建筑结构检测方法分析样本.doc

建筑结构检测方法学习总结和结构无损检测新方法学习探究【摘 要】本文经过对多个常见建筑结构（混凝土结构、砌体结构、钢结构）常见检测方法学习进行系统总结，同时对中国外在这些结构检测方法最新进展方面进行学习，并做出对应总结汇报，了解并学习多年在各类结构检测方面最新研究结果，比较多种方法之间内在联络及个中利弊。【关键词】结构检测 混凝土结构 砌体结构 钢结构 结构无损检测“结构”一词范围及其广泛，不仅包含通常意义上土木工程结构（混凝土结构、砌体结构、钢结构等），也包含连杆、轴承、齿轮等一系列零件所组成机械结构，而多种工业及民用建筑物、桥梁、海洋平台、水工结构、机器支架承台和基础、管道和容器等则全部属于工程结构范围。工程结构中常常存在损伤，如建筑结构中梁、板、柱、壳等裂缝，钢结构开焊和压力容器爆炸等。对大多数工程结构而言，一定程度带伤工作是完全许可，所以现有检测工作多数为结构可靠性评定，对于结构质量检测尤其是故障诊疗及智能化故障诊疗开展尚不足。工程结构中建筑结构检测目标是经过对结构物受到多种不一样原因作用后观察和测试，并进行分析和计算，对结构物工作性能及可靠性进行评定，对结构物承载能力做出正确估量，同时，为验证和发展理论及对新结构研究提出可靠具体依据；其具体过程为采取多种检测方法对建筑结构进行耐久性检测，并对其安全性、可靠性进行判定，得出其判定等级和是否需要加固结论。下面将对建筑结构检测和诊疗各个方面做出学习总结。1 建筑结构常见劣化现象建筑结构在自然条件、人为原因及有害介质作用下，将会逐步受到侵蚀，进而产生多种劣化现象。这些劣化现象往往是建筑结构损坏甚至坍毁关键原因，也是建筑结构经过检测、判定后进行加固、改造关键对象。1.1 承载力不满足要求建筑结构或构件因为本身剥蚀、冲刷或磨损，使其截面面积降低，或因钢筋、钢结构锈蚀使其截面面积不足，在荷载不变情况下结构承载力对应显著降低，不能满足承载力要求；或因为外部环境条件改变，结构或构件外部荷载显著增加，从而使结构承载力不符合要求。1.2 裂缝裂缝在钢筋混凝土结构中及其常见，也是建筑结构中最为常见劣化现象。裂缝是造成结构耐久性下降关键原因，它不仅影响结构感观，而且因为有害物质入侵打开了通道，使结构加重劣化程度。不过有相关研究表明，并不是全部裂缝全部会对建筑结构产生影响，其中一部分裂缝是不影响结构使用（称之为无害裂缝），能够不对其进行修补或加固，而影响结构使用性能裂缝（称之为有害裂缝）则必需加以修补和加固。现在混凝土现浇结构大量使用和结构刚度增加和在其它结构约束下于施工现场进行结构变形全部是裂缝产生原因；同时施工速度加紧，使混凝土等结构没有变形时间和空间，也是裂缝产生原因之一；另外，材料性能改变，如水泥强度和混凝土强度提升，尤其是早期强度提升，使混凝土或砌体结构变脆，或早期施放较多水花热，也轻易使结构产生裂缝。现在依据裂缝成因将混凝土结构和砌体结构裂缝大致分为一下几类：I 钢筋混凝土结构裂缝： 干燥收缩裂缝； 自收缩裂缝； 温度收缩裂缝； 塑性收缩裂缝； 荷载裂缝；II 砌体结构裂缝： 基础不均匀沉降裂缝； 温度裂缝； 因结构连接不妥造成裂缝等。1.3 腐蚀腐蚀关键包含水泥基材料腐蚀和钢筋和钢结构锈蚀。水泥基材料腐蚀关键是化学腐蚀，物理腐蚀较少，关键包含：酸腐蚀、硫酸盐腐蚀、氯盐腐蚀和碱-骨料反应；而钢筋及钢结构腐蚀关键是电化学腐蚀，即在离子存在情况下，铁原子失去电子转化成二价铁离子，即铁锈，这一反应使得钢筋或钢结构不停锈蚀。1.4 渗漏建筑结构渗漏最易发生在屋面和卫生间，其次是墙面，成为建筑结构以种常见劣化现象。渗漏不仅影响建筑使用功效，而且会大大降低其耐久性，尤其是会造成钢筋锈蚀。造成渗漏原因除施工质量不符合规范要求外，就是使用不妥。另外，一些地下结构如隧道、地铁等因地下水较丰富，形成一定水压力，也常出现渗漏现象。1.5 结构变形或连接缺点建筑结构较大变形不仅预示着结构承载力降低，而且改变了结构受力状态，当变形达成一定程度后，会使结构产生裂缝，严重影响结构使用功效。结构变形关键有梁类构件挠度增加，主梁或桁架侧向弯曲、柱顶倾斜和基础不均匀沉降等，是结构劣化现象之一。连接缺点是指构建和构件之间、构件和连接件之间连接方法不妥，其结构存在严重缺点，焊缝、螺栓、铆钉等多种连接处有显著变形、滑移、局部拉脱或剪坏。连接缺点一样将会造成建筑物局部损坏，严重会造成整体垮塌。2 建筑结构传统检测内容（项目）及检测方法2.1 混凝土结构检测安全性检测安全性检测关键是指依据结构整体变位和支承情况判定整个结构或结构一部分是否危险；依据强度检测结果演算结构构件强度安全情况，并由强度检测和结构条件演算和评价连接节点、连接材料安全性，依据结构和构件工作条件做出安全、稳定性测评，同依据检测结构和构件变形和开裂数据做出整个结构及构件安全状态及质量优劣评定。其具体检测项目有：强度（抗压强度和抗剪强度）、弹塑性、断裂性能、缺点（蜂窝麻面、孔洞等）、损伤（混凝土因干缩、温度收缩、化学收缩、外荷载作用产生裂缝等）等。功效完整性检测功效完整性检测关键是依据设计目标和规范要求进行感观评定，以确定是否满足使用要求；依据实际测量变形值和规范值或理论值进行比较，以判定对使用影响程度；另外，依据裂缝发生和发展来确定其对屋盖和围护墙体影响程度和对整体结构危害程度。关键检测项目有：感观评定、位移及变形检测、整体试验等。耐久性检测耐久性检测关键是依据结构材料和裂缝状态、老化程度、钢筋锈蚀程度和环境条件作用对其使用寿命进行估计。具体检测项目有：抗渗漏、抗冻、钢筋锈蚀、抗磨损、碳化和收缩、受压徐变、动弹性模量、抗压疲惫强度检测等。现将钢筋混凝土结构性能检测方法总结以下表2.1所表示。表2.1 混凝土结构性能常见无损检测方法检测目标常见方法测试量换算原理混凝土强度钻芯法芯样抗压强度局部区域抗压、抗拉或抗冲击强度推算成标准抗压强度及特征强度拔出法拉拔强度压痕法压力和压痕直径或深度射击法探针射入深度回弹法回弹值依据混凝土应力应变性质和强度关系，用弹性模量或粘塑性指标推算标准抗压强度及特征强度超声脉冲法超声脉冲传输速度回弹-超声综正当回弹值和声速超声-衰减综正当声速和衰减射线法吸收或散射强度依据混凝土密实度推算强度混凝土内部缺点超声脉冲法声时、波高、波形、频谱、反射回波波绕射、衰减、叠加等射线法穿透后射线强度射线强度统计或摄影混凝土受力和损伤程度声发射法声发射信号、事件记数、幅值分布能谱等声发射信号源定位、声发射凯塞效应超声脉冲法声速、衰减破坏过程连续观察其她弹性模量和黏塑性性质及耐久性共振法固有频率、品质因数震动分析敲击法对数衰减率震动分析超声法声速、衰减系数、频谱应用波传输分析透气法气压改变孔隙渗透性钢筋位置和锈蚀磁测法磁场强度钢筋对磁场影响电测法钢筋半电池电位电化学分析射线法射线穿透射线摄影2.2 砌体结构检测和评定砌体结构是指由砖砌体、石砌体和砌块砌体建造结构。对于砌体结构质量检验关键有以下七个方面内容： 物理力学性能检验； 裂缝检验； 损伤检验； 变形检验； 连接部位检验； 圈梁检验； 墙体稳定性检验； 施工质量检验等。砌体结构常见检测项目和方法有：回弹法检测砂浆抗压强度、回弹检测烧结一般砖抗压强度、原位轴压法检测砌体抗压强度等。具体检测方法见表2.2：表2.2 砌体强度检测方法序号检测方法特点用途限制条件1取样法属于取样检测，在墙体上取出符合要求砌体试样，在试验室进行力学性能试验；直观性，正确性强受外界影响原因较小；取样、运输困难；检测部位局部损坏检测一般砖砌体抗压强度取样尺寸有一定限制；同一墙体上测点数量不应多于一个；取样、运输时不能使试件受损2轴压法属原位检测，直接在墙体上检测，检测结果直接反应了墙体质量和施工质量；直观性、可比性强；设备较重；检测部位局部损坏检测一般砖砌体抗压强度槽间砌体每侧墙体不应大于1.5m；同一墙体上测点数量不应多于一个；测点数量不应太多；限用于240mm3扁顶法属原位检测，直接在墙体上检测，检测结果直接反应了墙体质量和施工质量；直观性、可比性强；扁顶反复率较低；砌体强度较高或轴向变形较大时，难以测出抗压强度；设备轻便；检测部位局部损坏检测一般砖砌体强度；检测古建筑和关键建筑实际应力；检测具体工程砌体弹性模量槽间砌体每侧墙体不应大于1.5m；同一墙体上测点数量不应多于一个；测点数量不应太多4原位单剪法属原位检测，直接在墙体上检测，检测结果直接反应了墙体质量和施工质量；直观性强；检测部位局部损坏检测多种砌体抗剪强度测点宜选在窗下墙部位，且承受反作用力墙体应有足够长度；测点数量不应太多5原位单砖双剪法属原位检测，直接在墙体上检测，检测结果直接反应了墙体质量和施工质量；直观性强；检测部位局部损坏检测烧结一般砖砌体抗剪强度；其它墙体应经试验确定相关换算系数当砂浆强度低于5MPa时，误差较大6推出法属原位检测，直接在墙体上检测，检测结果直接反应了墙体质量和施工质量；设备轻便；检测部位局部损坏检测一般砖墙体砂浆强度当水平灰缝砂浆饱满度低于65%时，不宜选择7筒压法属取样检测；仅需利用通常混凝土试验室常见设备；取样部位局部损坏检测烧结一般砖墙体中砂浆强度测点数量不应太多（续上表）8砂浆片剪切法属取样检测；专用砂浆强度仪和其标定仪，较为轻便；试验工作较简便；取样部位局部损坏检测烧结一般砖墙体中砂浆强度9回弹法属原位无损检测，测区选择不受限制；回弹仪有定型产品，性能较稳定，操作简便；检测部位装饰面层仅局部损伤检测烧结一般砖墙体中砂浆强度；适宜于砂浆强度均质性普查砂浆强度不应小于2MPa10点荷法属取样检测；试验工作较简便；取样部位局部损坏检测烧结一般砖墙体中砂浆强度砂浆强度不应小于2MPa11射钉法属原位无损检测，测区选择不受限制；射钉枪、子弹、射钉有配套定型产品，设备轻便；检测部位装饰面层仅局部损伤烧结一般砖、多孔砖砌体中，砂浆强度均质性普查定量推定砂浆强度，宜和其它检测方法配合使用；砂浆强度不应小于2MPa；检测前，需要用标准靶检校2.3 钢结构检测钢结构缺点关键有制造缺点、安装缺点和使用缺点三个方面，其损坏关键表现为：裂缝、断裂、构件切口形式整体性破坏，变形、弯曲和局部扭曲形式几何形状变态，焊缝、螺栓和铆钉产生裂缝、松动和破坏形式连接破损，挠度过大、偏斜等形式结构变位和腐蚀破损、疲惫破损等形式损坏。钢结构质量检测和评定需包含材质检验和测定、钢结构构件承载能力和结构构件变形检验和评定等多个方面内容。具体检测方法包含取样拉伸法、表面硬度法、化学分析法、超声检测法和磁探伤法等检测手段。具体检测项目及检测方法或步骤见表2.3所表示。表2.3 钢结构检测方法序号检测类别检测项目检测方法或步骤1钢材强度检测钢材强度取样拉伸法表面硬度法化学分析法2钢材缺点无损检测新材缺点超声波法、射线法、磁力法旧材锈蚀超声波测厚仪脉冲反射法（续上表）3结构连接检测焊缝无损检测斜探头横波探伤一般螺栓最小拉力载荷试验高强螺栓螺栓实物最小载荷试验；扭剪型高强度螺栓连接副预拉力试验；高强度螺栓连接副施工扭矩检验；高强度大六角头螺栓连接副扭矩系数试验；高强度螺栓连接摩擦面抗滑系数检验连接节点焊接球节点承载能力检测；螺栓球节点承载能力检测3 结构损伤检测技术发展新动向 桥梁、堤坝和超高层建筑等重大工程结构在发生地震等自然灾难时会因年久失修而产生隐患，建筑结构中裂缝、混凝土过火、钢结构开焊和构件中存在内部缺点等往往含有很大危险性并造成重大经济损失。因为结构全部是根据力学原理进行设计，没有生命和只能，无法感知自然灾难作用而向工程人员反馈，所以设计者常常采取片安全保守设计，比如增大截面尺寸和重量等，这么一来不仅增加了人力物力财力，也增加了资源消耗，造成浪费。所以，怎样经过一定检测手段就能够判定出结构健康情况是目前国际上一个研究热点。基于此，多年世界关键发达国家投入大量人力物力发展等结构检测技术和结构无损检测技术等优异结构检测技术。建筑无损检测技术是建筑工程质量控制关键手段。无损检测技术是一门以物理学、材料科学、变形固体力学、电子学等为基础，在不改变被检测对象为前提下，探测和评价被测对象性能综合性应用技术。不改变被测对象原有结构形式，不影响其使用是无损检测技术最显著特点。这一特点使得无损检测技术在很多行业和部门得到了广泛应用，同时也在土木工程结构质量检测方面发挥了极大作用。无损检测技术包含多个方法，如：超声波无损检测法、电磁无损检测法、雷达无损检测法(911)、焊接结构射线和磁粉检测法、红外热成像检测技术、钢丝绳检测技术和声发射技术等，因为近20年来神经网络技术在全世界范围内飞速发展，使得基于计算只能（包含神经网络、遗传算法和模糊理论等）结构优化设计和结构损伤检测问题为广大中国外科技和工程界相关科研人员关注和研究。而神经网络技术以其良好自适应性和较强学习、优化、联想和容错功效尤其适合于结构工程领域中很多非线性问题，所以近十几年神经网络被广泛应用于结构工程优化设计和损伤检测中。这里，最早将神经网络用于结构损伤检测是美国普渡大学(Purdue University)Venkatasubramanian 和Chan，她们最早于1989年发表基于神经网络方法缺点诊疗处理(A neural network methodology for process fault diagnosis)，文中利用BP网络进行了工程结构损伤和诊疗，以后很多研究人员开发了不一样网络模型，对工程结构或构件进行了损伤检测和诊疗。Venkatasubramanian 和Chan在1989年结构神经网络为18个输入单元、13个输出单元、一个隐含层且单元数为5至27个BP网络。该神经网络缺点是训练时间过长，且训练时使用数据不是实时。以后1992年Wu等人发表神经网络在结构损伤检验中应用(Use of neural networks in detection of structural damage)利用神经网络自组织、自学习能力，提出了一个基于傅里叶谱损伤检测方法，并成功对一栋3层建筑开裂和无裂缝结构进行了损伤检测。同年，Kudva等人发表基于神经网络和有限元分析大型结构损伤检测(Damage detection in smart structures using neural networks and finite-element analysis)，提出了大型结构损伤检测方法，该方法首先利用有限元分析结果来训练神经网络，然后利用训练后神经网络作为模式分类器，来识别给定应变模式损伤位置和损伤程度。接下来第二年，Elkordy等人用两个数学模型产生训练样本训练神经网络，用试验数据来检验神经网络建立模态和构件刚度改变之间映射关系。她们发表基于分析型模拟损坏状态下神经网络训练(Neural network trained by analytically simulated damage states)，并用这么BP网络来识别一栋5层建筑，该网络模型比较成功预报了第一、二层损伤及其损伤程度。第二年，她们在对仅依靠现场目测进行结构损伤检测传统方法可靠性产生质疑情况下提出一个基于BP网络结构损伤检测系统，发表结构损伤神经网络警报系统(A structural damage neural network monitoring system)。该系统训练采取来自振动台试验和有限元分析得到应变模态作为震动信号，研究发觉神经网络能够用来诊疗比较复杂损伤模式，对于处理含有噪声和不完整数据效果很好。1993年Worden等人发表神经网络用于缺点定位(Neural network for fault location)一文，文中用BP网络来识别一个20根构件组成结构损伤，研究发觉，当使用试验数据来训练神经网络时，训练后神经网络能够识别结构大部分损伤。中国道路复杂，河流众多，在道路及桥梁中存在损伤很轻易造成重大财产损失和人员伤亡。而神经网络一样能够用于道路桥梁方面健康检测和损伤诊疗。1999年Chan等人发表独创性神经网络用于青马大桥悬索异常检测(Neural network novelty for anomaly detection of Tsing Ma bridge cables)，该法经过调整索张力来改变索频率改变，并在理论计算基础上添加测量噪声取得“测量数据”，用测量数据前300个来训练过滤器，后200个来检验大桥健康情况。时Ko等人发表自动联结神经网络用于香港汀九斜拉桥结构损伤警报(Structural damage alarming in Ting Kau bridge using auto-associative neural network)，用自联想神经网络对香港汀九斜拉桥进行了异常检测。以后Choi等人开发了一个真实钢结构桁架桥损伤检测系统，发表基于神经网络技术实际钢结构桁架桥损伤检测系统(Damage detection system of a real steel truss bridge by neural networks)，该系统首先对实桥进行加载试验，测得火车经过该桥应变和加速度，用实际测得数据来修正有限元模型，然后利用修正后有限元模型来模拟损伤序列，最终利用BP神经网络对损伤构件位置及损伤程度进行检测和识别。神经网络含有自适应、自学习能力，它能够经过训练或学习阶段，取得健康结构和损伤结构所含有相关知识和信息；神经网络还含有联想、记忆及模式匹配能力，能够存放学习过程中损伤知识，然后将此信息和实测数据进行模式匹配和比较；神经网络含有抽取、归纳能力，它含有滤出噪声及在有噪声情况下抽取事物本身内在特征、得出正确结论能力，比较适合含有大量噪声和测量误差结构在线健康检测和状态评定；同时神经网络本身就是一个输入 输出映射函数关系，它含有分辨原因及结构损伤类型能力。总而言之，现阶段研究表明，神经网络很适合应用于结构损伤检测和状态评定。【参考文件】1 陈长征、罗跃纲等编著. 结构损伤检测和智能诊疗. 北京：科学出版社，2 卜乐奇、陈星烨编著. 建筑结构检测技术和方法. 长沙：中南大学出版社，3 冯文远、冯志华编著. 建筑结构检测和判定实用手册. 北京：中国建筑工业出版社，4 陈志鹏、张天申等编著. 结构试验和工程检测. 北京：中国水利水电出版社：知识产权出版社，5 姜绍飞著. 基于神经网络结构优化和损伤检测. 北京：科学出版社，6 周克印、周在杞等编著. 建筑工程结构无损检测技术. 北京：化学工业出版社，7 宋彧主编. 工程结构检测和加固. 北京：科学出版社，8 宋彧、段敬民主编. 建筑结构试验和检测. 北京：人民交通出版社，9 吴新璇主编. 混凝土无损检测技术手册. 北京：人民交通出版社，10 Quality assurance of fresh concrete by radar techniques. G. Van der wegen, G. Bosmans11 Mircowave nondes tructive detention of delamination in IC packages utilizing open-ended coaxial line sensor. Y. JU, M. Saka. H. Abe, 1999, NDT&E international 32(1999)12 Venkatasubramanian V and Chan K. A neural network methodology for process fault diagnosisJ. Journal of AIChE, 1989, 35(12): 199313 Wu X J, Ghaboussi and Garrett. Use of neural networks in detection of structural damageJ. Computers and Structures, 1992, 42(4): 64965914 Kudva J N, Munir N and Tan P W. Damage detection in smart structures using neural networks and finite-element analysisJ. Smart Mater. Struct. , 1992, 1: 10811215 Elkordy et al. Neural network trained by analytically simulated damage statesJ. Journal of Computing in Civil Engineering, 1993, 7(2): 13014516 Elkordy et al. A structural damage neural network monitoring systemJ. Microcomputers in Civil Engineering, 1994, 9: 839617 Worden K A et al. Neural network for fault locationC. 11th International Modal Analysis Conference. 1993, USA: 475418 Chan T H T, Ni Y Q and Ko J M. Neural network novelty for anomaly detection of Tsing Ma bridge cablesA. International Conference on Structural Health Monitoring C, Pennsylvania, USA, 1999: 43043919 Ko J M, Ni Y Q et al. Structural damage alarming in Ting Kau bridge using auto-associative neural networkA. International Conference on Advances in Structural DynamicsC. Hong Kong, 20 Choi M Y and Kwon IB. Damage detection system of a real steel truss bridge by neural networksA. Smart Structures and Materials ; Smart Systems for Bridges, Structures and HighwaysC. , 3988: 295306