对于特征参数发生明显变化的关键AE信号，利用信号的Hilbert时频谱，可以直观识别损伤状态。

通过声发射特征分析除了能够清晰地确定构件中重要的开裂信号，还提供了两个重要的安全预警信号，即加固修复预警和结构破坏预警，从而为声发射技术用于大型土木工程结构的健康监测提供了可靠依据。

[1]BeattieAG.Acousticemission,principlesandinstrumentation[J].JournalofAcousticEmission, 1983, 2(1/2): 95-128.

[2] 纪洪广.混凝土材料声发射性能研究与应用[M].北京: 煤炭工业出版社,2004.

[3]YoonD,WeissW,ShahS.AssessingDamageinCorrodedReinforcedConcreteUsingAcousticEmission[J].JournalofEngineeringMechanics, 2000, 126(3): 273-283.

[4]LuC,DingP,ChenZ.Time-frequencyAnalysisofAcousticEmissionSignalsGeneratedbyTensionDamageinCFRP[J].ProcediaEngineering, 2011,23: 210-215.

[5]LinL,ChuF.HHT-basedAEcharacteristicsofnaturalfatiguecracksinrotatingshafts[J].MechanicalSystemsandSignalProcessing, 2012,26: 181-189.

[6]LawLS,KimJH,LiewWYH,etal.AnapproachbasedonwaveletpacketdecompositionandHilbert-Huangtransform(WPD-HHT)forspindlebearingsconditionmonitoring[J].MechanicalSystemsandSignalProcessing,2012,33:197-211.

[7] 于德介, 程军圣, 杨宇. 机械故障诊断的Hilbert-Huang变换方法[M].北京:科学出版社, 2006.

[8]HanWQ,ZhouJY.Acousticemissioncharacterizationmethodsofdamagemodesidentificationoncarbonfibertwillweavelaminate[J].ScienceChina-TechnologicalSciences,2013,56(9): 2228-2237.

[9]HamdiSE,LeDuffA,SimonL,etal.AcousticemissionpatternrecognitionapproachbasedonHilbert-Huangtransformforstructuralhealthmonitoringinpolymer-compositematerials[J].AppliedAcoustics,2013,74(5):746-757.

[10]HuangNE,ShenSSP.Hilbert-HuangTransformanditsapplication[M].City:WorldScientificPublishingCo.Pte.Ltd.,2005:311.

[11] 骆英, 于长煦, 顾爱军.应用声发射技术的钢筋与混凝土粘结滑移特性研究[J].实验力学,2011(4):343-349.

(责任编辑：蒋 华)

Damage Identification in Reinforced Concrete Components Using Acoustic Emission

GU Ai-jun

(School of Hydraulic, Energy and Power Engineering, Yangzhou University,Yangzhou Jiangsu 225127, China)

To realize the damage identification using acoustic emission (AE) technique, experimental study on damage detection in reinforced concrete beams was performed. The Hilbert-Huang transform (HHT) was employed to analyze AE signals. By using empirical mode decomposition (EMD), the AE signals were decomposed to several intrinsic mode functions (IMF), and Hilbert spectrums were derived. The maximum instantaneous amplitude of IMF and the characteristic instantaneous frequency were extracted from the IMFs. The damage conditions of reinforced concrete components were identified by a hybrid method with AE parameters and waveforms. Two early warning signals for structural strengthening and retrofitting, and destruction were also obtained. The results provided theoretical bases for AE application in the health monitoring of reinforced concrete structures.

acoustic emission; reinforced concrete; damage identification; Hilbert-Huang transform (HHT); characteristic extraction

2014-09-03

国家自然科学基金项目(11402101，11272138)

顾爱军(1968-)，男，江苏泰兴人，副教授，博士在读，主要从事桩基检测、混凝土结构无损检测和安全监测、混凝土结构声发射技术等方面研究。

TU317+

A

1009-7961(2015)01-0041-05