大坝心墙河床段基座混凝土裂缝的远程红外监测

2022-11-22乔俊明

无损检测 2022年10期

乔俊明

(包头市水库管护中心，包头 014030)

混凝土结构是由水泥砂浆、外加剂等多种物质按照一定比例混合而成的复合结构，混凝土中包含较多物料，其机械性能也很复杂，具有抗拉强度低、离散性大、均匀性差等特点。同时，在施工过程中，施工工艺不当、施工管理不善和施工条件复杂等因素，会给混凝土表面和内部结构带来一定程度的破坏。而混凝土结构的失效往往都是从材料的裂纹处开始的，裂纹的出现和扩大，会对构件的强度、刚度等产生不同程度的影响，甚至会对结构的承载力造成重大影响。目前，如何对混凝土结构的裂纹分布及其尺寸进行监测，是国内外许多研究人员和学者所关心的问题。因此，有必要采用一种有效的非破坏性测量技术对混凝土建筑物的裂缝性质、尺寸和范围进行测量。

红外热成像技术是利用红外热像仪监测对象，将红外信号转化为可测的电子信号，经处理后的电子信号会呈现为一系列的红外热像图并显示被测对象的表面温度场，检测人员可依据温度分布状况判定被测对象有无间断的缺陷。红外热像仪具有测量速度快、观测面积大等优点。笔者基于红外监测方法的优点，将其应用到混凝土裂缝监测中并进行试验。

1 基于红外热成像技术的混凝土缺陷区域监测

1.1 监测流程

混凝土缺陷的红外监测流程图如图1所示。

图1 混凝土缺陷的红外监测流程图

1.2 导电膜电阻拉敏效应

根据电阻的拉敏效应，裂纹在扩展阶段会引起电阻的产热，进而引起红外热图的变化，监测中，将导电膜布铺设到混凝土的试件表面，接通电源，使其发生电热转变，产生检测时目标位置与周围背景的温度差[1]。

为便于后续分析，将所有导电粒子简化为球体，将高分子电阻设定为定值[2]，导电薄膜的电阻R是通过电极间的导电颗粒和传导路径来确定的，可表示为

(1)

式中：Rm为导电粒子之间的电阻；Rp为导电粒子自身电阻；N为与电流方向平行的导电粒子数目。

在导电微粒间距大时，电流无法透过导电微粒的空隙，存在隧穿电流的情况，可将隧穿电流J表示为

(2)

式中：φ为波长；m、e分别为电子的质量和电荷量；h与分别为计算常数与电粒子之间的高度差；S为外加电压。

由于导电微粒的导电性与聚合物基质之间存在很大的差异，因此可以忽略其本身的电阻性[3]，将结构参数之间的关系表示为

(3)

式中：a为导电粒子所占的比例；γ为电子浓度；n为采样序列。

1.3 缺陷等级划分

在自然界中，任何物体都可以辐射红外线[4]，故可通过红外热成像监测仪获取红外图像，再利用测试目标与背景目标的温差，获得缺陷的检测结果[5]。

将被测表面的辐射强度Lλ(T)表示为[6]

Lλ(T)=ελLλ(T0)+ρλLλ(Tu)

(4)

式中：T为基准温度；T0为被测对象的表面温度；Tu为环境温度；ρλ、Lλ分别为被测物体的表面反射率与吸收率；ελ为表面发射率。

因为该物质的能量是由热辐射和由该物质所受拉应力形成的附加能所叠加而成的[7]，所以将计算出的辐射能与所述辐射能相加得到

E=R1+E2

(5)

式中：E为该物质能量；R1为1.2节计算出的参考导电参数；E2为物体受拉应力后产生的辐射能量值。

为准确地将上述观测量提取出来[8]，需要对温度反演，即

T=T0+ΔT

(6)

式中：T0为正常温度；ΔT为在应变速率变化后产生的附加温度。

同时，受到大气辐射影响，辐照会出现部分衰减，为此需要进行修正，以满足温度转换的需求[9]，可将辐射照度Eλ表示为

Eλ=A0d-2[τaλελLbλ(T0)+τaλ(1-ελ)]

(7)

式中：A0为热像仪目标可视面积；d为测量距离；τaλ为大气光谱透射率；Lbλ为大气发射率。

经过处理后，获得被测表面的真实温度[10]，在此基础上，根据缺陷区域温度与正常区域温度差划分缺陷的等级，即

ΔT=|T1-T2|×100%

(8)

式中：T1为平均温度；T2为缺陷区域的最高或者最低温度。

上述过程可判断检测过的部分是否出现故障，但是不能深入表明其他问题，还需进一步处理。

1.4 监测后处理

经过红外检测后，采用傅里叶变换与K-means聚类结合的方法处理红外热图，二维傅里叶变换原理是在一维傅里叶变换的基础上添加位置信息[11]，即

(9)

式中：*为傅里叶计算模式；T(n)为第n个采样序列的采样频率；D为图像序列长度；F(k)为位置信息；b为势垒高度。

当热图序列长度为N，采样频率为fs时，将振幅与相位关系[12]表示为

(10)

式中：Im[F(k)]为快速傅里叶变换的虚部；R[F(k)]为快速傅里叶变换的实部。

在此基础上，通过K-means聚类算法对不同的数据中心进行聚类，根据最近的数据分布，更新数据，然后进行迭代，最后得出图像的幅度和相位，具体过程如下。

(1) 将第n张热图像素均值与方差记作∂与μ，按照μ的顺序排列图像，获得M张图像。然后通过像素均值划分区域，统计缺陷与无缺陷情况，分析不同情况的面积占比。

(2) 通过上述傅里叶变换得到相位图序列[13]，按照频率大小排列图像。

(3) 初始化聚类中心[14]，筛选出缺陷处与非缺陷处[15]，获得相应的相位图。

(4) 经过筛选，计算各个区域的中心坐标，即

(11)

经上述过程计算出区域中心坐标，达到识别和探测裂缝的目的。

2 工程实例分析

为验证提出的混凝土裂缝远程红外监测方法的有效性，笔者进行了验证试验与工程实例分析。

2.1 验证试验

制作试验用混凝土试件，试件的强度为C30，混凝土材料中水泥、砂、石、水的配比为500…512…1 150…200。

生产混凝土所用的水泥是普通的硅酸盐水泥，中砂材料为河砂，碎石粉材料为石灰石。

确定配比后，浇筑试件，过程如下。

(1) 将制作时需要的砂、石、水泥按照设计好的配合比放入到搅拌机中。

(2) 拌和材料，在搅拌过程中不断添加水，水添加完成后停止浇筑。

(3) 清理模具的内壁，清理干净后将混凝土浆注入到模具中。

(4) 压实混凝土浆，排出其中的气泡，并用抹铲抹平表面，共制备8个试件。

(5) 静置24 h后拆模，获得试件。

试件准备后，选择CMT500型万能试验机，施加不同的应力，使混凝土发生不同程度的开裂。加载试验现场如图2所示。

图2 加载试验现场

该试验机加载速度较快，范围较大，并且具有低周载荷循环的功能。试验时，将混凝土试件放置到试验机中的两个支撑点之间，并调整支座的间距，使试件与加载试验机的表面充分接触，施加压力后，试件在中心点处发生断裂。试件不同位置开裂形貌如图3所示。

图3 试件不同位置开裂形貌

为了避免试验过程中出现混淆，对试件进行编码处理。试件裂缝的基本参数如表1所示。

表1 试件裂缝的基本参数 mm

采用所提监测方法监测裂缝的长度，裂缝实际长度与监测结果对比如表23所示。

表2 裂缝实际长度与监测结果对比 mm

由表2可见，所提的混凝土裂缝远程红外监测方法监测到的裂缝长度与实际的裂缝长度相差较小，最大相差约5 mm，说明该方法准确性较高。

某试件裂纹监测图像如图4所示，生成的红外监测图像如图5所示。

图4 某试件裂缝监测图像

图5 裂缝红外监测图像

图5中，深色部分为裂缝较深的部分，颜色较浅的部分为裂缝不是很严重的部分，可见所提方法能够按照实际裂缝情况，生成相应的红外图像，效果较好。

2.2 工程实例分析

利用该监测方法对某大坝进行裂缝监测。该大坝心墙河床段为某水库挡水建筑物。该水库总库容为2.23亿m3，最高坝高为59 m，坝顶尺寸为297 m×9 m (长×宽)。上下游坝坡坡率分别为1…2.38和1…27。坝体的填筑材料主要为砂砾石，心墙河床与上下游砂砾坝壳之间设4 m厚的过渡层。心墙底部设0.6 m的混凝土基座，该基座位于基岩砂砾层。

在大坝心墙断面10个高程上设置多个红外监测点，监测点位置如图6所示。