连续钢桁梁桥涂装试板损伤红外检测

2023-01-16谭剑锋

广东公路交通 2022年6期

王猛，谭剑锋

(广东交科检测有限公司，广州 510550)

0 引言

桥梁在大气环境中处于长期暴露的状态，为了应对外界因素引起的腐蚀，需要在连续钢桁梁桥表面涂抹防腐涂层，保护钢结构。防腐涂层的质量直接影响桥梁结构的使用寿命，也决定了桥梁的后期运营模式。因此，需研发相应的检测方法，获取连续钢桁梁桥涂装试板损伤状态。

何浩祥[1]等在递归分析理念的基础上，分析当前桥梁结构响应信号，制作损伤特征递归图，将损伤特征信息输入卷积神经网络，得出损伤检测结果，但该检测方法对局部小损伤的识别能力较弱。聂振华[2]等在桥梁上安装部分传感器，采集并构建桥梁各结构的原始数据矩阵，通过主成分分析得到桥梁损伤特征值序列，运用传递熵计算方法完成损伤检测，但该方法鲁棒性较差。杨书仁[3]等基于应变能量函数，分析桥梁应变监测数据，并得出损伤检测的结果，但该方法识别结果误差较大。

本文针对连续钢桁梁桥施工过程中的涂装问题，制作涂装试板，并采用红外检测技术，进行涂装试板损伤检测。

1 红外检测原理

损伤会改变材料局部热性能，采用红外检测技术进行损伤检测，本质上是通过材料表面的温度图谱，判断涂装试板的损伤状态，其检测原理如图1所示。

图1 红外检测原理

如图1所示，通过红外探照设备向涂装试板发出红外光束，再通过CCD摄像机采集红外图像，了解物体表面的温度场，并提取温差较大的区域，完成损伤区域的检测。

2 涂装试板损伤检测的温度特征

为了更准确地判断损伤情况，基于固体热传导方程，进行涂装试板损伤检测的温度特征分析，再以此为基础检测涂装试板的损伤情况。

(1)

式中:e表示连续钢桁梁桥涂装试板的密度;c表示比热容;T表示温度;t表示操作时间;δ表示热传导系数;∇表示laplace算子。

加热存在损伤情况的涂装试板后，热波会在试板内部传播，遇到裂纹、气孔等损伤时，热传导性能将发生改变，阻碍热流的传播，使得损伤区域的热量堆积，表面温度越来越高。通过红外检测图像可知，此时试板表面温度最高点为损伤区域，随后以损伤点为中心表面温度向周围区域不断降低。

3 设计涂装试板损伤检测方法

3.1 建立涂装试板红外图像采集模型

红外图像采集过程中，需要添加一个转换装置，将实时采集的红外图像，转换为可被人眼识别的数字图像[4]。为了提升涂装试板损伤检测结果的准确性，本文建立包含图像去噪的红外图像采集模型，获取红外图像的细节特征。实际采集过程中，实体发出的信号为：

(2)

涂装试板损伤红外检测信号的提取，到红外图像形成过程中，受到红外波长和大气的影响[5]，存在退化效应。退化程度的计算公式为：

(3)

式中:ψ表示大气退化系数;l″表示红外光波长;o表示噪声;d表示探测设备与反射源之间的距离。设置发射红外光的光轴与地平面呈现平行状态，则最终探测的红外信号为：

I(x,y)=σ(x,y)+s(x,y)

(4)

式中:(x,y)表示红外检测图像的中心像素;I表示探测信号;s表示探测设备的反射分量。其中红外图像像素灰度为：

(5)

通过上述操作，得到涂装试板红外图像，作为损伤检测的基础。

3.2 设计损伤边缘增强算法

根据微分理论和微分形态学边缘检测算子[6-7]，增强采集涂装试板红外图像的损伤边缘。通过二维函数描述原始图像，以及膨胀与腐蚀处理，获取基本梯度算子[8]。

(6)

式中:Δx、Δy表示图像x和图像y方向的像素变量;B表示基本梯度算子;lim表示极限函数。考虑到图像内的离散像素点具有不连续性的特点，将两个方向的像素变量均取值为1，则式(6)可以更新为：

(7)

计算涂装试板红外图像中相邻像素之间的差值，即可得到图像在x、y方向的基本梯度。根据一阶微分处理理论，进一步处理所有基本梯度的计算结果，得到图像整体梯度计算公式：

(8)

式中:G表示整体梯度;rx表示x方向的相邻像素差值;ry表示y方向的相邻像素差值。

在损伤边缘增强过程中，为了避免出现噪声过度放大的问题，需控制局部直方图的高度。将原始采集图像分解为多个子区域，分别建立直方图，并定义区域灰度等级。基于直方图均衡法处理算法，计算最优限制对比度作为控制阈值。在满足直方图高度控制阈值的同时，重新分配像素点的灰度级，实现涂装试板红外检测图像的损伤边缘增强重构。

3.3 提取涂装试板红外图像细节特征

运用小波变换算法[9]，对损伤边缘增强后的图像进行多尺度的小波变换，全方位获取图像细节特征信息。选择一个合理的二维变换平滑函数，如式(9)所示。

(9)

(10)

式中:∂表示偏导系数;φ1、φ2表示红外图像横轴和纵轴的偏导值。

分析二维小波变换的垂直尺度以及水平尺度，在此基础上将小波变换相角和模表示为：

(11)

(12)

式中:f(x,y)表示原始涂装试板的红外光图像;v表示小波变换垂直尺度;h表示小波变换水平尺度;θ表示小波变换相角;κ表示小波变换模。

沿梯度矢量方向，按照小波变换相角和小波变换模连续检测涂装试板的损伤，并定位图像中的局部极大值点。采集所有定位点所对应的细节信息，完成涂装试板红外图像细节特征的提取。

3.4 获取涂装试板损伤检测结果

以增量型极限学习机[10-11]为核心，建立如图2所示的损伤检测网络结构。

图2 I-ELM损伤检测网络结构

图2中，a、b、c表示I-ELM损伤检测网络结构的神经元，m、n、p表示输入层、隐含层和输出层的神经元数量。运用图2所示的I-ELM损伤检测网络结构分析连续钢桁梁桥涂装试板损伤情况时，需要根据隐含层输入权值φ、输入阈值ε[12]，计算隐含层输入值：

i=φJT+ε

(13)

式中:i表示隐含层神经元输入值;J表示I-ELM损伤检测网络输入矩阵。

隐含层输出计算公式为：

(14)

计算隐含层输出权值和余差，直到余差计算结果小于最小期待误差时，增量型极限学习机停止学习。将特征提取结果输入网络结构中，输出涂装试板损伤的检测结果。输出结果为1表明该区域属于完好状态，输出结果为0表明此区域为损伤区域。至此，完成连续钢桁梁桥涂装试板损伤的红外检测。

4 工程实例分析

4.1 工程概况

为了验证所提检测方法的实际应用性能，将该方法应用于牛田洋快速通道项目中。该项目属于近年来汕头市综合交通运输体系发展的重要组成部分，主要位于汕头市西侧，南北分别连接汕昆高速公路和汕湛高速公路。其中，主桥为双塔钢桁梁斜拉桥结构，桥梁全长955.2m。桥梁施工过程中采用了半漂浮体系，主塔位置需安装球形钢支座、横向钢阻尼和纵向钢阻尼，以便于正常工况下横向位移。为了更好地保护桥梁钢结构不受到腐蚀，需完成桥梁防腐涂层的大面积涂抹。为了提高桥梁涂装质量，预先制作多个涂装试板，再采用本文方法进行涂装红外检测，避免涂料与基体之间结合不良。

4.2 设备参数

根据桥梁防腐涂层施工模式，制作涂装红外检测试板。在一整块涂装试板内，分别设置8个区域，如图3所示。

图3 涂装试板平面

如图3所示，涂装试板整体尺寸为180cm×120cm，包括4个面积为10cm×10cm的区域，以及4个面积为12 cm×12 cm的区域。其中，A1、A2区域采用最优操作形式进行涂装，属于无损伤区域。B1、B2区域先喷砂后涂漆，然后喷洒水和化学试剂，制作生锈区域。C1、C2区域布置细砂缺陷再刷底漆，在底漆未干的状态下刷涂中间漆，最后涂抹氟碳面漆，得到厚度为350～500μm的干膜，同样喷洒水和化学试剂，等待损伤出现。D1、D2区域先喷水，等待锈蚀出现后直接刷底漆、中间漆和氟碳面漆，形成厚度为350～600μm的干膜，等待损伤出现。

针对上述涂装试板，应用NEC R300W2制冷型红外热像仪，进行红外损伤检测。为了加强红外检测的直观性，检测过程中采用两个卤素灯管充当热激励源，加快试板表面温度的提升。红外热像仪的主要参数见表1。