数字图像检测在钢桁架桥加固中的应用

(整期优先)网络出版时间:2022-11-17
/ 2

数字图像检测在钢桁架桥加固中的应用

龙行伟

  深圳地质建设工程公司

摘要:为全面提升桥梁建设水平,向着更轻质高强的方向发展,要有效优化钢桁架桥运行质量,在优化设计理念的同时,完善施工规范,以便于能提升钢桁架桥的承载力水平和运营质量,实现经济效益和安全效益的和谐统一。本文简要介绍了数字图像检测技术的相关内容,并着重讨论钢桁架加固后静载试验和模态试验分析内容。

关键词:数字图像检测;钢桁架桥;加固

    在市场经济不断发展的时代背景下,城市化进程也在加快,城市桥梁作业质量受到了更多的关注,为避免设计不合理、超载等问题造成的桥梁安全事故,要充分落实质量检测分析规范,发挥数字图像检测技术优势,更好地评估加固效果,延长桥梁使用寿命的同时促进交通事业的可持续发展。

一、数字图像检测技术概述

(一)基本内容

1.图像获取

数字图像检测技术在实际应用环境中要完成的首要任务就是视频图像的采集,获取满足边缘检测和后续分析的图像后,才能落实相关处理内容。在图像获取工作中,要借助设备对直观获得的实体图像予以采样分析、量化分析等,借助对应的工序流程就能完成数字图像的转换,并进一步建立输入和保存机制。在传统的图像获取过程中,主要应用的设备主要分为两类,一类是对电磁波作出固定反应的物理器材,在获取信号后形成与电磁波成正比例的模拟电信号。另一类是将电信号转变为数字离散信号的设备[1]

在科学技术不断发展的时代背景下,两类设备得以融合,能第一时间完成采集图像的数字化处理,并且,数字化图像输出结果满足灰度值的要求,利用周期不变采集电子图像的方式,就能获取采样周期T内采样频率为fs的图像样本。一般而言,采样频率和信号周期满足fs≥2*fmax或2T≤Tmin的关系,其中,fmax表示的是信号中最大的频率参数、Tmin表示的是信号中最小的周期参数。

2.图像分析

    获取图像后就要结合实际需求完成图像的基本分析工作,要完成前期预处理,有效删除对后期分析无关联的信息内容,最大程度上提高运算量的准确性,确保运算效率符合标准。例如,获取数字化图像后,要对其进行灰度化的处理,配合MatLAB的相关计算函数,将真彩色图像转变为灰度图像(如图1所示),然后对图像予以科学化裁剪,配合imcrop函数就能获取有效的运算区间。

                  a                                       b

图1 图像处理前后对比图(a表示图像处理前、b表示图像处理后)

(二)关键技术

在数字图像检测技术方案中,边缘识别是关键技术内容,之所以开展边缘识别,就是为了将亮度变化明显或者是表现出不连续的点作为图像外观轮廓特征信息,结合阶段性使用要求,配合实际规范落实图像的识别、图像的分割、图像的增强处理、图像的压缩处理等,从而实现数字图像处理和检测分析目标。在边缘检测方法运行时,较为常见的方法分为基于搜索法和基于零交叉点法,见表1。

表1 边缘检测方法

序号

名称

本质

1

基于搜索法

在灰度变化曲线上获取一阶导数后得出亮度梯度

2

基于零交叉点法

依据亮度梯度的差异化变化率实现数字图像获取二阶导数零交叉点

另外,在边缘识别中,主要包括边缘方向、边缘强度、边缘法线三个基本点,基于不同区域存在的图像性差异完成相关工作,更好地借助识别图像灰度变化位置确定边缘界限,从而顺利完成检测分析工作。

(三)优势

    相较于传统加速度传感器等设备,数字图像检测技术能大大提升检测的准确性,利用模态试验分析就能全面评估桥梁结构振动的实时性视频图像内容,无需建立接触性联系就能实现精准评估。与此同时,数字图像检测技术的设备能实现全桥梁覆盖,在图像中自由选择测点角度和应用规范,大大突破传统布置点不足的弊端,在有效减少工作量的基础上维持无损耗和高效率应用。

二、钢桁架桥加固方案

在建筑行业全面发展的时代背景下,进行钢桁架桥加固作业时,一般采取的是体外预应力处理的当时,对布置在承载结构主跨本体外的钢束张拉产生的预应力予以统筹管理,体外预应力主要包括有粘结体外预应力体系和无粘结体外预应力体系。应用体外预应力加固作业,要将预应力钢筋结构集中应用在混凝土截面以外,这种方式能大大提升作业的便捷性和安全性,且整个施工作业对道路桥梁交通影响不大,加之施工作业的机动性较强也能维持加固的科学性和稳定性。

但是,钢桁架桥加固若是采取体外预应力加固也存在一定的弊端,因为预应力构件本身具有较高的脆弱性,因此智能完成基础加固,并不能完全抑制局部裂缝问题的蔓延,且构件自身的长度受到制约不能实现自由伸缩。为此,要对其进行规范化检测分析,并配合更加科学规范的处理机制,利用力的相互作用更好地抵消桥梁自身承受的内力。

三、钢桁架桥加固中应用数字检测技术的内容

(一)测量刚度

主要是借助数字检测技术的图像分析方法完成拉索材料刚度的检测分析,拉索本身是一种钢结构构件稳定设备,基本元件包括钢绞线、索锚工具以及索头工具等,针对现代悬索桥和斜拉桥桥梁而言,拉索的索力数值直接决定了整体桥梁结构的稳定性,是非常关键的评估参数。为了更好地完成索力的测量,要结合实际情况和应用环境优选压力表测定分析法、磁通量传感器数值分析法、传感器测定分析法、频率分析法等。本文以频率法为例对其进行分析,在频率法应用过程中,基于弦振动完成斜拉索索力的测量,设定拉索元件的方向为X轴,则垂直于X轴的拉索方向设定为Y轴,若是在仅仅考虑平面振动的情况下,拉索振动方程表示为

,其中,EI表示的是钢结构的抗弯强度,v(x,t)表示的是振幅,而对应的m表示的是钢结构单位长度的质量、T表示的是拉索力、h(t)表示的是附加的拉索力[2]

正是因为钢结构截面惯性矩I能在实际测定分析中完成实时性测量分析,就能获取材料本身的弹性模量,因此,依据测量两阶频率的方式就能获得拉索刚度。

(二)测量拉索材料模量

目前,钢桁架桥中斜拉索结构较为常见,若以一根两端固定长度为0.87m、直径为1mm的斜拉索为例,利用图像分析测试的方法就能直观获取拉索材料的模量参数。

首先,将视频采集仪器直接设定在水平位置,以便于能及时完成视频数据的采集和分析,从而更好地开展后续工作。

其次,在实际测定分析环节,仅仅是测定拉索平面振动频率即可,无需设置对应的时间信号差,拨动拉索实现其自由振动,录制视频并对比图像处理前后模态试验结果即可。

最后,比对基础数据,汇总前两阶振型和频率参数,完成试验分析配合计算函数就能获得拉索材料的弹性模量,参数见表2。

表2弹性模量参数

序号

项目

参数

1

一阶频率

13.3470Hz

2

二阶频率

26.6954Hz

3

单位长度质量

6.228kg/m

4

长度

0.87m

5

I

4.91*10-14m4

6

E

1.97*1011Pa

在查询资料后可知,钢绞线的弹性模量标准参数为1.95*1011Pa,数值和计算结果中的数据之间误差在1%,因此,认定数字图像检测技术能充分对拉索设备的基础弹性模量予以实时性测定,且其实际测定结果可行性和准确性较高。

(三)测量拉索等效弹性模量

在钢桁架桥结构中,若设计结构为多跨超静定梁结构,则线形布置为梯形,正是因为拉索布置在桁架的单侧,因此,要充分考量桁架结构自身的刚度参数,借助有限元模型就能获取截面惯性矩I和弹性模量E。在结构的中点位置施加单位力F,点位移设定为标准参数,就能准确测量结构的位移情况,配合图像法测定也能获取等效弹性模量,更好地评估加固效果是否满足标准预期。

例如,借助类似于钢丝绳材质的设备将对应质量砝码和桁架结构予以连接,连接位置就设定在桁架结构的上部中央区域,钢丝绳靠近拉索一侧,保证拉索中央位置能形成横向挠度位移,假设桁架高度为30cm、支撑结构长度为10cm,结合桁架结构尺寸要求和力学分析标准,就能计算出拉索结构承受的力约为9.8N[3]。为更好地评估相关参数,要将数字图像收集设备直接放置在拉索平面的正上方,就能获得拉索平面位移信息,如图2所示。

c                                       d

图2 左侧拉索承受压力前后图像(c表示未承受压力、d表示承受压力后)

(四)静载试验

    针对桁架横向体外预应力的测定分析,要充分发挥钢绞线模拟评估的优势作用,有效了解钢绞线端部张拉固定稳定性效果。在传统的测定处理环节中,一般是在节点位置布置对应的传感器,利用敲击的方式激发振型,然后结合dasp系统完成振型频率的分析,就能获取桁架加固后模态试验结果,包括竖向、横向以及扭转等方面的频率参数和提升幅度。

    而利用图像检测分析方法完成试验则是对有限元模型予以修正,配合使用新增梁单元模拟体外预应力拉索的方式进行评定,主要是完成桁架加固后有限元模型各阶频率的测定,包括竖向1阶、竖向2阶、横向1阶、横向2阶以及扭转1阶。最终的结果证明图像分析测试能准确完成拉索等效刚度和修正拉索单元弹性模量的测定,并获取更加科学的技术指导建议,模型具有一定的可行性。

结束语:

总而言之,借助数字图像检测分析方法能更好地完成钢桁架桥加固后的测定分析工作,不仅能大大提升测定的准确性和全面性,还能配合结果对比的方式更好地开展后续处理,借助实时性测定大大提升加固效果评估的实际水平,为桥梁工程可持续健康发展奠定坚实基础。
参考文献

[1]林金燕. 基于数字图像相关和模态应变能的损伤识别[D]. 广东:广东工业大学,2019.

[2]袁向荣,郑仰坤. 桁架结构悬臂拼装施工控制虚实结合模拟研究[J]. 广州建筑,2018,44(3):34-38.

[3]张道贺. 基于结构表面特征图像的位移监测方法[D]. 黑龙江:哈尔滨工业大学,2019.