基于涡流热成像原理的钢桥浅层缺陷无损检测研究

作     者：马浩 

作者单位：南京林业大学 

学位级别：硕士

导师姓名：王立彬;王飞球

授予年度：2023年

学科分类：081406[工学-桥梁与隧道工程] 08[工学] 0814[工学-土木工程] 082301[工学-道路与铁道工程] 0823[工学-交通运输工程] 

主      题：钢桥无损检测 钢桥锈蚀 界面脱空 涡流热成像 深度学习算法 

摘      要：长期服役的钢桥易受到环境影响而发生腐蚀和锈蚀,影响桥梁的承载能力和耐久性能。外贴纤维增强复合材料(Fiber Reinforced Polymer,FRP)作为一种优异的防护手段被广泛应用,由于施工工艺等原因难以避免地在粘接层产生气泡和脱粘,影响FRP-钢结构的安全性能。如何在不损害钢桥的前提下对锈蚀和界面脱粘缺陷进行检测成为当今桥梁领域中亟待解决的问题。本文采用涡流热成像技术(Eddy Current Thermography,ECT),自研了一套ECT检测系统,并进行了一系列试验研究,包括钢桥漆面脱落和锈蚀以及FRP加固钢结构的界面脱空等。通过建立多物理场耦合模型,从理论上分析和模拟了ECT检测FRP-钢组合结构界面缺陷的过程。同时,基于深度学习算法,建立了四套钢桥缺陷数据集并搭建了基于深度学习算法的深度学习平台。最后,依赖ECT系统和智能检测平台,模拟实际钢桥检测的试验研究,并取得了一系列研究成果。(1)ECT无损检测技术在钢桥漆面脱落方面表现出色,能够精准地反映缺陷的真实形态,特别是在降温过程中,检测结果更加明显。缺陷的大小、钢板厚度以及相对于加热的位置都会影响检测效果,缺陷面积越大、发现越早,成像效果越明显。受边缘效应影响,边缘处的缺陷首先被加热,因此更早被发现。(2)与漆面剥落相比,钢桥腐蚀形成的氧化物层会阻碍热量向空气传递,导致在ECT技术检测下呈现出高温状态。除了缺陷的形状和位置,受加热的钢桥的厚度对检测性能的影响更大,需要根据不同的钢板厚度调整加热时间和功率。此外,不同程度的腐蚀会导致钢桥产生不同的热响应模式,可以通过|?T|间接评估钢材的腐蚀程度,以便及时进行修复。(3)本套ECT系统可以检测到FRP-钢复合结构中的界面缺陷和FRP层划痕,但由于“模糊效应,缺陷形状难以确定。温度分布曲线在缺陷位置突变,形成“低温凹谷,可用于识别缺陷位置。加热方案应根据结构类型适当选择,不同界面层的缺陷可以通过ΔT来区分。直径小于10 mm的缺陷难以检测,测量厚钢板时应增加加热时间以提高检测效果。(4)利用多物理场耦合模型可以精确模拟试验中试件表面的变化规律,缺陷的准确检测时间约为50秒。加热功率对缺陷检测效果有一定影响,较小电流会降低加热能力,但对最佳检测时间影响不大。环氧树脂层厚度和传热系数h都会影响缺陷检测效果,厚度增加会加重模糊效应并推迟最佳检测时间,传热系数越大,缺陷可检测性持续时间越短。(5)基于YOLOv5算法,经过100轮训练,钢桥缺陷的识别精度得到显著提升,平均可靠度达到85%以上。不同数据集适合不同的网络结构,采用YOLO v5s模型可在保证识别效果的同时提升识别效率。优化后的数据集能提高平均精度m AP@0.5:0.95并缩短训练时间。通过修改配置文件参数,可以实现对缺陷的自动计数。建立了可视化智能检测平台,提高桥梁病害检测效率。(6)本套ECT系统能够准确地检测出模拟钢桥的缺陷,深度学习算法能够准确识别红外和普通图像所包含的缺陷,但不同的加热方式会严重影响缺陷的检测效果。钢桥漆面脱粘和锈蚀缺陷适用于表面加热,FRP-钢结构的界面缺陷适合翼缘加热。较小的界面缺陷难以发现,但自然脱空的缺陷仍能够准确检测。总体而言,该系统具有较高的可靠度和准确性。