0 引言
截至 2023 年底,国内投入运营的铁路隧道 18573座、总长 23508 km[1], 公路隧道 27297 座、 总长30232 km[2], 城市轨道交通运营线路总里程为10166 km[3],这 3 类隧道的运营规模均居世界首位。
受围岩弱化、材料劣化、施工缺陷等因素的影响,隧道结构在运营过程中易出现裂缝、渗漏水、掉块等病害,若不及时检查处治,易造成隧道结构耐久性和承载能力降低,严重时威胁车辆和行人安全[4-5] ,如四川青鼻山隧道衬砌混凝土掉块导致 1 人死亡[6] 、贵州百花山公路隧道大量涌水导致交通中断、上海地铁 2 号线渗水变形导致地铁停运[7] 。
公路、铁路和城市轨道交通相关的标准规范中,均对 隧道结构病害的检查频次做出了明确要求。JTG H12—2015《公路隧道养护技术规范》 规定,经常检查不少于每季度 1 次,定期检查宜每年 1 次,最长不超过 3 年; TG/ GW 103—2010《铁路桥隧建筑物修理规则》规定,经常检查每月 1 次,定期检查每年 1 次;CJJ/ T 289—2018《城市轨道交通隧道结构养护技术标准》规定,日常检查每季度 1~3 次,常规定期检查每年1~2 次,特别定期检查每 10 年 1~2 次。
随着隧道运营里程不断增加,结构病害呈量大、面广的特点。 铁路隧道和轨道交通检测天窗时间短,公路隧道封闭检测影响交通。 当前隧道检测以人工为主,存在检测效率低、检测精度差、结果主观性强、人力成本大、对检测人员要求高等缺点,与日益增长的运营隧道检测需求不匹配,高效率、不中断交通的隧道快速检测技术成为行业的迫切需求。 依据 T / CECS10024—2019《 公路隧道检测车》、 T / CECS 10320—2023《城市轨道交通隧道结构病害检测车》 可知,“隧道结构快速检测”是指采用已定型汽车底盘改装或移动走行机构,搭载数据采集与数据处理系统,对隧道衬砌表观、衬砌内部、衬砌背后等进行非接触、无损、连续移动检测,相比传统人工检测,其检测效率显著提升。
王勇等[8]对比总结了中日韩铁路隧道检测技术的进展; 王石磊等[9] 根据国内外检测技术现状,提出铁路隧道车载式快速综合检测车、原位及移动精确检测和检测数据信息化管理平台等方面的建议; 黄震等[10]剖析了智能检测设备、检测结果可视化平台和检修一体设备等方面的发展趋势; 刘德军等[4]从公路隧道、铁路隧道和寒区隧道衬砌病害的类型、成因、检测和加固 4 方面系统归纳隧道衬砌诊治研究的现状; 路耀邦等[11]分析了地质雷达和三维激光扫描用于城市轨道交通隧道表观病害检测的局限性。
现有研究多聚焦于单一技术类型或单一病害类型,缺乏以病害为出发点的多种快速检测技术的系统性梳理与对比分析,难以涵盖全部隧道类型,无法为工程实践提供系统性的技术参考。 本文针对不同的病害类型,详细介绍隧道快速检测技术和装备的现状,展望快速检测技术的发展趋势,以期为实际工程中隧道病害快速检测工作提供系统支撑,推动隧道检测技术向更高效率、更高精度和更智能化的方向发展。
1 隧道结构病害现状
截至 2023 年, 基于对国内多条地铁隧道共计1139 km 的检测数据统计可知: 平均每公里 46 处病害,其中渗漏水占 63%,裂缝破损占 17%,且病害数量随运营时间加速增长。 基于国内多条公路隧道共计6362 km 的病害检测数据可知: 平均每公里约 110 处病害,裂缝数量最多,占比 69%; 内装饰破损其次,占比 18%; 渗漏水占比 13%,结构病害问题逐年加重。国内单位公里地铁、公路隧道结构病害数量分别如图1 和图 2 所示。
图 1 单位公里地铁隧道结构病害数量
图 2 单位公里公路隧道结构病害数量
2 隧道结构病害的快速检测方法
隧道结构病害按发生位置分为表观病害、结构内部病害和结构背后病害[12-13] 。 表观病害快速检测方法主要有摄影测量、三维激光扫描、红外热成像和激光超声等; 结构内部病害快速检测方法主要有探地雷达、红外热成像等; 结构背后病害快速检测方法主要是探地雷达等。
2. 1 隧道结构病害分类
表观病害主要包括裂缝、渗漏水、剥落、管片接缝张开错台和轮廓变形等,通常由外部环境或荷载作用直接引起; 结构内部病害包括钢筋锈蚀、浅层剥离、材料劣化等,通常由材料劣化或内部应力变化引起; 结构背后病害主要为结构背后空洞,通常由施工缺陷或围岩条件变化引起[14] 。 表观病害、结构内部病害和结构背后病害的位置示意如图 3 所示。
图 3 病害位置示意图
2. 2 表观病害
2. 2. 1 裂缝
裂缝是隧道最主要的病害,隧道裂缝示意如图 4所示。 裂缝的检测指标包括位置、方向、长度、宽度和深度,传统检测方法采用目测法、直接量测法和钻芯取样,快速检测方法包括摄影测量、三维激光扫描和激光超声。
图 4 隧道裂缝示意图
2. 2. 1. 1 摄影测量
使用工业相机辅助照明设备连续拍摄隧道表面,通过图像处理技术对采集的隧道表面数据进行处理以识别裂缝的长度和宽度。
传统图像处理技术通过图像预处理、阈值分割、特征提取等步骤,实现裂缝的自动识别。 刘学增等[15] 利用灰度变换、形态学方法和图像亚像素边缘检测算法将数字图像处理技术首次运用于裂缝宽度测量; 唐钱龙等[16]采用阈值和边缘信息分割算法、相机像素尺寸标定法定量识别裂缝的长度和宽度; 王耀东等[17] 设计基于分块图像和骨架纹理特征的虚假裂缝纹理算法,用于识别裂缝。
传统图像处理技术受施工缝、螺栓孔、管线等复杂环境因素的影响,鲁棒性较差。 随着计算机性能的提升,人工智能技术快速发展,基于深度学习的裂缝识别算法鲁棒性更高,有助于实现隧道裂缝的快速智能检测。 李子仡等[18] 提出 Crack-GAN 网络分割算法,提高了裂缝的识别效率和准确度; 刘新根等[19] 使用三级联网络结构识别算法,提升了隧道衬砌裂缝检测精度。
深度学习算法需要大量高质量的标记数据训练,数据质量不高或代表性不足会影响裂缝识别的准确性,有限的数据样本导致采用深度学习算法识别裂缝的准确性有待提高。
2. 2. 1. 2 三维激光扫描
三维激光扫描基于激光测距原理快速扫描隧道表面(见图 5),获取大量表面点的三维坐标、颜色和反射率等数据,通过对采集数据进行点云拼接、噪声去除、特征提取和三维建模,得到裂缝长度和宽度的特征信息。
图 5 三维激光扫描隧道点云模型
高精度的三维激光扫描仪可以采集裂缝的几何数据,隧道裂缝检测工作基于点云数据开展。 Xu 等[20]提出高斯滤波最优参数,提高裂缝自动识别的效率和精度; 王晓静等[21]基于卷积神经网络,智能识别和提取隧道裂缝; Yang 等[22] 提出结合膨胀算法和 Canny算法的裂缝自动智能识别和提取方法; Yoon 等[23] 根
据激光扫描点云数据的辐射和几何特征提取隧道衬砌裂缝。 激光点云数据普遍应用于较宽裂缝的识别与提取,难以精确检测细微裂缝。
2. 2. 1. 3 激光超声
混凝土激光超声基于热弹机制,采用激光作为激励源,激光照射在混凝土表面形成局部的瞬时膨胀和收缩产生超声波,分析超声波信号可以得到裂缝深度信息。
激光超声技术主要用于金属无损检测,在混凝土结构表面裂缝检测方面: 杜文卫等[24] 采用数值模拟和试验的方法探究瑞雷波检测混凝土裂缝的可行性;童凯等[25]通过试验探究传播路径、传播距离、裂缝深度对激光超声瑞利波的影响; 金谏等[26] 通过分析试验和数值模拟中超声信号的特征定性检测混凝土裂缝;刘学增等[27] 采用数值模拟和试验研究激光激发表面波在混凝土裂缝中的传播规律。 以上研究奠定了激光超声在混凝土裂缝定性或定量检测方面的基础,为大型混凝土构件缺陷快速检测提供了新的解决方案。
2. 2. 1. 4 检测方法对比
摄影测量的精度最高、检测速度最快,能够精确测量裂缝的宽度和长度,目前在 80 km 时速下,隧道裂缝宽度的最高检测精度可达 0. 1 mm,但其对光照条件要求较高,数据处理量较大,复杂环境下鲁棒性较差; 三维激光扫描能够识别粗裂缝并进行三维建模,但检测精度受扫描点数和移动速度限制,对细微裂缝识别的精度有限; 激光超声目前能够检测裂缝深度,对裂缝宽度和长度的测量精度较低,难以全面反映裂缝的几何特征。
2. 2. 2 渗漏水
渗漏水是隧道主要病害之一(见图 6),会引发钢筋锈蚀等病害发展,同时影响交通安全[28] 。 渗漏水检测指标包括位置、面积、水量和水质,传统检测方法采用目测法和直接量测法,快速检测方法主要有红外热成像、摄影测量和三维激光扫描[29] 。
图 6 隧道渗漏水
2. 2. 2. 1 红外热成像
渗漏水的比热容较大且蒸发时吸收热量,导致渗漏水处结构表面温度低于相邻隧道表面温度,红外热成像技术通过测量隧道表面红外辐射能量计算温度差,以定位渗漏水位置[30] ,如图 7 所示。
图 7 渗漏水的红外热像图
红外热成像技术用于隧道渗漏水检测的研究重点为渗漏水处的红外辐射特征与智能识别方法。 Haack等[31]首次论述了红外热成像技术检测隧道结构渗漏水的可能性; 豆海涛等[32] 分析了结构表面温差,渗漏水水量、位置以及衬砌表面材料等因素对隧道渗漏水红外辐射特征的影响规律; 郑艾辰等[33] 分析了不同流速和面积的渗漏水红外辐射特征; 杨国田等[34] 提出基于粒子群的最佳熵阈值红外图像渗漏水识别算法; 王烽人[35]提出基于卷积神经网络的算法,定量识别隧道红外热像图中的渗漏水。 红外热成像技术可以准确识别渗漏水的位置和面积,但无法用于渗漏水水量的识别。
2. 2. 2. 2 摄影测量
渗漏水的摄影测量检测方法主要集中在面积和形状的智能识别方面。 彭斌等[36] 建立了基于图像直方图的波谷分析二值化渗漏水识别方法; Geng 等[37] 提出改进的 BlendMask 图像分割模型,提取了隧道衬砌图像的漏水区域; 周中等[38] 提出基于 DeepLabv3+语义分割算法、轻量化 EfficientNetv2 和卷积注意力机制的深度语义分割算法,检测隧道渗漏水的位置和形状。摄影测量技术可以很好地用于隧道渗漏水面积和形状的检测。
2. 2. 2. 3 三维激光扫描
渗漏水对激光的吸收率高于相邻结构表面,检测渗漏水和相邻结构表面的反射光强度差并结合扫描的三维坐标数据,可判断渗漏水的位置和面积。
三维激光扫描技术用于隧道渗漏水检测方面的研究主要为渗漏水位置和面积的智能识别。 吴昌睿等[39]基于多项式模型、栅格化方法和二值分割算法,可快速、自动定位渗漏水位置和面积; Liu 等[40] 提出了基于调和映射的隧道表面参数化算法,检测裂缝、渗漏水、掉块等病害; Vierhub-Lorenz 等[41] 开发了多参数激光扫描系统,检测隧道三维几何形状和渗漏水病害。
2. 2. 2. 4 检测方法对比
三维激光扫描和黑白相机摄影测量方法难以区分渗漏水类型和干湿状态,利用高性能红外热成像仪可进行辅助甄别,也可采用彩色相机弥补,但采集数据量大,速度较慢。
2. 2. 3 剥落
剥落指隧道表面混凝土起层掉落,表面砂浆呈片状流失的现象[42] ,如图 8 所示,严重的剥落病害可能威胁行车安全。 剥落的检测指标包括位置、面积和深度,传统检测方法采用目测法和直接量测法,快速检测方法采用摄影测量。
图 8 隧道剥落示意图
剥落的摄影测量检测方法研究重点为面积和形状的智能识别。 Dawood 等[43] 开发了基于图像处理和机器学习的集成模型,自动化检测隧道剥落病害; Xu等[44]通过提高图像分割网格的精度,检测和分割剥落病害; Wang 等[45]提出基于监督生成对抗网络的隧道表面畸变图像恢复方法,提高了剥落的识别精度。 摄影测量用于包括剥落在内的表面病害检测的效果很好。
2. 2. 4 接缝张开、错台
管片接缝处张开或错台是运营盾构隧道主要的病害类型。 传统检测方法采用全站仪、游标卡尺、位移计和测缝计等仪器直接量测,快速检测方法采用三维激光扫描实现管片接缝张开量和错台量的快速测量。
三维激光扫描技术基于点云数据拟合断面,计算相邻管片相对位移为接缝张开量、错台量。 鲍艳等[46]采用最小二乘法拟合相邻管片边界线,以计算管片的张开和错台量; 成枢等[47]基于改进 RANSAC-LSM 算法套合计算椭圆曲线的径向差值计算管片错台量。 为了获得更高的识别精度和效率,引入深度学习算法检测盾构隧道管片接缝张开量和错台量。 卢建军等[48]采用 K-means 算法直接确定点云数据中环缝的位置,提高了错台检测的效率和精度; 谢嘉伟等[49] 基于最小二乘法和 ResNet 算法识别错台病害。
2. 2. 5 轮廓变形
结构轮廓变形是评价隧道结构服役性能最主要的参量(见图 9)。 传统检测方法使用全站仪、收敛仪等仪器直接测量,快速检测方法包括摄影测量和三维激光扫描。
图 9 隧道轮廓变形
2. 2. 5. 1 摄影测量
Wang 等[50]采用断面图像法改善运营隧道变形测量中普通数码相机镜头畸变的问题; 王德咏等[51] 采用优化 DLT 算法验证近景摄影测量在隧道结构变形检测中的精确性和有效性。 摄影测量技术检测轮廓变形需要使用高质量相机并辅助大量点定位,处理大量采集图片成为后续工作的难题。 双目视觉测量技术突
破现有技术局限性,使用 2 个摄像头同时获取图像信息,得到隧道三维轮廓变形[52] 。
2. 2. 5. 2 三维激光扫描
三维激光扫描技术在隧道轮廓变形检测方面具有广泛的应用。 谢雄耀等[53] 从数据采集和处理 2 方面进行了三维激光扫描技术用于隧道变形检测的研究;刘绍堂等[54]研究了三维激光扫描技术用于隧道变形检测时的误差来源和影响规律; 刘新根等[55] 构建了点云噪点多次层迭代剔除算法检测隧道变形; Walton
等[56]将椭圆拟合算法用于隧道变形趋势和隧道异常运动检测; 何江等[57]提出了隧道参数化建模方法,使隧道结构收敛变形可视化; 王耀东等[58] 提出基于遗传算法和 Levenberg -Marquardt 算法的非线性优化方法,实现了地铁隧道轮廓点云的高精度标定。 三维激光扫描测量隧道轮廓变形需要优化数据处理算法,提高海量点云数据识别效率和精度。
2. 2. 5. 3 检测方法对比
对于轮廓变形,三维激光扫描相比摄影测量应用更广、精度更高,摄影测量多用于轮廓变形定点监测,需要设置 3 个以上的标靶,且图像处理算法对测量精度影响也较大。
2. 3 结构内部病害
2. 3. 1 钢筋锈蚀
钢筋锈蚀会降低钢筋承载力,锈胀发展到一定程度将引起浅层混凝土剥落,导致结构力学性能降低,缩短隧道寿命[59-60] 。 钢筋锈蚀的检测指标包括锈蚀位置、范围和截面损失率,传统检测方法采用半电池电位法和电阻率法[61] 。 国内外探索了红外热成像和探地雷达检测钢筋锈蚀病害的可能性。
2. 3. 1. 1 红外热成像
钢筋锈蚀产物的导热系数小,形成保温层阻止热量交换,导致结构表面出现局部温度差,红外热成像技术通过探测隧道表面的微小温度变化,识别钢筋锈蚀病害的位置和程度。 Szymanik 等[62] 采用微波激发的红外热成像技术定性检测浅层钢筋; 刘学增等[63] 研究了钢筋锈蚀程度对隧道结构表面温度分布的影响,用于快速判定锈蚀程度; Baek 等[64] 提出了基于电磁感应和红外热成像技术的集成检测系统,快速检测锈蚀钢筋。 钢筋锈蚀产物的温度特性,使红外热成像技术检测钢筋锈蚀病害成为可能。
2. 3. 1. 2 探地雷达
探地雷达发射的高频电磁波在介电特性有差异的分界面发生反射,分析反射电磁波的信号可以得到病害信息。 洪舒贤等[65]研究了锈蚀裂缝、锈蚀产物等因素对雷达波的影响以及雷达波在不同锈蚀阶段反射信号的变化; Sossa 等[66]定性和定量分析了钢筋是否锈蚀以及锈蚀程度对探地雷达信号的影响; Hasan 等[67]研究了锈蚀截面损失量与探地雷达最大振幅之间的关系。
2. 3. 1. 3 电涡流法
基于电磁感应原理,交变电流通过检测线圈时会在钢筋中感应出涡流,涡流的分布和强度受到锈蚀影响,通过分析涡流信号的变化,可以判断钢筋的锈蚀状态和程度。 Lin 等[68] 基于电磁感应的涡流法,研究了激励信号频率、混凝土厚度、线圈参数以及线圈阻抗之间的定量关系,用于评估钢筋质量损失程度; Jia 等[69]研究了霍尔电压峰值(HVPV) 与钢筋直径的相关关系,以快速识别钢筋的锈蚀区域和锈蚀程度。
2. 3. 1. 4 检测方法对比
钢筋锈蚀目前还依赖于传统检测方法,红外热成像和探地雷达只能检测锈蚀位置,无法检测其范围和截面损失率; 电涡流法的检测深度有限,且受混凝土导电性和磁性的影响。
2. 3. 2 浅层剥离
浅层剥离表现为混凝土起层但不掉落,进一步演变为剥落病害,如图 10 所示。 浅层剥离的检测指标包括位置、面积和深度,传统检测方法采用冲击弹性波法; 红外热成像技术根据带病隧道的热传导规律,可实现保护层内潜在剥离病害的快速检测。
图 10 隧道浅层剥离示意图
川上幸一等[70] 研究采用红外热成像仪检测浅层剥离时隧道环境和结构表面温差对检测精度的影响;Omar 等[71]采用 K-means 聚类算法划分红外热成像图中的剥离区域; 刘学增等[72] 研究了剥离深度、范围、温差等因素对红外热成像探测结果的影响。 上述研究讨论了红外热成像技术检测浅层剥离病害的理论可行性,但隧道的热环境复杂,其工程可行性还需进一步验证。
2. 3. 3 衬砌材料劣化
运营期隧道在外界环境作用下,衬砌会出现混凝土强度降低和碳化的劣化现象,导致结构强度降低,增加隧道在外部荷载作用下的风险[73] 。 衬砌劣化的检测指标包括衬砌混凝土强度和混凝土碳化深度,传统检测方法采用钻芯取样法、回弹法、超声波法、冲击弹性波和超声回弹综合法等检测混凝土强度,采用酚酞试剂法、电化学法和超声波法等检测混凝土碳化深度。目前缺少衬砌材料劣化的快速检测方法。
2. 4 结构背后病害
结构背后空洞病害导致隧道结构强度减弱,增加结构破坏或坍塌的风险,空洞所在位置如图 11 所示。空洞的传统检测方法包括钻孔测量和敲击法,快速检测方法主要为探地雷达。
图 11 隧道结构背后空洞
2. 4. 1 探地雷达
探地雷达检测结构背后空洞原理如图 12 所示。不同的介质对电磁波的反射不同,通过分析探地雷达发射及反射电磁波的波形、频率、振幅、双程走时等信息,可得到空洞的位置与形态。
图 12 探地雷达检测原理
探地雷达主要用于空洞病害的定性和定量识别研究。 Kravitz 等[74] 研究得到探地雷达分辨率最佳时的天线频率; 宋福彬等[75]探究了空洞填充介质、空洞形态以及衬砌厚度不足的探地雷达电磁波响应特征; 郑艾辰等[76]基于支持向量机算法智能识别探地雷达图像中空洞的填充物; 舒志乐等[77] 进行探地雷达三维可视化正演模拟,实现了隧道空洞病害的定量探测;余绍淮等[78] 、毛宁等[79] 通过 YOLACT 网络和卷积神经网络等深度学习算法,实现了空洞病害的自动识别和分类; Liu 等[80]基于多任务深度神经网络和曲线拟合后处理算法,实现了雷达图像中空洞形状、类别、深度以及衬砌厚度等识别; 张永恒等[81] 采用深度学习算法 YOLOv5 和 K-means 聚类算法,实现了雷达图像中空洞和钢筋的识别及检测。
此外,探地雷达分为地耦雷达和空耦雷达 2 类。地耦雷达探测时,天线须紧贴衬砌表面,表面障碍物导致检测速度较慢; 空耦雷达天线与衬砌表面可相隔一段距离(空耦距离),但随着空耦距离增大,检测精度会急剧下降,目前有效空耦距离多数为 0. 2 m。 曹瑞琅等[82]针对空耦雷达的特性,研究了天线类型、检测距离和检测速度对空洞、衬砌不密实和衬砌厚度等检测结果的影响。
2. 4. 2 其他技术
近年来,相控阵雷达、超声相控阵以及声振法已成为结构背后病害检测的研究热点。
1)相控阵雷达通过精确调控阵列阵元的信号强度与相位差,动态加强指定方向的辐射能量,从而形成集中的雷达波束,聚焦扫描隧道。 对扫描数据进行信号去噪、目标检测、目标跟踪等步骤处理,得到背后病害几何信息。 Sui 等[83]将相控阵雷达用于隧道结构缺陷和空洞等病害的精细化检测。
2)超声相控阵换能器由多个压电晶片阵列组成,按照特定时间和规则控制超声波的发射和接收,同时运用合成孔径聚焦成像算法处理接收的超声波数据,最终生成直观的三维图像结果。 超声相控阵已在隧道中实现精细化检测应用,得到的三维图像可直观展示衬砌内部结构和背后空洞的空间分布及几何特征[84-85] 。
3)声振特性是结构的固有属性,结构损伤将改变声振能量传递规律,利用固有振动特性(如自振频率)的异常变化可实现结构损伤状态的诊断。 贾家科[86] 、胡婧[87]进行了声振法用于混凝土结构损伤检测的研究,分析损伤位置和程度对混凝土模态特性的影响。
3 隧道结构快速检测装备
为解决传统隧道结构病害检测方法的局限性,国内外对隧道结构快速检测装备开展了大量研究。
3. 1 国外隧道结构快速检测装备
3. 1. 1 表观病害检测装备
国外的隧道表观病害检测装备多基于摄像测量、红外热成像和三维激光扫描 3 种技术,通过移动平台搭载相机、外热成像仪及激光扫描仪获取隧道表观病害。 根据摄像测量和三维激光扫描的技术优势进行表观病害检测装备的深度研究。 2007 年,日本 Ukai[88]基于线阵相机研制的隧道扫描系统,能以 10~30 km / h的速度检测 0. 8 mm 宽的裂缝; 2012 年,瑞士 Terra 公司研制了 TCrack 裂缝检测车,搭载多个线阵相机,能以 2. 5 km / h 的速度检测 0. 3 mm 宽的裂缝[89] ; 2016年,德国徕卡公司研发徕卡 SiTrack One 移动轨道扫描系统(见图 13),基于三维激光扫描仪和激光轨道断面仪,实现了隧道轮廓收敛和环缝错台自动计算[90] ;2019 年,理光公司基于可拆卸摄影设备,研发了普通车辆装载型隧道检查系统[91] ,可检测渗漏水、裂缝和螺栓松动, 行驶速度约 40 km / h, 裂缝检测宽度达0. 3 mm; 2023 年,西日本高速公路集团基于线阵相机开发隧道衬砌检测车(见图 14),能以最高 100 km / h的检测速度实现隧道表面病害识别[92] ,裂缝检测宽度达到 0. 2 mm; 瑞士 AMBERG 公司研发了 GPR5000 移动测量系统(见图 15),搭载激光扫描仪对地铁结构的病害、限界、错台、变形、收敛情况等进行探测分析,可在扫描速度小于 1. 5 km / h 的情况下识别 0. 3 mm 宽的裂缝[93] 。
图 13 徕卡 SiTrack One 移动轨道扫描系统
图 14 隧道衬砌检测车
图 15 GPR5000 移动测量系统
随着技术的进步和需求的增加,多种技术融合的表观病害综合检测装备成为行业的新趋势。 2008 年,法国 HGH 公司融合红外热成像仪和激光扫描仪研制了 ATLAS70 隧道病害自动检测系统,实现了 5 km / h速度下隧道裂缝、渗漏水和衬砌剥落等表观病害检测,裂缝分辨率为 0. 1 mm[5]; 2012 年,日本的 MIMM 隧
道检测系统融合CCD相机和激光扫描仪, 能以80 km / h 的速度检测渗漏水、轮廓变形和 0. 2 mm 宽的裂缝[94] ; 2013 年,西班牙 Euroconsult 公司研制了隧道检测车 Tunnelings,其搭载线阵相机和激光扫描仪,能以 40 km / h 的速度实现公路隧道和铁路隧道衬砌表观和收敛等病害的检测; 2017 年,三菱电机研制了隧道社会设施监控系统 MMSD[95](见图 16),其搭载高精度线阵相机和高密度三维激光扫描仪, 能以最高50 km / h 的速度实现铁路隧道和公路隧道裂缝、剥落剥离、钢筋锈蚀和渗漏水病害的检测,裂缝检测宽度达0. 3 mm; 2017 年,德国 Spacetec 公司融合线阵相机、激光扫描仪和热成像仪推出了 TS4 型隧道检测车(见图 17),能以 4. 5 km / h 的速度检测隧道裂缝和破损,裂缝检测精度可达 0. 3 mm[96]; 意大利 ADTS SRL 公司开发的隧道扫描车由激光扫描仪和线阵相机组成,能以 30 km / h 的速度检测裂缝、渗漏水和隧道限界,裂缝检测宽度为 1. 0 mm[97]。
图 16 隧道社会设施监控系统(MMSD)
图 17 TS4 型隧道检测车
3. 1. 2 结构内部及背后病害检测装备
隧道结构内部及背后病害检测的主要技术手段为探地雷达,根据天线类型不同分为地耦雷达和空耦雷达。
地耦雷达检测时需将天线紧贴混凝土表面,距离一般不超过 20 cm。 2004 年,东日本铁路公司 ( JREast)开发的 CLIC 隧道衬砌检测车(见图 18) 配备 3个地耦电磁波雷达,能够以最高 3. 5 km / h 的速度扫描40 cm 以内的空洞[98] 。
图 18 CLIC 隧道衬砌检测车
空耦雷达允许天线与隧道表面存在一定距离,检测速度可达到 50~80 km / h,在检测效率方面具有较大优势。 2015 年,美国 Penetradar 公司搭载空耦雷达研发 IRIS 隧道检测系统(见图 19),可实现公路隧道和铁路隧道衬砌或洞壁缺陷检测[99] ; 2018—2019 年,Xiong 等[100] 研发了铁路车载雷达系统, 能以 40~60 km / h 的速度实现衬砌厚度和结构背后空洞的毫米级定位,探测深度可达 2. 5 m; 2014 年,日本计测检查株式会社集成空耦雷达、CCD 相机、激光扫描仪研发隧道 MIMM -R 型移动检测车( 见图 20),能以 50 ~70 km / h 的速度检测衬砌厚度、背后空洞、裂缝、渗漏水和内轮廓变形等病害,空耦距离最远为 3m,衬砌厚度检测误差为±5 mm,空洞直径检测误差为±10 cm[101]。
图 19 IRIS 隧道检测系统
图 20 隧道 MIMM-R 移动检测车
3. 2 国内隧道结构快速检测装备
3. 2. 1 表观病害检测装备
近些年,国内基于摄像测量或三维激光扫描的隧道表观病害检测装备发展迅速。 2014 年,同济大学黄宏伟教授研制了 MTI-100 检测系统,其搭载多个线阵相机,能以 5 km / h 的速度检测裂缝、剥落和渗漏病害,裂缝识别精度为 0. 3 mm[102]; 2016 年,中国铁道科学研究院基于线阵相机开发轨道综合检查车,检测速度为 50 km / h,裂缝识别宽度为 1 mm[103]; 2018 年,北京交通大学基于线阵相机研制轨道移动式隧道表面图像采集系统,裂缝图像检测率达 0. 84[17]; 2020 年,南京航空航天大学研发高精度隧道表面缺陷视觉检测系统(MTSIS),其搭载 8 台线阵相机,实现了地铁隧道表面裂缝、剥落、渗漏等缺陷的全覆盖扫描,准确率超过90%[104]; 2020 年,Sun 等[105] 自主研发了搭载激光扫描仪的 CNU-TS-2 移动隧道监控系统(见图 21),实现了隧道变形值的可视化; 2021 年,Xue 等[106]自主研发了基于线阵相机的移动隧道轮廓测量系统 MTPM-1,通过 SFM-DLT 隧道重建方法实现了隧道渗漏和变形三维可视化; 重庆切克威科技研发了搭载线阵相机的隧道及路面智能快速检测车 TC-1(见图 22),能以最高 90 km/ h 的速度检测公路隧道表观病害,裂缝检测精度达 0. 1 mm。
图 21 CNU-TS-2 移动隧道监控系统
图 22 隧道及路面智能快速检测车(TC-1)
多传感器融合技术进一步发挥表面病害检测优势。 2015 年,武大卓越研制了 ZOYON-TFS 公路隧道快速检测车,其搭载面阵相机、红外热像仪和激光扫描仪,能以最大 80 km / h 的速度检测裂缝、剥落、渗漏水、断面轮廓及 CO2体积分数等项目,裂缝检测精度可达0. 2 mm[107]; 同年,上海同岩科技研制了同济曙光
TDV-H 公路隧道快速检测车(见图 23),其搭载三维激光扫描仪、线阵相机、红外热像仪等设备,最高速度达 80 km / h,能进行数据分析、展布图拼接、裂缝提取和渗漏水识别等工作,裂纹检测精度为 0. 1 mm; 2019年,上海同岩科技基于线阵相机、激光扫描仪、红外热像仪、倾角仪等多种装置自主研发轮轨式地铁隧道结构检测车 TDV-S(见图 24),实现地铁隧道裂缝、渗漏水、剥落剥离、错台、收敛变形、限界侵限、异物等项目快速检测,检测速度可达 80 km / h,裂缝检测精度达0. 1 mm; 上海勃发空间信息技术有限公司搭载激光扫描仪和线阵相机研发 Tlsd 隧道检测系统,用于变形测量、限界测量、病害检测和设备调查等,结构变形测量精度为±2 mm[108]; 东方海事基于线阵相机和激光扫描仪研发了地铁综合检测小车 ( 见图 25 ), 能 以15 km / h 的速度检测表观病害、金属件脱落和收敛变形,宽 3 mm 以上裂纹检出率≥80%。
图 23 TDV-H 公路隧道快速检测车
图 24 地铁隧道结构检测车(TDV-S)
图 25 地铁综合检测小车
3. 2. 2 结构内部及背后病害检测装备
国内针对空耦雷达的特性,开展了一系列隧道内部病害检测设备研发工作。 2022 年,成都西南交大研究院有限公司搭载空耦雷达,研制了 XJ-VMGPR 型车载探地雷达检测系统[109]
(见图 26),能在不停电的情况下以 20~80 km / h 的速度识别 6 条测线全断面的隧道衬砌厚度、衬砌配筋、衬砌背后密实度和脱空情况;2020 年,中国矿业大学(北京)研制了地铁隧道安全隐患综合检测车(见图 27),其搭载空耦雷达、线阵相机、三维激光扫描和红外成像设备,能以 10 km / h 的速度检测表观病害、内部病害和轮廓变形,裂缝检测精度达0. 1 mm。
图 26 XJ-VMGPR 型车载探地雷达检测系统
图 27 地铁隧道安全隐患综合检测车
3. 3 国内外隧道快速检测装备技术指标对比
随着隧道检测需求的不断增加,国内外研发了多种基于不同技术的快速检测装备,这些装备在检测对象、检测速度、检测精度和适用场景等方面各有特点。 为全面了解现有装备的技术水平和发展趋势,对国内外典型隧道快速检测装备与系统的技术指标进行了对比分析,表 1 示出了主要装备的核心技术参数及其性能特点,以期为工程实践中的装备选型和技术改进提供参考。
4 结论和展望
我国隧道运营规模不断增加使得结构病害检测数量急剧增大,快速检测技术和装备可显著提升检测效率与质量,降低人工成本。 本文介绍了国内外快速检测技术和装备的现状,主要结论及展望如下。
4. 1 结论
1)目前,大量隧道病害检测工作仍以人工巡检配合水准仪、裂缝计、全站仪等仪器测量为主,效率低、成本高、风险大,难以满足日益增长的隧道检测需求。 随着传感器技术和计算机技术的发展,病害检测方式由传统的人工检测逐渐变为基于摄影测量、三维激光扫描、探地雷达、红外热成像、激光超声的快速检测。
2)表观病害常用的快速检测技术有摄影测量、红外热成像、三维激光扫描。 摄影测量用于病害检测速度较快,对补光要求较高,后续数据处理工作量大; 红外热成像的图像直观、检测速度快,但检测精度低、抗干扰能力差,仅限于渗漏水检测,局限性大; 三维激光扫描用于变形测量精度较高,但速度较慢、裂缝识别精
度较低。 国内装备检测相对国外起步晚,但是发展较快,检测速度最高可达到 100 km / h,裂缝检测精度达0. 1 mm,裂缝、渗漏水、剥落特征可自动识别。
3)结构内部和背后病害的快速检测技术主要有探地雷达、红外热成像。 探地雷达用于病害检测时,受制于空气耦合距离的影响,检测速度较慢; 钢筋锈蚀、衬砌材料劣化还依赖于接触式的检测方法,基于机器视觉和红外融合的浅层剥离检测已开始应用于隧道掉块的快速检测,还需要大量数据验证。
4. 2 展望
目前隧道快速检测技术多用于表观病害,针对隐蔽性强、危害性大的结构内部和背后病害的快速检测技术发展缓慢; 此外,隧道的安全服役对检测提出了更高的要求,例如检测装备功能多样化、数据分析智能化、隧道服役性能和病害发展预测的精准化。
4. 2. 1 隧道结构内部和背后病害快速检测
隧道结构内部和背后病害对隧道服役性能具有重要影响,常规地耦雷达在检测时需要紧贴结构表面,电缆、灯具、吊支架等障碍物导致检测速度一般不超10 km / h,严重制约检测效率,故需要研究非接触的快速检测技术,如空耦雷达、超声相控阵或声振法,实现隧道内部状态快速化检测,为构建车载快速化综合检测车提供技术支撑。 空耦雷达需要围绕天线构造、电磁频谱、信号增强、信号 AI 分析等方面开展系列研究;超声相控阵需要在探头选型、声束发射时间控制、信号特征处理等方面开展研究; 声振法则需要对隧道结构的固有振动频率、声振响应特性、损伤特征等规律进行分析。
4. 2. 2 多功能快速综合检测车
隧道病害随服役时间逐年增加,检测质量和时效性要求越来越高,单一功能的快速检测装备难以满足行业发展需求。 迫切需要研制集隧道结构表观病害、内部病害、背后病害等项目为一体的多功能检测装备。
4. 2. 3 病害全自动智能化精准识别与边检边报
借助计算机视觉、深度学习、边缘计算、5G 等技术,实现对图像、视频的智能化自动分析处理,精确识别隧道内部结构和病害信息,并快速生成检测报告,实现边检测边报警,实时反馈隧道安全状况。
4. 2. 4 隧道结构检测多源数据融合诊断分析平台
综合运用地质勘察、设计施工、结构监测检测等多源数据,结合多病害检测指标,建立信息融合平台,运用关联分析、数据挖掘、大数据分析、数值仿真等手段,精确诊断隧道结构服役性能与病害发展趋势预测,为隧道结构科学养护提供精准评估依据。