基于自發漏磁效應的鋼筋銹蝕分級評估研究

周建庭，夏乾文，楊 茂，張 洪，蔣合靖

(重慶交通大學 土木工程學院，重慶 400074)

0 引 言

鋼筋發生腐蝕會對鋼筋混凝土結構的承載力產生嚴重的削減作用，是引發鋼筋混凝土結構開裂乃至破壞的最重要原因之一[1]。鋼筋腐蝕而引發的鋼筋混凝土結構耐久性降低已升級為全球關注的焦點，由鋼筋腐蝕而產生的經濟損失也十分巨大。因此，如何準確地檢測和科學地評定鋼筋的腐蝕情況變得非常重要且十分迫切。

作為典型的鐵磁材料，鋼筋的微觀磁特性將隨著諸如裂縫、應力和銹蝕等缺陷的出現而改變[2]。因此，磁性測量可用于表征包括鋼筋在內的鐵磁性材料的結構變化。自發漏磁(SMFL)檢測技術作為目前最為專業有效的電磁無損檢測方法之一，相關研究已經取得了一系列的成果，如ZHANG Hong等[3]，楊茂等[4]研究了SMFL與鋼筋混凝土試樣銹蝕性能之間的關系；周建庭等[5]研究了鋼筋銹蝕損傷而產生的自發漏磁磁場的空間分布規律，并提出了相關計算理論；邱俊澧等[6]對銹蝕后的鋼筋混凝土梁抗彎強度與自發漏磁的相關性進行了大量深入的研究；PANG Caoyuan等[7]針對鋼筋內部拉力檢測問題，提出了基于自發漏磁技術一種新的無損檢測方法；吉祥等[8]針對鋼筋混凝土梁銹蝕問題，展開了相關試驗，但影響因素過多，未建立起鋼筋銹蝕等級與磁特征指標之間的關系。筆者首先開展了40根HRB400熱軋螺紋鋼筋的銹蝕試驗，基于自發漏磁檢測技術探索裸筋銹蝕與漏磁信號之間的特征關系，提出磁特征指標值，建立鋼筋銹蝕評價體系，提出支持向量機(SVM)的鋼筋銹蝕評估預測模型，驗證該評價體系的可信度，以期為在役橋梁的運營管理提供參考。

1 試驗概況

1.1 試件銹蝕

使用切割機將表面無銹蝕的鋼筋(HRB400熱軋螺紋)切割成長度為50 mm的試件，按照直徑不同共分為4組(每組10根)，分別為12、14、16、20 mm，共計40根鋼筋。分別對40根鋼筋試件進行編號，其中，直徑12 mm鋼筋的編號對應為1#～10#，直徑14 mm鋼筋的編號對應為11#～20#，直徑16 mm鋼筋的編號對應為21#～30#，直徑20 mm鋼筋的編號對應為31#～40#。

本試驗采用電化學法，鋼筋正中間5 cm長區域用毛巾包裹好，整個過程中用滴管將5%Nacl溶液連續滴入毛巾中，打開穩壓直流電源后，則可通過控制銹蝕時間T和電流大小I對鋼筋進行不同程度的銹蝕，如圖1。本試驗通過控制理論最大截面損耗率S來進行試驗設計，按式(1)計算理論最大截面損耗率，列于表1中。銹蝕完成后，按式(2)計算實際截面銹蝕度α，列于表1中。

圖1 試驗鋼筋銹蝕布置

表1 試件銹蝕參數設計

(1)

式中：F為法拉第常數，取96 487 C/mol；I為平均電流強度，A；T為通電時間，s；ΔW理為理論上腐蝕所造成的金屬損失，g；R為鋼筋的公稱直徑，cm；l為銹蝕區域的寬度,cm；ρ為鋼筋的密度,g/cm3。

(2)

式中：ΔW實為實際腐蝕所造成的金屬損失，g；Ro為未銹蝕鋼筋的實測直徑，cm；Rc為銹蝕鋼筋銹蝕區域內的實測最小直徑，cm。

1.2 試件SMFL信號采集

試件SMFL信號掃描采用自主設計的三維磁掃描裝置對鋼筋試件的空間磁信號進行采集。該自動化三維磁掃描裝置由支架、軌道、控制箱、磁掃描探頭和控制計算機組成。磁掃描探頭是由美國霍尼韋爾公司生產制造的三維智能數字磁力計，簡稱HMR2300，它能夠檢測試件在不同方向上的磁感應強度，并與計算機直接傳輸，最終輸出掃描路徑上數據采集點的空間坐標x、y、z和磁場分量Bx、By、Bz，檢測精度達到1 mGs，如圖2。

圖2 三維磁掃描裝置

試件長度方向沿著掃描裝置的y軸擺放，磁探頭沿y軸掃描獲取不同位置的空間磁信號。在試件SMFL信號采集試驗中，計算機系統內設定掃描路徑和移動速度，其中設定x軸坐標為定值200 mm，y軸的掃描范圍是200～700 mm，z軸的掃描范圍是5～350 mm，而每個軸的移動速度均為500 mm/min。為了研究HMR2300磁力計提離高度LFH對SMFL的影響，掃描了5、10、40、80、350 mm這5個掃描路徑的SMFL信號，如圖3。

圖3 掃描路徑

2 試驗結果

2.1 試驗數據分析

對40個試件銹蝕前后的SMFL信號進行分析，結果發現，y方向的磁感應強度By和沿z方向的磁感應強度Bz對鋼筋銹蝕比較敏感，且相關規律具有普適性，故主要分析SMFL信號By和Bz的分布情況。

以10# 試件為例，當銹蝕度α接近或等于0時，各個提離高度的Bz曲線基本上是單調遞減，且基本都在曲線的兩端附近分別達到最值，如圖4；各個提離高度的By曲線基本呈現包絡狀且曲線互不相交，端部由于鋼筋切割導致部分損傷和應力集中，其初始磁信號在受損處開始突變，呈現出不規律性，如圖5。當銹蝕度α>0時，各個提離高度的Bz曲線的單調性在銹蝕區域發生改變，銹蝕處出現單調遞增的現象，且在銹蝕區域附近形成新的波峰和波谷，新的波峰和波谷之間的范圍可以作為判定銹蝕位置的依據，如圖6；各個提離高度的By曲線在銹蝕區域形成一個新的波谷，各曲線交點之間的范圍也可作為判定銹蝕位置的依據，如圖7。

圖4 當α=0時，10#試件Bz試驗曲線

在提離高度相同的前提下，隨著銹蝕度α增加，銹蝕區域的Bz曲線形成新的波峰和波谷，且新的波峰和波谷之間隨著銹蝕度α增加而越陡，波峰和波谷之間的斜率越高，如圖4、圖6；銹蝕區域的By曲線形成新的波谷，且新的波谷隨著銹蝕度α增加而越低，如圖5、圖7。當采集裝置的提離高度LFH=350 mm 時，試件的銹蝕程度對SMFL信號的影響較小，可近似忽略。

圖5 當α=0時，10# 試件By試驗曲線

圖6 當α=0.417時，10# 試件Bz試驗曲線

圖7 當α=0時，10# 試件By試驗曲線

2.2 磁特征指標的提取

為了建立磁信號與試件銹蝕度α之間的模型，實現對不同銹蝕試件的定量檢測，需提取能夠反映銹蝕度α的磁特征指標。由于提離高度(LFH)對磁感應強度By、Bz具有較大影響。因此，在磁特征指標的提取時，提離高度統一取為5 mm。如圖8(a)，銹蝕使曲線的梯度發生了由負到正的變化，斜率β可以反映試件的銹蝕程度，斜率β由式(3)計算可得。同時，如圖8(b)，波谷值Bymax可以反映試件的銹蝕程度，但是不同尺寸的試件具有不同的初始磁場。因此，定義了γ，以排除不同初始磁場的影響，具體計算見式(4)。其中，ΔBymax代表銹蝕區域波谷處的磁場增量，Bymax為銹蝕后波谷處的磁感應強度，By0為該位置銹蝕前的磁感應強度，B0為環境磁場的磁感應強度，通常為常數，設為0 mGs。

圖8 試件磁特征指標定義示意

定義磁特征指標為：

(3)

(4)

將收集到的1#～40#試件SMFL信號，分別進行提取和計算，得到磁特征指標β和γ值，以此構建反映銹蝕度α的磁特征矩陣，可二維表征α，以提高定量識別的精度。由圖9可知，隨著銹蝕度α的增大，磁特征指標β、γ總體上呈上升趨勢，但是均存在不同程度的離散性。基于此，筆者通過建立相應的評價體系，對磁特征指標β、γ與銹蝕度α之間的關系作深入探究。

圖9 所有試件磁特征指標值隨α的變化趨勢

3 鋼筋銹蝕分級評估

3.1 鋼筋銹蝕程度的等級劃分

采用的是自發漏磁檢測技術，作為當前無損檢測領域的最新技術之一，具有不需外加磁場、低成本、高效快捷等明顯優勢。但是，該技術針對鋼筋銹蝕度的分類還沒有確切的標準，可以借鑒目前使用最為廣泛的電化學法的分類標準。

在鋼筋銹蝕檢測的工程實踐中，根據相關檢測評定規程[9]，利用電化學法測得的半電池電位值大小可作為其銹蝕程度的評定依據，主要分為5個等級。如果半電池電位值不小于-200 mV時，銹蝕等級可判定為Ⅰ級，此時鋼筋大概率無銹蝕；如果半電池電位值介于-300～-200 mV之間時，銹蝕等級可判定為Ⅱ級，此時鋼筋可能有銹蝕，但不知鋼筋銹蝕的程度；如果半電池電位值介于-400～-300 mV之間時，銹蝕等級可判定為Ⅲ級，鋼筋有超過90%的概率出現銹蝕；如果電位值介于-400～-500 mV之間時，銹蝕等級可判定為Ⅳ級，鋼筋大概率出現嚴重銹蝕的狀況；如果半電池電位值小于-500 mV時，銹蝕等級可判定為Ⅴ級，此時構件在銹蝕的位置存在開裂情況。但是半電池電位法更多的是對鋼筋銹蝕的定性檢測和模糊的定量分類，而自發漏磁檢測技術能夠實現對鋼筋銹蝕更清晰地定量復合分類。

通過參考XIA Runchuan等[10]對鋼絞線銹蝕等級評估的研究成果，結合電化學法的分類標準，筆者依據銹蝕度α的大小對鋼筋銹蝕程度進行分級，總共分為4個等級，見表2。

表2 鋼筋的銹蝕度α分類

3.2 磁特征指標判別銹蝕等級

通過分析、整理銹蝕度α與磁特征指標β、γ表征關系，總結出描述結構銹蝕程度的評價指標，提出鋼筋銹蝕評價體系，并對鋼筋銹蝕程度進行分級，并給出了相應等級的準確率。由表3、表4可知，磁特征指標β、γ單一指標判別的準確率均為80%，整體評價體系具有一定的可信度，但單一指標對中度銹蝕程度判別的準確率最低。由表5可知，磁特征指標β、γ綜合判別準確率為92.5%，相比單一指標判別準確率提高了15%，特別是中度銹蝕程度的判別準確率最多提高了50%，評價體系具有較高的可信度。因此，后續試驗采取磁特征指標β、γ綜合判別的方法進行。為驗證評價體系的準確性，同時，也為提高評價體系的精確度，筆者采用支持向量機多分類模型進行銹蝕等級的預測。

表3 β判別準確率

表4 γ判別準確率

表5 β和γ綜合判別準確率

4 基于SVM的銹蝕評估驗證

4.1 SVM原理

支持向量機是一種以結構風險最小化為基礎的模式識別算法，克服了在傳統機器學習中維數災難等問題。相關研究表明，SVM在處理小樣本數據集中的分類問題上具有明顯優勢，其基本理論是將相關樣本或數據集輸入到指定的特征空間，然后將其映射到高維特征空間中，在這個高維特征空間中求解最優的分類超平面，該平面需要滿足既具有相當的分類準確度，同時又能使超平面兩側的分類間隔最大[11]。最優的分類超平面問題式(5)具有等價關系，因此，SVM要求解的最優化問題，等同于求解式(5)：

(5)

(6)

式中：δj為lagrange乘子，對應的內積核函數P(xi，xj)。在內積核函數眾多類型中，應用最為廣泛的且分類效果最理想的函數是RBF函數。因此，RBF核函數作為SVM算法的核函數[12]，見式(7)：

P(xi,xj)=exp(-μ‖xi-xj‖2)

(7)

式中：μ為核函數待定參數。υ和μ對分類的精度有較大影響，因此，需要采用網絡搜索尋優法來使參數υ和μ最優化。

4.2 SVM多分類算法實現

從1#～40# 試件中隨機選取30個試件作為訓練組，剩余10個試件作為測試組，訓練組的銹蝕等級和β、γ均已知，測試組的β、γ已知，假設其銹蝕等級未知，需要我們來預測。用支持向量機對訓練組的銹蝕等級和β、γ進行深入分析并建立相應的分類模型，再將此分類模型用來對測試組的試件進行銹蝕度分類。采用LIBSVM工具箱實現SVM的多分類算法，將上述訓練組的銹蝕等級作為類別標簽，磁特征指標β、γ作為特征值輸入，SVM多分類算法的具體實現流程，如圖10；由表6可知，SVM多分類模型對測試組的樣本進行了銹蝕等級預測，在10個測試樣本中，只有35#樣本的銹蝕等級預測錯誤，預測精度達到90%，且預測錯誤的銹蝕等級和真實的銹蝕等級較為接近，該評價體系具有可信度。

圖10 SVM算法流程

表6 測試組試件的輸出的銹蝕等級與實際銹蝕等級對比

5 結 論

通過對在不同銹蝕狀態下4種直徑的試件進行自發漏磁信號采集試驗，分析了鋼筋銹蝕度α與By、Bz之間的關系，重點探究了試件的銹蝕度α和磁特征指標β、γ之間的對應關系，建立了鋼筋銹蝕等級和磁特征指標β、γ之間的評價體系，具體結論為：

1)對試件銹蝕前后的磁感應強度By、Bz進行了探究，發現當提離高度一定時，磁特征指標值β、γ和鋼筋試件的銹蝕度α具有較強的相關性，以此作為表征試件銹蝕度α的二維磁特征值，隨著銹蝕度α的增加，磁特征指標值β、γ整體呈遞增趨勢，但都具有一定離散性。

2)通過分析銹蝕度α與磁特征指標β、γ表征關系，建立了鋼筋銹蝕等級和磁感應強度By、Bz之間的評價體系。通過對評價體系的分析，發現磁特征指標β、γ綜合判別準確率達到92.5%，具有較高的可信度。

3)通過引入SVM統計學習算法，對評價體系的準確性進行評估。對測試組的試件進行相關的評估和分類，準確率也達到90%。相關模型結果證明了該評價體系具有可信度，可為在役橋梁的運營管理提供參考。