基于磁致伸缩技术的桥梁缆索损伤定位研究

介绍了磁致伸缩技术的基本原理,并研制基于磁致伸缩导波技术的缆索无损检测设备.对设备中的3大系统:激励信号发生系统、功率放大系统和导波检测系统进行说明,并分析采用设备进行缆索损伤定位的原理.设计制作带缺陷试验缆索进行大量检测试验,对检测数据进行细致分析,结果表明:磁致伸缩技术和研制的无损检测设备可较好地实现缆索损伤定位;...     

基于蛇形机器人多传感器数据融合的缆索缺陷自动检测方法

为了实现斜拉桥缆索的自动无损检测,针对斜拉桥缆索自动无损检测方法进行研究,提出基于蛇形机器人多传感器数据融合的缆索缺陷自动检测方法.通过搭载多传感器的蛇形机器人螺旋攀爬运动,实现在役自动检测;利用数据融合技术对多传感器的数据进行融合实现桥梁缆索缺陷的自动检测,在数据层采用加权平均进行信号融合,在特征层采用支持向量机作为...     

基于离散小波变换的斜拉桥缆索断丝检测

采用磁通量检测法对斜拉桥缆索进行无损检测试验。试验中为了降低工作环境中空间电磁场噪声对检测信号的影响,采用一个独立的基于二进小波变换的改进软阈值去除高斯白噪声的方法来分离检测缆索得到的磁通信号和噪声信号。为了准确获得缺陷位置,对缆索检测的磁通信号波形和李氏指数奇异点进行分析。试验结果表明,该检测方法可以准确获得缆索缺陷的大小和具体位置,对于斜拉桥缆索缺陷的检测和分析很有意义。     

重庆交通科研设计院

桥梁缆索PE层由于在挂索过程中的擦伤，或在使用过程中薄弱处的挠屈应力作用致使PE层局部产生破坏和裂纹，造成钢丝锈蚀，从而危及缆索以及桥梁的安全。我院采用国外先进的塑焊装备及材料开展的桥梁缆索PE层索面检查与修复技术，可有效的解决PE层的破损和裂纹，并可实现修复处的光洁，保持桥梁缆索的整体景观一致性。     

基于漏磁检测的桥梁拉索钢丝损伤评估

为准确评估桥梁拉索中钢丝的损伤面积和断口宽度,提出基于漏磁检测进行损伤定量评估的方法。该方法通过对轴向漏磁信号沿周向积分进行非线性拟合,根据拟合得到的磁荷量、磁荷间距评估钢丝的损伤面积与断口宽度。以?7-61平行钢丝拉索为例,采用ANSYS软件建立三维电磁有限元模型,对钢丝断丝与坑蚀产生的漏磁场进行模拟,分别采用本文方法和传统方法识别损伤特征量,并识别含噪声的漏磁信号以检验该方法的稳定性。结果表明:根据提出的损伤评估方法得到的磁荷量与损伤面积成正比、磁荷间距随断口宽度等量变化,磁荷量和磁荷间距可用来定量识别钢丝的局部损伤;该方法在钢丝损伤定量评估中具有较高的精度和计算效率,且具有较强的抗噪声干扰能力。     

韩国桥梁缆索检测机器人研究

缆索是桥梁的重要构件,将机器人技术与无损检测技术结合改进,可开发出实用缆索检测机器人技术。为给桥梁缆索检测机器人的研发和应用提供指导,介绍既有缆索结构无损检测和机器人检测维护技术,重点介绍韩国2010年开始研发的2种桥梁缆索检测机器人的硬件和结构特点。利用目视检查和基于图像处理的检查、基于振动的索力测量、超声波检查、磁学方法和射线照相法等无损检测方法和功能模块,一些国家已经开发了一些用于管道、线路和缆索结构的检测机器人。2010年韩国制定了桥梁缆索检测机器人系统研究计划,主要开发了应用于斜拉桥和悬索桥的桥梁缆索检测机器人。这2种桥梁缆索检测机器人的硬件具有独特的功能,适应缆索直径范围较宽、荷载能力较大,能实现无线控制和通信传输,以及有效的机械电气自锁安全保障功能。试验结果表明,缆索检测机器人可以检测缆索内部钢丝缺陷,基于图像处理技术,可以感测3种不同类型缆索表面各种取向的裂纹状表面缺陷。     

电磁无损检测中桥梁缆索的端部效应

桥梁缆索在长期服役过程中,面临着腐蚀和耐久性问题,缆索缺陷造成的结构安全隐患十分严峻。利用电磁无损检测技术对桥梁缆索进行损伤识别时,端部的检测十分关键。在磁通检测模型试验中,端部磁通信号漂移,端部效应显著。在永磁激励开路磁化方式下,分析了桥梁缆索端部效应的变化规律及影响范围。分析表明:在永磁激励开路磁化方式下,端部效应随着桥梁缆索长度的增加和缆索直径的增大而减弱,其影响范围主要在桥梁缆索端部2 m~3 m区域。     

斜拉索表观检测机器人的开发

斜拉索的受力性能与耐久性直接关系到斜拉桥的结构安全。由于长期暴露在各种环境因素中,斜拉索极易出现表面开裂,内部钢丝锈蚀等病害。因此,定期对其进行检测显得尤为重要。现依据象山港大桥和清水浦大桥,针对斜拉索出现的典型病害特征与检测要求,开发了一种斜拉索表观检测机器人。该机器人具备了小型化、快速自爬行、高质量图像采集、缺陷自动化识别等优点。     

基于小波分解的车道偏离预警算法研究

针对当前车道偏离预警系统成本高且精度较低等问题,提出基于小波分解的车道偏离预警算法。该算法利用车载CCD实时采集路面图像信息,运用小波分析对图像进行去噪和二值化处理,利用车道线对称性精确识别车道线,通过判定车道中心线所在位置辨识自车是否偏离车道。试验结果表明该算法能对主车的偏离进行准确识别,识别精度达到95.4%。     

基于无人机及Mask R-CNN的桥梁结构裂缝智能识别

桥梁结构表面裂缝检测为桥梁状态识别、病害治理、安全评估提供了重要状态信息和决策依据。为解决传统人工检测方法存在的危险性高、影响交通、费用昂贵等问题,提出基于无人机（Unmanned Aerial Vehicle,UAV）及深度学习的桥梁结构裂缝智能识别方法。采用大疆M210-RTK多旋翼无人机进行贴近航摄,获取桥梁结构混凝土表面高清图像;利用SDNET裂缝数据集等图像资源,制作1 133张标记裂缝精确区域的深度学习训练样本图像库;引入掩膜区域卷积神经网络（Mask R-CNN）深度学习算法,训练和建立Mask R-CNN裂缝识别模型;基于Mask R-CNN裂缝识别模型,采用矩形滑动窗口模式扫描混凝土表面高清图像,实现裂缝自动识别和定位。构建包含图像二值化、连通域去噪、边缘检测、裂缝骨架化、裂缝宽度计算等流程的图像后处理方法,实现裂缝形态及宽度信息自动获取。通过精度验证试验,证实采用M210-RTK无人机+ZENMUSE X5S相机+45 mm奥林巴斯镜头的组合装备,当无人机至桥梁结构表面垂直距离为10.0 m时,无人机方法识别的裂缝宽度与裂缝测量仪结果吻合,其绝对误差小于0.097 mm,相对误差小于9.8%。将该无人机裂缝检测方法应用于高136.8 m长沙市洪山大桥桥塔表面裂缝检测,采用深度学习Mask R-CNN算法进行裂缝智能识别,其裂缝识别准确率和召回率分别达到92.5%和92.5%。研究结果表明：无人机桥梁裂缝检测方法可实现高耸桥梁结构表面裂缝的远程、非接触、自动化检测,具有重要的科学研究和工程应用价值。     

基于深度学习的零件质量缺陷检测在制造业中的应用研究

主要介绍了基于深度学习技术的零件加工质量缺陷检测在制造业中的应用。传统的零件检测方法存在检测精度不高、人工干预较多等问题,而基于深度学习技术的零件加工质量缺陷检测方法可以有效地解决这些问题,提高产品质量和生产效率。文章以曲轴生产过程中两侧孔内部铁屑残留的检测为例,详细介绍了基于YOLOv5深度学习框架的自动化视觉检测系统方案。该系统使用PLC触发软件控制相机拍摄两侧孔内部图像,通过深度学习模型识别孔内是否存在铁屑残留,并将结果展示并保存在界面上,最终反馈给PLC合格与不合格信号。采用深度学习模型,可以快速、准确地完成检测任务,并且能够进行追溯和分析。文章还对比了传统目视检查方案和基于深度学习的检测方案的优缺点,并提出了硬件工装设计和优化建议。总体来说,基于深度学习的目标检测技术在制造业领域具有高效性、准确性、灵活性和可靠性等优势,能够帮助企业提高生产效率、降低成本,并且提高产品质量和安全性。该研究为零件目标检测领域的深入应用提供了借鉴和参考,也为其他工业自动化、智能安防和自动驾驶等领域的应用提供了启示。     

磁致伸缩导波检测技术在桥梁换索工程中的应用

索承式桥型由于缆索和基础结构的设计寿命不一致,导致在桥梁寿命期间必然需要对缆索进行更换。针对缆索更换缺少依据多根据经验的问题,开展了磁致伸缩导波检测技术在桥梁换索工程中的应用研究。结合磁致伸缩导波检测技术和缆索病害的特点,利用检测仪器在运营期间和缆索更换期间分别对明沈公路松原市区江南公铁立交桥的缆索进行了检测。运营期间的检测结果表明该桥的缆索存在腐蚀的可能,且腐蚀区域靠近缆索下锚头。在缆索更换期间再次对待更换的缆索进行了检测,进一步证明了该技术的有效性和换索决策的正确性。在新索更换完毕后,对新索进行了数据采集,为后续的长期监测提供了基础数据。     

应用移动质量法的结构损伤小波识别方法

为提高结构损伤识别的精度,充分发挥小波识别在特征提取、信号奇异性检测、信号降噪等方面的独特优势,提出采用移动质量多次检测法的结构损伤小波识别方法。该方法采用移动质量块在不同位置对桥梁进行多次测量,利用各次测量的频率值的变量来确定桥梁结构的其他模态参数,从而确定桥梁的局部单一和多处损伤情况。采用数值算例对该方法进行验证,结果显示,对简支梁的单一和多处损伤识别效果明显。     

RC梁四点弯曲加载应力自漏磁信号检测试验

为了给桥梁结构的健康检测提供参考，将金属磁记忆检测技术引入到钢筋混凝土（RC）梁内部钢筋的应力检测当中，进行了钢筋混凝土T形截面梁四点弯曲加载应力自漏磁信号检测试验。利用基于金属磁记忆的三维扫描检测装置采集了试件在不同荷载下的自漏磁信号，并对不同提离高度和多条扫描路径下的磁信号进行分析，得到了钢筋混凝土T形截面梁在不同应力状态下的空间信号规律，提出了利用“法向漏磁场方均根值”来定量计算RC梁纯弯段处钢筋应力的方法。研究结果表明：在钢筋混凝土T形截面梁纯弯段内，钢筋内部应力与“法向漏磁场方均根值”呈线性关系，且函数的拟合优度R²达到0.988 4，拟合值与实测值之间误差微小；随着提离高度的增加，钢筋混凝土T形截面梁在不同荷载下的自漏磁信号曲线逐渐上移，自漏磁信号的分布规律没有显著变化，“法向漏磁场方均根值”与RC梁内部钢筋的应力在纯弯段内仍满足线性关系，试件在不同提离高度下的R²达到0.965；随着扫描路径的改变，钢筋混凝土T形截面梁在不同荷载下的自漏磁信号曲线呈现出相似的规律，且“法向漏磁场方均根值”与RC梁内部钢筋的应力在多条扫描路径上均满足线性变化的关系，在各条扫描路径下R²的平均值为0.959。所提方法可为RC梁内部钢筋应力的无损检测提供新的思路与参考。     

基于视频识别技术的无信号交叉口安全预警系统原型开发

基于视频识别技术开发无信号交叉口安全预警系统原型,在Visual Studio 2010开发环境下,借助halcon8.0图像处理算子,应用背景差法识别与跟踪运动车辆,实时采集车速、加速度、距离等微观交通信息,建立无信号交叉口安全通行模型实现动态安全预警功能,利用模型车辆测试系统的预警可靠性,在参数设置合理的条件下取得了87%的预警成功率。     

基于卷积神经网络的铆钉缺陷检测方法研究

针对铆接过程中铆钉内部断裂缺陷难以分类判别问题,利用卷积神经网络和长短期记忆网络设计检测算法。首先,使用平滑滤波法将特征信号中的异常噪声值滤去,同时根据拟合函数对检测信号进行插值,提高特征数据的信息量。其次,利用处理后的故障样本训练网络来实现铆钉缺陷诊断。实验结果表明：该方法总体识别准确率可达99%,能够有效地进行铆钉缺陷诊断。     

基于离散选择分析的山区公路安全预警系统研究

普通公路安全预警尤其是山区公路安全预警,由于其交通流的复杂性使得利用监控系统检测交通状态较为困难。离散选择分析模型通过原始数据直接做出判断,又可以根据数据更新系统进行有效的自身学习,因此较目前应用的贝叶斯网络模型更适用于山区公路安全预警。首先利用离散选择分析方法建立了道路交通状态检测的判断模型;其次以检测结果为基础,利用线性神经网络模型建立了路段交通预警模型;最终建立了山区公路安全预警系统。     

地质雷达检测桥梁预应力管道压浆饱满度的数据处理方法与应用

预应力桥梁压浆管道注浆不饱满会引起预应力钢绞线锈蚀并大大降低其有效应力,直接影响桥梁的耐久性和安全性。地质雷达作为实体工程检测中常用的检测设备,压浆管道外层排列密集的钢筋干扰极易导致注浆缺陷信息几乎无法识别或者漏判。为此,首先采用有限差分数值方法模拟压浆管道中不同缺陷类型,然后对模拟数据进行偏移成像,压制钢筋的干扰信息,有效识别缺陷信号。以桥梁现场实测数据为例,应用上述方法,准确检测出了管道中缺陷信息,通过现场开窗,验证探测、处理效果,对实际工程应用具有指导意义。     

基于小波提升格式理论的隧道衬砌缺陷定量识别分析

为提高探地雷达信号分析中小波基函数选取或构造的针对性和适应性，降低构造计算复杂性，并使所构造的小波基能更准确提取隧道衬砌结构背后空洞检测信号特征点信息，提出一种根据提升格式小波理论和目标信号波形特征来构造匹配小波的方法，并将所构造的小波基应用于空洞检测信号特征点的识别中。该方法以完全重构滤波器条件和提升格式小波为理论基础，首先选择一个简单而一般的初始双正交滤波器组，通过对初始双正交滤波器进行提升和对偶提升，获得不同的提升算子和对偶提升算子，从而得到更新后含自由变量的高阶滤波器组函数表达；其次，依据探地雷达信号的固有特点，对新滤波器组中重构端小波函数中的自由参数进行优化，并对新小波基与实际探地雷达信号的相似度进行计算和检验，最终构造出既满足线性相位、紧支撑性，又具有与探地雷达信号匹配度高等优势的新双正交小波基。将新小波基应用于室内空腔检测试验及实际工程中空洞缺陷的定量分析中，结果表明，同其他类型小波相比，用提升方法构造的小波能更准确地识别空洞缺陷信号突变点发生的时刻和位置，能更准确地实现隧道工程中空洞缺陷的位置和垂直尺寸的定量分析，从而大大提高探地雷达对缺陷探测的可靠度和准确度。     

超声相控阵探头楔块优化及其在锚具检测中的应用

锚具作为缆索体系桥梁中的关键传力构件,其产品质量是整个桥梁运行安全性的保证。由于锚具的制造工艺,超声检测是锚具内部缺陷检测的主要手段,超声相控阵方法由于声束偏转、动态聚焦、程序控制等优点,比超声检测具有更高的检测效率及缺陷检出率。将超声相控阵方法应用于锚具无损检测中,优化探头楔块与锚具的接触形式,采用圆弧形接触面来改善耦合效果。通过对比试块的检测增益值分析探头楔块优化对检测灵敏度的影响,并分析了探头楔块曲率与对比试块曲率相同时,缺陷大小、缺陷深度对超声相控阵检测结果的影响。