论文部分内容阅读
摘 要：混凝土是土木工程中最重要的材料之一，它的质量优劣直接关系到工程结构的安全。直接在结构上检测混凝土工程质量的无损检测技术，已经成为混凝土工程质量控制和质量事故处理的重要手段。本文主要对结构损伤智能检测方法做出简要分析。
关键词：混凝土;无损检测;检测方法
混凝土无损检测是指在不破坏混凝土结构构件的条件下，在构件原位上对混凝土强度和缺陷等进行直接定量的检测。依据不同的检测目的通常可分为以下五大类：
①结构构件混凝土强度检测;
②结构构件混凝土内部缺陷检测，如混凝土裂缝、混凝土结合面质量、混凝土损伤层、不密实区和孔洞等;
③几何尺寸检测，如钢筋位置、钢筋保护层厚度、板面厚度等;
④结构工程混凝土强度、质量的均匀性检测和控制;
⑤建筑物理特性的检测，如防水、热工、隔声等。
有时为了达到同一检测目的，可选用不同的检测方法，检测者可以根据具体情况选用最合适的检测方法。
对于结构损伤的检测，传统的检测方法主要是目测法和基于仪检器的局部检测法。目测法的准确性在很大程度上依赖于检测人员的专业水平和检测经验，而且目测法只能发现结构表面的缺陷，对于结构内部的缺陷则无法检测。基于仪器的局部损伤检测方法常用的主要是前文中介绍的几种方法，但是它们的缺点是必须事先知道结构损伤的大致位置，并且结构中这些位置必须容易接近。检测所需要的时间较长且费用昂贵，检测过程中要中断结构的使用。因此这些方法在实际工程应用中受到了限制。
针对传统结构损伤检测方法存在的缺陷，近年来基于结构整体参数的损伤检测方法成为研究的主要方向。其中主要分为两大类：基于静态测量数据的结构损伤检测方法和基于动力特性的结构损伤检测方法。前者由于测量的信息较少难以得到理想的识别结果，同时对于结构变形影响较小的损伤构件难以识别。目前的研究还处于发展阶段。随着近年来计算机技术、信息处理与分析技术、传感器技术等的飞速发展，基于动力特性的结构损伤检测已成为国内外的研究热点。其中利用模态参数进行损伤识别是应用的最广泛的方法，选择不同的模态参数对于损伤识别的难易程度和准确性都有重要的影响。以下将对几种结构智能损伤检测方法的原理及研究状况作简要的介绍：
1.基于固有频率变化的损伤检测
结构的损伤将造成结构固有频率的变化，因此可以通过检测结构固有频率的变化来判断结构的损伤状况。早在1969年Lifshitz和Rotem就提出通过结构频率的变化来进行损伤检测至今基于结构频率变化的损伤检测已经发表了大量文献，Salawu对这方面的文献作了全面的综述。 stubbs和Osegueda提出了结合敏感性分析的结构频率改变的损伤定位及损伤程度判断。
但是利用频率作为损伤指标有其难以克服的缺点，首先因为频率是结构的整体动态特性，难以反应结构的局部损伤。其次，高阶频率相比与低阶频率对结构的损伤敏感，但是对于大型复杂结构高阶频率难以获取和识别。
2.基于振型变化的损伤检测
基于振型变化的损伤检测是利用损伤前振型与损伤后振型的差值与损伤前振型的比值作为损伤识别参数。该方法多采用模态保证准则（MAC）和坐标模态保证准则（COMAC）。 Ndambi等比较了基于MAC、 COMAC.频率、柔度矩阵、模态应变能变化识别钢筋混凝土梁损伤的能力通过比较发现利用MAC的变化只能检测出结构发生了损伤，而不能判断出损伤发生的位置和损伤程度。利用COMAC的变化可以判断出对称加载的损伤位置，但对于非对称加载则不能检测。
3.基于残余力向量的损伤检测
利用残余力检测损伤的原理是损伤单元对应的残余力向量元素不为零，因此该方法在进行损伤检测时不需要知道损伤后的结构刚度矩阵和质量矩阵，而只需知道损伤前的质量和刚度矩阵以及损伤后的结构模态参数。
周先雁等运用该方法对钢筋混凝土框架结构模型的损伤进行了准确的定位。Rao等利用残余力向量构造目标函数并结合遗传算法对悬臂梁、平面桁架等不同结构进行检测均取得了很好的效果。
4.基于神经网络法的损伤检测
神经网络法是模拟大脑的神经元构筑的一种大型网络，它具有学习、联想记忆、综合处理等信息处理能力。神经网络法用于损伤检测的基本原理是：首先用无损系统的振动测量数据来进行网络的训练，用适当的学习方法确定网络的参数;然后将系统数据输入网络，如果网络的学习是成功的，无损结构的输出结果应当差别不大，相反有损伤结构的输出结果则会有较大的差异。利用神经网络进行损伤识别多采用BP网络，它具有结构简单，学习训练算法较成熟等优点。但其缺点在于收敛速度慢且容易收敛到局部最优解。针对此缺点，近年来发展了概率神经网络。王柏生等运用概率神经网络对结构损伤位置进行了识别，并与BP神经网络的结果作了比较。对比可知，无论是否在样本中加入噪声，概率神经网络的识别结果都优于BP神经网络。
通过以上对常用无损检测技术的介绍可知，每种无损检测方法的适用范围各不相同，影响检测结果的因素也有较大的差异。通常根据检测目的和检测对象的不同需要选用不同的检测方法，对于同一检测对象有时也会选用不同的检测方法。但是对于不同的检测方法和不同时期所测得的结果往往是相互独立的。一方面对于不同的检测方法测得的结果很难进行对比分析，即使超声-回弹综合法可以在一定程度上实现对两种方法所得结果的相互修正，它所建立的测强曲线也是十分粗糙的。另一方面对于不同时期的检测结果仅仅是反映了结构在该时段的质量，未能形成反应质量变化的记录曲线。如何改变这种检测结果相互割裂的状况，实现对多种检测方法的综合并且形成对工程质量变化的监测，是检测技术发展过程中值得研究的一个问题。物联网技术的发展为这个问题的解决提供了可能性。
参考文献：
[1]叶冉，建设工程质量检测行业现状及发展对策.山西建筑，2010.04.
[2]陈海英，李华桃.常用无损检测方法的特点及应用选择.无损探伤，2009.10.
[3]顾津申，基于结构模态参数的损伤识别技术.武汉理工大学硕士学位论文，2009.
关键词：混凝土;无损检测;检测方法
混凝土无损检测是指在不破坏混凝土结构构件的条件下，在构件原位上对混凝土强度和缺陷等进行直接定量的检测。依据不同的检测目的通常可分为以下五大类：
①结构构件混凝土强度检测;
②结构构件混凝土内部缺陷检测，如混凝土裂缝、混凝土结合面质量、混凝土损伤层、不密实区和孔洞等;
③几何尺寸检测，如钢筋位置、钢筋保护层厚度、板面厚度等;
④结构工程混凝土强度、质量的均匀性检测和控制;
⑤建筑物理特性的检测，如防水、热工、隔声等。
有时为了达到同一检测目的，可选用不同的检测方法，检测者可以根据具体情况选用最合适的检测方法。
对于结构损伤的检测，传统的检测方法主要是目测法和基于仪检器的局部检测法。目测法的准确性在很大程度上依赖于检测人员的专业水平和检测经验，而且目测法只能发现结构表面的缺陷，对于结构内部的缺陷则无法检测。基于仪器的局部损伤检测方法常用的主要是前文中介绍的几种方法，但是它们的缺点是必须事先知道结构损伤的大致位置，并且结构中这些位置必须容易接近。检测所需要的时间较长且费用昂贵，检测过程中要中断结构的使用。因此这些方法在实际工程应用中受到了限制。
针对传统结构损伤检测方法存在的缺陷，近年来基于结构整体参数的损伤检测方法成为研究的主要方向。其中主要分为两大类：基于静态测量数据的结构损伤检测方法和基于动力特性的结构损伤检测方法。前者由于测量的信息较少难以得到理想的识别结果，同时对于结构变形影响较小的损伤构件难以识别。目前的研究还处于发展阶段。随着近年来计算机技术、信息处理与分析技术、传感器技术等的飞速发展，基于动力特性的结构损伤检测已成为国内外的研究热点。其中利用模态参数进行损伤识别是应用的最广泛的方法，选择不同的模态参数对于损伤识别的难易程度和准确性都有重要的影响。以下将对几种结构智能损伤检测方法的原理及研究状况作简要的介绍：
1.基于固有频率变化的损伤检测
结构的损伤将造成结构固有频率的变化，因此可以通过检测结构固有频率的变化来判断结构的损伤状况。早在1969年Lifshitz和Rotem就提出通过结构频率的变化来进行损伤检测至今基于结构频率变化的损伤检测已经发表了大量文献，Salawu对这方面的文献作了全面的综述。 stubbs和Osegueda提出了结合敏感性分析的结构频率改变的损伤定位及损伤程度判断。
但是利用频率作为损伤指标有其难以克服的缺点，首先因为频率是结构的整体动态特性，难以反应结构的局部损伤。其次，高阶频率相比与低阶频率对结构的损伤敏感，但是对于大型复杂结构高阶频率难以获取和识别。
2.基于振型变化的损伤检测
基于振型变化的损伤检测是利用损伤前振型与损伤后振型的差值与损伤前振型的比值作为损伤识别参数。该方法多采用模态保证准则（MAC）和坐标模态保证准则（COMAC）。 Ndambi等比较了基于MAC、 COMAC.频率、柔度矩阵、模态应变能变化识别钢筋混凝土梁损伤的能力通过比较发现利用MAC的变化只能检测出结构发生了损伤，而不能判断出损伤发生的位置和损伤程度。利用COMAC的变化可以判断出对称加载的损伤位置，但对于非对称加载则不能检测。
3.基于残余力向量的损伤检测
利用残余力检测损伤的原理是损伤单元对应的残余力向量元素不为零，因此该方法在进行损伤检测时不需要知道损伤后的结构刚度矩阵和质量矩阵，而只需知道损伤前的质量和刚度矩阵以及损伤后的结构模态参数。
周先雁等运用该方法对钢筋混凝土框架结构模型的损伤进行了准确的定位。Rao等利用残余力向量构造目标函数并结合遗传算法对悬臂梁、平面桁架等不同结构进行检测均取得了很好的效果。
4.基于神经网络法的损伤检测
神经网络法是模拟大脑的神经元构筑的一种大型网络，它具有学习、联想记忆、综合处理等信息处理能力。神经网络法用于损伤检测的基本原理是：首先用无损系统的振动测量数据来进行网络的训练，用适当的学习方法确定网络的参数;然后将系统数据输入网络，如果网络的学习是成功的，无损结构的输出结果应当差别不大，相反有损伤结构的输出结果则会有较大的差异。利用神经网络进行损伤识别多采用BP网络，它具有结构简单，学习训练算法较成熟等优点。但其缺点在于收敛速度慢且容易收敛到局部最优解。针对此缺点，近年来发展了概率神经网络。王柏生等运用概率神经网络对结构损伤位置进行了识别，并与BP神经网络的结果作了比较。对比可知，无论是否在样本中加入噪声，概率神经网络的识别结果都优于BP神经网络。
通过以上对常用无损检测技术的介绍可知，每种无损检测方法的适用范围各不相同，影响检测结果的因素也有较大的差异。通常根据检测目的和检测对象的不同需要选用不同的检测方法，对于同一检测对象有时也会选用不同的检测方法。但是对于不同的检测方法和不同时期所测得的结果往往是相互独立的。一方面对于不同的检测方法测得的结果很难进行对比分析，即使超声-回弹综合法可以在一定程度上实现对两种方法所得结果的相互修正，它所建立的测强曲线也是十分粗糙的。另一方面对于不同时期的检测结果仅仅是反映了结构在该时段的质量，未能形成反应质量变化的记录曲线。如何改变这种检测结果相互割裂的状况，实现对多种检测方法的综合并且形成对工程质量变化的监测，是检测技术发展过程中值得研究的一个问题。物联网技术的发展为这个问题的解决提供了可能性。
参考文献：
[1]叶冉，建设工程质量检测行业现状及发展对策.山西建筑，2010.04.
[2]陈海英，李华桃.常用无损检测方法的特点及应用选择.无损探伤，2009.10.
[3]顾津申，基于结构模态参数的损伤识别技术.武汉理工大学硕士学位论文，2009.