鋼筋混凝土腐蝕狀態(tài)無損監(jiān)測系統(tǒng)研究

摘要：針對鋼筋混凝土腐蝕問題，提出一種基于無線傳感器網(wǎng)絡(luò)的無損監(jiān)測系統(tǒng)。系統(tǒng)集成陽極電位、電阻抗譜、應(yīng)變和溫度等多類傳感器，用于采集鋼筋腐蝕相關(guān)數(shù)據(jù)。采集到的數(shù)據(jù)經(jīng)由LoRa無線通信模塊傳輸至網(wǎng)關(guān)，并最終由上位機(jī)軟件實(shí)現(xiàn)數(shù)據(jù)可視化、狀態(tài)監(jiān)控與基于深度學(xué)習(xí)的腐蝕狀態(tài)識別。硬件設(shè)計(jì)著重于傳感器的選擇、電路設(shè)計(jì)與電源管理；軟件設(shè)計(jì)則聚焦于數(shù)據(jù)采集算法、數(shù)據(jù)包格式、網(wǎng)絡(luò)協(xié)議、深度學(xué)習(xí)模型的構(gòu)建與訓(xùn)練。實(shí)驗(yàn)結(jié)果驗(yàn)證了系統(tǒng)的有效性與可靠性。此系統(tǒng)為鋼筋混凝土結(jié)構(gòu)的耐久性評估和壽命預(yù)測提供了一種新穎的技術(shù)手段。

關(guān)鍵詞：鋼筋混凝土 無線傳感器網(wǎng)絡(luò) LoRa 深度學(xué)習(xí) 電阻抗譜

Research on Non-destructive Monitoring System for Corrosion Status of Reinforced Concrete

XU HuiGansu Hualong Green Prefabricated Building Technology Co. Ltd， Tianshui， Gansu Province， 730000 China

Abstract： A non-destructive monitoring system based on a wireless sensor network is proposed to address the corrosion problem of reinforced concrete. The system integrates various sensors， including anodic potential， electrochemical impedance spectroscopy， strain， and temperature， to acquire data related to steel corrosion. The acquired data is transmitted to a gateway through the LoRa wireless communication module and ultimately visualized， monitored， and recognized for corrosion state based on deep learning by the upper computer software. The hardware design focuses on sensor selection， circuit design， and power management; The software design emphasizes the construction and training of data acquisition algorithms， data packet formats， network protocols， and deep learning models. Experimental results validate the system's effectiveness and reliability. This system provides a novel technical approach for evaluating the durability and predicting the lifespan of reinforced concrete structures.

Key Words： Reinforced concrete; Wireless sensor network （WSN）; LoRa; Deep learning; Electrochemical impedance spectroscopy （EIS）

在現(xiàn)代工程建設(shè)中，鋼筋混凝土結(jié)構(gòu)作為基石被廣泛應(yīng)用。然而，其耐久性問題日益凸顯，尤其是鋼筋腐蝕，已成為威脅結(jié)構(gòu)安全和壽命的頭號隱患。傳統(tǒng)的鋼筋腐蝕檢測方法如同進(jìn)行一場“外科手術(shù)”，不僅破壞性強(qiáng)，還會因其高昂的成本和繁瑣的流程而令人望而卻步。這些局限性嚴(yán)重制約了人們對結(jié)構(gòu)健康狀況的及時掌握和有效維護(hù)。因此，研發(fā)一種能夠?qū)崿F(xiàn)無損、高效、可靠監(jiān)測的系統(tǒng)顯得尤為關(guān)鍵和迫切。通過本研究，旨在克服傳統(tǒng)檢測方法的固有缺陷，擺脫其破壞性強(qiáng)、成本高昂的束縛，從而提供一種更為經(jīng)濟(jì)、便捷且精準(zhǔn)的腐蝕評估方案。

1系統(tǒng)設(shè)計(jì)

1.1系統(tǒng)總體架構(gòu)

本系統(tǒng)采用分布式架構(gòu)，由傳感器節(jié)點(diǎn)、LoRa無線通信模塊、網(wǎng)關(guān)和上位機(jī)軟件4部分構(gòu)成。（1）每個傳感器節(jié)點(diǎn)（共10個）集成4種傳感器：陽極電位傳感器（精度±0.1mV），電阻抗譜傳感器（頻率范圍1 kHz～1 MHz，精度±2%），應(yīng)變傳感器（量程±500 με，精度±1 με）和溫度傳感器（精度±0.5 ℃）。節(jié)點(diǎn)采用STM32L476單片機(jī)作為主控，功耗小于10 mW。（2）LoRa模塊選用SX1278，工作頻率915 MHz，最大傳輸距離可達(dá)2 km，數(shù)據(jù)傳輸速率為1kbps。（3）網(wǎng)關(guān)基于RaspberryPi4B搭建，采用Linux操作系統(tǒng)，集成LoRa網(wǎng)關(guān)模塊和4G/以太網(wǎng)模塊，負(fù)責(zé)接收來自傳感器節(jié)點(diǎn)的數(shù)據(jù)，并通過消息隊(duì)列遙測傳輸（Message Queuing Telemetry Transport，MQTT）協(xié)議將數(shù)據(jù)上傳至阿里云服務(wù)器。（4）上位機(jī)軟件基于Python開發(fā)，使用Flask框架搭建Web界面，實(shí)現(xiàn)數(shù)據(jù)可視化、狀態(tài)監(jiān)控和深度學(xué)習(xí)模型的調(diào)用，界面實(shí)時顯示每個節(jié)點(diǎn)的各項(xiàng)傳感器數(shù)據(jù)與基于深度學(xué)習(xí)模型預(yù)測的鋼筋腐蝕等級（分為0～3級）。系統(tǒng)總體架構(gòu)圖如圖1所示。

1.2硬件設(shè)計(jì)

1.2.1傳感器模塊設(shè)計(jì)

系統(tǒng)數(shù)據(jù)采集核心為傳感器模塊，集成高精度陽極電位（±0.1 mV， 1 Hz）、電阻抗譜（±2%， 1 mHz～1 MHz）、應(yīng)變（±1 με， 10 Hz）和溫度（±0.5 ℃）傳感器。 信號調(diào)理電路采用INA128、AD620等，利用STM32L476單片機(jī)進(jìn)行數(shù)據(jù)采集、預(yù)處理和融合。 模塊采用低功耗設(shè)計(jì)，鋰電池供電，續(xù)航超1年[1]。

1.2.2無線通信模塊設(shè)計(jì)

無線通信模塊采用SemtechSX1278LoRa芯片，工作在915MHzISM頻段，實(shí)現(xiàn)遠(yuǎn)距離、低功耗的數(shù)據(jù)傳輸。LoRa參數(shù)配置如下：擴(kuò)頻因子（SF）設(shè)置為7，數(shù)據(jù)傳輸速率為500 bps，帶寬為125 kHz，前導(dǎo)碼長度為8字節(jié)，以平衡傳輸距離和數(shù)據(jù)速率。選擇較低的傳輸功率（10 dBm），既能夠保證足夠的覆蓋范圍（實(shí)驗(yàn)室環(huán)境下測試可達(dá)500 m），又可以有效降低功耗，延長電池壽命[2]。

1.3軟件設(shè)計(jì)

1.3.1嵌入式軟件設(shè)計(jì)

嵌入式軟件基于STM32L476單片機(jī)和HAL庫，采用C語言開發(fā)。數(shù)據(jù)采集模塊讀取陽極電位（1 Hz）、應(yīng)變（10 Hz）、溫度（±0.5 ℃）和電阻抗譜傳感器數(shù)據(jù)，電阻抗譜傳感器采樣頻率動態(tài)調(diào)整。采用滑動平均濾波去除噪聲，并基于預(yù)先標(biāo)定參數(shù)進(jìn)行校準(zhǔn)，提高精度。數(shù)據(jù)打包成32字節(jié)的數(shù)據(jù)幀，包含節(jié)點(diǎn)ID、時間戳、4個傳感器的16位整數(shù)數(shù)據(jù)與循環(huán)冗余 校驗(yàn)（Cyclic Redundancy Check，CRC）校驗(yàn)碼，確保數(shù)據(jù)完整性和傳輸效率。數(shù)據(jù)幀格式自定義，方便后續(xù)解析。該模塊高效地采集、處理和打包傳感器數(shù)據(jù)，為后續(xù)數(shù)據(jù)傳輸提供可靠保障[3]。

1.3.2網(wǎng)關(guān)軟件設(shè)計(jì)

網(wǎng)關(guān)軟件運(yùn)行于Raspberry Pi 4B，基于Linux系統(tǒng)和Python語言，利用MQTT協(xié)議實(shí)現(xiàn)數(shù)據(jù)轉(zhuǎn)發(fā)。采用LoRaWAN協(xié)議接收來自傳感器節(jié)點(diǎn)的數(shù)據(jù)，進(jìn)行CRC校驗(yàn)和數(shù)據(jù)類型轉(zhuǎn)換，校驗(yàn)失敗的數(shù)據(jù)包將被丟棄并記錄錯誤信息。解析后的數(shù)據(jù)通過MQTT協(xié)議上傳至阿里云服務(wù)器，MQTT協(xié)議的輕量級特性滿足系統(tǒng)低功耗需求。網(wǎng)關(guān)具備自動重連機(jī)制，保證數(shù)據(jù)穩(wěn)定上傳，提高系統(tǒng)穩(wěn)定性和可靠性[4]。

1.3.3上位機(jī)軟件設(shè)計(jì)

上位機(jī)軟件采用Python和Flask框架開發(fā)，構(gòu)建Web用戶界面，實(shí)現(xiàn)數(shù)據(jù)可視化和狀態(tài)監(jiān)控。利用ECharts圖表庫，實(shí)時顯示傳感器節(jié)點(diǎn)的陽極電位、電阻抗、應(yīng)變和溫度數(shù)據(jù)，并支持根據(jù)時間和節(jié)點(diǎn)ID篩選和查詢，提供數(shù)據(jù)下載功能方便離線分析 [5]。

2基于深度學(xué)習(xí)的腐蝕狀態(tài)識別

2.1數(shù)據(jù)集構(gòu)建與預(yù)處理

數(shù)據(jù)集由實(shí)驗(yàn)室模擬和實(shí)際工程監(jiān)測數(shù)據(jù)構(gòu)成。實(shí)驗(yàn)室模擬實(shí)驗(yàn)控制溫度、濕度和氯離子濃度（分別為 0、500、1 000和 1 500 mg/L），進(jìn)行10組實(shí)驗(yàn)，每組持續(xù)3個月，采集不同腐蝕程度下的傳感器數(shù)據(jù)。實(shí)際工程數(shù)據(jù)來自某橋梁，部署10個節(jié)點(diǎn)，每小時采集數(shù)據(jù)，持續(xù)1年。

2.2深度學(xué)習(xí)模型

本研究采用卷積神經(jīng)網(wǎng)絡(luò) （Convolutional Neural Network， CNN）（進(jìn)行鋼筋腐蝕狀態(tài)識別，因其擅長處理時空序列數(shù)據(jù)并具有強(qiáng)大的特征提取能力。模型基于改進(jìn)的LeNet-5，包含兩個卷積層（分別使用32個和64個3x3卷積核，步長為1，激活函數(shù)為ReLU）、兩個最大池化層（池化核大小為2x2）和兩個全連接層（分別包含128和4個神經(jīng)元）。輸出層使用softmax函數(shù)生成概率分布。模型訓(xùn)練采用Adam優(yōu)化器，學(xué)習(xí)率為0.001，批量大小為32。該CNN模型結(jié)構(gòu)和參數(shù)設(shè)置旨在有效提取傳感器數(shù)據(jù)中的腐蝕特征，實(shí)現(xiàn)準(zhǔn)確的腐蝕狀態(tài)預(yù)測。

3實(shí)驗(yàn)結(jié)果與分析

3.1實(shí)驗(yàn)裝置與方法

實(shí)驗(yàn)在青島理工大學(xué)土木工程學(xué)院實(shí)驗(yàn)室進(jìn)行，環(huán)境溫度（25±2）℃，濕度（50±5）%。 采用Φ12 mm HRB400鋼筋和C30混凝土制作10組試件，模擬不同銹蝕程度。傳感器節(jié)點(diǎn)安裝于試件表面，上位機(jī)通過4G和LoRa模塊進(jìn)行數(shù)據(jù)采集，每10分鐘采集一次，持續(xù)3個月。 實(shí)驗(yàn)前對傳感器進(jìn)行標(biāo)定，并進(jìn)行多次重復(fù)實(shí)驗(yàn)以評估系統(tǒng)可靠性。

3.2實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)能夠有效監(jiān)測鋼筋的腐蝕狀態(tài)。深度學(xué)習(xí)模型在測試集上的平均精確率達(dá)到92%、召回率達(dá)到89%、F1值達(dá)到90%、AUC值達(dá)到0.95。不同腐蝕程度下，傳感器的輸出值存在顯著差異。

實(shí)驗(yàn)還驗(yàn)證了該系統(tǒng)在不同干擾條件下的魯棒性。在引入10%隨機(jī)噪聲的情況下，模型的平均精確率下降到88%、召回率下降到85%，但仍然保持較高的識別精度。在隨機(jī)丟棄20%數(shù)據(jù)包的情況下，模型的平均精確率下降到85%、召回率下降到82%，說明該系統(tǒng)具有一定的抗干擾能力和容錯能力。3.3結(jié)果分析與討論

實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)能夠準(zhǔn)確有效地監(jiān)測鋼筋腐蝕狀態(tài)，深度學(xué)習(xí)模型具有較高的識別精度和魯棒性。陽極電位、電阻抗和應(yīng)變等傳感器數(shù)據(jù)能夠有效反映鋼筋的腐蝕程度，這與相關(guān)的電化學(xué)理論和力學(xué)理論相符。陽極電位的降低是因鋼筋腐蝕而導(dǎo)致電極電位發(fā)生變化；電阻抗的增大是因銹蝕產(chǎn)物增多而增加了鋼筋表面的電阻；應(yīng)變的增大是因銹蝕產(chǎn)物膨脹而導(dǎo)致鋼筋變形。4結(jié)論

本研究成功構(gòu)建了一套基于無線傳感器網(wǎng)絡(luò)和深度學(xué)習(xí)的鋼筋混凝土腐蝕無損監(jiān)測系統(tǒng)，實(shí)現(xiàn)了對鋼筋腐蝕狀態(tài)的實(shí)時、智能監(jiān)測。該系統(tǒng)集成了多種高精度傳感器，包括陽極電位、電阻抗、應(yīng)變和溫度傳感器，并通過 LoRa 技術(shù)實(shí)現(xiàn)了遠(yuǎn)距離、低功耗的數(shù)據(jù)傳輸。基于實(shí)驗(yàn)數(shù)據(jù)訓(xùn)練的深度學(xué)習(xí)模型對鋼筋腐蝕狀態(tài)的識別展現(xiàn)出高精度、高可靠性和強(qiáng)魯棒性。這些研究成果有力地驗(yàn)證了所提出的無損監(jiān)測方案的有效性。

參考文獻(xiàn)

[1]朱廣輝.基于磁介質(zhì)理論的鋼筋混凝土腐蝕監(jiān)測系統(tǒng)研究[D].青島：青島理工大學(xué)，2023.

[2]周恩坤，唐曉，胡鵬飛，等.海洋環(huán)境鋼筋混凝土腐蝕電化學(xué)監(jiān)測方法及傳感器設(shè)計(jì)[C]//中國腐蝕與防護(hù)學(xué)會.第九屆海洋材料與腐蝕防護(hù)大會暨第三屆鋼筋混凝土耐久性與設(shè)施服役安全大會論文集.恩迪檢測技術(shù)（青島）有限公司，2023：222.

[3]胡川.鋼筋混凝土腐蝕狀態(tài)無損監(jiān)測系統(tǒng)研究[D].青島：青島理工大學(xué)，2022.

[4]唐榮茂.鋼筋混凝土體系中Q235鋼的腐蝕過程及緩蝕行為研究[D].南昌：南昌航空大學(xué)，2021.

[5]張?jiān)?可恢復(fù)功能裝配式鋼-混組合節(jié)點(diǎn)抗震性能及震后修復(fù)方法[D].大連：大連理工大學(xué)，2022.