隧道衬砌自动化检测及健康评价技术研究

2021-04-14蒋宇静张学朋

隧道建设(中英文) 2021年3期

蒋宇静, 张学朋

(1. 矿山灾害预防控制省部共建国家重点实验室(培育)(山东科技大学)，山东青岛 266590；2. 长崎大学工学院，日本长崎 8528521)

0 引言

交通是国家基础建设的重要设施，在铁路、公路建设过程中，为了缩短行车里程、节约资源、改善交通运输条件，开凿隧道已经成为实现交通便利的一种重要手段。随着经济的持续发展、综合国力的不断提升及高新技术的不断应用，我国隧道及地下工程得到了前所未有的迅速发展，我国已经成为世界上隧道工程数量最多、规模最大的国家。由于各种自然和人为因素的影响，隧道衬砌常常出现不同类型和不同程度的病害，如隧道拱顶开裂、边墙开裂、拱顶空洞、衬砌损坏、隧道渗漏水、隧道冻害、围岩大变形、衬砌厚度薄、混凝土强度低、隧道内空气污染等。如甘肃连霍高速公路乌鞘岭隧道群由于衬砌开裂导致渗漏水等多种衬砌病害，通车1年来该隧道群路段就发生了63起道路交通事故，其中4号隧道内发生22起。随着我国交通基础设施建设的快速发展，据不完全统计，我国超过30%～40%的公路隧道处于亚健康甚至病害的状态，隧道健康状况日益成为隧道养护中极其重要的环节。

隧道衬砌健康状况的检测技术是进行隧道维修加固的首要前提。传统的隧道病害检测方法，如目测、钻孔取芯、压水测试和钻孔声波等，不仅效率低、代表性差、偶然性大，而且钻孔取芯、压水测试和钻孔声波等方法破坏了衬砌的整体性[1]。随着科技的进步，无损检测技术NDT(non-destructive testing)的引入改进了检测效果。该检测技术除了具有不损坏工程结构的优点外，检测速度快而全面，并且在检测结果定量可靠性、数据图形直观性等方面存在很大的优势[2]。目前，国内外主要的无损检测技术有声波法、地质雷达法、激光扫描技术、摄影测量法、光学分析法和多种无损技术的综合利用法[3-8]。上述检测技术目前应用较为成熟，但多为单一化、半自动化的检测方式，一般检测速度较低，劳动强度较大，危险系数也比较高，且需要从业人员具备一定的专业技能。随着我国公路交通事业的快速发展，这种半自动化的检测方式不能满足大规模隧道的普查工作，更不适合在运营公路或铁路隧道进行检测，越来越难以满足检测需求。

随着无损检测技术的成熟应用，国内外已经对无损检测技术的科研成果进行了转化，研发出一系列隧道衬砌病害自动检测系统。对于隧道衬砌表面病害，自动检测系统一般采用基于机器视觉的自动检测技术进行隧道结构病害快速检测，该技术可以分为基于摄影测量的自动检测技术和基于激光扫描的自动检测技术[9-10]。基于机器视觉的隧道衬砌表面病害检测技术可以直观地呈现隧道表面图像，所开发的自动检测系统包括硬件和软件系统2部分，其中硬件系统包括检测设备搭载平台、图像采集系统、存储系统以及辅助设备，软件系统包括图像处理系统及病害信息分析系统等。

上述研究中所开发的自动检测系统目前仍然存在检测指标单一化、检测速度较慢的缺点，无法对隧道衬砌健康状态做出全面评价；另外，基于激光扫描技术的自动化检测系统自动化识别程度较低，需要自动识别与人工修正相结合。为了进一步提高隧道衬砌的自动化检测技术及衬砌健全度评价技术，基于无损检测技术开展了非可视化高速摄影检测技术和常时微动检测技术研究。同时介绍了衬砌健康状态定量化评价方面的进展，介绍了多种衬砌健康状态评价指标，包括分形维数、常时微动平均合成谱和已有的TCI(tunnel-lining crack index)，并结合实际案例给出了上述3个指标之间的相关性。

1 隧道衬砌病害无损检测技术

1.1 高速摄影病害检测技术

1.1.1 非可视化高速隧道衬砌点检系统

与西日本高速公路集团合作研发的非可视化高速隧道衬砌点检系统(见图1)可实现隧道表面病害的快速检测。该系统以卡车作为搭载平台，主要包括7台摄影单元、衬砌表面成像系统和表面病害自动识别系统，另外搭载距离传感器、非接触式速度计等辅助设备实现检测过程的自动化。其主要技术性能指标如表1所示。

图1 非可视化高速隧道衬砌点检系统

表1 非可视化高速隧道衬砌点检系统主要技术性能指标

1.1.2 摄影单元

衬砌表面病害检测中摄影单元是关键技术环节，摄影单元构造如图2所示。摄影单元包括CCD线阵相机单元(见图2(a))、自主研发的相机镜头自动调整机构(见图2(b))和摄影单元角度调整机构(见图2(c))及相应的配置管理控制程序。CCD线阵相机单元搭载LED红外线光源，实现检测过程中照明不可视化，避免检测过程对周边过往车辆造成干扰；配置管理控制程序针对不同隧道截面尺寸能够给出7台摄影单元的角度、变焦和对焦的最优值，7台摄影单元按照相应配置指令能够实现隧道一侧衬砌结构表面的全覆盖；镜头自动调整机构根据相应配置指令能够实现检测前根据隧道断面的不同尺寸自动调整镜头焦距，以获得不同横截面几何形状的指定分辨率(0.5 mm/pixel)图像；摄影单元角度调整机构根据配置程序指令实现7台相机角度的自动化调整，另外该机构还具有固定摄影单元作用。

(a) CCD线阵相机单元

(b) 相机镜头自动调整机构

1.1.3 点检系统在现场的运用

衬砌表面病害特征识别与解析中图形拼接和图形识别是2个关键技术。本系统中衬砌表面成像系统处理图形拼接过程如下： 1)图形灰度均一化处理； 2)图形失真矫正； 3)图形配准和图形融合。图形拼接后得到完整的隧道衬砌表面图像，基于图像灰度特征实现裂缝图形的自动识别与提取，裂缝检测精度为0.2 mm(检测车速度100 km/h情况下)[11]。该检测技术成功应用于日本九州自动车道加久藤隧道衬砌表面病害检测识别，该隧道衬砌段长度为10.2 m，起拱线宽度为11.0 m，隧道周长为20.5 m，裂缝自动识别与定期人工点检图形如图3所示。其中图3(b)中的点线区域范围是隧道定期检查中遗漏记录的地方，由此可以看出该检测技术提高了检测与识别的自动化水平和程度，减少了人为干扰因素和人为差错。表2列出了衬砌裂缝人工检测和自动提取的结果对比，与传统的人工定期点检对比该系统衬砌裂缝的自动提取率高达90%，可完全实现运营隧道安全高效的检测。

(a) 人工点检

(b) 智能识别提取

表2 日本九州自动车道加久藤隧道衬砌裂缝人工检测和自动提取结果对比

1.2 常时微动检测技术

基于摄影测量的无损检测技术只能测得衬砌表面的质量状况，其内部质量信息无法获取。隧道衬砌厚度不足、混凝土内部质量缺陷(蜂窝、孔洞、裂隙及夹层、强度不足)、衬砌背后空洞或回填不密实等内部缺陷导致隧道结构承载力降低，从而导致衬砌开裂、混凝土脱落或者渗漏水等众多问题，严重影响着隧道的正常使用，威胁过往车辆的安全行驶。根据振动力学理论，由于受到外界环境扰动的影响，任何物体在任何时间都在以微小振幅不停振动，这种不停的微小振动被称为常时微动，物体的微动特性受到其本身结构和约束条件的影响。目前，测量结果主要应用于地基土划分、震害预测、建筑物健康检测、边坡防护等方面，该方法基于被检测对象常时微动的特点进行健康检测，不需要提供额外震源，具有适用性更强的特点。

将常时微动技术应用于判断隧道衬砌中存在的开裂、空洞等问题，在隧道衬砌质量完整性好的部位采集常时微动数据，将该数据转换处理后作为基准数据，在需要进行衬砌检测部位采集常时微动数据，将此数据处理后与基准数据进行对比，通过分析对比结果中异常信息进行衬砌完整性判定。目前主要通过在衬砌表面安装微动传感器来测量其微动特性，该测量技术具有小型化、抗干扰能力强、精度高、无需额外震源等优势。图4所示为常时微动检测系统及布置示意图，该检测系统由三向微动传感器(加速度计)、微动信号调解器、数据收集分析处理器和数据线组成，3个加速度计分别安置在隧道轴向、横断方向和上下方向3个方位上，分别检测隧道衬砌3个方向上常时微动特征。为了得到衬砌振动的可靠信息，检测时间要足够长，以便消除干扰信号的影响，经过反复测试时长可设定为300 s，取样间隔0.001 s。三向微动传感器本体采用市售加速度计，最大测定加速度为±30 m/s2，测定频率范围为0～400 Hz，分辨精度为1 mgal[12-14]。修建于1982年的长崎高速公路日岳隧道现场检测情况如图5所示。

2 隧道衬砌健康定量评估技术探讨

2.1 TCI评价指标

衬砌裂纹的危险程度判断是一个世界性难题，原有的目测判断法具有较强的主观性；常规衬砌健全度评价手段是基于一定判定标准考虑衬砌裂纹的数量、宽度以及长度来对隧道衬砌的健全度做出判断，而没有考虑裂纹的方向性。TCI(tunnel-lining crack index)可以定量识别衬砌裂纹宽度、长度及裂纹发展的方向，是一种可借鉴的定量评价指标。TCI(即F0)计算表达式如式(1)所示。计算原理如图6所示。

(a) 常时微动检测系统

(b) 布置示意图

(a) 检测现场

(b) 部分检测结果(间隔0.001 s，时长100 s)

(1)

图6 TCI计算原理图

表3 TCI识别裂纹方向性算例

2.2 分形维数D评价指标

分形理论是用分数维度的视角和数学方法描述和研究客观事物，即用分形分维的数学工具来描述研究客观事物，更加符合客观事物的多样性与复杂性。近年来分形理论已经在岩石及混凝土裂纹扩展研究中得到一定的应用[17-19]，为进一步完善衬砌混凝土裂纹的全面表征，引入分形理论量化表征裂纹数量及交叉分布特征。盒维数(也称为Minkowski维度)由于定义直观、计算简便，在应用中常被用来确定分形维数。基本计算原理如下：将衬砌高速摄影图像展开成平面图，置于具有刻度r的均匀间隔的网格上，计数覆盖所有裂纹所需的格子数N(r)，计算模型如图7所示。盒维数定义如下：

(2)

(a) 裂纹分布图 (b) r=1，N(1)=86

图8为裂纹数量与裂纹交叉特征的分形维数表征。图8(a)中，当裂纹数量为4、8、16、32、48、64条时，分形维数D分别为1.274 5、1.306 2、1.369 0、1.450 4、1.529 1、1.589 9，可以看出随着裂纹数量的增加，分形维数大致线性增大；图8(b)中，当裂纹交叉点由0个逐级递增到5个时，分形维数分别为1.246 7(0个)、1.268 5(1个)、1.270 5(2个)、1.287 4(3个)、1.314 5(4个)、1.337 6(5个)，可以看出随着裂纹交叉点增加，分形维数基本也呈现出线性增加的趋势。

2.3 常时微动定量评价指标

基于傅里叶变换对常时微动检测数据做频谱分析，长崎县日岳隧道常时微动数据(见图5(a))变换结果如图9所示。分析数据选取时，应当避开交通繁忙时异常波动的波形数据，选取波形稳定区域的数据。由于隧道衬砌微震噪声比较高，频率分布范围广，难以准确识别其固有频率，因此选用3个方向上50～200 Hz的平均频谱量化表征衬砌混凝土振动特性[20]。将隧道轴向、横断方向和上下方向3个方向的平均频谱分别定义为Fx、Fy、Fz，通过式(3)可以得到混凝土衬砌的常时微动平均合成谱RAS。

(3)

(a) 裂纹数量与分形维数之间的关系

(b) 裂纹交叉点数与分形维数之间的关系

图9 长崎县日岳隧道常时微动检测结果频谱特性(间隔0.001 s，计测时长100 s)

2.4 工程实例

以日本长崎县高速公路日岳隧道衬砌健康检测为例，对上述3个指标之间的相关性进行讨论。日岳隧道修建于1982年，全长780 m，最大埋深25 m，衬砌混凝土厚度为0.7 m和0.5 m，隧道运营20年后衬砌出现裂缝、渗漏水等缺陷[20]。图10为日岳隧道12个典型衬砌段的表面裂纹自动检测结果。

图11为日岳隧道65个衬砌段混凝土表面裂纹病害分形维数D和TCI之间的关系，可以看出TCI和D之间具有一定的关联性，两者之间呈指数分布关系。TCI和D可以相互补充实现对隧道衬砌表面病害的定量评估。现场测试表明当TCI大于20×10-5时，需要对隧道衬砌做出进一步内部测试。根据TCI与D的指数对应关系，上述TCI临界值对应的分形维数D为1.238 6。由此可以将隧道的健康状态分为4个部分：完全健全状态Ⅰ；按D指标健全但按TCI指标不健全状态Ⅱ；按TCI指标健全但按D指标不健全状态Ⅲ；不健全状态Ⅳ。结合这2个指标，综合考虑裂缝的宽度、长度、方向、数量及交叉等特性，可以更为准确地确定损伤衬砌段(如阶段Ⅲ)。目前关于上述2个指标对于裂缝宽度、长度、分布特征等更深层次验证说明还需要更多的现场检测数据来做进一步的验证。

图12为衬砌常时微动RAS与裂纹评价指标TCI之间的关系。由图12可以看出两者存在一定的相关性。该方法的意义在于衬砌内部的一些空洞和裂缝特征，对隧道安全构成严重威胁，在常规的目测检测中往往容易被忽略，如衬砌段20的TCI结果表明衬砌段处于健全状态，但其RAS指标却异常大，表明衬砌段处于不健全状态，现场检测显示该衬砌段内部存在空洞。由此可以表明常时微动能识别振动异常点，可以作为衬砌健康度评价的补充，为进一步内部测试提供依据。

(a) S16 (b) S18 (c) S34

(d) S36 (e) S42 (f) S46

(g) S47 (h) S50 (i) S53

(j) S57 (k) S63 (l) S65

图11 分形维数D和TCI指标之间的关系(日本长崎县日岳隧道，修建于1982年)

图12 RAS与TCI之间的关系

3 结论与建议

1)非可视化高速隧道衬砌点检系统以卡车作为搭载平台，搭载7台摄影单元、衬砌表面成像系统、表面病害自动识别系统、距离传感器及非接触式速度计等辅助设备实现隧道表面病害检测的自动化；检测系统行车速度可达到100 km/h，裂缝检测精度达到0.2 mm(检测车速度100 km/h)。

2)常时微动检测系统由三向微动传感器(加速度计)、微动信号调解器、数据收集分析处理器和数据线组成，能够实现隧道衬砌内部异常点(包括裂缝和空洞)的自动检测；该测量技术具有小型化、抗干扰能力强、精度高、无需额外震源等优势。

3)提出分形维数D、常时微动平均合成谱RAS，结合TCI实现隧道衬砌病害特征的定量化描述。3个指标可以综合考虑裂缝的宽度、长度、方向、数量、交叉分布以及衬砌内部异常(包括裂缝和空洞等)等特性，相互结合可以更为准确地确定损伤衬砌段。

4)隧道因其具有充分利用土地资源、缩短行程里程、节约资源、利于生态保护等优点，成为实现交通基础设施建设中一种重要的手段；高速、自动化、集成化的隧道病害检测技术是目前及将来科学合理管理运营隧道的发展趋势；定量、智能化、系统全面科学的评价技术是病害成因分析、安全性能分析以及病害健康诊断的发展趋势。

参考文献(References)：

[1] 刘海京, 夏才初, 朱合华, 等. 隧道病害研究现状与进展[J]. 地下空间与工程学报, 2007, 3(5): 947.

LIU Haijing, XIA Caichu, ZHU Hehua, et al. Studies on tunnel damage[J]. Chinese Journal of Underground Space and Engineering, 2007, 3(5): 947.

[2] HAACK A, SCHREYER J, JACKEL G. State-of-the-art of non-destructive testing methods for determining the state of a tunnel lining[J]. Tunnelling and Underground Space Technology Incorporating Trenchless Technology Research, 1995, 4(10): 413.

[3] KRAVITZ B, MOONEY M, KARLOVEK J, et al. Void detection in two-component annulus grout behind a pre-cast segmental tunnel liner using ground penetrating radar[J]. Tunnelling and Underground Space Technology, 2019, 83: 381.

[4] PARK S K, UOMOTO T. Radar image processing for detection of shape of voids and location of reinforcing bars in or under reinforced concrete[J]. Non-Destructive Testing and Condition Monitoring, 1997, 39(7): 488.

[5] LALAGUE A, LEBENS MA, HOFF I, et al. Detection of rockfall on a tunnel concrete lining with ground-penetrating radar (GPR) [J]. Rock Mechanics and Rock Engineering, 2016, 49(7): 2811.

[6] 李宗平, 张永涛, 杨钊, 等．三维激光扫描技术在隧道变形与断面检测中的应用研究[J]．隧道建设, 2017, 37(3): 336.

LI Zongping, ZHANG Yongtao, YANG Zhao, et al. Application of 3D laser scanning technology to tunnel deformation monitoring and cross-section detection[J]. Tunnel Construction, 2017, 37(3): 336.

[7] 蒋美蓉, 孙尚业, 金丰年. 地下工程混凝土衬砌检测技术应用探讨[J]. 地下空间与工程学报, 2007, 3(8): 1412.

JIANG Meirong, SUN Shangye, JIN Fengnian. Discussion on applying testing technology of concrete lining in underground engineering[J]. Chinese Journal of Underground Space and Engineering, 2007, 3(8): 1412.

[8] 邓淘, 杨林德, 雷刚, 等. 超声回弹综合法在隧道衬砌强度检测中的应用[J]. 地下空间与工程学报, 2005, 10(1): 235.

DENG Tao, YANG Linde, LEI Gang, et al. Application of synthetic method of ultrasonic rebound in testing strength of concrete lining of tunnel[J]. Chinese Journal of Underground Space and Engineering, 2005, 10(1): 235.

[9] UKAI M. Advanced inspection system of tunnel wall deformation using image processing[J]. Quarterly Report of RTRI, 2007, 48(2): 94.

[10] HUANG H, SUN Y, XUE Y, et al. Inspection equipment study for subway tunnel defects by grey-scale image processing[J]. Advanced Engineering Informatics, 2017, 32: 188.

[11] JIANG Y, ZHANG X, TANIGUCHI T. Quantitative condition inspection and assessment of tunnel lining[J]. Automation in Construction, 2019, 102: 258.

[12] 蒋宇静, 王刚, 李博, 等. 基于常时微动技术的混凝土结构物无损检测方法. ZL 201210127624.0 [P]. 2012-08-01.

JIANG Yujing, WANG Gang, LI Bo, et al. Non-destructive testing method for concrete structures based on microtremor technique. ZL 201210127624.0[P]. 2012-08-01.

[13] GAO Y, JIANG Y, LI B. Estimation of effect of voids on frequency response of mountain tunnel lining based on microtremor method[J]. Tunnelling and Underground Space Technology, 2014, 42: 184.

[14] GAO Y, JIANG Y, LI B. Voids delineation behind tunnel lining based on the vibration intensity of microtremors[J]. Tunnelling and Underground Space Technology, 2016, 51: 338.

[15] 山田隆昭, 佐野信夫, 重田佳幸, 等. 衬砌裂缝指数用于隧道衬砌混凝土的健全度评价法[C]//土木学会论文集. [S.l.: s.n.], 2009: 11.

YAMADA T, SANO N, BABA K, et al. Evaluation method for soundness of lining concrete by tunnel-lining crack index[C]//Symposium for Japan Society of Civil Engineers. [S.l.: s.n.], 2009: 11.

[16] 重田佳幸, 飞田敏行, 龟村胜美, 等. 考虑裂缝方向性的隧道衬砌混凝土健康度评价法[C]//土木学会论文集. [S.l.: s.n.], 2006: 628.

SHIGETA Y, TOBITA T, KAMEMURA K, et al. Propose of tunnel crack index(TCI) as an evaluation method for lining concrete[C]//Symposium for Japan Society of Civil Engineers. [S.l.: s.n.], 2006: 628.

[17] YU B, ZHAO J, FANG K, et al. Rock strength evaluation during progressive failure process based on fractural characterization[J]. Marine Georesources & Geotechnology, 2016, 34(8): 759.

[18] 薛东杰, 周宏伟, 任伟光, 等. 北山花岗岩深部节理间距分布多重分形研究[J]. 岩土力学, 2016(10): 2937.

XUE Dongjie, ZHOU Hongwei, REN Weiguang, et al. Multi-fractal characteristics of joint geometric distribution of granite in Beishan[J]. Rock and Soil Mechanics, 2016(10): 2937.

[19] XIE H, SUN H, JU Y, et al. Study on generation of rock fracture surfaces by using fractal interpolation[J]. International Journal of Solids and Structures, 2001, 38(32/33): 5765.

[20] WU X, JIANG Y, MASAYA K, et al. Study on the correlation of vibration properties and crack index in the health assessment of tunnel lining[J]. Shock and Vibration, 2017, 7: 507.