大坝水下裂缝检测技术研究进展与发展趋势

胡升 黄少东 安徽省交通科学研究院

曹翔宇 鲁文妍 南京水利科学研究院

1.引言

我国大坝工程量多面广，其中相当一部分已进入或即将进入服役中后期。随着水库大坝运行时间的流转，通常还伴有设计标准的变化、地质环境的改变、排水及防渗功能的退化以及健康监测设备陈旧等一系列问题，上述因素均可导致这些工程退化成“病险水库”。“98”大水后，国家先后投入数千亿巨大资金加固了7.3万余座病险水库，远超当初编制全国病险水库除险加固专项规划时的测算数量。病险水库除险加固在取得巨大成绩的同时，也出现部分水库重复加固后仍未脱险的状况，全国病险水库除险加固专项规划迄今无法收尾，反映当前的病险水库安全诊断（病险认定）及除险加固技术还存在“卡脖子”技术与装备。

由于水库大坝长期与水直接接触，承受较高的水压和温度梯度，大坝表面不可避免会产生不同程度的裂缝，进而导致其承载能力和耐久性降低。大坝水下裂缝不仅存在于大坝表面，当内部损伤积累突变，裂缝会扩展至大坝内部，甚至贯穿，形成渗漏通道。因此，考虑大坝水下应急处置状态下的环境温度、压力、流速等条件，及时、准确探测大坝的水下裂缝，对灾后短时间内采取应急措施，并制定水下应急修复策略意义重大。同时，该领域的探索能够为推进灾后应急检测与处置向自动化、模块化、智能化方向发展提供支撑。

2.大坝水下开裂成因及案例

从大坝裂缝的成因层面，宏观上可归结于以下两类因素：第一类是由于大坝材料的温降收缩、干缩、碱-骨料化学反应、钢筋锈蚀等因素而产生的开裂。美国德沃夏克重力坝的垂直渗水裂缝（裂缝最大开度1.65mm）、前苏联的萨扬舒申斯克拱坝的贯穿性裂缝是第一类病害的典型案例；第二类是由于大坝受到水压力、地震、涌浪等荷载，致使材料截面受到的实际应力大于材料自身的抗拉强度或抗压强度而产生的开裂。美国帕克伊马拱坝、秘鲁的Fraile拱坝、中国的谷关拱坝在地震过程中产生的裂缝是第二类病害的典型案例。

图1 大坝的水下裂缝检测方法归纳[9]

随着当前筑坝材料、施工技术和坝型的与时俱进，各类坝型依靠自身适应的地形地质发挥着重要作用。然而，目前各类坝型依然存在着开裂等安全问题，甚至可以说，大坝的开裂问题伴随着大坝的服役和发展。而水下的裂缝在复杂温度场、高压水环境和在水力劈裂等作用下，会呈现出异常复杂的受力状态。甚至很多时候，大坝裂缝的成因也仅能从经验和理论上判断，较难依靠充足的证据给出完全确定性的结论。因此，着眼于实际工程大坝水下病害场景，及时、准确探测大坝水下的裂缝并记录其所处环境状态，能够为客观分析大坝的裂缝成因提供基础，同时为大坝的水下修复技术提供用武之地。

3.大坝水下裂缝诊断策略

大坝的裂缝检测方法可以从整体上分为“局部探视法”和“整体检测法”。笔者曾较为全面梳理过“整理检测法”中各类技术的发展现状，而由于指标敏感性、算法稳定性等问题，在实际大坝的病害检测中的应用较少。近年来，随着遥控无人潜水器（Remotely Operated Vehicle，ROV）的探索和发展，局部探视法展现出了巨大活力，因此本文聚焦于大坝工程领域的“局部探视法”研究现状进行讨论。

3.1 探地雷达反演成像法

探地雷达反演成像法，通常利用高频无线电波在结构内部介质中的传播衰减规律，探测结构的开裂和缺陷。任爱武等以探地雷达反演成像法、渗漏量检测分析及工程地质分析相结合的方式为分析手段，找到了某水库的溶洞或渗漏通道。然而，但混凝土结构中的钢筋占比较大时，电磁波的能量损耗较为严重，制约了该技术在实际大坝工程中的应用。

3.2 声波层析成像法

声波层析成像法，通常利用脉冲波的振幅等参数变化，判别结构的开裂部位。王萧寒等依托多波束测深仪系统和水下三维实时3D 声呐系统，开发了点云数据融合检测方法，并以某码头工程为案例，实现了对水下钢管到的三维精准化定位，并成功检测出了受台风影响而发生明显移位和倾倒的24根钢管桩。骆剑彬等针对声呐成像检测技术在实施进程中需要人工参与识别的问题，联合声呐成像检测技术和深度学习技术，开发了基于快速区域推荐卷积神经网络的声呐图像病害分类识别网络，并通过水下桩墩表观病害检测试验，验证了该方法的有效性。相较于探地雷达反演成像法，该技术不受混凝土结构中钢筋等金属构件的影响，具有更高的识别分辨率。

3.3 光纤传感检测法

光纤传感器检测法，通常利用光纤在大坝缺陷处的光损耗，判别结构的开裂部位。从光纤光栅传感系统的研究历程来看，可以分为点式监测、准分布式监测和分布式监测三个阶段。该技术的局限在于当光纤与缺陷正交时，裂缝的识别效果极大削弱，且若为实现全局式的持续检测，需要构建庞杂的传感网络。此外，为保障光纤光栅传感器在结构服役期间的有效性，光纤的防护问题也是当前的关键技术难题。

3.4 图像识别法

近年来，由于数字图像处理和计算机视觉技术的快速发展，通过分析混凝土表面图像识别裂缝的方法被广泛应用于大坝的水下裂缝检测，具有技术方便、直观、高效、经济、无损的优势。徐鲁强等针对ROV搭载的高清摄像头受水环境影响，难以呈现清晰图像的问题，开发了一种将人造多幅欠曝光算法与颜色通道补偿方式相融合的图像增强算法，显著提高了水下图像的细节展示能力。Shi等采用图像识别技术中的避光算法在一定程度上消除了水下图像中的光照、噪声严重等问题，并在分析大坝裂缝图像统计特性的基础上，提出了一种利用图像块局部特征和连通域全局特征相结合的裂缝检测方法。Fan等针对水下图像检测效率低、误诊率高的问题，提出了一种基于局部-全局聚类分析的大坝裂缝自动检测算法，减少了人为判断的主观性，并通过试验验证了该方法对大坝水下裂缝检测具有较好的效果。

4.存在的问题及展望

（1）大坝在水下若出现贯穿性裂缝（渗漏通道），在裂缝区域的流体的流速和流态不再稳定。如何保障ROV在高速、紊乱水环境下按照预设路线平稳巡检，是将ROV广泛应用于实际工程的关键技术难题。同时，对大坝的深水广域快速巡检路线的寻优值得进一步探索。

（2）ROV装备通常可以同时搭载多套检测设备，而目前各类监测数据的处理相对独立，难以形成协同体系。因此，探索能够融合多源异构数据的裂缝检测算法，视大坝水下裂缝诊断的发展趋势。

（3）过去基于人为判断的图像识别技术效率较低、误诊率较高，而机器学习的潜在应用为基于数据驱动的损伤诊断提供了巨大驱动。因此，将图像识别技术和机器学习相融合，对于大坝等长期服役的水工建筑物的健康状况评价和维修加固意义重大。