混凝土桥梁早期裂缝成因与检测方法研究

李进斌

（山西路桥第七工程有限公司，山西晋城 048000）

0 引言

桥梁设计、施工和后期运营养护是道路桥梁工程全寿命周期中最重要的三个阶段。从已经通车多年的桥梁运营状态来看，有较多桥梁随着运营时间的增加会出现裂缝问题。不仅影响桥梁的整体美观，严重地甚至影响道路桥梁的整体质量水平、使用寿命以及运营安全性[1]。当遇到轻微的地震、风雨侵蚀、车辆撞击等问题时，对桥梁结构都会造成或多或少的损伤，使桥梁的钢筋混凝土结构出现裂缝[2]。出现裂缝后不及时进行养护修复，裂缝就会随着车辆的不断碾压变得越来越大，甚至导致桥梁坍塌，造成不可挽回的后果[3]。所以，要重视桥梁结构出现的早期裂缝，定期对桥梁进行养护。

目前，检测桥梁混凝土结构中的早期裂缝有许多种方法，一般原理为检测桥梁主体结构和桥墩结构的弹性变形能力、伸缩张力等，并通过检测结果对裂缝进行分析[4]。但这些方法都不能检测到桥梁的早期裂缝，裂缝出现的早期形态特征不明显，无法精准地对裂缝进行检测分析[5]。在此基础上，提出混凝土桥梁早期裂缝成因与检测方法。对早期裂缝的成因进行分析，设计出混凝土桥梁早期裂缝的检测方法，并进行实验，为以后的研究提供理论基础。

1 混凝土桥梁早期裂缝成因分析

1.1 不同荷载引起的裂缝

由于拉力的作用，桥梁主体结构出现起皮、顺着受拉力的方向出现细微裂缝等，这都是桥梁承载达到极值的信号，是桥梁坍塌的预警。

1.2 收缩引起的裂缝

由于混凝土存在弹性收缩现象，会导致桥梁表面出现细微裂缝，这类裂缝形状纤细，有横向裂纹也有竖向裂纹，呈无规则形状排列。

1.3 温度变化引起的裂缝

这种裂缝是由于混凝土在浇筑后的温度产生变化或周围环境温度产生变化导致的裂缝，属于物理性损伤。

1.4 钢筋锈蚀引起的裂缝

随着时间的推移，钢筋混凝土结构长期暴露在空气中，受到大气中二氧化碳和氮硫化物的腐蚀，使金属结构发生变化，导致桥梁裂缝的出现。

1.5 桥梁结构选型的局限性

早期裂缝一般集中在中小跨径桥梁的空心板处。空心板间是通过铰缝进行传力的，由于施工工艺等限制，空心板病害较多，主要有铰缝失效、混凝土剥落和芯模上浮导致的顶板过薄等。此外，钢筋混凝土结构裂缝要多于预应力混凝土结构，这与结构受力模式有关。同等跨径下，小箱梁比T 梁要更容易出现裂缝，由于T 梁结构高度高于小箱梁，承载能力更高，同时T 梁为开口截面，方便施工，施工质量容易控制，T 梁产生的裂缝更少。因此，桥梁结构的选型对裂缝的产生具有重要作用。

2 混凝土桥梁早期裂缝检测

2.1 裂缝数据预处理

图1为混凝土桥梁早期裂缝数据增强过程。在采集混凝土桥梁早期裂缝图像时，发现图像信息的背景环境不单一，存在许多干扰信息。于是首先对混凝土桥梁早期裂缝的图像数据进行预处理，增强裂缝的数据特征[6]。

图1 混凝土桥梁早期裂缝数据增强过程

2.2 建立U-Net模型

根据预处理后的图像数据信息，剔除噪声信息作为裂缝检测的数据源。为解决桥梁图像的异构化问题，建立信息处理模型，对图像的灰度值、像素值、位置坐标进行标准化处理，形成图像处理的数据基础。UNet 网络结构具有良好的路径收缩性，便于提取复杂问题的核心关注点，因此构建U-Net网络模型。

通过上节分析可知，造成混凝土桥梁早期裂缝的成因较多，由此造成的外在表现形式也不尽相同，因此，不同裂缝的特征图像也存在各自的特点。为识别这些特点，需要在图像中准确定位早期裂缝或潜在裂缝的位置，在此次研究中采用图像卷积进行定位处理。

将图像信息的传输通道进行简单化处理，图像信息经过传输通道后，在反卷积作用下使裂缝特征图像的信息得以加强。传输过程中，将特征图像与编码路径中相对应的剪切图像进行拼接和卷积操作，再激活融合后的图像，从而提高输出的混凝土桥梁早期裂缝特征图像的清晰度。

输出的特征信息通过U-Net模型，将裂缝图像和背景无裂缝图像进行分类处理，再利用softmax 分类器对图像进行概率统计，提取出混凝土桥梁裂缝预测图。

2.3 U-Net模型训练

通过提取输入图像的像素级别特征信息，从输入图像中分割出桥梁图像上裂缝像素和背景像素。通过简化处理图像的传输通道增加图像的清晰度。同时，利用损失函数计算模型参数，以确保图像经过模型操作后能够得到相对稳定的输出值，减少图像特征信息的损耗[7]。公式（1）为损失函数的计算公式：

2.4 裂缝参数提取

首先标定桥梁裂缝图像，通过U-Net网络模型对混凝土桥梁裂缝图像特征信息进行标定提取，桥梁裂缝的特征提取结果如图2所示。

图2 裂缝图像结果

由图3 可知，该裂缝的图像呈横向走向，整体偏细长。根据裂缝的不同形态特点，设置裂缝的阈值，经多次的特征提取，统计超出该阈值范围的裂缝图像信息。再分析统计数据，删除伪裂缝信息，极大程度地减少了混凝土桥梁的裂缝信息误差。基于上述步骤，发现混凝土桥梁的早期裂缝威胁，完成对桥梁的检测。

图3 统计裂缝参数提取

3 实例分析

3.1 工程概况

表1中数据为某高速公路桥梁检测统计表，其中主线桥数量较多且跨数较多。采用本文设计的检测方法检测该路段桥梁的早期裂缝。

表1 某高速公路桥梁检测统计表

3.2 实验过程及结果分析

3.2.1 图像预处理

混凝土桥梁的裂缝特征图像是运用数字采集器在桥梁上进行拍照输出的，但由于桥梁表面环境十分复杂，不同现场的光照程度也不同，导致桥梁图像的采集结果存在一定的误差。因此，在采集桥梁裂缝图像前期要考察现场的地理位置，根据现场情况实时调整数字采集器的采集参数。

如图4所示，裂缝采集人员将桥梁裂缝特征分为四类。在现场对图像进行采集后根据这四类裂缝图像进行分类处理。

图4 裂缝种类

将得到的混凝土桥梁早期裂缝的图像进行预处理，加强裂缝图像的特征，为后期的特征提取节省时间，并提高特征提取的精度。

3.2.2 加强结构耐久性设计

桥梁耐久性影响的因素包括环境作用和力学作用。其中，环境作用主要指桥梁结构周围环境的除冰盐、水分以及冻融等环境作用降低结构的耐久性；力学作用主要指车辆的反复加载引起结构的疲劳以及磨损等作用降低结构的耐久性。通过加强结构计算、优化结构尺寸等措施可解决力学作用下的耐久性问题，通过增加混凝土结构的密实性、优化细部构造以及防腐涂层的使用等措施，可以解决环境作用下的耐久性问题。首先应严格控制保护层厚度，同时严控设计裂缝宽度。设计时需根据规范要求的构件类型、重要程度、接触的环境类别适当减少裂缝宽度。尽量采用结构几何外形简单、表面结构平整连续的构造，可以方便施工的同时又可以减少腐蚀性介质的侵蚀。对护栏等直接接触除冰盐等有害物质，可通过设置防腐涂层提高耐久性。

3.2.3 基于U-Net的桥梁裂缝图像信息自动提取

首先选取研究项目拍摄的部分桥梁图像100 张，然后调用已经训练好的U-Net 模型，将选取的100 张桥梁表观图像随机且不重复地输入U-Net 模型。选取200 组裂缝检测结果图像进行实验验证，对比实际测量与计算机测量的结果，选取其中的10 组结果进行分析，如表2所示。

表2 裂缝宽度测量对比

由表2可知，本文方法识别的裂缝宽度与实际裂缝宽度误差较小，最大误差仅为0.1mm。

通过分析实验结果，可以得出除户外数字采集器对实际裂缝的拍摄误差和人为因素导致的误差外。本文设计的方法对混凝土桥梁裂缝进行检测，可以消除裂缝特征图像中的伪裂缝信息，有效提高了桥梁早期裂缝特征检测的精度。

4 结语

混凝土桥梁早期裂缝是影响桥梁安全的重要因素，能够准确地检测分析桥梁裂缝是十分重要的。本文对混凝土桥梁早期裂缝的成因进行分析，应用U-Net模型加强了早期裂缝的图像特征，对裂缝进行精确的提取，以便后期对裂缝进行分析和修理。通过实际工程实验，发现本文所设计的检测方法大幅提高了早期裂缝的特征提取精确度。但由于时间限制没有进行多次实验，结果性能可能不稳定，因此在今后的研究中应进一步完善。