熱像圖增強的裝配式建筑鋼結構損傷檢測研究

涂木蘭，李海鋒

(1.成都師范學院物理與工程技術學院，四川 成都 611130；2.華僑大學土木工程學院，福建 廈門 361021)

1 引言

裝配式建筑鋼具有很多顯著的優點，如用料少、能耗低、承重強、低污染等，具有廣闊的發展空間，預計未來幾年裝配式建筑鋼將占結構布局的50%以上[1-2]。因此，對裝配式建筑鋼中的結構缺陷進行及時檢測，保證其在使用中的安全性[3-4]，是當前研究的熱點問題之一。

大量學者針對結構損傷的檢測進行研究，并取得了不錯的研究成果。文獻[5]利用COMSOL軟件構建復合材料結構狀態的多種損傷模型，通過有限元分析方法采集電勢分布數據，利用電阻抗層析成像系統對損傷進行檢測，實驗結果表明，對損傷的重建效果較好，對結構損傷的檢測具有可行性，但對于邊界電壓的測試較為復雜。文獻[6]通過紅外熱成像的方法對復合材料進行損傷檢測，并對頁面剝離損傷模型進行仿真，實驗結果表明，該方法在損傷辨別的清晰度上明顯優于采用傳統熱源的方法，但熱靈敏度對損傷尺寸的檢測仍有較大的影響。文獻[7]提出脈沖渦流熱成像的鋼結構損傷檢測方法，并設計了渦流激勵探頭，基于時間與溫度變化規律對結構損傷進行檢測，實驗結果表明，該方法抗干擾能力較強、檢測精度較高，但不容易實現。

在大量研究的基礎上，本文采用多層小波分解處理方法，在保留裝配式建筑鋼檢測區域原始圖像的情況下，盡可能地去除噪音和背景信息，并進一步通過歸一化處理來增強熱像圖的識別效果。

2 裝配式建筑鋼結構檢測機理

電磁激勵紅外熱檢測系統由兩部分組成，分別為：熱激勵部分和紅外熱成像部分。在電磁激勵作用下，激勵線圈中的電流會使裝配式建筑鋼內部產生感應電流，導致其溫度不斷上升，當有損傷存在時，感應電流會繞過損傷，從而使感應電流場發生變化。基于焦耳定律可知，其中一部分電流會轉化為焦耳熱，使裝配式建筑鋼表面溫度發生變化。檢測過程如圖1所示。

>圖1 檢測中的能量變換

由于變化的電場與磁場之間可以相互轉化，在檢測過程中，線圈在電流作用下，會產生一種與其方向相反的感應電流，用麥克斯韋微分方程可表示為：

(1)

其中，Hmag表示磁場強度；ρcur表示電流密度；Dele表示電位移矢量；t表示時間；Eele表示電場強度；Bmag表示磁感應強度；Dele表示電位移矢量；ρcha表示電荷密度。在電磁激勵過程中，激勵電流的頻率很大，可以忽略電位移矢量參數的影響，又由于裝配式建筑鋼在檢測過程中不存在自由電荷，因此在電磁激勵作用下，時變方程可表示為

(2)

其中，ρvor表示渦流密度；μper表示裝配式建筑鋼的磁導率；X表示磁矢量位移；μcon表示裝配式建筑鋼的電導率；Cdie表示介電常數；Ploop表示回路電勢值；rloop表示回路半徑值；ρexc表示激勵線圈中的電流密度。通過有限元分析理論可以求解出裝配式建筑鋼上的渦流大小，沿著深度方向，感應電流密度公式可表示為

(3)

其中，d表示距離裝配式建筑鋼表面的深度。在加熱過程中，感應電流產生的熱量決定建筑鋼表面的溫度，鋼結構表面存在損傷，導致渦流異常聚集，會使鋼結構表面的溫度存在異常分布的情況。在散熱過程中，熱流強度與溫度差值可表示為

sheat=-a?T

(4)

其中，sheat表示熱流強度；?T表示溫差；a表示常數。在電磁感應下根據能量守恒，熱傳導公式可表示為

(5)

其中，ρste表示裝配式建筑鋼的密度；cste表示裝配式建筑鋼的比熱容。由于空氣和建筑鋼的溫度差異造成熱傳導，會使建筑鋼發生散熱現象，散發熱量公式表示為

Qcon=b·(Tatm-Tcond)

(6)

其中，b表示系數；Tatm表示空氣溫度；Tcond表示裝配式建筑鋼溫度。在散熱過程中，溫度越高散熱速度越快，由于線圈影響了加熱區的鋼結構檢測，不同時間建筑鋼表面溫度不同，因此選擇合適的散熱時間對裝配式建筑鋼結構損傷檢測有重要意義。當結構損傷存在的情況下，損傷溫度的一維解析數學表達式可描述為

(7)

其中，Qdam表示損傷位置的熱量；Hste表示建筑剛板厚度；αheat表示散熱常數。由于熱量在建筑鋼結構內部的傳遞深度遠大于渦流傳遞熱量的深度，因此可忽略渦流傳遞熱的影響，可以僅通過建筑鋼的特性進行分析。在加熱過程中，建筑鋼表面溫度分布的數學模型可表示為

(8)

其中，x表示裝配式建筑鋼與線圈的距離；athe表示熱導常數；E(·)表示誤差函數。當裝配式建筑鋼表面有結構損傷時，渦流的方向將發生改變，損傷周圍的溫度會升高。對瞬態加熱研究的過程中，建筑鋼結構損傷邊緣的溫度可表示為

(9)

其中，y表示損傷邊緣距離；ddam表示損傷深度。綜上所述，結構損傷邊緣的峰值越大，損傷邊緣越明顯，因此需要對裝配式建筑鋼進行足夠的加熱，才能達到良好的檢測效果。

3 熱成像原理與處理方法分析

紅外熱成像的原理是將紅外輻射能量收集起來，再根據能量與溫度的關系，將輻射能量通過不同顏色的形式呈現出來，具有不接觸、激勵效率高、檢測直觀等優點。

紅外輻射能量與分子和原子運動的劇烈程度有關。分子和原子運動越劇烈，物體溫度越高，紅外輻射能量越大。根據普朗克輻射原理，單位時間內絕對黑體從單位表面積以波長形式輻射的能量表示為

(10)

其中，λrad表示紅外光波長；|Trad|表示絕對溫度值；c表示光速；hc和kc分別表示普朗克常數和玻爾茲曼常數。絕對黑體輻射的輻射度有極值，且處于極值的波長與絕對溫度值之間的關系符合維恩位移定律，用公式可表示為

Lext·Trad=bc

(11)

其中，Lext表示一定溫度下，紅外輻射度的極值；bc表示維恩位移常數。當物質的材料屬性一致，如果絕對溫度值越低，那么紅外輻射度極值處對應的波長會越長。由斯蒂芬-玻爾茲曼定律可知，單位面積的黑體發射總功率與溫度存在一定關系，公式可表示為

E=αE(L，|Trad|)dL=α|Trad|4

(12)

其中，α表示常數。傳統的圖像處理方法主要是對單一的頻域、時域圖像進行調整，而對圖像的細節和背景并沒有進行較好的處理，從而導致噪聲信息被誤檢。本文采用多層小波分解處理與圖像歸一化背景分離相結合的方法，對熱像圖中的編織信息和背景干擾進行去除。

小波變換理論是以母小波函數為基礎對信號進行處理，在保留原始圖像的情況下，盡可能地去噪、去背景信息。為了能夠使離散小波變換應用到實際信號中，對離散小波函數進行描述，公式表示為

(13)

其中，H(·)表示母小波函數；n表示采樣點。進而離散小波系數可表示為

(14)

其中，xwav(n)表示信號；經過低通濾波器φj-2k與高通濾波器ψj-2k處理后，基于Mallat算法求解出離散信號xwav的小波變換遞歸方程，表示如下

(15)

(16)

小波變換方法非常適合處理紅外熱像圖中的裝配式鋼建筑表面編織的信息，本文選擇Matlab軟件將熱像圖轉換成矩陣的形式對其進行研究。

紅外熱像圖是由紅、綠、藍三種像素組成的，因此需將其轉換為三維數組進行分析。通過Matlab軟件將熱像圖分解為3個方向，就任意時刻的熱像圖TR，Q進行3個方向的分解：R=Tred(：，：，1)，G=Tgre(：，：，2)，B=Tblu(：，：，3)，并分別對這3個方向的矩陣進行小波變換，然后再進行合成處理，得到彩色圖像。

假定以紅色分量矩陣作為研究對象，通過小波變換完成多層次的高、低頻信號分離。第i層小波變換用公式可表示為

(17)

(18)

Llig=rred[R]+ggre[G]+bblu[B]

(19)

對熱像圖進行歸一化處理[8]，公式表示為

(20)

其中，R*、G*、B*分別表示歸一化后的紅色、綠色、藍色分量；R、G、B分別表示原始的紅色、綠色、藍色分量；R*分量表示常溫區與高像素值的比例；G*分量主要是加熱區；B*分量表示過渡區與高像素值的比例，經過分離處理后更便于對裝配式建筑鋼損傷進行識別。

4 仿真與結果分析

為了驗證方法對結構損傷檢測的準確性，本文采用電磁激勵紅外熱像對裝配式建筑鋼結構表面的裂紋損傷進行試驗研究。試驗包含以下兩方面：裝配式建筑鋼結構損傷溫度分析，裝配式建筑鋼裂紋提取準確性檢測分析。

檢測試件選擇工程中常用的Q235，選取長度為200mm，寬度為100mm，厚度為5mm。采用線切割方式加工出長度為10mm，寬度為0.5mm，深度為1mm的人工裂紋模擬自然裂紋。將不同表面特征的檢測試件分別用A1～A6表示，其中A1～A5表示表面是規則分布的試件，A6表示表面是隨機分布的試件。檢測試件的表面特征參數如表1所示。

表1 試件表面特征參數

試驗過程中，以A1試件為研究對象，以線圈所對應的裝配式建筑鋼表面位置作為檢測區域，記錄結構損傷檢測時溫度的變化情況，加熱前后拍攝的紅外熱像圖如圖2所示。

圖2 檢測試件溫度分布圖

從圖中可以看出，檢測試件在加熱過程中由于受到電流熱效應影響，線圈溫度遠高于室內溫度，裂紋位置的溫度接近整個加熱過程中的最大溫度值，由于裂紋溫度較高，且沒有線圈的遮擋，檢測區特別清晰。此階段熱像圖的被測區域清晰、溫差大、適合裝配式建筑鋼結構損傷的識別分析。

獲取裝配式建筑鋼檢測區的原始熱像圖后，將檢測區劃分為不同溫度分布的連通區，并對每個連通區的原始圖像作長寬比、溫度比，最后根據比較結果，確定建筑鋼結構裂紋參數，對裂紋進行識別。以A4檢測試件在開始加熱的時間段作為研究對象，熱像圖的對比如圖3所示。

圖3 熱像圖對比圖

從圖中可以看出，采用本文算法后的圖像比原始圖像更加清晰，異常溫度區比較明顯。說明采用本文算法后，可以有效的抑制原始圖像中的噪聲以及裝配式建筑鋼表面特征的影響。

為了驗證本文算法對裂紋參數提取的準確性，本文通過長度分割誤差率對裂紋進行分析，誤差率越小，說明采用本文算法提取的裂紋參數越準確，A1～A6檢測試件的誤差率如表2所示。從表中可以看出，基于本文算法所提取的裂紋長度較為準確，誤差率很低，對結構損傷的識別效果很好。

表2 裂紋誤差率

5 結束語

針對裝配式建筑鋼結構損傷，提出一種基于熱像圖增強的分析方法。該方法對電磁激勵紅外熱檢測系統進行詳細的介紹，采用線切割方式模擬自然裂紋，通過試驗驗證本文提出的基于多層小波分解和圖像歸一化背景分離相結合方法的準確性。試驗從裝配式建筑鋼的結構損傷溫度和裂紋提取準確性兩方面進行檢測分析，得到結果為：由于加熱初期階段熱像圖清晰、溫差大，因此可將該階段作為裝配式建筑鋼結構損傷的識別分析階段；采用本文算法后熱像圖對結構損傷部位的檢測明顯增強；裂紋參數提取的準確性較高，誤差率均低于9%。結果表明本文算法可大大減少識別誤差，極大地提高了裝配式建筑鋼結構損傷的檢測效率。