编辑功能

利用无损检测技术进行结构健康监测

鉴于支持和维持一个国家的经济和生活质量的重要性,需要不断关注其基础设施的结构健康。关键的土木工程部件,如管道、桥梁、建筑和大坝,以及其他木材和钢结构,需要持续的检查、监测和维护。

无损技术,超声管道扫描

图片来源:Funtay / Shutterstock.com

结构健康监测(SHM)是确保安全和可靠性的关键,如果不使用广泛的必要工具和技术进行监测,这些领域很容易受到损害。定位隐藏的损坏或绘制结构内部的退化和潜在原因通常包括无损检测(NDT)。这些是远程的,通常是无触点探头,不会对被测材料的完整性(MUT)造成损害。

裂缝、水分和张力

测量参数、结构类型和物理特性决定了在任何给定的情况下选择哪种无损检测技术。不过,通常会部署多种方法的组合。利用多种技术提高测量过程的附加参数,有助于提高精度。

具有一定共性的SHM应用程序中的参数往往需要监视。最受关注的包括裂缝、水分、振动、载荷和应变的测量。

在选择和设计无损检测时,必须考虑该技术是否有噪声,以及目标与其周围环境的物理性质对比是否会产生影响。规划测量的分辨率要求,以及渗透的程度,也是必要的。

关于基于无损检测的SHM部署,最常见的挑战是分析和解释结果数据的能力。

声音激光扫描

相干光聚焦脉冲是激光扫描遥感技术的基础。从本质上讲,距离是根据从结构反射回来的光束的传输情况来计算的。其固有的处理能力主要推动了激光扫描在SHM中的普及。

大量和准确的数据允许获得详细的文件,特别是在需要检查的纪念碑结构的背景下。由所谓的“点云”生成的扫描可以产生细节丰富的3D地图。这些云是由MUT收集到的所有点组成的。这些地图可以揭示许多关于它的普遍特征,揭示退化的程度。随着时间的推移,这种技术可以很容易地提供损伤进展的可见性。

在混合技术方面,秋问结果表明,结合激光反射和声-激光方法可以得到一种经济的探测方案。这使得在含有纤维增强聚合物的混凝土系统中,能够立即识别缺陷,并增加了确定缺陷大小的能力。

去地下

探地雷达(GPR)具有低成本和快速监测等吸引人的特点,在土木工程SHM应用中经常使用,特别是在裂缝或空隙可能破坏混凝土和砌体稳定性的缺陷检测中。

在这种方法中,渗透深度必须与所需的溶液相平衡。例如,较低的穿透深度可以获得较高的操作频率,从而获得更高的分辨率。从改变的信号反射出的能量差异可以决定结构内部腐蚀的进程。插入钢筋混凝土中的钢筋是一个很好的例子,因为它们的地球物理性质使其成为利用微波技术的理想地下表面。

机器学习深

如前所述,解释NDT产生的数据的能力是具有挑战性的。然而,近年来,人工智能(AI)的引入帮助解决了这些问题。

张成泽探讨了利用人工智能的一个分支——深度机器学习(deep machine learning, DL)实现混凝土裂缝检测过程的自动化。机器学习具有利用可训练算法的发展来预测未来结果的能力,这些算法可以从最新呈现的数据中学习。本研究采用红外热像仪和图像扫描相结合的方法。红外法的工作原理是利用由翘曲、压缩或张力引起的表面温度变化测量。

热图像是在任何温度下发射的热量所捕获的数据。然后,新输入的数据被处理成层,这些层被堆叠到深度神经网络(DNN)中,可以产生精确的多重裂缝可视化。

从本质上说,研究人员创造了一个最小化错误结果的系统,自动建立从微观到宏观范围的广泛裂缝。

基于无损检测的SHM的未来发展

基于无损检测的SHM的未来研究和开发将由机器人技术推动,任何方法都可以消除目前在结构健康背景下对DL应用的限制。

例如,随着远程操作设备(rov)的采用,以前禁止的测试将成为可能,它们将获得更大的应用。这些设备与空中飞行器(uav)结合,将有助于探测可能无法到达的结构弱点的偏远地区。

现有训练过的模型有性能限制,这是由于用于SHM的结构系统图像数据库数量很少的直接后果。这一领域的扩张是必不可少的,需要不断发展。对于新的或正在出现的情况,基于ndbased SHM的敏捷性很差。例如,不断上升的污染水平等适应因素是一个挑战,也是未来发展的基础。

此外,使用无人机进行基于视觉测量的基于dl的现场SHM还会受到外部干扰、环境因素和极端天气条件的影响。

完美的模拟是一个挑战。当由于不利条件或强风而发生渐进变化并造成渐进破坏时,结构就会振荡。宽跨度悬索桥尤其容易受到这个问题的影响。未来的研究很可能集中于开发这些问题的解决方案。

参考资料及进一步阅读

邱强,刘丹,(2017)基于激光反射和声-激光技术的frp粘结混凝土系统近表面缺陷检测新方法.(在线)可以在:http://dx.doi.org/10.1016/j.conbuildmat.2017.03.024(2021年8月访问)。

zhang, K., Kim, N. and An, Y.,(2019)基于深度学习的混合图像扫描混凝土裂缝自主评估。结构健康监测, 18 (5 - 6), pp.1722 - 1737。可以在:https://doi.org/10.1177/1475921718821719(2021年8月访问)。

冯东,冯敏,(2018)基于计算机视觉的土木基础设施结构优化设计:从动态响应测量到损伤检测。工程结构, 156年,pp.105 - 117。可以在:https://doi.org/10.1016/j.engstruct.2017.11.018(2021年8月访问)。

免责声明:本文仅代表作者以个人身份发表的观点,并不代表本网站所有者和运营商阿泽网络有限公司的观点。本免责声明构成条款和条件本网站之使用。

John Mcaleese.

写的

John Mcaleese.

约翰拥有伦敦帝国理工学院(Imperial College, London)的博士学位和6年的研究奖学金,并对写作充满热情。最近,他重新将自己的咨询业务完全集中在知识转移方面,充分利用自己在私人和公共部门都拥有的丰富职业生涯;学术界、工业界、商业支持、咨询和个人发展培训。前沿和中心是科学推广,今年muse已经批欧洲杯线上买球准了他的贡献“法医火灾碎片分析的机器学习”和“通过同位素示踪剂了解拉丁美洲和加勒比的水资源”等广泛的不同主题。

引用

请在你的文章、论文或报告中使用下列格式之一来引用这篇文章:

  • APA

    麦卡利斯,约翰。(2021年9月02)。利用无损检测技术进行结构健康监测。AZoM。于2021年10月1日从//www.wireless-io.com/article.aspx?ArticleID=20710检索。

  • MLA

    麦卡利斯,约翰。“利用无损检测技术监测结构健康”。AZoM.2021年10月1日。< //www.wireless-io.com/article.aspx?ArticleID=20710 >。

  • 芝加哥

    麦卡利斯,约翰。“利用无损检测技术监测结构健康”。AZoM。//www.wireless-io.com/article.aspx?ArticleID=20710。(2021年10月1日生效)。

  • 哈佛大学

    麦卡利斯,约翰。2021。利用无损检测技术进行结构健康监测.viewed september 21, //www.wireless-io.com/article.aspx?ArticleID=20710。

告诉我们你的想法

你对这篇文章有什么评论、更新或想要补充的吗?

离开你的反馈
提交