基于声波信号采集的钢筋混凝土损伤识别仿真.pdf

170第4 0 卷第6 期2023年6 月真机仿计算文章编号：10 0 6-9 34 8（2 0 2 3）0 6-0 17 0-0 5基于声波信号采集的钢筋混凝土损伤识别仿真陈靖，刘羿甫（1.郑州工业应用技术学院建筑工程学院，河南新郑4 5110 0；2.中国矿业大学（北京）应急管理与安全工程学院，北京10 0 0 8 3）摘要：为及时发现钢筋混凝土构件的安全隐患，避免出现重大事故，提出钢筋混凝土构件多点损伤部位识别方法。利用传感器、放大器和采集卡构建声发射系统，根据弹性动力学理论，通过矩张量元素描述声波信号采集过程；计算信号的广义局部信息熵，提取有用信号；计算信号的峰度值，凸显信号间差异性；建立基于限制波兹尔曼机的深度信任网络，选择能量函数与激活函数，获取隐含层与可视层的概率密度分布情况，经过不同层次之间的映射变换实现网络训练，减少训练误差，确定最佳节点数量，提高训练效率，将信号峰度值作为网络输入，通过反复训练，输出最终多点损伤识别结果。仿真结果表明，所提方法能够准确识别出具体的损伤部位，且满足多点损伤识别要求。关键词：钢筋混凝土构件；损伤部位识别；声发射技术；限制波兹尔曼机；能量函数中图分类号：TP391文献标识码：BDamage Identification Simulation of Reinforced ConcreteBased on Acoustic Signal AcquisitionCHEN Jing,LIU Yi-fu?(1.School of Civil Engineering,Zhengzhou University of Industrial Technology,Xinzheng Henan 451100,China;2.School of Emergency Management and Safety Engineering,China Universityof Mining and Technology,Beijing 100083,China)ABSTRACT:In order to find the hidden danger of reinforced concrete members in time and avoid major accidents,this paper presented a method for identifying the multi-point damages of reinforced concrete members.At first,an a-coustic emission system was constructed by using sensors,amplifiers and acquisition cards.According to the theory ofelastodynamics,the acoustic signal acquisition process was described by moment tensors.Ater that,the generalizedlocal information entropy of the signal was calculated.Meanwhile,the useful signal was extracted.Moreover,the kurto-sis of the signal was calculated to highlight the difference between signals.Furthermore,a deep trust network based onRBM was constructed.And then,the energy function and activation function were selected to obtain the probabilitydensity distribution of the hidden layer and visible layer.After the mapping transformation between different levels,the network training was realized,the training error was reduced,and then the number of optimal nodes was deter-mined,thus improving the training efficiency.Finally,the signal kurtosis was taken as network input,and then the i-dentification result was output through repeated training.Simulation results show that the proposed method can accu-rately identify the specific damage region and meet the requirements of multi-point damage identification.KEYWORDS:Reinforced concrete members;Identification for damaged region;Acoustic emission technology;RBM,Restricted Boltzmann Machine;Energy function1引言钢筋混凝土构件凭借强度高、耐久性等优势广泛应用在收稿日期：2 0 2 2-0 5-31桥梁、道路等建筑中,虽然其得到了广泛应用，但是其结构安全性始终是不容忽视的问题。影响构件安全的因素有很多，例如设计缺陷、荷载超标、使用年限较长、腐蚀作用等。构件受到损伤并不是一瞬间导致的，而是日积月累形成的。当构件发生变形或产生裂缝时，虽然通过外观检测能够确定构件171受损，但此时损伤程度已经很大，修复难度提升，甚至已经无法继续使用。因此，对于构件而言，在损伤显著之前进行检测，能够尽早发现损伤部位，降低检修成本。另外，对于高层建筑、大坝等复杂结构而言，构件通常被保护层覆盖，大大增加了识别难度。一些学者意识到构件损伤识别的重要性，并投入大量精力进行研究。例如，阎石等人提出基于多通道面波分析算法的混凝土构件损伤识别研究。设计多通道超声面波识别系统，完成多道信号采集与处理，在实验平台中进行数值模拟，当产生分流现象和波速衰减时，即可获得识别结果。刘学增 2 等人利用激光超声探测技术完成损伤部位识别，构建有限元模型，分析激光表面波和混凝土损伤部位的作用规律；探究散射回波特征，获取损伤深度对回波特征产生的影响，通过探头接收信号，研究不同损伤情况的时域信号波形。上述识别方法取得了一定效果，尤其在损伤程度识别方面表现突出，但当确定具体损伤部位时，通常存在较大误差，尤其对于多点损伤部位的确定较为困难 3为精准识别损伤部位，本文利用声发射技术识别出钢筋混凝土构件的多点损伤部位。声发射属于一种物理现象 4 当构件受到荷载作用时，其内部会有部分能量发生改变，并以弹性波的方式释放。因此,声发射源能够体现出构件的损伤机制。并且此种识别技术不会破坏材料自身性能，实现对构件的实时、全方位损伤识别。此外，还能在动态荷载情况下完成识别，是一种无损检测技术，可以达到提前预警目的。最后将采集到的声波数据输人到深度置信网络中，通过峰度值分析的方式识别出损伤部位，2混凝土构件损伤信息采集2.1声发射系统结构声发射仪是声发射系统中的重要设备，通过该设备采集、记录并分析声波信号，也可以推断出发射源。为准确获取波形信息，需要使用精准度高的仪器，通常选用四通道发射系统，具体结构包括传感器、放大器和采集卡 51)传感器：是一种能量转换器，通常用灵敏度衡量其工作性能。对于传感器的选型还需结合实际情况，若选择的设备不合理，会造成接收信号和实际信号之间的误差，影响最终识别精度。2)放大器：通常情况下，信号电压较低，再加上长距离传输，信号衰减严重，信噪比降低。此时需要通过放大器增强信号，再利用电缆传输到采集卡。放大器决定了声发射设备的噪声含量，其最关键作用是提高信号质量，排除干扰。3)采集卡：是发射机箱中的主要配件，基本功能是接收放大信号，再将其传输在计算机中。每个采集卡都包含两个不同的通道，如果声发射仪选用四通道，则应该设置两个采集卡。2.2声发射系统信号采集根据上述分析可知，声发射设备是由多个检测通道组成的，任意通道都是由测量设备、信号处理模块和计算程序构成的。发射源在外力作用下会产生应力脉冲波 6 ，此种波形信号就是机械振动的结果。如果机械波到达表面，传感器获取信号后，将信号变换为电信号，再经过放大器和采集卡变换为最终数字信号。达到时间、峰值大小和能量等参数都是在采集卡中提取到的 7 ，波形可在瞬时记录单元内储存。温度、压力等数值是通过外接参数通道获取的，这些数据会被暂时保存在控制器中 8 ，利用控制卡变换为声发射文件保存在计算机中。采集过程的具体描述如下：在数学上，裂缝能够通过裂缝表面上的动态矢量6 与法向量n描述，则点x处的声发射检测设备获取的由矢量6 形成的弹性波就是声发射波。结合弹性动力学相关原理，声发射产生的弹性位移 9 元（x，t）的表达式如下：u(x,t)=Gp.g(x,y)mp.g*S(t)(1)式中,G,代表偏导数,S(t)代表时间函数，*代表卷积积分，mp，代表矩张量。由此可知，矩张量能够描述裂缝运动 10 则在裂缝表面上，利用积分方式可得到二阶矩张量m,c.,S(t)=G,.n AVS(t)=mp.g(2)式中，Cp代表mp，的弹性常数，AV代表裂缝体积。通过下述公式可计算出m，的具体数值C,anAV=An+unAV(3)式中，入与代表拉梅常数，8 代表克罗内克常数。在钢筋混凝土构件中，对于介质均匀的材料，矩张量元素可利用下述公式展开入元+2 un(+b)8(+b)mp.9(2n+26)入n+2u2n8(2n+26)(4)L8(2n+26)(元+b)入n+2un声发射过程就是利用这些矩张量元素实现信号采集的，这些元素是应变与弹性常数的乘积 11,与应力较为相似。2.3波形信号处理即便使用了放大器设备，初始信号中依旧会存在一些无用信息，这些信息会干扰对信号中有用信息的提取。本文通过广义局部信息熵获取有用信号 12 对于某振动点而言，在计算其信息摘时，需综合计算点与辅助点的整体振幅QN-12Q(5)N-1ji=2式中，N代表窗口长度，通常大于1,i和分别代表计算点与辅助点编码，u，代表辅助点的振动幅度。在广义信息熵的计算中，可将点振幅发生的概率P，表示为P.=(6)Q1/2将获得的P，值融人到信息炳计算公式中，计算出i点的广义局部信息HH,=-P,lnP;(7)将所有参数引人到式（7）中，获取i点信息熵的展开公式N-12H,=u;(ln Z_tu,-Inu,)(8)N-1j=i2为了可以更好地提取到有用的波形信息，利用信息摘最大值H，,ma x 和最小值H，mi n 对信息熵H，作无量纲处理，获取i点信息熵的变化值R，H,-H.i.inR.=-H.min(9)H.i,max经过上述处理，完成了有用波形信号的提取，使波形特征更加明显，为后续损伤部位识别奠定基础。3多点损伤部位识别峰度值通常用于构件监测中，能够将采集的波形信号变换为具体数值 13。为后续使用深度置信网络进行损伤识别提供输入内容。峰度值计算公式如下2一N=1K=(10)1NNk=1式中，K代表峰度值，N代表事件数量，x(k）为幅值。峰度值可以体现信号之间的差异性，该值越大说明信号数据差异越大。本文通过限制波兹尔曼机（RestrictedBoltzmannmachine,RBM)建立深度信任网络，并将上述的峰度值作为网络输人，经过不断学习，分析不同信号的峰度值差异，输出最终识别结果。RBM属于能量生成模型，由可视层与隐含层h组成，任意节点之间都没有连接，每层间为全连接。假设可视层中存在a个节点，隐含层h中具有6 个节点，则能量函数表示为E(u,hl 0)=-Wuh.by(11)a=16=1式中,=Wy,a,b,l代表RBM参数,其中,a,是的偏置,b,是h的偏置，W是连接两层的权重。在上述能量函数的基础上,计算（,h）的联合概率1p(u,h1 0)Z(0)(12)公式中,Z()=Z（,h l)代表归一化因子。引人激活函数，则可视层与隐含层的激活概率计算公式分别如下：p(hy=1l)=Sigmoid(b,+ZWuh(13)p(u,=1l)=Sigmoid(a,+Z(14)RBM网络的训练过程如下：步骤一：对可见层中的节点状态作初始化处理，权值W、可视层与隐含层的偏置;、b,均满足高斯分布；步骤二：将可视层数据利用映射的方式变换到隐含层，映射过程利用下述公式描述：p(h,=1l)=Sigmoid(by+Waro)(15)步骤三：根据上式计算结果将隐含层数据变换到可视层：p(uy=1I h)=Sigmoid(a,+Z Wuyh)(16)步骤四：不断更新权重和各层偏置，更新过程描述为Wu=(p(h,=1)u)-pu2(17)a=a+(a;-b,)(18)b=b+e(b,-a;)(19)上述即为深度信任网络训练的全过程，经过训练后即可获得损伤识别结果 14,15。但为提高训练速度，还需要设置隐含层的节点数量，利用下述公式确定最佳节点数c+eqc+e+10(20)2式中，9 代表神经元节点数量，c和e分别代表输出层与输人层节点数量。经过反复测试表明，当q=15时，损伤识别的准确率最佳，所以将隐含层节点数量设置为15。4仿真过程与结果分析本次仿真选用的钢筋混凝土构件尺寸为8 0 mm120mm500mm，强度等级为C35，抗渗等级为10 级。仿真平台装置图如图1所示。千斤顶荷载传感器分配梁千分表试件位移计图1仿真装置图在上述实验装置中，传感器选型至关重要，本文选用的传感器型号为SR150N，其属于谐振传感器，由压电晶片、磁铁、压电元件等设备组成。传感器具体参数如表1所示。表1传感器性能参数表参数类型具体数值尺寸21x21.5mm质量550g外壳材料不锈钢173参数类型具体数值接收面材料陶瓷频率区间30-220kHz谐振频率10kHz灵敏度峰值85dB防护级别IP66接口位置侧面为分析所提方法的波形信号采集能力，设置仿真。测试本文方法、多通道面波分析算法和激光超声探测技术三种算法的接收波形与端部回波，假设输人波形相同，测试结果分别如图2-4所示200接收波形端部回波100入/0100-200-30000.20.40.60.81.01.2时间/ms图2所提方法信号采集能力测试结果200接收波形端部回波缺陷波形100入/0-100-200F-300L00.20.40.60.81.01.2时间ms图3多通道面波分析算法信号采集能力测试结果200接收波形端部回波缺陷波形100入/0-100-200F-300L00.20.40.60.81.01.2时间/ms图4激光超声探测技术信号采集能力测试结果由图2-4可知，声发射方法的接收信号与端部回波波形基本一致，只是信号幅值出现较小变化，而其它两种方法的回波波形与接收波形相差较大，并且出现了不同程度的缺陷信号。这表明所提方法具备较强的信号采集功能，这是因为方法利用广义局部信息摘算法提高了信号质量，确保获取的信号波形与实际波形具有较高的相似度。将混凝土构件划分为多个区域，每个区域中设定若干个节点，并将节点标注上序号，并在节点1、4和11处设置三个损伤部位，分别利用上述三种方法对构件进行损伤部位识别，识别结果分别如图5-7 所示。15损伤处12损伤处63损伤处0100.20.40.60.81.01.2局部信息值图5本文方法损伤部位识别结果图1512损伤处9损伤处6损伤处30一一00.20.40.60.81.01.2局部信息值图6多通道面波分析算法识别结果1512损伤处一6损伤处3损伤处0一00.20.40.60.81.01.2局部信息摘值图7激光超声探测技术识别结果分析图5-7 能够得出：本文方法的损伤部位识别结果是节点1、4和11处有损伤，这与实际结果相符；多通道面波分析算法识别出的损伤部位分别是节点3、6 和9处，没能准确识别出损伤节点；激光超声探测技术识别出两处损伤部位，174上接第8 9页）识别错误一处。所提方法具备较高的识别精度是因为采集到的波形信息误差较小，另一方面通过计算波形信息的峰度值，将计算结果输入到深度置信网络中，该网络的学习能力较强，可以提高识别结果精度。5结论为及时发现钢筋混凝土构件的损伤情况，便于养护维修，提出基于声发射的损伤部位识别方法。通过声发射技术采集波形信号，将信号变化为峰度值数据，再将这些数据输人到深度置信网络中，输出识别结果。仿真结果表明，所提方法探测能力较强，识别出的损伤部位与实际情况相符。但是声发射技术只能在核心区域获取声发射信号，在今后研究中为扩大采集范围，应该重点研究传感器的分布位置。另外，声发射容易受环境噪声影响，还需减少反演误差，进一步提高识别精度。参考文献：1阎石，于水旺，王鲁，等.基于MASW的钢-混凝土组合板界面剥离损伤识别J.沈阳建筑大学学报（自然科学版），2 0 2 2,38(1):17-23.2刘学增，段俊铭，桑运龙，等。混凝土裂缝深度的激光超声探测方法J.中南大学学报（自然科学版），2 0 2 1,52（3）：8 39-8 47.3刘哲锋，王玉奎，杨伟军，等.对称配筋钢筋混凝土构件基于耗能能力退化的损伤模型与性能标准J.建筑结构学报，2 0 2 0，41(9):145-153.4肖从真，乔保娟，李建辉，等。基于构件延性需求的钢筋混凝土构件箍筋设计方法J.建筑科学，2 0 2 2,38（3）：9-17.5胡志坚，夏雷雷，程晨，等。钢筋混凝土构件锈蚀开裂与锈胀力分析J.哈尔滨工业大学学报，2 0 2 0,52（3）：99-10 5.作者简介潘少伟（197 9-），男（汉族），山东省青岛市人，副教授，硕士研究生导师，主要研究领域为机器学习、人工智能、油藏描述方法和石油工业计算机应用等。6韩建平，周帅帅.考虑非结构构件损伤的钢筋混凝土框架建筑多维地震易损性分析J.地震工程与工程振动，2 0 2 0,40（1)：39-48.7李源，刘建昱，韩逸涛。爆炸荷载下钢筋混凝土桥面板损伤机理研究J.中国公路学报，2 0 2 1,34（7）：2 91-30 0.8双超，周东华，李露，等。钢筋混凝土双向偏压构件正截面承载力的图算法J.土木工程学报，2 0 2 0,53（9）：7 7-8 4.9于江，宋紫薇，秦拥军，等.初始损伤钢筋混凝土梁分形损伤本构及受弯承载力研究J.河南科技大学学报（自然科学版），2020,41(3):66-72+8.10杨娜，张，李天昊.基于无人机与计算机视觉的中国古建筑木结构裂缝监测系统设计J.工程力学，2 0 2 1,38（3：2 7-39.11王旭，杜增锋，倪庆清，等.UHMWPE/LDPE层合板复合材料损伤声发射信号识别J.宇航材料工艺，2 0 19,49（2）：7 7-81.12 陈建兵，徐聪.CGMM加固损伤钢筋混凝土圆柱恢复力模型的研究J.应用力学学报，2 0 2 1,38（5）：18 15-18 2 3.13项长生，孙伟，周宇.低速冲击下钢筋混凝土深梁抗冲击性能及其损伤评估J.兰州理工大学学报，2 0 2 1，47（2）：113-121.14侯艳芳，杨泽华，胡卫兵，等.基于动力响应互相关的古建筑木结构损伤识别【J.信阳师范学院学报（自然科学版），2022,35(1):151-156.15张鑫，周志祥，冯麟，等.基于全息挠曲线的钢桁-混凝土组合梁损伤识别J.铁道建筑，2 0 2 0,6 0（9）：31-35.作者简介陈靖（198 9-）,女（汉族）,河南新郑人，硕士，讲师，研究方向：钢与混凝土组合结构。刘羿甫（198 6），女（汉族），河南郑州人，硕士，讲师，研究方向：安全管理。琚泽彬（1996-），女（汉族），陕西省安康市人，硕士研究生，主要研究领域为机器学习、人工智能和石油工业计算机应用等。林师瑶（198 7-），男（汉族），重庆市大足区人，工程师，主要研究领域为钻井工程。蔡文斌（198 0-），男（汉族），甘肃省天水市人，副教授，硕士研究生导师，主要研究领域为油气田开发。