隧道襯砌自動化檢測及健康評價技術研究

蔣宇靜, 張學朋

(1. 礦山災害預防控制省部共建國家重點實驗室(培育)(山東科技大學)， 山東 青島 266590；2. 長崎大學工學院， 日本 長崎 8528521)

0 引言

交通是國家基礎建設的重要設施，在鐵路、公路建設過程中，為了縮短行車里程、節約資源、改善交通運輸條件，開鑿隧道已經成為實現交通便利的一種重要手段。隨著經濟的持續發展、綜合國力的不斷提升及高新技術的不斷應用，我國隧道及地下工程得到了前所未有的迅速發展，我國已經成為世界上隧道工程數量最多、規模最大的國家。由于各種自然和人為因素的影響，隧道襯砌常常出現不同類型和不同程度的病害，如隧道拱頂開裂、邊墻開裂、拱頂空洞、襯砌損壞、隧道滲漏水、隧道凍害、圍巖大變形、襯砌厚度薄、混凝土強度低、隧道內空氣污染等。如甘肅連霍高速公路烏鞘嶺隧道群由于襯砌開裂導致滲漏水等多種襯砌病害，通車1年來該隧道群路段就發生了63起道路交通事故，其中4號隧道內發生22起。隨著我國交通基礎設施建設的快速發展，據不完全統計，我國超過30%～40%的公路隧道處于亞健康甚至病害的狀態，隧道健康狀況日益成為隧道養護中極其重要的環節。

隧道襯砌健康狀況的檢測技術是進行隧道維修加固的首要前提。傳統的隧道病害檢測方法，如目測、鉆孔取芯、壓水測試和鉆孔聲波等，不僅效率低、代表性差、偶然性大，而且鉆孔取芯、壓水測試和鉆孔聲波等方法破壞了襯砌的整體性[1]。隨著科技的進步，無損檢測技術NDT(non-destructive testing)的引入改進了檢測效果。該檢測技術除了具有不損壞工程結構的優點外，檢測速度快而全面，并且在檢測結果定量可靠性、數據圖形直觀性等方面存在很大的優勢[2]。目前，國內外主要的無損檢測技術有聲波法、地質雷達法、激光掃描技術、攝影測量法、光學分析法和多種無損技術的綜合利用法[3-8]。上述檢測技術目前應用較為成熟，但多為單一化、半自動化的檢測方式，一般檢測速度較低，勞動強度較大，危險系數也比較高，且需要從業人員具備一定的專業技能。隨著我國公路交通事業的快速發展，這種半自動化的檢測方式不能滿足大規模隧道的普查工作，更不適合在運營公路或鐵路隧道進行檢測，越來越難以滿足檢測需求。

隨著無損檢測技術的成熟應用，國內外已經對無損檢測技術的科研成果進行了轉化，研發出一系列隧道襯砌病害自動檢測系統。對于隧道襯砌表面病害，自動檢測系統一般采用基于機器視覺的自動檢測技術進行隧道結構病害快速檢測，該技術可以分為基于攝影測量的自動檢測技術和基于激光掃描的自動檢測技術[9-10]。基于機器視覺的隧道襯砌表面病害檢測技術可以直觀地呈現隧道表面圖像，所開發的自動檢測系統包括硬件和軟件系統2部分，其中硬件系統包括檢測設備搭載平臺、圖像采集系統、存儲系統以及輔助設備，軟件系統包括圖像處理系統及病害信息分析系統等。

上述研究中所開發的自動檢測系統目前仍然存在檢測指標單一化、檢測速度較慢的缺點，無法對隧道襯砌健康狀態做出全面評價；另外，基于激光掃描技術的自動化檢測系統自動化識別程度較低，需要自動識別與人工修正相結合。為了進一步提高隧道襯砌的自動化檢測技術及襯砌健全度評價技術，基于無損檢測技術開展了非可視化高速攝影檢測技術和常時微動檢測技術研究。同時介紹了襯砌健康狀態定量化評價方面的進展，介紹了多種襯砌健康狀態評價指標，包括分形維數、常時微動平均合成譜和已有的TCI(tunnel-lining crack index)，并結合實際案例給出了上述3個指標之間的相關性。

1 隧道襯砌病害無損檢測技術

1.1 高速攝影病害檢測技術

1.1.1 非可視化高速隧道襯砌點檢系統

與西日本高速公路集團合作研發的非可視化高速隧道襯砌點檢系統(見圖1)可實現隧道表面病害的快速檢測。該系統以卡車作為搭載平臺，主要包括7臺攝影單元、襯砌表面成像系統和表面病害自動識別系統，另外搭載距離傳感器、非接觸式速度計等輔助設備實現檢測過程的自動化。其主要技術性能指標如表1所示。

圖1 非可視化高速隧道襯砌點檢系統

表1 非可視化高速隧道襯砌點檢系統主要技術性能指標

1.1.2 攝影單元

襯砌表面病害檢測中攝影單元是關鍵技術環節，攝影單元構造如圖2所示。攝影單元包括CCD線陣相機單元(見圖2(a))、自主研發的相機鏡頭自動調整機構(見圖2(b))和攝影單元角度調整機構(見圖2(c))及相應的配置管理控制程序。CCD線陣相機單元搭載LED紅外線光源，實現檢測過程中照明不可視化，避免檢測過程對周邊過往車輛造成干擾；配置管理控制程序針對不同隧道截面尺寸能夠給出7臺攝影單元的角度、變焦和對焦的最優值，7臺攝影單元按照相應配置指令能夠實現隧道一側襯砌結構表面的全覆蓋； 鏡頭自動調整機構根據相應配置指令能夠實現檢測前根據隧道斷面的不同尺寸自動調整鏡頭焦距，以獲得不同橫截面幾何形狀的指定分辨率(0.5 mm/pixel)圖像； 攝影單元角度調整機構根據配置程序指令實現7臺相機角度的自動化調整，另外該機構還具有固定攝影單元作用。

(a) CCD線陣相機單元

(b) 相機鏡頭自動調整機構

(c) 攝影單元角度調整機構

1.1.3 點檢系統在現場的運用

襯砌表面病害特征識別與解析中圖形拼接和圖形識別是2個關鍵技術。本系統中襯砌表面成像系統處理圖形拼接過程如下： 1)圖形灰度均一化處理； 2)圖形失真矯正； 3)圖形配準和圖形融合。圖形拼接后得到完整的隧道襯砌表面圖像，基于圖像灰度特征實現裂縫圖形的自動識別與提取，裂縫檢測精度為0.2 mm(檢測車速度100 km/h情況下)[11]。該檢測技術成功應用于日本九州自動車道加久藤隧道襯砌表面病害檢測識別，該隧道襯砌段長度為10.2 m，起拱線寬度為11.0 m，隧道周長為20.5 m，裂縫自動識別與定期人工點檢圖形如圖3所示。其中圖3(b)中的點線區域范圍是隧道定期檢查中遺漏記錄的地方，由此可以看出該檢測技術提高了檢測與識別的自動化水平和程度，減少了人為干擾因素和人為差錯。表2列出了襯砌裂縫人工檢測和自動提取的結果對比，與傳統的人工定期點檢對比該系統襯砌裂縫的自動提取率高達90%，可完全實現運營隧道安全高效的檢測。

(a) 人工點檢

(b) 智能識別提取

表2 日本九州自動車道加久藤隧道襯砌裂縫人工檢測和自動提取結果對比

1.2 常時微動檢測技術

基于攝影測量的無損檢測技術只能測得襯砌表面的質量狀況，其內部質量信息無法獲取。隧道襯砌厚度不足、混凝土內部質量缺陷(蜂窩、孔洞、裂隙及夾層、強度不足)、襯砌背后空洞或回填不密實等內部缺陷導致隧道結構承載力降低，從而導致襯砌開裂、混凝土脫落或者滲漏水等眾多問題，嚴重影響著隧道的正常使用，威脅過往車輛的安全行駛。根據振動力學理論，由于受到外界環境擾動的影響，任何物體在任何時間都在以微小振幅不停振動，這種不停的微小振動被稱為常時微動，物體的微動特性受到其本身結構和約束條件的影響。目前，測量結果主要應用于地基土劃分、震害預測、建筑物健康檢測、邊坡防護等方面，該方法基于被檢測對象常時微動的特點進行健康檢測，不需要提供額外震源，具有適用性更強的特點。

將常時微動技術應用于判斷隧道襯砌中存在的開裂、空洞等問題，在隧道襯砌質量完整性好的部位采集常時微動數據，將該數據轉換處理后作為基準數據，在需要進行襯砌檢測部位采集常時微動數據，將此數據處理后與基準數據進行對比，通過分析對比結果中異常信息進行襯砌完整性判定。目前主要通過在襯砌表面安裝微動傳感器來測量其微動特性，該測量技術具有小型化、抗干擾能力強、精度高、無需額外震源等優勢。圖4所示為常時微動檢測系統及布置示意圖，該檢測系統由三向微動傳感器(加速度計)、微動信號調解器、數據收集分析處理器和數據線組成，3個加速度計分別安置在隧道軸向、橫斷方向和上下方向3個方位上，分別檢測隧道襯砌3個方向上常時微動特征。為了得到襯砌振動的可靠信息，檢測時間要足夠長，以便消除干擾信號的影響，經過反復測試時長可設定為300 s，取樣間隔0.001 s。三向微動傳感器本體采用市售加速度計，最大測定加速度為±30 m/s2，測定頻率范圍為0～400 Hz，分辨精度為1 mgal[12-14]。修建于1982年的長崎高速公路日岳隧道現場檢測情況如圖5所示。

2 隧道襯砌健康定量評估技術探討

2.1 TCI評價指標

襯砌裂紋的危險程度判斷是一個世界性難題，原有的目測判斷法具有較強的主觀性； 常規襯砌健全度評價手段是基于一定判定標準考慮襯砌裂紋的數量、寬度以及長度來對隧道襯砌的健全度做出判斷，而沒有考慮裂紋的方向性。TCI(tunnel-lining crack index)可以定量識別襯砌裂紋寬度、長度及裂紋發展的方向，是一種可借鑒的定量評價指標。TCI(即F0)計算表達式如式(1)所示。計算原理如圖6所示。

(a) 常時微動檢測系統

(b) 布置示意圖

(a) 檢測現場

(b) 部分檢測結果(間隔0.001 s，時長100 s)

(1)

圖6 TCI計算原理圖

表3 TCI識別裂紋方向性算例

2.2 分形維數D評價指標

分形理論是用分數維度的視角和數學方法描述和研究客觀事物，即用分形分維的數學工具來描述研究客觀事物，更加符合客觀事物的多樣性與復雜性。近年來分形理論已經在巖石及混凝土裂紋擴展研究中得到一定的應用[17-19]，為進一步完善襯砌混凝土裂紋的全面表征，引入分形理論量化表征裂紋數量及交叉分布特征。盒維數(也稱為Minkowski維度)由于定義直觀、計算簡便，在應用中常被用來確定分形維數。基本計算原理如下： 將襯砌高速攝影圖像展開成平面圖，置于具有刻度r的均勻間隔的網格上，計數覆蓋所有裂紋所需的格子數N(r)，計算模型如圖7所示。盒維數定義如下：

(2)

(a) 裂紋分布圖 (b) r=1，N(1)=86

(c) r=2，N(2)=34 (d) r=4，N(4)=14

圖8為裂紋數量與裂紋交叉特征的分形維數表征。圖8(a)中，當裂紋數量為4、8、16、32、48、64條時，分形維數D分別為1.274 5、1.306 2、1.369 0、1.450 4、1.529 1、1.589 9，可以看出隨著裂紋數量的增加，分形維數大致線性增大； 圖8(b)中，當裂紋交叉點由0個逐級遞增到5個時，分形維數分別為1.246 7(0個)、1.268 5(1個)、1.270 5(2個)、1.287 4(3個)、1.314 5(4個)、1.337 6(5個)，可以看出隨著裂紋交叉點增加，分形維數基本也呈現出線性增加的趨勢。

2.3 常時微動定量評價指標

基于傅里葉變換對常時微動檢測數據做頻譜分析，長崎縣日岳隧道常時微動數據(見圖5(a))變換結果如圖9所示。分析數據選取時，應當避開交通繁忙時異常波動的波形數據，選取波形穩定區域的數據。由于隧道襯砌微震噪聲比較高，頻率分布范圍廣，難以準確識別其固有頻率，因此選用3個方向上50～200 Hz的平均頻譜量化表征襯砌混凝土振動特性[20]。將隧道軸向、橫斷方向和上下方向3個方向的平均頻譜分別定義為Fx、Fy、Fz，通過式(3)可以得到混凝土襯砌的常時微動平均合成譜RAS。

(3)

(a) 裂紋數量與分形維數之間的關系

(b) 裂紋交叉點數與分形維數之間的關系

圖9 長崎縣日岳隧道常時微動檢測結果頻譜特性(間隔0.001 s，計測時長100 s)

2.4 工程實例

以日本長崎縣高速公路日岳隧道襯砌健康檢測為例，對上述3個指標之間的相關性進行討論。日岳隧道修建于1982年，全長780 m，最大埋深25 m，襯砌混凝土厚度為0.7 m和0.5 m，隧道運營20年后襯砌出現裂縫、滲漏水等缺陷[20]。圖10為日岳隧道12個典型襯砌段的表面裂紋自動檢測結果。

圖11為日岳隧道65個襯砌段混凝土表面裂紋病害分形維數D和TCI之間的關系，可以看出TCI和D之間具有一定的關聯性，兩者之間呈指數分布關系。TCI和D可以相互補充實現對隧道襯砌表面病害的定量評估。現場測試表明當TCI大于20×10-5時，需要對隧道襯砌做出進一步內部測試。根據TCI與D的指數對應關系，上述TCI臨界值對應的分形維數D為1.238 6。由此可以將隧道的健康狀態分為4個部分： 完全健全狀態Ⅰ； 按D指標健全但按TCI指標不健全狀態Ⅱ； 按TCI指標健全但按D指標不健全狀態Ⅲ； 不健全狀態Ⅳ。結合這2個指標，綜合考慮裂縫的寬度、長度、方向、數量及交叉等特性，可以更為準確地確定損傷襯砌段(如階段Ⅲ)。目前關于上述2個指標對于裂縫寬度、長度、分布特征等更深層次驗證說明還需要更多的現場檢測數據來做進一步的驗證。

圖12為襯砌常時微動RAS與裂紋評價指標TCI之間的關系。由圖12可以看出兩者存在一定的相關性。該方法的意義在于襯砌內部的一些空洞和裂縫特征，對隧道安全構成嚴重威脅，在常規的目測檢測中往往容易被忽略，如襯砌段20的TCI結果表明襯砌段處于健全狀態，但其RAS指標卻異常大，表明襯砌段處于不健全狀態，現場檢測顯示該襯砌段內部存在空洞。由此可以表明常時微動能識別振動異常點，可以作為襯砌健康度評價的補充，為進一步內部測試提供依據。

(a) S16 (b) S18 (c) S34

(d) S36 (e) S42 (f) S46

(g) S47 (h) S50 (i) S53

(j) S57 (k) S63 (l) S65

圖11 分形維數D和TCI指標之間的關系(日本長崎縣日岳隧道，修建于1982年)

圖12 RAS與TCI之間的關系

3 結論與建議

1)非可視化高速隧道襯砌點檢系統以卡車作為搭載平臺，搭載7臺攝影單元、襯砌表面成像系統、表面病害自動識別系統、距離傳感器及非接觸式速度計等輔助設備實現隧道表面病害檢測的自動化； 檢測系統行車速度可達到100 km/h，裂縫檢測精度達到0.2 mm(檢測車速度100 km/h)。

2)常時微動檢測系統由三向微動傳感器(加速度計)、微動信號調解器、數據收集分析處理器和數據線組成，能夠實現隧道襯砌內部異常點(包括裂縫和空洞)的自動檢測； 該測量技術具有小型化、抗干擾能力強、精度高、無需額外震源等優勢。

3)提出分形維數D、常時微動平均合成譜RAS，結合TCI實現隧道襯砌病害特征的定量化描述。3個指標可以綜合考慮裂縫的寬度、長度、方向、數量、交叉分布以及襯砌內部異常(包括裂縫和空洞等)等特性，相互結合可以更為準確地確定損傷襯砌段。

4)隧道因其具有充分利用土地資源、縮短行程里程、節約資源、利于生態保護等優點，成為實現交通基礎設施建設中一種重要的手段；高速、自動化、集成化的隧道病害檢測技術是目前及將來科學合理管理運營隧道的發展趨勢；定量、智能化、系統全面科學的評價技術是病害成因分析、安全性能分析以及病害健康診斷的發展趨勢。

參考文獻(References)：

[1] 劉海京, 夏才初, 朱合華, 等. 隧道病害研究現狀與進展[J]. 地下空間與工程學報, 2007, 3(5): 947.

LIU Haijing, XIA Caichu, ZHU Hehua, et al. Studies on tunnel damage[J]. Chinese Journal of Underground Space and Engineering, 2007, 3(5): 947.

[2] HAACK A, SCHREYER J, JACKEL G. State-of-the-art of non-destructive testing methods for determining the state of a tunnel lining[J]. Tunnelling and Underground Space Technology Incorporating Trenchless Technology Research, 1995, 4(10): 413.

[3] KRAVITZ B, MOONEY M, KARLOVEK J, et al. Void detection in two-component annulus grout behind a pre-cast segmental tunnel liner using ground penetrating radar[J]. Tunnelling and Underground Space Technology, 2019, 83: 381.

[4] PARK S K, UOMOTO T. Radar image processing for detection of shape of voids and location of reinforcing bars in or under reinforced concrete[J]. Non-Destructive Testing and Condition Monitoring, 1997, 39(7): 488.

[5] LALAGUE A, LEBENS MA, HOFF I, et al. Detection of rockfall on a tunnel concrete lining with ground-penetrating radar (GPR) [J]. Rock Mechanics and Rock Engineering, 2016, 49(7): 2811.

[6] 李宗平, 張永濤, 楊釗, 等．三維激光掃描技術在隧道變形與斷面檢測中的應用研究[J]．隧道建設, 2017, 37(3): 336.

LI Zongping, ZHANG Yongtao, YANG Zhao, et al. Application of 3D laser scanning technology to tunnel deformation monitoring and cross-section detection[J]. Tunnel Construction, 2017, 37(3): 336.

[7] 蔣美蓉, 孫尚業, 金豐年. 地下工程混凝土襯砌檢測技術應用探討[J]. 地下空間與工程學報, 2007, 3(8): 1412.

JIANG Meirong, SUN Shangye, JIN Fengnian. Discussion on applying testing technology of concrete lining in underground engineering[J]. Chinese Journal of Underground Space and Engineering, 2007, 3(8): 1412.

[8] 鄧淘, 楊林德, 雷剛, 等. 超聲回彈綜合法在隧道襯砌強度檢測中的應用[J]. 地下空間與工程學報, 2005, 10(1): 235.

DENG Tao, YANG Linde, LEI Gang, et al. Application of synthetic method of ultrasonic rebound in testing strength of concrete lining of tunnel[J]. Chinese Journal of Underground Space and Engineering, 2005, 10(1): 235.

[9] UKAI M. Advanced inspection system of tunnel wall deformation using image processing[J]. Quarterly Report of RTRI, 2007, 48(2): 94.

[10] HUANG H, SUN Y, XUE Y, et al. Inspection equipment study for subway tunnel defects by grey-scale image processing[J]. Advanced Engineering Informatics, 2017, 32: 188.

[11] JIANG Y, ZHANG X, TANIGUCHI T. Quantitative condition inspection and assessment of tunnel lining[J]. Automation in Construction, 2019, 102: 258.

[12] 蔣宇靜, 王剛, 李博, 等. 基于常時微動技術的混凝土結構物無損檢測方法. ZL 201210127624.0 [P]. 2012-08-01.

JIANG Yujing, WANG Gang, LI Bo, et al. Non-destructive testing method for concrete structures based on microtremor technique. ZL 201210127624.0[P]. 2012-08-01.

[13] GAO Y, JIANG Y, LI B. Estimation of effect of voids on frequency response of mountain tunnel lining based on microtremor method[J]. Tunnelling and Underground Space Technology, 2014, 42: 184.

[14] GAO Y, JIANG Y, LI B. Voids delineation behind tunnel lining based on the vibration intensity of microtremors[J]. Tunnelling and Underground Space Technology, 2016, 51: 338.

[15] 山田隆昭, 佐野信夫, 重田佳幸, 等. 襯砌裂縫指數用于隧道襯砌混凝土的健全度評價法[C]//土木學會論文集. [S.l.: s.n.], 2009: 11.

YAMADA T, SANO N, BABA K, et al. Evaluation method for soundness of lining concrete by tunnel-lining crack index[C]//Symposium for Japan Society of Civil Engineers. [S.l.: s.n.], 2009: 11.

[16] 重田佳幸, 飛田敏行, 龜村勝美, 等. 考慮裂縫方向性的隧道襯砌混凝土健康度評價法[C]//土木學會論文集. [S.l.: s.n.], 2006: 628.

SHIGETA Y, TOBITA T, KAMEMURA K, et al. Propose of tunnel crack index(TCI) as an evaluation method for lining concrete[C]//Symposium for Japan Society of Civil Engineers. [S.l.: s.n.], 2006: 628.

[17] YU B, ZHAO J, FANG K, et al. Rock strength evaluation during progressive failure process based on fractural characterization[J]. Marine Georesources & Geotechnology, 2016, 34(8): 759.

[18] 薛東杰, 周宏偉, 任偉光, 等. 北山花崗巖深部節理間距分布多重分形研究[J]. 巖土力學, 2016(10): 2937.

XUE Dongjie, ZHOU Hongwei, REN Weiguang, et al. Multi-fractal characteristics of joint geometric distribution of granite in Beishan[J]. Rock and Soil Mechanics, 2016(10): 2937.

[19] XIE H, SUN H, JU Y, et al. Study on generation of rock fracture surfaces by using fractal interpolation[J]. International Journal of Solids and Structures, 2001, 38(32/33): 5765.

[20] WU X, JIANG Y, MASAYA K, et al. Study on the correlation of vibration properties and crack index in the health assessment of tunnel lining[J]. Shock and Vibration, 2017, 7: 507.