张 洪，袁 野，夏润川，周建庭，陈 悦
(1. 重庆交通大学 省部共建山区桥梁及隧道工程国家重点实验室，重庆 400074；
2. 重庆交通大学 土木工程学院，重庆 400074)
斜拉桥是现代大跨桥梁的重要结构形式，斜拉索则是斜拉桥的主要承重部分，其安全与否直接关乎整个桥梁的正常运营。斜拉索长期暴露在外部环境中，受狂风、暴晒、酸雨等各种恶劣天气的综合影响，会逐渐出现不同程度的损伤。这些极具隐蔽性的损伤若不被及时检测发现并修复，会给斜拉桥带来极大的安全隐患。意大利莫兰迪公路桥的垮塌、湖南浏阳河大桥(旧桥)的被迫拆除、重庆石门大桥的提前全面换索，皆是由于斜拉索发生严重腐蚀所致。因此，及时发现斜拉索缺陷并修补，提高斜拉索使用寿命，降低斜拉索安全运行期间的失效风险，具有十分重要的现实意义。
目前针对斜拉索的病害检测手段主要有人工、无人机和机器人三种形式[1-2]，如表1。
表1 斜拉索病害主要检测方法Table 1 Main detection methods of stay cable diseases
人工检测[3]主要利用专门的装置(如维修升降机、拉索升降装置等)，把维修人员、工具或仪器送到斜拉索上任意位置并完成检测。该方法原理简单、技术要求相对较低、便于实施，但检查效率低下，不仅耗费大量的人力物力，而且存在较大的安全隐患。
无人机检测[4-6]主要利用无人机搭载高清摄像机快速飞行到斜拉索表面任意位置，实现图像拍摄与缺陷检测。无人机操作灵活且易于控制，能快速到达指定位置进行检测；
其携带的高分辨率高清摄像机能清晰的采集病害图像，并通过对所拍照片的处理与分析，能准确地获取病害的几何特征，检测精度能达到毫米级。无人机检测法虽有诸多优势，但仍存在诸多不足。比如，若斜拉桥修建在江河、湖泊、峡谷等容易形成大风的地方，无人机的飞行检测会受到风荷载的直接作用，轻则发生颠簸，影响拍摄质量；
重则会与斜拉索发生碰撞；
因此无人机检测受天气的制约较大。无人机作为一种简易轻便的飞行器，自身很难携带充足能量完成大面积的斜拉索检测工作，续航能力有待进一步提升；
且无人机携带的视觉检测设备只能从某一方位对斜拉索进行拍摄，无法一次性获得整个截面环向的图像，若为了获得全面、完整的检测结果就必须绕斜拉索螺旋飞行，而斜拉索相邻之间的空间狭小，飞行时受场地因素影响较大，若设置了不合理的飞行路径则会使检测出现缺漏，同时视觉检测设备也无法对斜拉索内部锈蚀断丝等病害进行检测，存在检测盲区。
机器人检测[7]是一种借助斜拉索攀爬机器人携带检测设备完成病害检测的方法。机器人由机械爬升系统和病害检测系统两个主要部分组成，机械爬升系统是搭载检测系统的平台，也是机器人检测的关键；
检测系统则是“火眼金睛”，可全面、准确、及时、可靠的检测斜拉索病害。机器人能同时检测斜拉索表观病害和内部钢丝损伤，相比人工检测法和无人机检测法，其检测范围更加全面，且爬升时受风荷载等环境因素影响较小，可在恶劣的环境下进行作业。
机械爬升系统用于承载整个机器人在斜拉索上的爬行，必须要有足够大的驱动能力以克服机器人自重，当斜拉索因锈蚀断丝等病害形成鼓包或凹槽而造成索径变化时，机械爬升系统必须能顺利越过这类地方而不出现卡死现象。
H.M.KIM等[8]设计了一种六轮式的爬升装置〔图1(a)〕，该装置通过预紧电机正反转调整连杆伸缩长度，实现了在不同直径拉索的爬升，还可根据斜拉索表面情况调节预紧力，以提高机器人的爬升稳定性；
余剑武等[9]和张申林[10]设计了一种十二轮式、具有防跑偏功能的爬升装置，该装置的弧状V型轮不仅增加了机器人与拉索的接触面积，还降低了爬升时可能产生的摇摆或螺旋，通过调节与主体框架滑动连接的压紧组件可实现爬升装置与斜拉索表面的抱紧或分离，爬升装置还设有防偏轮以防止机器人跑偏；
J.LEE等[11]和YUN Hao-bum等[12]设计了一种履带式爬升装置〔图1(b)〕，该装置设置2个电机以驱动履带向上爬升，利用气动固定装置确保机器人爬升时的安全，使机器人在拉索发生振动时，可牢牢固定在拉索上；
岳一领等[13]设计了一种履带和滚轮结合的可在圆柱杆状面和金属壁面之间转换攀爬的机器人，该机器人通过设有的微型压力传感器实时监测机器人的夹持力，并反馈给控制系统做出调整，实现了机器人对索面夹持力的自适应调节，通过设置的弹簧减震器使机器人平稳通过较小的凸起或凹坑，具备一定的越障能力；
魏武等[14-17]研制了一种正交关节连接的蛇形斜拉索攀爬装置〔图1(c)〕，该蛇形机器人通过增大缠绕抱紧力来调整机器人与斜拉索之间的摩擦力，防止在爬升过程中出现的打滑或滑落，还基于旋量与包络理论对该装置的攀爬能力进行大量研究，得到了该装置以螺旋运动的方式爬升的安全攀爬力和攀爬系数。
图1 3种爬升装置Fig. 1 Three kinds of climbing devices
综上所述，目前较为成熟的机器人爬升方式主要有轮式、履带式和仿蛇式，其特点如表2。对比这3种爬升方式可发现：轮式爬升装置具有灵巧轻便、爬升较快、易于控制、造价低廉等优点，使其与另外两者相比更具竞争力。但轮式爬升方式也存在着弊端，利用该方式爬升的机器人在向上爬升时需要靠装置向斜拉索施加径向夹持力来克服自重。由于轮式爬升方式与斜拉索的接触面积较小，为克服斜拉索角度变化及检测时受风荷载、车辆荷载等产生的索振动给机器人带来的安全问题，需设置较大的夹持力，过大的夹持力不但会造成斜拉索PE外套损伤，而且还牺牲了爬升灵活性，降低了爬升速率与工作效率。此外，轮式爬升装置径向夹持力的大小需要靠装置在环向的收紧与舒张来调节，这种环行结构对于某些特殊障碍物(如为防止斜拉桥遭受雷击在端锚索上设置的避雷带、为防止斜拉索发生激振而在拉索上安装的阻尼装置、城市斜拉桥为了桥梁美观而在斜拉索上设置的景观装饰等)还无法跨越。
表2 爬升装置主要形式Table 2 Main forms of climbing devices
机器人病害检测系统按照检测对象不同可分为：表观病害检测和钢丝损伤检测。表观病害检测主要针对斜拉索表面PE护套损伤(如变形、划痕、破损等)；
钢丝损伤检测则主要针对斜拉索内部钢丝的锈蚀、断丝等病害。
3.1 表观病害视觉检测
视觉检测技术是一种结合了计算机科学、机械自动化工程、信息处理等多学科领域的检测技术。该检测技术是通过光学成像装置采集目标图像并对所采图像进行存储、传输、分析、处理以获得检测结果。机器人对表观病害的检测主要借助多台高清摄像机，对拉索表面进行360°无死角实时拍摄，并将拍摄图像数据进行存储，利用无线传输技术将图像数据传输给终端，最后通过计算机技术对图像进行处理与分析来完成最终的检测工作。
刘朝涛等[18]和杜子学等[19]提出了一种利用单电机驱动机器人携带3台微型相机对斜拉索表观病害进行视觉检测的技术，该技术采用自识别算法初步判断检测图像是否存在病害，然后通过人工进一步确认病害类型与损伤程度，该技术已在重庆李家沱长江大桥上得以应用；
XU Fengyu等[20-23]研制了一种由4台摄像机、主控制器和数据存储器组成的视觉检测系统，利用主控制器循环将每台摄像机所采集的图像传输给数据存储器，借助视频合成器将各个通道的图像数据集成一路检测视频，并通过无线传输将视频发送到地面进行分析处理，找出存在病害的图片并确定病害位置以及判断病害类型；
H.N.HO等[24]研制了一种自识别病害的视觉检测系统(图2)，该系统硬件包含3个室外数码摄像机和1个高速无线调制器，可对拉索表面图像进行完整采集并进行存储，通过人工识别的部分病害照片作为训练样本用于PCA模型的特征值提取，然后将剩余检测图像导入已训练后的模型，实现对病害照片的自识别，该机器人为克服室外的不利因素，还专门开发了一种LED照明系统以降低因亮度变化造成的影响。
图2 自识别病害的视觉检测系统Fig. 2 A visual detection system for self-identifying diseases
综上研究，可得到表观病害视觉检测的流程，如图3。表观病害视觉检测最为关键的是图像拼接、病害识别、病害分类这3个环节。
图3 视觉检测流程Fig. 3 Flow chart of visual detection
斜拉索是一种空间的柱体结构，单个摄像机只能从某一固定方位对其进行摄像，因此会存在单张图像只采集到了部分缺陷区域的现象。图像拼接的目的就是将多张部分缺陷区域图像准确拼接成一张完整的整缺陷区域图像，以获得缺陷的全部特征，如图4。SIFT法所提取的特征点具有稳定性好、信息量丰富、扩展性强等特点，是现有最理想的图像拼接算法。但SIFT法计算量较大，在实际使用时耗时较多，为提高效率就需要对其进行优化。李新科等[25-26]提出了一种尺度不变的简化特征变换算法，该算法简化了一般SIFT法中的两个计算步骤，可显著提高计算效率，该算法已运用到实桥斜拉索检测工作中并取得了理想结果。刘杰等[27]等提出了一种改进的SIFT算法，该算法有效地减少对无用区域的运算，提高了计算速率，与一般SIFT算法相比可提高58%的特征点提取效率，同时拼接结果在准确度上也提高了10%。
图4 图像拼接Fig. 4 Image mosaic
视觉检测为避免出现漏检，机器人在向上爬升时需要摄像机必须不间断的采集斜拉索表观图像。这一过程将产生大量图像数据，而真正需要的目标病害图像仅占这些图像中的少数，若通过人工对图像进行病害识别与分类将耗费大量时间，病害识别与分类环节就是专门为解决从这些原始图像数据中筛选出检测所需要的病害图像而设置的。余朝阳等[28]基于卷积神经网络研发了一种表观病害自识别与分类模型，模型首先在图像数据集里进行预训练以获得病害自识别能力，再利用Faster-RCNN模型完成对缺陷的分类工作。该方法可有效减少人工判别与分类斜拉索病害，检测结果比较客观，避免了因人为差异而造成的检测误差，提高了检测效率。HOU Shitong等[29]认为现有的表观缺陷自识别模型都需要大量的训练样本才能达到相对较高的准确率，在实际应用中想要获得如此多的缺陷样本以供模型进行训练过于苛刻，因此提出了一种名为迁移学习的新颖神经网络算法。该方法考虑到混凝土裂缝与斜拉索PE护套的划痕病害具有相似性，将训练成型的混凝土裂纹深度学习模型用于识别拉索表面的划痕缺陷；
该算法只需少量的斜拉索划痕缺陷数据样本就能建立起准确的缺陷识别模型，具有较高的斜拉索划痕病害识别准确率。
综上研究成果可知：对斜拉索病害自识别的研究多考虑光滑表面斜拉索，缺乏对防振性能较好的非光滑表面拉索表面病害的自识别研究，这类斜拉索表面的凹凸结构与光滑表面拉索出现的划痕、破损病害类似，极易干扰模型的自识别过程。此外，现有的自识别模型多建立于研究团队内部所储存的图像数据源上，模型训练样本的多样性存在着局限性，利用诸如转移学习的方法也仅能增加对某一种病害的检测精度，若要实现对多种病害的高精准自识别还需对现有自识别模型进行改进。
3.2 钢丝损伤漏磁检测
斜拉索钢丝损伤检测的无损检测手段主要有磁致伸缩导波法和漏磁检测法。磁致伸缩导波法是一种利用铁磁类材料的磁滞伸缩正逆效应来对斜拉索钢丝损伤进行检测的方法。该方法采用单点激励，无需借助机器人沿斜拉索爬行就可对病害进行检测，优势显著。但磁致伸缩导波法在对200 m以上斜拉索损伤检测及定位精度上不如漏磁法，故机器人检测斜拉索钢丝损伤病害时多采用漏磁法。漏磁检测法是一种极富潜力的斜拉索钢丝损伤检测手段[30-31]，其原理如图5。
图5 漏磁检测原理Fig. 5 Principle of magnetic flux leakage detection
斜拉索钢丝作为铁磁性材料具有良好的磁导率，当钢丝出现锈蚀、断丝等缺陷使得磁力线受到切割时，缺陷位置的磁导率急剧下降，使得磁回路中的磁通发生畸变，部分磁通受到挤压而泄露到钢丝外部，经空气绕过缺陷再进入到钢丝内部，这一过程就形成了漏磁场，检测时通过磁化器对斜拉索进行磁化处理，并借助微型磁传感器对漏磁场进行检测，即可发现斜拉索的钢丝损伤。俄罗斯INTRON公司研发了一种拉索探伤仪，该探伤仪重约180 kg，以至于不能借助攀爬装置实现自爬行，在检测时需借助卷扬机提供动力才能完成检测，该仪器工作续航可达3 h；
2013年德国易北河大桥采用一种磁感应检测设备对斜拉索内部断丝等病害进行了检测[32]，该设备有6个环绕斜拉索的磁线圈，可使包裹在PE护套内的钢丝充分磁化，整个设备重约250 kg，需要设计专门的牵引装置才能使测试设备沿着斜拉索移动；
S.PARK等[33]和叶晓乐等[34]设计了一种8通道漏磁检测仪器，根据仪器所检测漏磁信号的位置与大小可对内部病害进行定位与损伤程度判断，并将磁信号进行三维可视化处理，得到较为直观的磁漏图像；
武新军等[35]、贲安然等[36]和袁建明等[37]分别基于漏磁原理设计了可重构的斜拉索磁性检测装置，该装置可根据斜拉索不同索径选择合适的检测模块，防止漏检，并通过建立有限元模型分析了检测装置磁化器里永磁体的不同长度、厚度、间距对漏磁检测信号的影响，通过试验对仿真结果进行检验，得到最合适的磁化器尺寸。
上述的漏磁检测装置均存在着较为笨重这一问题，造成在实际检测中效率不高的情况。为克服这一弊端，研究人员开始将强度高、重量轻的新型材料运用到机器人中。武汉桥科院[38]研发了“探索者”系列全自动无损检测机器人，该机器人机身采用了钛合金、碳纤维等强度高、重量轻的材料，大幅减轻了机器人自重，其具备表观检测和内部检测的能力，可持续高效的工作5 h以上。王晓琳等[39]研发了一种轻型碳纤维检测机器人，由于对设计材料进行了改进，整个机器人的自重大幅减小，不仅提高了续航能力，还方便了现场安装。该机器人具备多个检测模块，能够同时对拉索表面缺陷、内部断丝锈蚀及索力大小进行检测、识别、测量、统计和存储，虽然通过使用新型材料大幅降低了检测设备的重量，并可借助攀爬装置实现自爬行，但这些轻型检测设备依然较重，究其原因在于常用的漏磁检测法需对斜拉索进行磁化，而斜拉索索径较大，想要达到饱和磁化难度较高，必须使用大体积的永磁铁以及衔铁来形成磁回路，因此检测设备的重量无法得到质的降低。此外，饱和磁化掩盖了微型缺陷的漏磁信号，使得常用漏磁检测法无法对微小病害进行检测，不利于斜拉索强度的诊断和使用寿命的预判。
虽然可通过使用新型材料大幅降低了检测设备的重量，并可借助攀爬装置实现自爬行，但这些轻型检测设备依然较重，究其原因在于常用的漏磁检测法需对斜拉索进行磁化，而斜拉索索径较大，想要达到饱和磁化难度较高，必须使用大体积的永磁铁及衔铁来形成磁回路，因此检测设备重量无法得到质的降低。此外，饱和磁化掩盖了微型缺陷的漏磁信号，使得常用漏磁检测法无法对微小病害进行检测，不利于对斜拉索强度诊断和使用寿命预判。
为克服常用漏磁检测法的诸多弊端，王翔等[40]提出了一种电磁探伤技术(图6)，该技术利用励磁线圈来替代常用漏磁法中永磁体对斜拉索进行磁化，通过改变励磁线圈磁通量Φ随时间t的变化率dΦ/dt来调整励磁场大小，不仅提高了装置对斜拉索的励磁深度，同时也实现了检测装置的羽量化。此外，该技术采用线圈探测漏磁场，与一般霍尔传感器相比，线圈探测具有灵敏度高、探测面积广等优点。
图6 电磁探测装置Fig. 6 Electromagnetic detection device
周建庭等[41-43]和赵亚宇等[44]提出一种基于金属磁记忆的斜拉索钢丝损伤检测方法，金属磁记忆检测技术原理为：锈蚀、断丝等缺陷会使斜拉索内部钢丝产生截面损失，从而造成局部应力增大，在环境磁场激励下，铁磁类材料应力集中处磁畴组织发生定向且不可逆的重新取向，这一过程会在对应位置形成漏磁场。采用金属磁记忆检测原理设计的漏磁检测装置如图7。该装置不仅能发现宏观缺陷，还能发现因局部应力集中引起的微损伤，由于不需要进行饱和磁化处理，因此大大减轻了装置重量。此外，该漏磁检测装置所使用的霍尼韦尔HMR2300三维磁强计对比普通霍尔传感器检测灵敏度更高，可采集极其微弱的漏磁信号。
图7 金属磁记忆检测装置Fig. 7 Metal magnetic memory detection device
综上研究，钢丝损伤漏磁检测可及时、准确发现和定位斜拉索内部钢丝的病害，并能初步判断病害损伤程度，但现有用于斜拉索钢丝损伤检测的漏磁法种类多样且各具特色，检测精度参差不齐，难以对病害进行客观评定，因此需要确定统一的、普适的评定指标。现有钢丝损伤漏磁检测还无法做到类似表观病害检测那样的自识别，需要人工对所检测数据进行处理，工作繁琐，检测效率低下，亟需开发符合斜拉索病害检测的自识别模型。
机器人检测相较人工检测和无人机检测而言，具有全面、准确、及时、可靠的特点。轮式爬升方式所具有的诸多优点使其在攀爬机器人中得以广泛应用。表观病害视觉检测可对光滑表面斜拉索的表观病害进行快速准确的自识别检测。钢丝损伤漏磁检测可实现斜拉索内部腐蚀、断丝等病害的及时发现和准确定位，并可判断病害的类型与损伤程度。机器人虽已取得喜人的成果，但存在一些值得改进的地方：
1)轮式爬升会出现夹持力过大的问题，不仅会对斜拉索造成损伤，还影响了装置爬升的灵活性；
另外，采用轮式爬升方式的环形结构无法越过斜拉索上设置的特殊障碍物；
2)对表观病害视觉检测的研究多考虑光滑表面斜拉索，缺乏对防振性能较好的非光滑表面拉索表面病害的自识别研究。表观病害自识别模型对多类型的病害识别存在局限，想要实现“稳、准、狠”的自识别过程，还需对现有模型进行改进；
3)针对斜拉索内部钢丝损伤检测，缺乏统一、普适的漏磁检测评定指标，无法对其进行客观化、标准化、统一化检测。因此，后续可在斜拉索病害检测准确率、类似表观病害检测的自识别模型等方面开展研究。
猜你喜欢漏磁拉索钢丝扭转角度对桥梁缆索钢丝组织的影响宝钢技术(2022年4期)2022-11-11环形磁钢空心杯电机空载漏磁系数的计算微特电机(2022年9期)2022-10-15中小跨径斜拉桥拉索监测方案研究城市道桥与防洪(2022年1期)2022-02-25一种低压钢丝编织蒸汽橡胶软管橡塑技术与装备(2022年1期)2022-01-20漏磁检测技术在石化行业的应用进展天然气与石油(2021年4期)2021-08-27大型储罐变板厚漏磁检测有限元仿真分析化工自动化及仪表(2021年3期)2021-06-04阵列漏磁检测技术在钢管探伤中的应用钢管(2021年1期)2021-04-26旧钢丝球防下水道被头发堵恋爱婚姻家庭·养生版(2020年5期)2020-06-28VOF法在斜拉索风雨激振数值模拟中的应用振动工程学报(2015年1期)2015-03-01缠绕螺旋线斜拉索气动性能的数值模拟振动工程学报(2014年4期)2014-03-01
