人工智能在灌漿套筒密實度檢測應用中的可靠性分析

郝雨杭，付素娟，孫碩科，韓少杰

（1.河北建研科技有限公司，河北 石家莊 050000；2.河北省綠色建筑產業技術研究院，河北 石家莊 050000；3.河北省既有建筑綜合改造技術創新中心，河北 石家莊 050000；4.河北省建筑科學研究院有限公司，河北 石家莊 050000；5.河北建筑工程學院，河北 張家口 075000）

0 引言

隨著社會的發展，我國人口紅利已逐漸退去，勞動密集型的產業發展勢必受到阻礙。傳統的建筑建造過程中大多采用現澆的方法，需要較多的人力，因此，傳統建筑發展已逐漸與新時代社會的發展相脫軌。裝配式建筑的集成化程度較高，可以減少人工工作量，符合未來建筑的發展趨勢［1］。

雖然裝配式建筑有其獨有的優點，但結構整體是由各個建筑構件拼接而成，因此，各裝配式構件間的連接性能好壞直接影響了整棟建筑質量的優劣。鋼筋套筒灌漿連接的方法非常廣泛應用于連接裝配式建筑的節點，因此，鋼筋套筒飽滿度的檢測技術是否成熟對于裝配式建筑的發展尤為重要。

目前針對混凝土構件內部損傷和缺陷的檢測方法有多種，常用的有超聲波法［2］、探地雷達法［3-4］、激光超聲法［5-6］和沖擊彈性波法［7-8］等。其中沖擊彈性波法由于其設備方便攜帶，操作簡便，檢測可靠性高，在無損檢測領域被廣泛推廣和使用，但該技術過分依賴檢測人員的技術水平和經驗，人為因素對檢測結果的影響較大。采用人工智能輔助判斷可以規避人為評判的影響，使得檢測結果更加直觀明了，降低對檢測人員的技術和經驗要求。基于此，本文采用人工智能方法對沖擊彈性波法所測的 2 面剪力墻試件中的灌漿套筒進行飽滿度檢測，并探究其用于檢測套筒灌漿飽滿度的可靠性。

1 沖擊彈性波法的激發及原理

1.1 應力波的激發

沖擊彈性波法是通過應力波在待測物體內部傳播，通過反射接收的回波經過處理分析判斷待測物體內部缺陷情況的一種無損檢測方法。目前應力波的激發是通過小鋼錘敲擊待測結構表面來產生振蕩，從而激發應力波。檢測過程中，用于敲擊物體表面以激發應力波的小鋼球直徑一般為 6～30 mm［9］，影響應力波參數的因素主要是小鋼球直徑、沖擊時長和能量大小［10］。直徑大的小鋼錘敲擊待測表面會產生低頻應力波；相反，直徑小的鋼錘產生的應力波頻率高。另外在正常操作的情況下，小鋼球的沖擊時長約為 25～100 之間。

1.2 沖擊彈性波法原理

在應力波的 3 種波形中，縱波傳播速度最快且能量最大，易被傳感器所接收和識別，因此沖擊彈性波法的主要參照依據為縱波。若混凝土內部缺陷過小，會造成應力波無法識別的情況。所以沖擊彈性波法對最小缺陷的要求有限定。研究表明應力波能夠識別出鋼筋套筒內的空間，且鋼筋套筒壁對應力波的沖擊響應無影響。因此在套筒密實的區域與純混凝土區域，應力波的反射響應特征無明顯區別。由此可知，用沖擊彈性波法對鋼筋套筒灌漿飽滿度的檢測是可行的。

當鋼筋套筒內灌漿料密實時，應力波會沿鋼筋套筒內部徑向傳播，當鋼筋套筒灌漿密實時，應力波會沿鋼筋套筒外壁傳播。不難看出，當鋼筋套筒灌漿不密實時，應力波所走過的路程為套筒外壁，要大于密實套筒的徑向路程。反射接收到的時長也更長。把第一次反射得到的應力波所用時長稱為卓越周期。對套筒飽滿度進行檢測時，傳感器沿著套筒區域，以掃描的形式自下而上連續測試（鋼錘激振和傳感器接收），通過接收反射的應力波再經過處理，得到應力波的一些特性來測試鋼筋套筒內的灌漿飽滿度。當鋼筋套筒內存在缺陷時，一方面激振的應力波會在缺陷處產生反射，另一方面因為在缺陷處應力波是沿著套筒外壁而非徑向傳播，因此相比灌漿飽滿狀態傳播路徑要更長。根據在鋼筋套筒位置反射信號的有無以及剪力墻底部反射的時間長短來判定有無灌漿缺陷。當鋼筋套筒存在灌漿缺陷時，反射應力波的頻譜圖會出現以下 2 種表現。

1）激振后波會沿著鋼筋套筒內部傳播，然后在灌漿脫空處和試件背面發生兩次反射。因此反射應力波的頻譜圖上反映出的是多波峰圖。

2）因為波在脫空區域傳播的路程更長，因此接收器接收到脫空區域的反射波時間要比密實區域的反射波用時長。卓越周期在缺陷處更長，如圖 1 所示。

圖1 沖擊彈性波法原理圖

2 試驗概況

2.1 試件設計

為了探究不同工況下鋼筋套筒灌漿飽滿度檢測的可靠性，試驗共制作了 2 面剪力墻，剪力墻 1 和剪力墻 2。其中剪力墻 1 中埋置單排居中的 4 個不同灌漿飽滿度的鋼筋套筒；為了模擬實際工程中鋼筋套筒的布置方式，剪力墻 2 以“梅花形”布置，埋置 4 個不同飽滿的的鋼筋套筒；試件示意圖如圖 2 所示，試件的基本信息如表 1 所示。

但令那些“原教旨主義”保時捷RS家族的擁躉感到遺憾的是，這輛最新的911 GT3 RS居然將空調、音響和導航系統列為了標準配置，甚至還可以選裝前橋抬升系統以提高日常的使用便利性。可無論如何，它都是一輛快到令人感到懷疑人生的汽車，所以它也會成為所有喜歡汽車的人所熱衷的夢想。

圖2 試件尺寸示意圖（單位：mm）

表1 試件信息表

2.2 試件的制作

在實際工程中，鋼筋套筒往往是預先埋進構件內，待構件安裝完成之后再對鋼筋套筒進行灌漿。本組試驗的主要目的是探究人工智能評判沖擊彈性波法對不同灌漿飽滿度檢測的可靠性。因此在試驗前，為了能精確地控制好預設灌漿飽滿度，首先將鋼筋套筒灌注至預設比例，待灌漿料達到強度再澆筑進剪力墻內，養護 28 d 至規定強度。澆筑成型后的試件如圖 3 所示。

圖3 沖擊彈性波法試驗試件

2.3 試驗裝置及測試方法

2.3.1 試驗裝置

本次試驗所用的檢測儀器是由四川某公司生產的裝配式結構多功能檢測儀及混凝土多功能檢測儀，這兩者具有接收和處理應力波的功能，能夠檢測出混凝土結構內部裂縫、缺陷以及預應力孔道的注漿密實度。試驗中采用直徑為 17 mm 的小鋼錘作為沖擊源。試驗設備如圖 4 所示。

圖4 檢測儀（內置）及混凝土多功能檢測儀（外置）

2.3.2 測試方法

運用沖擊彈性波法，以小鋼錘作為沖擊源對剪力墻內部不同布置形式的灌漿套筒進行檢測，探究基于人工智能評判套筒內部缺陷的位置、大小的可靠性。為了消除測試誤差，試驗過程中套筒范圍上的每個測點激振 2 次，測試方向從套筒底部向頂部依次測試，把下一個測點作為上一個測點的激振點。試驗時，對所有試件混凝土區域標定卓越周期，用于區分密實區域與非密實區域。測試及分析的項目主要為以下 2 點。

1）觀察分析接收到的應力波頻譜圖，結合實際套筒灌漿狀況探究沖擊彈性波法檢測的準確性。

2）基于人工智能評判，并結合接收到的應力波頻譜圖和套筒灌漿的實際狀況，對人工智能評判結果的可靠性進行評估。激振示意圖及現場檢測照片如圖 5 所示。

圖5 激振示意圖及檢測照片

3 試驗結果及分析

套筒灌漿密實度檢測的二維等值線云圖和 AI 解析結果如表 2 所示。二維等值線云圖的縱軸表示測試的長度，測試方向從注漿口向出漿口依測點順序進行，橫軸表示彈性波的傳播里程，軟件中將其除以 2，轉換為試件厚度方向的深度，圖中豎直線表示試件的厚度，因此，當接受信號比標定的豎直線晚時，則表示彈性波在灌漿不密實的套筒中發生繞射。

3.1 灌漿套筒單排居中布置

1）當灌漿飽滿度為 0 時（編號 4-1），從二維等值線

云圖可以看出，注漿口到灌漿口段接受的信號的時刻要明顯延后于標定的時刻，說明套筒內無灌漿料，AI 分析結果表示所測得的各點均為存在缺陷，兩種方法結果一致。

表2 剪力墻模型套筒灌漿測試一覽表

2）當灌漿飽滿度為 50 % 時（編號 4-2），二維等值線云圖中反射信號較為強烈，并未出現延后標定時刻的信號，因此未能檢測到灌漿套筒中的實際灌漿飽滿度；采用 AI 分析方法分析試件中各測點，發現 AI 方法測得的結果與實際結果較為接近。

3）當灌漿飽滿度為 80 % 時（編號 4-3），信號接收時刻先于標定時刻，反射強度較為明顯，且在缺陷處出現了雙頻峰，未能檢測到灌漿飽滿度的真實情況；AI 分析結果接近實際灌漿飽滿度，但有 1 個測點的兩次測得結果不一致。

4）當灌漿飽滿度為 100 % 時（編號 4-4），二維頻譜等值線圖在標定時刻處信號反饋強烈，整體反射均一，效果明顯，可以較好反映套筒內部灌漿情況；AI 測得的結果與實際情況相符，無缺陷產生。

3.2 灌漿套筒“梅花形”布置布置

1）當灌漿飽滿度為 0 % 時（編號 5-1），頻譜二維等值線圖中大部分反射信號接收時刻晚于標定時刻，但也出現了局部重合的測點，總體上可以反映套筒灌漿飽滿度；AI 測得的結果與實際相符，各個測點均顯示套筒內部存在缺陷。

2）當灌漿飽滿度為 50 % 時（編號 5-2），頻譜二維等值線圖中大多數測點反饋的信號要晚于標定的時刻，不能反映套筒中實際灌漿情況；AI 測得的結果基本可以反映套筒內部的灌漿量的比例，值得注意的是有一個測點兩次測量結果不一致。

3）當灌漿飽滿度為 80 % 時（編號 5-3），頻譜二維等值線圖中接受到反射信號的時刻多與標定時刻重合，沒有延遲接受到的信號，不能夠真實反映出灌漿缺陷；AI 分析與實際情況較為相符，可以準確測得各測點的灌漿情況。

4）當灌漿飽滿度為 100 % 時（編號 5-4）頻譜二維等值線圖中各測點的反射信號基本位于標定時刻，說明套筒灌漿量為 100 %，與實際情況相符；AI 分析結果顯示各測點灌漿無缺陷。

4 結論

通過基于人工智能評判的沖擊彈性波法所測得套筒灌漿飽滿度的結果，可以得出以下結論。

1）人工智能評判的檢測結果更加直觀、簡單，可以避免人為因素的影響，從而降低對檢測人員的技術水平和經驗的要求。

2）當灌漿套筒內部灌漿狀態為全灌或全空時，人為判斷與人工智能判斷結果均較為準確，當灌漿飽滿度為 50 % 或 80 % 時，會影響兩種判斷方法的判斷結果，但僅影響人工智能判斷結果的極個別測點。

3）相較于人為判斷頻譜二維等值線圖，采用人工智能評判的方法準確率可提高 50 %，但值得注意的是，個別測點兩次結果相悖，因此，人工智能評判方法仍需進一步的優化。Q