基于超声导波的钢桥面板纵肋对接焊缝疲劳裂纹检测方法

纵肋对接焊缝疲劳开裂作为钢桥面板结构的重要失效模式之一,严重危害桥梁结构耐久和安全运营。通过引入超声导波技术,结合对接焊缝的几何特点与疲劳失效特征,建立了基于超声导波的钢桥面板纵肋对接焊缝疲劳裂纹检测方法。首先搭建了超声导波裂纹检测试验系统,并结合钢桥面板纵肋对接焊缝疲劳试验,对超声导波检测纵肋对接焊缝裂纹的适用性和准确性进行了验证。在此基础上,通过数值分析方法探究了超声导波在纵肋对接焊缝局部区域的传播机制,并进一步分析了不同焊缝与裂纹参数对超声导波传播的影响规律。研究结果表明:采用超声导波方法能够有效检测钢桥面板纵肋对接焊缝的疲劳裂纹,并确定疲劳开裂的位置;超声导波有限元理论分析与试验测试结果符合较好,验证了有限元模型的正确性;采用单面激励的方式在纵肋中形成的超声导波包括A₀和S₀模态,其中A₀模态占主要部分,超声导波传递至焊缝形成的反射波以A₀模态为主,而较深裂纹形成的反射波以S₀模态为主;不同焊缝和裂纹参数对超声导波的反射波和透射波表现为差异性的影响。所采用的基于超声导波的对接焊缝疲劳裂纹检测方法,可为钢结构桥梁疲劳损伤的检测与监测提供科学依据。     

基于计算机视觉的钢桥面板裂纹识别方法

钢桥面板疲劳开裂为常见的钢桥病害，准确快速地发现并确定钢桥面板裂纹几何特征对降低运维成本、制定运维策略具有重要意义。针对传统人工巡检效率低、检测环境恶劣等问题，提出了基于计算机视觉的钢桥面板裂纹及其特征识别方法。采用目标检测网络YoloV5和图像语义分割网络U-Net++相结合的方法识别裂纹。根据2个网络的结构特性标注图像中的目标后生成数据集，并分别对网络中的参数进行训练。利用训练后的YoloV5与U-Net++分阶段对待测裂纹图像进行检测与分割，并通过阈值分割优化U-Net++分割结果，再通过骨架化后得到裂纹骨架线；在确定裂纹形貌后，采用YoloV5识别出的标定块求解透视变换矩阵与像素尺度系数，然后对裂纹骨架线进行图像矫正并确定裂纹几何特征。研究结果表明：YoloV5可准确检测出裂纹与标定块，且检测稳定性好；通过优化U-Net++训练时输入的像素尺寸，提高了U-Net++训练的收敛速度，网络损失由0.121降至0.096;求解透视变换矩阵时，使用所有角点坐标拟合该矩阵的最小二乘解可提高图像矫正标定的精度；当图像采集距离较远、角度较大时，角点投影误差增大，且该误差对角度更为敏感；不同图...