钢筋套筒灌浆密实度批量检测技术探讨

卞德存 1 、 2 、 3 赵亚宇 1 郭都城 1 赵鸿彬 1

广州市市政工程试验检测有限公司， 2. 广州市建筑科学研究院有限公司， 3. 华南理工大学 土木与交通学院

摘 要: 套筒灌浆密实度作为关系到装配式建筑结构安全性的重要因素，应按规范要求进行全数检测。目前已有检测方法均为抽检。本文提出了一种钢筋套筒灌浆密实度的批量检测方法：利用带肋套筒及快速激振装置完成套筒振动信号快速、高质量采集，结合BP神经网络智能算法实现对套筒检测数据中缺陷信号的自动化识别。

关键词:装配式建筑；灌浆套筒；密实度；激振；BP神经网络

中图分类号： 文献标志码：

1. 引言：

随着装配式建筑模式的迅速推广，其建筑结构的质量检测日益受到工程技术人员的关注。目前，装配式建筑预制构件的主要连接方式是采用钢筋套筒灌浆连接，由于钢筋套筒属于隐蔽结构，其内部结构复杂，如何对其内部的灌浆饱满程度进行进行，一直是业界的技术难点。住建部于 2014 年颁布了《装配式混凝土结构技术规程》（JGJ1-2014），要求对钢筋套筒灌浆密实度进行全数检测。目前，已纳入套筒灌浆质量检测规范的检测方法有钢丝拉拔法、阻尼振动传感器法，X射线法。然而，由于上述方法的试验步骤繁琐、试验成本较高、检测安全性较差，无法实现对套筒的全数检测，这在一定程度上失去了对装配式建筑关键节点连接强度的监管能力，加剧了装配式混凝土结构的推广难度。本文提出了一种全新的套筒灌浆质量全数检测技术，该技术试验成本低、检测过程简单方便，便于大规模套筒检测应用。

2. 套筒灌浆密实度批量检测原理

在对钢筋套筒施工缺陷进行检测时，不同的灌浆施工缺陷对钢筋套筒内由相同激振引起的振动信号的影响是不同的，分形理论中的盒维数作为一种衡量结构振动特征的无量纲指标，已经广泛应用于机械结构、桩基础、梁、柱等实体的缺陷识别及锚杆锚固质量诊断当中。因此，可以推断当钢筋套筒结构中出现病害及缺陷后，结构整体的振动特性也将发生改变，振动响应信号复杂程度随之变化，这一变化将以盒维数的形式表现出来。对于装配式建筑钢筋套筒来说，由于预制构件中的钢筋套筒具有结构尺寸一致、灌浆料相同、钢筋型号一致、埋设方式近似的特点，在施工质量良好的情况下，各个钢筋套筒的盒维数特征应相差不大，若其中存在有灌浆施工缺陷的钢筋套筒时，便可通过盒维数特征进行快速判别，对盒维数异常的灌浆套筒，通过X射线进行缺陷探测，最终实现对全部套筒灌浆质量的检测。

考虑到钢筋套筒施工缺陷与其振动响应曲线盒维数之间并非简单的线性对应关系，批量检测技术同样引入了BP神经网络算法，用以建立套筒施工缺陷与盒维数之间的非线性映射关系。BP神经网络的学习模式为有导师学习，而装配式建筑工程中大量存在钢筋套筒结构，能够为BP神经网络的学习提供海量的训练样本，进而提高神经网络对缺陷的识别能力。

为实现套筒灌浆质量的批量检测，本技术针对以下几个关键技术难点进行了详细地探讨：

2.1带肋灌浆连接套筒

由于套筒为隐蔽结构，若采用敲击振动的方式进行检测，则仅有进浆口及出浆口为外露结构，这对于试图检测套筒内部是否存在灌浆缺陷来说是不利的。本技术开发了一种全新的带肋灌浆连接套筒，如图1所示。

图1 带肋套筒结构及安装示意图

该类型套筒在出浆口、进浆口之间设有金属导振肋，套筒、出浆口、进浆口与导振肋为一次铸造而成，从而在振动法检测金属套筒密实度时，导振肋作为振动传导体，将冲击产生的振动弹性波直接传导至金属套筒内的灌浆料，降低了金属套筒外侧混凝土介质及界面对弹性波的干扰，进而完成对出浆口、进浆口之间的金属套筒内部灌浆的密实情况检测，提高了检测的精度。此外，由于该型套筒结构简单，进行量产时，其仅需对现有套筒模具稍加改造即可实现，成本可控，同时提高了金属套筒的整体强度；针对使用该型套筒的大型桥梁立柱，该技术成功解决了钢丝拉拔法、振动阻尼传感器法等仅能对测点区域内的灌浆质量进行检测的技术难题，大大的提高了检测的可靠性。

2.2快速激振装置

一般的振动检测技术通过检测人员手持振动传感器紧贴于灌浆套筒的进（出）浆口，另一检测人员通过敲击的方式使出（进）浆口产生激振。由于检测人员在敲击的过程中力度及位置的准确性较差，需要多次重复敲击以取得平均值。这种需要多人协调配合才能完成，且敲击准确度无法控制的激振方式是远远无法满足大批量套筒检测工程要求的。另外，由于敲击力度的不可控，也会导致激振波形出现差异，最终影响到检测结果的准确性。为了克服这一问题，本技术提出了一种高效的灌浆套筒激振装置，如图2所示。该装置通过超磁致振源产生激振波，有效避免了因敲击准确度无法控制而导致的重复敲击。同时，通过整合超磁致振源及振动传感器，使得仅需要一个检测人员就可以轻易地完成激振与振动反馈波形采集操作。

图2 快速激振装置工作示意图

2.3 密实度智能识别方法

为了解决检测数据批量、快速缺陷识别，本技术基于BP神经网络基本原理，提出了一种钢筋套筒灌浆密实度快速智能识别方法。该方法首先通过快速激振装置采集带肋套筒的激振数据，然后利用小波变换，将钢筋套筒激振反馈波形进行降噪分解，并利用分形原理对分解后的波形进行盒维数分析。在此基础上，提取描述缺陷特征的分形特征向量F_B，并将分形特征向量F_B作为BP神经网络的输入值，经BP神经网络智能分析判别后，输出钢筋套筒的灌浆缺陷类型及密度信息。利用这种智能识别方法对钢筋套筒灌浆密实度进行检测，可以大大的提高检测人员的检测效率、降低检测成本及人为因素干扰，提高检测精度。

3. 结论

装配式建筑预制构件灌浆套筒连接质量直接决定建筑结构的安全性及稳定性，传统的套筒检测手段均为抽检，无法保证所有套筒的实际灌浆质量。利用带肋套筒和快速激振装置，并搭配智能化的缺陷识别算法，可全数、高效、低成本地完成套筒检测工作，为保障装配式建筑质量，提供了新的思路。

参考文献

[1] 姜绍飞, 蔡婉霞. 灌浆套筒密实度的超声波检测方法[J]. 振动与冲击, 2018(10).

[2] 李向民, 高润东, 许清风, et al. 基于X射线数字成像的预制剪力墙套筒灌浆连接质量检测技术研究[J]. 建筑结构, 2018.

[3] 刘辉, 李向民, 许清风. 冲击回波法在套筒灌浆密实度检测中的试验[J]. 无损检测, 2017(04):18-22.

[4] 祝雯, 高梓贤, 黄石明. 基于预埋阻尼振动传感器法的钢筋套筒灌浆饱满度检测技术研究[J]. 工程质量, 2018(11):7-10.

[5] 高润东, 李向民, 王卓琳, et al. 基于预埋钢丝拉拔法的套筒灌浆饱满度检测技术研究[J]. 施工技术, 2017(17).

[6] 崔士起, 刘文政, 石磊,等. 装配式混凝土结构套筒灌浆饱满度检测试验研究[J]. 建筑结构, 2018(2):40-47.

[7] 李宏男, 孙鸿敏. 基于小波分析和神经网络的框架结构损伤诊断方法[J]. 地震工程与工程振动, 2003, 23(5):141-148.

[8] 刘明贵, 岳向红, 杨永波, et al. 基于Sym小波和BP神经网络的基桩缺陷智能化识别[J]. 岩石力学与工程学报, 2007(s1).

基金项目：广州市建筑集团有限公司科技计划项目（2019KJ012）