基于自发漏磁效应的钢筋锈蚀分级评估研究

周建庭，夏乾文，杨 茂，张 洪，蒋合靖

(重庆交通大学 土木工程学院，重庆 400074)

0 引 言

钢筋发生腐蚀会对钢筋混凝土结构的承载力产生严重的削减作用，是引发钢筋混凝土结构开裂乃至破坏的最重要原因之一[1]。钢筋腐蚀而引发的钢筋混凝土结构耐久性降低已升级为全球关注的焦点，由钢筋腐蚀而产生的经济损失也十分巨大。因此，如何准确地检测和科学地评定钢筋的腐蚀情况变得非常重要且十分迫切。

作为典型的铁磁材料，钢筋的微观磁特性将随着诸如裂缝、应力和锈蚀等缺陷的出现而改变[2]。因此，磁性测量可用于表征包括钢筋在内的铁磁性材料的结构变化。自发漏磁(SMFL)检测技术作为目前最为专业有效的电磁无损检测方法之一，相关研究已经取得了一系列的成果，如ZHANG Hong等[3]，杨茂等[4]研究了SMFL与钢筋混凝土试样锈蚀性能之间的关系；周建庭等[5]研究了钢筋锈蚀损伤而产生的自发漏磁磁场的空间分布规律，并提出了相关计算理论；邱俊澧等[6]对锈蚀后的钢筋混凝土梁抗弯强度与自发漏磁的相关性进行了大量深入的研究；PANG Caoyuan等[7]针对钢筋内部拉力检测问题，提出了基于自发漏磁技术一种新的无损检测方法；吉祥等[8]针对钢筋混凝土梁锈蚀问题，展开了相关试验，但影响因素过多，未建立起钢筋锈蚀等级与磁特征指标之间的关系。笔者首先开展了40根HRB400热轧螺纹钢筋的锈蚀试验，基于自发漏磁检测技术探索裸筋锈蚀与漏磁信号之间的特征关系，提出磁特征指标值，建立钢筋锈蚀评价体系，提出支持向量机(SVM)的钢筋锈蚀评估预测模型，验证该评价体系的可信度，以期为在役桥梁的运营管理提供参考。

1 试验概况

1.1 试件锈蚀

使用切割机将表面无锈蚀的钢筋(HRB400热轧螺纹)切割成长度为50 mm的试件，按照直径不同共分为4组(每组10根)，分别为12、14、16、20 mm，共计40根钢筋。分别对40根钢筋试件进行编号，其中，直径12 mm钢筋的编号对应为1#～10#，直径14 mm钢筋的编号对应为11#～20#，直径16 mm钢筋的编号对应为21#～30#，直径20 mm钢筋的编号对应为31#～40#。

本试验采用电化学法，钢筋正中间5 cm长区域用毛巾包裹好，整个过程中用滴管将5%Nacl溶液连续滴入毛巾中，打开稳压直流电源后，则可通过控制锈蚀时间T和电流大小I对钢筋进行不同程度的锈蚀，如图1。本试验通过控制理论最大截面损耗率S来进行试验设计，按式(1)计算理论最大截面损耗率，列于表1中。锈蚀完成后，按式(2)计算实际截面锈蚀度α，列于表1中。

图1 试验钢筋锈蚀布置

表1 试件锈蚀参数设计

(1)

式中：F为法拉第常数，取96 487 C/mol；I为平均电流强度，A；T为通电时间，s；ΔW理为理论上腐蚀所造成的金属损失，g；R为钢筋的公称直径，cm；l为锈蚀区域的宽度,cm；ρ为钢筋的密度,g/cm3。

(2)

式中：ΔW实为实际腐蚀所造成的金属损失，g；Ro为未锈蚀钢筋的实测直径，cm；Rc为锈蚀钢筋锈蚀区域内的实测最小直径，cm。

1.2 试件SMFL信号采集

试件SMFL信号扫描采用自主设计的三维磁扫描装置对钢筋试件的空间磁信号进行采集。该自动化三维磁扫描装置由支架、轨道、控制箱、磁扫描探头和控制计算机组成。磁扫描探头是由美国霍尼韦尔公司生产制造的三维智能数字磁力计，简称HMR2300，它能够检测试件在不同方向上的磁感应强度，并与计算机直接传输，最终输出扫描路径上数据采集点的空间坐标x、y、z和磁场分量Bx、By、Bz，检测精度达到1 mGs，如图2。

图2 三维磁扫描装置

试件长度方向沿着扫描装置的y轴摆放，磁探头沿y轴扫描获取不同位置的空间磁信号。在试件SMFL信号采集试验中，计算机系统内设定扫描路径和移动速度，其中设定x轴坐标为定值200 mm，y轴的扫描范围是200～700 mm，z轴的扫描范围是5～350 mm，而每个轴的移动速度均为500 mm/min。为了研究HMR2300磁力计提离高度LFH对SMFL的影响，扫描了5、10、40、80、350 mm这5个扫描路径的SMFL信号，如图3。

图3 扫描路径

2 试验结果

2.1 试验数据分析

对40个试件锈蚀前后的SMFL信号进行分析，结果发现，y方向的磁感应强度By和沿z方向的磁感应强度Bz对钢筋锈蚀比较敏感，且相关规律具有普适性，故主要分析SMFL信号By和Bz的分布情况。

以10# 试件为例，当锈蚀度α接近或等于0时，各个提离高度的Bz曲线基本上是单调递减，且基本都在曲线的两端附近分别达到最值，如图4；各个提离高度的By曲线基本呈现包络状且曲线互不相交，端部由于钢筋切割导致部分损伤和应力集中，其初始磁信号在受损处开始突变，呈现出不规律性，如图5。当锈蚀度α>0时，各个提离高度的Bz曲线的单调性在锈蚀区域发生改变，锈蚀处出现单调递增的现象，且在锈蚀区域附近形成新的波峰和波谷，新的波峰和波谷之间的范围可以作为判定锈蚀位置的依据，如图6；各个提离高度的By曲线在锈蚀区域形成一个新的波谷，各曲线交点之间的范围也可作为判定锈蚀位置的依据，如图7。

图4 当α=0时，10#试件Bz试验曲线

在提离高度相同的前提下，随着锈蚀度α增加，锈蚀区域的Bz曲线形成新的波峰和波谷，且新的波峰和波谷之间随着锈蚀度α增加而越陡，波峰和波谷之间的斜率越高，如图4、图6；锈蚀区域的By曲线形成新的波谷，且新的波谷随着锈蚀度α增加而越低，如图5、图7。当采集装置的提离高度LFH=350 mm 时，试件的锈蚀程度对SMFL信号的影响较小，可近似忽略。

图5 当α=0时，10# 试件By试验曲线

图6 当α=0.417时，10# 试件Bz试验曲线

图7 当α=0时，10# 试件By试验曲线

2.2 磁特征指标的提取

为了建立磁信号与试件锈蚀度α之间的模型，实现对不同锈蚀试件的定量检测，需提取能够反映锈蚀度α的磁特征指标。由于提离高度(LFH)对磁感应强度By、Bz具有较大影响。因此，在磁特征指标的提取时，提离高度统一取为5 mm。如图8(a)，锈蚀使曲线的梯度发生了由负到正的变化，斜率β可以反映试件的锈蚀程度，斜率β由式(3)计算可得。同时，如图8(b)，波谷值Bymax可以反映试件的锈蚀程度，但是不同尺寸的试件具有不同的初始磁场。因此，定义了γ，以排除不同初始磁场的影响，具体计算见式(4)。其中，ΔBymax代表锈蚀区域波谷处的磁场增量，Bymax为锈蚀后波谷处的磁感应强度，By0为该位置锈蚀前的磁感应强度，B0为环境磁场的磁感应强度，通常为常数，设为0 mGs。

图8 试件磁特征指标定义示意

定义磁特征指标为：

(3)

(4)

将收集到的1#～40#试件SMFL信号，分别进行提取和计算，得到磁特征指标β和γ值，以此构建反映锈蚀度α的磁特征矩阵，可二维表征α，以提高定量识别的精度。由图9可知，随着锈蚀度α的增大，磁特征指标β、γ总体上呈上升趋势，但是均存在不同程度的离散性。基于此，笔者通过建立相应的评价体系，对磁特征指标β、γ与锈蚀度α之间的关系作深入探究。

图9 所有试件磁特征指标值随α的变化趋势

3 钢筋锈蚀分级评估

3.1 钢筋锈蚀程度的等级划分

采用的是自发漏磁检测技术，作为当前无损检测领域的最新技术之一，具有不需外加磁场、低成本、高效快捷等明显优势。但是，该技术针对钢筋锈蚀度的分类还没有确切的标准，可以借鉴目前使用最为广泛的电化学法的分类标准。

在钢筋锈蚀检测的工程实践中，根据相关检测评定规程[9]，利用电化学法测得的半电池电位值大小可作为其锈蚀程度的评定依据，主要分为5个等级。如果半电池电位值不小于-200 mV时，锈蚀等级可判定为Ⅰ级，此时钢筋大概率无锈蚀；如果半电池电位值介于-300～-200 mV之间时，锈蚀等级可判定为Ⅱ级，此时钢筋可能有锈蚀，但不知钢筋锈蚀的程度；如果半电池电位值介于-400～-300 mV之间时，锈蚀等级可判定为Ⅲ级，钢筋有超过90%的概率出现锈蚀；如果电位值介于-400～-500 mV之间时，锈蚀等级可判定为Ⅳ级，钢筋大概率出现严重锈蚀的状况；如果半电池电位值小于-500 mV时，锈蚀等级可判定为Ⅴ级，此时构件在锈蚀的位置存在开裂情况。但是半电池电位法更多的是对钢筋锈蚀的定性检测和模糊的定量分类，而自发漏磁检测技术能够实现对钢筋锈蚀更清晰地定量复合分类。

通过参考XIA Runchuan等[10]对钢绞线锈蚀等级评估的研究成果，结合电化学法的分类标准，笔者依据锈蚀度α的大小对钢筋锈蚀程度进行分级，总共分为4个等级，见表2。

表2 钢筋的锈蚀度α分类

3.2 磁特征指标判别锈蚀等级

通过分析、整理锈蚀度α与磁特征指标β、γ表征关系，总结出描述结构锈蚀程度的评价指标，提出钢筋锈蚀评价体系，并对钢筋锈蚀程度进行分级，并给出了相应等级的准确率。由表3、表4可知，磁特征指标β、γ单一指标判别的准确率均为80%，整体评价体系具有一定的可信度，但单一指标对中度锈蚀程度判别的准确率最低。由表5可知，磁特征指标β、γ综合判别准确率为92.5%，相比单一指标判别准确率提高了15%，特别是中度锈蚀程度的判别准确率最多提高了50%，评价体系具有较高的可信度。因此，后续试验采取磁特征指标β、γ综合判别的方法进行。为验证评价体系的准确性，同时，也为提高评价体系的精确度，笔者采用支持向量机多分类模型进行锈蚀等级的预测。

表3 β判别准确率

表4 γ判别准确率

表5 β和γ综合判别准确率

4 基于SVM的锈蚀评估验证

4.1 SVM原理

支持向量机是一种以结构风险最小化为基础的模式识别算法，克服了在传统机器学习中维数灾难等问题。相关研究表明，SVM在处理小样本数据集中的分类问题上具有明显优势，其基本理论是将相关样本或数据集输入到指定的特征空间，然后将其映射到高维特征空间中，在这个高维特征空间中求解最优的分类超平面，该平面需要满足既具有相当的分类准确度，同时又能使超平面两侧的分类间隔最大[11]。最优的分类超平面问题式(5)具有等价关系，因此，SVM要求解的最优化问题，等同于求解式(5)：

(5)

(6)

式中：δj为lagrange乘子，对应的内积核函数P(xi，xj)。在内积核函数众多类型中，应用最为广泛的且分类效果最理想的函数是RBF函数。因此，RBF核函数作为SVM算法的核函数[12]，见式(7)：

P(xi,xj)=exp(-μ‖xi-xj‖2)

(7)

式中：μ为核函数待定参数。υ和μ对分类的精度有较大影响，因此，需要采用网络搜索寻优法来使参数υ和μ最优化。

4.2 SVM多分类算法实现

从1#～40# 试件中随机选取30个试件作为训练组，剩余10个试件作为测试组，训练组的锈蚀等级和β、γ均已知，测试组的β、γ已知，假设其锈蚀等级未知，需要我们来预测。用支持向量机对训练组的锈蚀等级和β、γ进行深入分析并建立相应的分类模型，再将此分类模型用来对测试组的试件进行锈蚀度分类。采用LIBSVM工具箱实现SVM的多分类算法，将上述训练组的锈蚀等级作为类别标签，磁特征指标β、γ作为特征值输入，SVM多分类算法的具体实现流程，如图10；由表6可知，SVM多分类模型对测试组的样本进行了锈蚀等级预测，在10个测试样本中，只有35#样本的锈蚀等级预测错误，预测精度达到90%，且预测错误的锈蚀等级和真实的锈蚀等级较为接近，该评价体系具有可信度。

图10 SVM算法流程

表6 测试组试件的输出的锈蚀等级与实际锈蚀等级对比

5 结 论

通过对在不同锈蚀状态下4种直径的试件进行自发漏磁信号采集试验，分析了钢筋锈蚀度α与By、Bz之间的关系，重点探究了试件的锈蚀度α和磁特征指标β、γ之间的对应关系，建立了钢筋锈蚀等级和磁特征指标β、γ之间的评价体系，具体结论为：

1)对试件锈蚀前后的磁感应强度By、Bz进行了探究，发现当提离高度一定时，磁特征指标值β、γ和钢筋试件的锈蚀度α具有较强的相关性，以此作为表征试件锈蚀度α的二维磁特征值，随着锈蚀度α的增加，磁特征指标值β、γ整体呈递增趋势，但都具有一定离散性。

2)通过分析锈蚀度α与磁特征指标β、γ表征关系，建立了钢筋锈蚀等级和磁感应强度By、Bz之间的评价体系。通过对评价体系的分析，发现磁特征指标β、γ综合判别准确率达到92.5%，具有较高的可信度。

3)通过引入SVM统计学习算法，对评价体系的准确性进行评估。对测试组的试件进行相关的评估和分类，准确率也达到90%。相关模型结果证明了该评价体系具有可信度，可为在役桥梁的运营管理提供参考。