4.1.1 检测
4.1.1.1 桥梁表观病害与结构变位检测
桥梁检测技术历来是国内外学者关注的热点。在桥梁检测的实际应用中，从最初的人工目视检测，到各种结构的无损检测，一直到现在的智能化检测，都是在应用与实践中，逐步地发现问题、探究对策，最后提出新方法、新思路以期能够解决问题。
1）借助无损检测技术，水下结构表观病害检测向三维立体化、全覆盖化发展
水下结构检测目前主要是通过目视判断墩台表面是否存在明显缺陷。现用于水下结构损伤检测的方法较多，尤以人工潜水检测法应用最为广泛。随着科技的发展，近年来提出了立体视觉检测法、水下声呐成像检测法等新兴病害检测技术。各项水下结构病害检测方法的优缺点及其适用范围见表4-1。
表4-1 水下结构病害检测方法
（1）立体视觉检测法，相较于原水下摄像检测法，减少了工作量，但其深度评定准确度有待提高。
立体视觉是计算机视觉领域的重要课题，目的在于重构场景的三维几何信息。鉴于目前在基础表观检测领域广泛应用的人工潜水检测法只能大概估计缺陷的尺寸范围，精确度不高，而水下摄像检测法需要在测量前进行标定，测量工作量较大的现状，近年来有研究者提出了立体视觉检测法评定拱桥水下结构的表观缺陷。立体视觉检测系统可以据同一测点在不同场景中的视差来恢复测点的三维坐标，利用SIFT算法通过对图像特征的提取匹配完成表观缺陷评定，能够较快地输出检测结果，实现快读识别的目标。但是该方法在表观缺陷的长度与宽度评定的准确率要略高于深度评定，因此还需要在后续研究中改进，以提高水下结构表观缺陷评定精确度。
（2）三维成像声呐系统，可提供水下结构更为清晰的表观细节，具有较好的应用前景。
水下声呐成像按照功能和扫描方式，可分为多波束测深系统、侧扫声呐及三维成像声呐。多波束是近代发展起来的一种探测新技术，具有高效率、高精度、高分辨率、全覆盖的明显特点。三维成像声呐系统工作时，首先通过声呐头发射脉冲信号，形成一个扇形扫描区域。系统接收到目标物反射的信号后，结合波束形成、波束指向、振幅及相位检测等技术，得到扇形区域若干个点与换能器的位置信息，生成2D图像，再通过计算机控制云台在水平方向上360°旋转，实现检测目标物不同部位的位置信息，最终形成如图4-1所示的3D结构图像。该方法借助三维显示技术，可提供水下目标外形轮廓的更多细节描述，是目前水下细部结构检测比较先进的手段，在水下结构损伤检测中具有较好的应用前景。
图4-1 三维声学图像
2）依托于无人机、桥检机器人等设备，新型桥梁表观图像的获取技术向无人化、智能化发展
道路与隧道结构表面视野开阔，标高较为一致、少有自然障碍，视频系统易到达且容易进行连续拍摄。但是桥梁梁体位于路线下方，较为隐蔽，而且有桥墩等自然障碍阻断。另外，桥梁结构不仅有桥墩与梁体等低空构件，而且有桥塔、主拱等高耸构件；不仅有梁体、锚碇等面状或块状构件，还有拉索或支座等线状或点状构件，想要获取完整的桥梁表观图像，难度很大。因此，研究人员针对不同需求甚至桥梁上不同类型构件，开发了多种桥梁表观图像的获取技术。这里主要介绍近年来发展迅速的无人机和桥检机器人技术。
（1）桥检无人机发展快，现阶段面临较多技术瓶颈，但优势仍旧突出。
完整的无人机桥梁检测系统由无人机、数据传输系统、任务荷载系统、地面站系统、分析处理系统等组成。相比于传统桥梁检测手段，无人机构造比较简单，运输和维护比较容易，机动性能好，可替代检测人员进行高空作业，能到达传统设备难以到达的盲区，且检测成本普遍低于检测车大概20%。同时，其检测过程无须封闭交通，不影响现有行车秩序。
目前，装备摄像头的无人机（UAV）在桥梁、建筑和其他民用基础设施系统的视觉监控建设和运行方面的应用呈指数级增长。为充分发挥无人机的检测能力，研究人员不断拓展无人机的感知能力，通过为无人机增加不同功能的装置或传感设备，如相机、红外热成像和激光雷达等，以满足不同检测需求。Xu等为桥梁检测和管理开发了一个新颖的系统框架，即通过搭载相机的无人机系统采集图像，基于计算机视觉算法收集和处理检测数据，采用桥梁信息模型（BIM）来存储和管理所有相关信息。Morgenthal等采用配备相机的无人机采集桥梁结构高清图像数据，其飞行路径通过3D模型自动计算，并基于机器学习实现典型损坏模式的识别，实现了对大型基础设施的智能安全评估。钟新谷等采用无人机和三点激光测距仪对桥梁结构进行图像采集，构建基于支持向量机（SVM）的裂缝形态智能提取训练模型，实现桥梁裂缝宽度的智能识别。梁亚斌等根据桥梁结构特点和桥索分布形式设计了利用无人机搭载高清云台相机的方案，批量密集地采集桥索的表观图像，通过图像处理提取有效信息，并依照相关规范对桥索的健康状况作出全面综合评价。Lin等设计了一种结合实时综合图像处理法的桥梁裂缝自动检测系统，将该系统装配在无人机上，可实现实时数据采集和处理。与其他检测方法相比，该系统能够以较高的精度和速度有效地检测桥梁裂纹。此外，也有国外学者以无人机为主力设备，辅助以桥梁监测系统、轨道检测车、爬行机器人、蛇形机器人、爬壁机器人，构建了完整的桥梁检测系统，利用各类设备之间的功能互补，实现了桥梁结构的半自动检测（见图4-2）。
图4-2 国外多元检测手段联合检测技术
在技术流程方面，美国明尼苏达州交通运输厅于2017年发布了无人机桥梁检测技术规程，将无人机桥梁检测划分为5个步骤：桥梁信息分析、场地风险评估、无人机准备、无人机检测实施、损伤识别。同时，该运输厅还提出了基于无人机影像数据的损伤量化技术规程，用以快速有效地评估桥梁病害程度。韩国交通运输部将无人机桥梁检测作业分为3个阶段（见图4-3）。两国对于无人机桥梁检测实施流程的阶段划分不同，但所包含的内容基本一致。
图4-3 韩国无人机桥梁检测作业流程
目前无人机桥梁检测技术发展仍面临较多的瓶颈问题，例如：
①桥下定位能力：对于桥梁检测无人机，由于桥梁结构的遮挡，特别是当无人机在桥下检测时，易导致无人机GPS设备在检测中通信失联，无法收到信号，导航系统瘫痪。再者，桥梁多采用钢筋混凝土结构或钢结构，结构内钢筋网架产生的强磁场严重影响无人机磁罗盘性能，也会导致导航系统的准确性及鲁棒性降低，因此传统无人机技术很难适用于桥梁检测作业。
这类问题的当前主流解决方案是采用视觉导航技术，以摄像机进行图像采集，以计算机为控制站进行图像处理，从而得到导航信息。其优点是不需要外界信息，独立性强，但由于涉及光学、图像、模式识别等多学科的交叉领域，技术路径复杂，实现难度较大。
②复杂环境下巡航能力：在复杂环境下，特别是大风条件下，桥梁附近的风场易对无人机桥梁检测作业产生较大干扰，不但降低了无人机的检测效率，也增加了无人机碰壁风险。
理论上，解决这类问题最直接的方法是提升无人机续航能力和气动功率。续航能力的提升有助于无人机在环境干扰下有充足的时间调整姿态，再进行后续的检测作业，而较高气动功率则可部分抵消复杂环境的干扰，但这两类方法均需无人机挂载大容量的电池组。目前，受锂电池能效较低的限制，为提升无人机功率或续航能力而增加挂载的电池组重量，对机架和电子设备来说压力不小，因此无人机的续航能力在短时间内无法实现显著提升。基于此，部分学者将解决此类问题的重点聚焦于如何提升无人机检测作业效率，如在强风条件下，通过合理的路径规划来降低风场影响，但由于其复杂性，多尚处于实验室研究阶段，特别是在复杂环境下，其在桥梁检测中实际应用效果尚有待进一步检验。
③避障能力：由于无人机摄像系统采集的影像数据只能被处理为二维信息，在复杂桥梁结构形式，特别是钢桁架桥等空间结构下，通过这类信息高精度推断出障碍物的相对位置误差较大，对桥梁检测无人机的避障能力提出了更高的要求。因此，只能靠增加无人机的感知维度来解决此类问题。
目前无人机主流的避障手段多采用机载超声波测距技术，大量研究采用全方位超声波传感器测量无人机机架结构与周围物体间的距离，设备如图4-4所示，进而判断空间的可通过性并进行姿态调整。已有报道显示，这类技术在无人机正常巡航下的最小误差可达4cm。但由于这类技术的测量准确性依赖于被测物体方位，无人机仍存在较大的碰撞风险。同时，这类技术对机架平面内的距离判断较准，而对平面外距离的估计相对较差。
图4-4 全方位超声波传感器测距设备
④病害诊断的鲁棒性：通过对采集图像的分析来量化结构损伤程度是无人机桥梁检测的主要任务之一。桥址处的复杂环境对无人机稳定性与拍摄光线产生较大干扰，严重影响了图像成像质量，无人机采集图像的清晰度和图像信息的有效性常常难以保障。清晰度不足会导致结构病害诊断的误差较大，而受无效信息干扰的图像则可能造成病害识别的误判。
部分学者研究了风场对拍摄清晰度的影响，基于机器视觉算法对比了高清晰度和模糊条件下结构裂缝量化诊断的准确性，在低清晰度下，识别结果的准确率难以保证。目前，针对低清晰度下裂缝识别问题，最有效的方法是通过识别无人机飞行性能指标、风场参数这两大类因素的发现概率，对采集信息进行重组，进而获得理想的图像质量。但该算法目前也仅处于测试阶段，未见实际工程应用报道。图像有效性是影响桥梁损伤识别准确性的首要因素。但在现场检测过程中，由于环境因素复杂，受摄影角度变化、光线过暗及结构表面附着物干扰等的影响，自适应算法对桥梁结构损伤误判的概率较高。桥梁结构体系自身的复杂性对于摄像角度的限制，也会对损伤识别的正确率产生较大影响。针对这类问题，有学者正在尝试整合影像、激光热成像和红外成像技术，构建混合图像扫描系统来提供多维成像信息，进而降低损伤识别误判的概率。但这类技术需依靠增加无人机挂载硬件设备的方式来增强检测诊断的鲁棒性，因此增加了无人机的载重负担，会导致无人机续航能力下降，降低无人机桥梁检测系统对长大桥梁的适用性。
（2）智能桥检机器人研发种类多样，有效弥补无人机的不足。
除了无人机外，对各种检测机器人的研究也是近年来的研究热点。桥梁检测机器人是一种能够半自主或全自主完成桥梁检测的智能机器，包括用于缆索检测的缆索检测机器人（见图4-5）、用于桥梁裂缝检测的攀爬机器人（见图4-6）、用于桥梁水下墩台等检测的水下机器人等（见图4-7）。本质上，无人机桥检装备也可以认为是桥梁检测机器人的一类。桥梁检测机器人的研发同样有力地推动了智能桥梁的发展，使得检测手段更全面，检测范围更广，弥补了传统人工检测和无人机检测的不足，实现了对桥梁结构近距离甚至结构内部健康状况的检测评估，在工作空间狭窄的环境中更方便。
图4-5 缆索机器人
图4-6 攀爬机器人
图4-7 水下机器人
目前，勾红叶等研发了携带超声波探头的正交异性钢桥面板（OSD）疲劳裂纹智能检测机器人，基于超声波相控阵成像技术和神经网络技术，可实现裂纹缺陷的定位和智能识别。该机器人能在狭窄的箱梁内部对结构进行不间断全覆盖检测，检测范围广，操作灵活，检测结果可靠。Phillips等研发了地面机器人来配合移动检测机器人的使用。该地面机器人解决了传统的数据搜集平台需要人工操作的弊端，实现了数据采集与传输的全自动化。与无人机技术相比，地面机器人近距离无线传输信号更稳定，信息更及时、更精确。Xu等分别通过静动力分析和拉格朗日力学分析研究了攀爬机器人主动轮和从动轮的动态障碍物攀爬过程，设计了一种双侧爬电缆机器人，提高了传统攀爬机器人的障碍物超越能力，对复杂结构的检测能够减少人工参与，提高检测效率。Hirai等开发了一种水下检测机器人，具备视频捕捉、激光间接测距、稳定保持深度和航向等功能，已在实际桥梁、大坝巡检中验证了其有效性，为中国众多深水大跨桥梁的水下结构检测提供了保障。此外，美国开发了RABITTM桥面检测机器人，其集成了GPS（全球定位系统）、GPR（地质雷达）、激光扫描（避障）、电阻率测量（混凝土侵蚀）、USW/IE（超声波表面波/冲击回波）、高清相机、全景相机等多种无损检测技术于一体，提高了结构检测效率。
就目前来看，桥梁检测机器人在功能上仍比较单一，研发出的机器人尚只能针对特定的桥梁部位或病害。此外，受制于本体负载，其搭载的检测单元体积重量都较小，一般在1kg以内，因此设备的升级和扩展性能均不足。并且由于相关本体结构和控制技术的不成熟，桥梁检测机器人的稳定性和可靠性都得不到充分保证。
虽然上述的无人机及桥检机器人技术均已成功应用于工程实际，并取得了一定的成果，但由于实际工程问题的复杂性，为了获取更精确的结果，目前较为常用的方法是结合两种或多种获取技术以得到完整的高质量桥梁表观图像。而如何使用单一技术获取远距离、高质量、无盲区的桥梁表观图像技术仍需进一步研究。此外，现阶段无人机/桥检机器人的桥梁检测应用尚未形成从图像采集到基于图像的桥梁病害分析的自动化检测系统，效率有待提高，识别效果亦有提升的空间。
3）基于计算机图像识别技术，图像病害的识别向精细化、准确化发展
基于机器视觉的图像病害识别方法主要是运用计算机处理后自动识别出裂缝等病害及结构变位图像，并从背景中分离出来，然后进行参数计算的方法。它具有便捷、直观、精确、非接触、再现性好、适应性强、灵活性高、成本低廉的优点，能解放劳动力，排除人为干扰，是目前最受人们关注的桥梁检测法，具有很好的应用前景。
无人机、桥检机器人等所采集的数字图像数据高度相似，若通过人工逐一查看，往往会产生眩晕感甚至发生遗漏，且存在效率不高等问题。因此，借助计算机图像识别技术，对采集图像中的病害（目前主要是裂纹）进行自动高精度识别的必要性愈加强烈。
（1）经典图像处理技术研究较为成熟，而新兴的深度学习技术有更好的表现。
理论上讲，利用图像识别技术对桥梁裂缝进行识别在技术上已较为成熟，但是在实际环境中，桥梁下部光照、目标部位污染、渗水、表层脱落等因素的影响，使得图像识别的背景图像变得非常复杂，常常需要多种算法综合应用予以识别。目前，针对桥梁裂缝等病害的图像识别技术手段主要有经典图像处理技术与深度学习图像处理技术两个进展方向。
经典图像处理技术主要有基于灰度阈值分割、边缘检测和结合特定工具等方法。在基于灰度阈值分割的处理技术方面，卫军等利用阈值化分割技术提取混凝土裂缝几何特征。东南大学尹兰对梯度阈值法进行改进，并结合SFC（sharp filter contrast）的图像预处理方法增强裂缝图像，使裂缝与背景更易于分离，可以较精确地实现亚像素级的裂缝识别。在基于边缘检测的处理技术方面，日本Takafumi Nishikawa等通过通用编程方法反复使用图像滤波算子对裂缝区域进行消噪处理，用于预测裂缝宽度。Cho等考虑图像拍摄距离的影响，对常用的五种边缘检测算法（Sobel算法、Prewitt算法、Robert算法、Canny算法和LoG算法）进行了裂缝检测对比实验，分析了各种算法对裂缝检测的适用性。许薛军在研究图像预处理算法与边缘检测算法的基础上开发了基于视频（或图像）桥梁裂缝检测系统。在结合特定工具的处理技术方面，陈晋音等提出基于聚类分析和概率松弛的桥梁病害检测方法，利用k-means聚类分析收敛较快的特点，对裂缝图像进行快速粗分类，然后通过概率松弛算法将粗分类图像细化分离出裂缝。董安国将k-means聚类算法与谱聚类算法结合，实现了混凝土表面裂缝的多级聚类检测。这些结合聚类分析改进的算法与单一边缘检测算法相比，能有效抑制图像噪点，更加精细地识别裂缝。
随着计算机硬件技术和深度学习理论的发展，卷积神经网络的结构不断优化，运行效率大幅提高，基于深度学习的图像处理技术应用被相应提出。加拿大Cha等利用4万张裂缝照片训练深度学习网络，从而表现出相较于传统的Canny和Sobel边缘检测算法，卷积神经网络在裂缝识别方面拥有更高的准确率，对复杂环境有更好的适应性。同济大学黄宏伟等将一种新颖的深度学习图像识别技术应用于隧道渗漏病害的定位识别，相比于传统图像检测方法，该检测方法能有效避免拼缝、管线等干扰物对识别精度的影响，具有更高的检测精度和速度。王艳等针对混凝土桥梁裂缝对比度低、图像噪声干扰强等难题，将PCNN和遗传算法相结合，提出了GA-PCNN的裂缝识别方法。GA-PCNN方法具有更好裂缝的图像分割与去噪能力，能更准确地提取桥梁裂缝特征。李楠等采用caffe深度学习框架，基于改进的LeNet-5神经网络对路面裂缝进行了目标检测及分类识别。
综上，现阶段结构表观病害识别技术已取得了较大进步，但仍存在以下问题：①经典图像处理技术的识别效果和发展速度已经不能满足复杂的工程应用需求，急需可拓展、可进化的图像处理技术应对工程问题；②基于深度学习的病害识别方法能够取得较高的精度，但是结构的病害数据集较为单一，很难在实际工程中取得较好的识别效果；③历史检测图像数据集质量参差不齐，缺乏筛选和整理，深度学习训练效果一般；④专为实际工程优化的病害定量识别算法仍然较少。
（2）针对机器视觉的桥梁结构变位识别技术研究较少，但已引起学者关注。
随着计算机技术和视频设备的发展，基于机器视觉的位移识别方法展现出巨大的发展潜力。Wang等提出了一种相移图像匹配算法用来处理干涉图像以进行结构位移测量。Fukuta等提出了一种通过追踪结构上已存在的特征信息的鲁棒性目标搜索算法，来保证位移测量的准确性。Busca等通过对一个桥梁上的多个测点的振动试验，对比了三种不同的图像处理技术（模板识别、边缘检测和数字图像相关）在动态位移测量中各自的特点，并给出了三种技术的应用建议。Lee等提出了一种路径图优化位移估计方法，用于减小视觉配对伺服结构光系统进行位移监测时的估计误差。Chan等将像素识别和后续边缘检测的图像处理技术融合到基于CCD相机的监测方法中，实现了对桥梁竖向挠度的监测，并提出这套方法可以与光纤光栅传感（FBG）位移测量方法互为补充。郝晓辉等提出了一种基于机器视觉的桥梁挠度测量方法，运用粒子群算法对图像进行搜索，双三次插值法对像素位移进行搜索，提高了位移识别的速度和识别的精度。
而此前，学者针对桥梁结构变位检测技术的研究大多基于实验室的小环境中，在真实桥梁基础设施测量应用中，桥梁结构尺寸大且形式复杂，检测图像的质量很容易受到拍摄距离、光照和分辨率等因素的影响，进一步影响检测数据的准确性。因此，提高检测设备性能、改进检测技术手段、开发新的图像识别算法仍是未来的发展趋势。
综上，针对水下结构表观病害的检测提出的立体视觉、三维成像声呐系统等方法可以有效替代人工潜水，向检测人员展现立体三维的水下结构状况，便于评估。无人机、机器人等桥梁智能检测技术不断提高了检测工作的数据搜集能力，以及计算机视觉、大数据深度学习等人工智能技术，实现了对信息处理分析能力的极大提升。它们的大量研究和工程应用，逐渐丰富了桥梁维护过程中检测、分析和评价的手段，提高了结果的准确性和可靠性，促进了桥梁智能化的进一步提升，但目前还存在一些不足：①单个智能检测设备的功能较少，难以满足多种需求的检测任务，对于一座桥梁的检测还需多种检测设备和分析技术的配合使用，虽然提高了检测结果的精度，但浪费了时间，降低了效率；②尚未充分挖掘已获数据的潜在科学价值，难以为基于数据的科学决策提供有效支撑。桥梁检测数据种类多、数量大、复杂程度高，目前的分析技术尚不能完全适应桥梁检测的需求，只能对较规整数据进行处理分析，方法也还难以推广，这对数据本身及数据所包含的信息价值是一种浪费；③智能识别评估理论体系尚未完全适用于新智能检测技术。当前的评估理论体系比较单一，不具有统一性，尚不能基于大数据信息从多维度进行客观的综合评价。
4.1.1.2 地下基础的完整性及强度检测
桥梁基础在受力机制中处于重要的一环，其质量将严重影响全桥的安全性及耐久性。由于地下环境湿度大、地基受有害介质侵入、基础材质不合格、使用管理不善、相邻基础的影响、设计考虑不周等原因，地下基础常会发生侵蚀、倾斜、开裂等损伤。为了确保在役桥梁的安全性与稳定性，需要定期对基础的完整性及强度进行检测。
（1）目前桥梁地下基础的完整性及强度检测方法主要有钻孔取芯法、超声脉冲法和低应变反射波法，以后两种为代表的无损检测方法发展迅速。
在进行在役桥梁地下基础的完整性及强度检测时，主要可以分为有损检测和无损检测。其中，钻孔取芯法为一种典型的有损检测方法，该方法由于结果直观准确而应用较多。但该方法对地下基础会造成一定破坏，因而无损检测方法得到迅速发展，且在工程中的应用不断增多。表4-2列举了目前应用较多的桩基完整性及强度检测方法的优缺点及适用范围。
表4-2 桩基完整性及强度检测方法
（2）探地雷达作为新型无损检测方法对桥梁地下基础的检测切实可行，且应用逐步增多。
探地雷达（GPR）是一种新型有效的目标探测方法。它是通过发射天线发射高频宽带电磁波，电磁波在传播过程中遇到存在电性差异的目标体时，便会发生反射，利用接收天线接收来自目标物的回波，最后根据所接收波的返回时间、幅度、相位信息及频谱特性、反射波同相轴形态特征，可推断介质的结构和性质等。
国外电磁波勘探技术起步较早，经过长时间的发展，现已十分成熟，在混凝土介质中的管道、钢筋探测和道路安全检测方面都已有许多成功的案例。国内虽然起步较晚，但发展十分迅速，在桥梁质量检测和缺陷诊断方面都有不错的进展，广泛应用于钢筋混凝土桥梁钢筋分布情况调查、梁板内部充水裂缝检测、预应力管道灌浆密实性判断、钢筋保护层厚度评估等桥梁检测。近年来，将探地雷达应用于地下基础检测领域，通过分析雷达记录资料中反射信号形成同相轴的时间、形态、强弱、方向反正等差异，来判定桥梁地下基础的状态及其病害出现的精确方位。
正常地下基础的检测原理如图4-8（a）中
表示发射天线，紧贴桥墩放置，G1～G4表示接收天线，得到的正演结果如图4-8（b）所示。图4-9（a）是出现裂缝的地下基础模型，测线布置方式与图4-8中相同，其中
表示发射天线，G1～G4表示接收天线。图4-9（b）所示为有病害的地下基础的正演结果。通过对比可以发现，同相轴1～7大致相同，而图4-9（b）多生成了一个同相轴8。由异常出现的水平位置和传播时间可以判断出同相轴8是电磁波在裂缝处产生的反射波，如图4-9（a）中折线8所示。同时也注意到由于裂缝的宽度较小，低频信号可能对这种略显细微的结构不敏感，导致同相轴8所携带的信息多为高频信息。因此，同相轴8的宽度较窄，而且强度也相对较弱。在图4-9（b）中足以据此判断出桥梁地下基础出现裂缝的信息。
图4-8 正常地下基础的监测原理及正演结果
图4-9 病害地下基础的监测原理及正演结果
通过对病害模型与正常模型所得正演结果进行比较可以看到，地下基础出现病害的区域产生了较为明显的异常信号。由此证明了在检测桥梁地下基础病害方面，探地雷达是切实可行的有效探测方法。
综上所述，桥梁地下基础的完整性及强度检测主要分为有损检测和无损检测两类，以超声脉冲法和低应变反射波法为代表的无损检测方法发展迅速，并且探地雷达技术通过分析反射信号形成同相轴的形态差异，可以有效地判定桥梁地下基础的状态及其病害出现的精确方位，在实际工程中的应用逐步增多。
4.1.1.3 钢管混凝土拱肋脱空检测
钢管混凝土在拱桥结构中得到了广泛应用，其充分发挥了钢材的高强度与核心混凝土的支撑作用，具有刚度大、稳定性高、抗震性能优良、自重轻、施工周期短、工业化程度高和环境效果佳等一系列优点。但是钢管混凝土存在的“在泵送过程中排气不畅将引起气孔缺陷”“混凝土本身的质量问题”“外界温度以及钢管混凝土材料间的温差影响拱肋的质量”等问题，会给实际工程带来安全隐患，所以亟须可靠的检测技术来确定钢管混凝土内是否存在脱空现象。
目前钢管混凝土的现代损伤检测技术的两大分支是有损检测和无损检测。有损检测可能会破坏组件，因为它需要分割释放组件应力，以钻芯取样为代表。这种破坏往往是不可逆的，对结构的性能造成了很大的影响。而无损检测利用，如声、光、热、波和电磁等物理方法来测试，不损坏结构。由于钢管混凝土构件中混凝土的状态，缺陷具有隐蔽性，并且其缺陷发生具有随机性，在检测过程中容易发生测量数据的遗漏，因此定量检测的技术难度很大。目前应用于实际工程项目的检测方法主要是人工敲击法和超声波法。除此之外，还有光纤传感法、冲击回波法、脉冲响应法，以及面波频谱分析等新兴的检测方法，见表4-3。
表4-3 拱肋脱空检测技术优缺点对比
（1）人工敲击法是目前钢管混凝土拱肋脱空最常用的检测手段，利用声音特征识别，可解决人工检测难以客观、定量地评估脱空状况的难题。
人工敲击法是依靠技术人员通过对钢管混凝土拱肋的敲击，然后根据经验判断出缺陷位置及种类的方法。敲击法完全凭借技术人员的技术及经验，缺乏理论依据和可供存档的资料，是一种比较粗略的检测方法。无论是判断缺陷的种类还是判断的精度，都得不到保证。因此，人工敲击法既不便于施工技术管理，也不适合质量检测技术管理，只能作为一种辅助检测手段。
基于人工敲击法，梁辰等提出了将敲击所得的音频信号通过数据采集和分析系统，转化为时域图或频谱图，根据图形信息对钢管混凝土脱空状况进行判别，并通过模型试验对有缺陷和无缺陷位置的声信号时域图、频域图进行了简单比较，认为根据图形中钢管壁的振幅大小或者振幅衰减速率的快慢，可以准确判断钢管混凝土是否脱粘，同时可利用接收到声波的首度到达时间差等对脱粘位置及程度进行推算。声波作为一种机械波，拥有频率、波长等波的共有特征，不同的声波具有不同的时域、频域曲线。通过采集人工敲击后钢管混凝土拱肋的反馈声音信息，并经信号处理，并与机器学习相结合，可以高效、定量判断拱肋脱空状况。该方法可以弥补传统敲击法检测精度不足、对检测人员的经验依赖性较强等缺点。
（2）超声波法无损检测已趋成熟，综合声学参数更加有效，但检测效率较低。
超声波在两种不同阻抗介质中传播时，在介质面上的传播规律、能量的分配会发生变化。而当超声波在均匀介质中传播时，其传播速度稳定在一个定值。当介质存在缺陷时，其传播的波速会衰减，故比均匀时测得的波速小，传播速度增大、波幅衰减幅度较大。并且超声波从钢管中射入空气或者其他介质中时，由于传播介质改变，波形会发生畸变。所以，通过比较缺陷区和密实区声时波速、波形等相关参数的变化，可以推断出缺陷的有无、位置和形状。周先雁等在2006年利用超声波对钢管混凝土的质量进行了检测研究，提出了采用首波声时法来作为检测和评价钢管混凝土质量的判别方法。之后又综合首波声时法、波形识别法和首波频率法作为综合判别标准，提高了对缺陷类型和严重程度判断的准确性。其研究结果显示，用提出的综合方法比只采用首波声时法判断钢管混凝土质量更加有效。周茗如等利用超声波法对大型钢管混凝土缺陷进行了检测研究，研究结果表明，无论是钢管混凝土内部空洞缺陷，还是表层脱空缺陷，超声波法都是可行的。但是超声波法检测速度较低，评判结果易受检测人员的主观判断影响，对检测人员的要求较高，目前尚难以用于钢管混凝土脱空及内部缺陷的快速排查。
（3）冲击回波法检测钢管混凝土质量可行，但定量检测出钢管混凝土脱空厚度需要进一步研究。
冲击回波法无损检测的应用原理是在钢管或者混凝土表面施加一个瞬间冲击（即产生应力波），应力波在传播的过程中如果遇到缺陷或者边界，就会在界面处发生反射或者散射，反射的应力波到达表面之后又将被反射回混凝土，从而形成多次反射，通过传感器接收冲击弹性波信息，通过分析密实区和缺陷区冲击弹性波的波形和频谱图可以对钢管混凝土的质量进行评定（见图4-10）。
图4-10 冲击回波法检测原理
周先雁等运用冲击回波法对钢管混凝土缺陷进行检测，总结了冲击回波法检测圆形截面钢管混凝土的规律。张东方等采用冲击回波法对钢管混凝土拱桥的质量进行了检测研究，通过模型试验和工程实测分析表明，与超声法相比，冲击回波法可以直接获得缺陷明确的反射信号，并可根据信号波形图和频谱图直观地分析确定缺陷类型和大致位置。
冲击回波法检测钢管混凝土的质量是可行的，但定量检测出钢管混凝土脱空厚度需要进一步研究。从研究现状看，对冲击弹性波的振动法和波形、频谱分析法未在该领域研究。因此，采用这两种方法检测钢管混凝土质量有一定的研究价值。
（4）红外热像检测新兴热门技术，但钢管混凝土脱空检测领域仍需开拓。
红外热像损伤检测是近年来发展起来的一种非接触无损检测方法，具有快速、图像直观、不受场地限制等优点。红外热成像技术检测物体缺陷的基本原理是利用物体内部缺陷区和密实区热传导系数不同，导致物体在相同的环境下表面温度产生局部差异，从而引起物体表面向外红外辐射能力不同。这种差异可以利用红外热像检测设备进行处理分析。根据检测方式的不同，红外热像无损检测可以分为主动式和被动式两类（见图4-11、图4-12）。
图4-11 被动式检测
图4-12 主动式检测
2001年，Titman对于混凝土结构内部缺陷在不同的检测情况下应用了红外热像无损检测，并且进行了相应的应用研究。同时对红外热像检测法在不同工况下的最佳检测时间、条件和视角，以及检测的局限性给出了指导意见。2005年，高翔用红外热像技术对混凝土路面脱空进行检测，通过对数值模拟和实验结果的比较研究，得到了红外热像技术可以检测的最大厚度，以及脱空形状与表面温度分布的初步关系。2013年，张永健和张川对红外热成像法在路面检测中的应用进行了研究，针对混凝土路面板底是否存在脱空进行了红外热像分析和现场钻孔检测。事实证明：混凝土路面板底结构状况确实不良，通过红外热像图可以分析出：当存在脱空时，该部位会在红外热像图上会出现温度差异。所以，根据现有资料推断采用红外热像法检测建筑物的表层脱空缺陷是可行的。
综上所述，从国内外研究现状来看，目前对钢管混凝土脱空缺陷的无损检测还是以人工敲击法和超声波为主，但是当存在缺陷时，人工敲击法大量依赖经验，且难以对脱空深度进行定量，也较难以发现混凝土内部缺陷；超声波在钢管混凝土中的传播途径比较复杂，无法判断缺陷的位置；冲击回波法不能准确地判断出钢管混凝土缺陷存在的具体位置及尺寸，多腔钢管混凝土及比较复杂的构件无法使用该方法；红外热像检测法对气温、日照条件要求高，昼夜温差小、阴天及背阴面等检测非常困难，且当钢管混凝土直径较大时，难以反映钢管中混凝土的缺陷。未来这些检测方法仍需继续完善，或取长补短，综合各技术以准确检测混凝土缺陷。
4.1.1.4 索体腐蚀断丝检测
由于自然环境影响和长期损伤积累，缆索体系桥梁的索体不可避免地会发生不同程度的锈蚀、断裂。索体腐蚀及断丝具有隐蔽性，难以检测，因此索体腐蚀断丝检测一直是桥梁检测领域的难题之一。
经多年发展，现有检测手段已逐渐脱离传统开窗检查等有损检测手段，向无损检测手段及新技术的开发与应用方向转变，逐步实现便捷化、智能化、信息化。目前可以有效实现索体腐蚀断丝检测的方法主要有漏磁检测法、磁致伸缩导波法、缆索机器人等手段。
（1）漏磁检测法颇具潜力，但目前仍处于初级阶段。
漏磁检测技术原理（见图4-13），使用永磁体或通电线圈对钢丝进行励磁使之趋近磁化饱和，当钢丝因局部锈蚀或断丝产生钢丝截面的突变时，附近位置将产生显著漏磁场，可用磁敏元件测得，进而识别出钢丝的损伤情况（见图4-14）。
图4-13 漏磁检测原理
图4-14 漏磁检测试验实物
近年来，针对硬件的设计与优化以适应构件构造、损伤的存在性判别、缺陷的定量识别三方面开展了大量研究。研制出单通道漏磁检测传感器、多通道漏磁检测传感器、圆环阵列传感器等装置，实现了斜拉索的漏磁扫查成像，并检测出斜拉索中周向和轴向位置不同的多处断丝缺陷，形成了差分超限数法、三层反向传播神经网络、事例推理及数据比对、信号错位自相关函数、短时能量法等损伤判别理论。
但拉索外部的护套增大了磁敏元件与钢丝表面的距离，降低了漏磁场信号的信噪比，使得内层钢丝缺陷的定性判别难以实现。因此，实际测量中，漏磁信号的信噪比低，使得局部小缺陷难以定性判别。而且全索长的检测需要通过自动化设备沿拉索逐步爬升来实现，检测效率较为低下。所以，目前在斜拉索中的应用处于起步或初级阶段。
（2）磁致伸缩导波法，实现锚固区探伤，大幅提升检测效率。
虽然漏磁检测技术实现了全周向检测，以及成像和定位技术的突破，但是其检测效率仍然较低，需要不断移动漏磁检测仪完成整根索的测量及全桥测量，对混凝土锚固区内部斜拉索的检测也只能望而却步。
磁致伸缩导波检测方法是近年来新出现的技术之一，是利用铁磁性材料的磁致伸缩效应及其逆效应（见图4-15）实施检测的一种方法。磁致伸缩导波法由于具有单点激励即可实现长距离检测的优点得到了广泛而深入的研究，具有检测效率高、非接触式、可以检测传统检测技术难以到达的区域、安装方便等优势。对于锚固区斜拉索的探伤，磁致伸缩导波法的发展也提供了解决的可能，其未来也将逐渐成为应用广泛的新型缆索无损检测方法。
图4-15 磁致伸缩导波检测原理示意图
国内外多位学者已致力于磁致伸缩导波检测方法，如今已实现了较全面的检测设备的研制、信号识别方法改进、检测精度及灵敏度的改善、锚固区探伤试验及多频激励信号发生等技术突破，在军山长江大桥、西湖大桥、大型游乐设施摩天轮、石油天然气管道等工程中有所应用。华中科技大学团队自主研发检测仪器，并对在役20多座桥梁进行了实地数据测试和分析研究，苏交科集团参与了其中部分工作（见图4-16）。
图4-16 华中科技大学团队开发的磁致伸缩导波检测仪器及典型应用
但磁致伸缩导波的传感器由于不通过缺陷部位，是远距离检测出缺陷并定位，检测精度与缺陷和传感器之间的相对距离有关，在磁致伸缩导波检测有效范围内，传感器离缺陷越近，检测的精度就越高，所以在定量判断上还不是非常稳定。因此，其未来发展也须完成远距离检测精度改善、缺陷的环向分布识别、高效的信号激励与接收等技术的突破。
同时，如能将磁致伸缩与磁弹一体化，磁致伸缩和漏磁结合，综合多种缆索无损检测方法的优势，通过不断完善检测传感器和检测仪器稳定性、通用性和易用性，将给缆索的无损检测带来更加全面细致的检测手段。
（3）缆索机器人成为实现自动化、智能化检测的重要手段。
缆索机器人，又称爬索机器人、检索机器人，在顺应自动化、智能化的工业发展趋势中，逐步取代传统的人工作业、高空作业等方式，在检测精度、检测范围、检测效率上均有显著提升，在降低检测成本、提高检测质量上发挥了关键作用，未来也将具有极大的发展空间。
21世纪初，研制的缆索机器人构造复杂，夹紧结构和攀爬结构形式单一；而近年，从外观、结构设计，以及附着和爬索机理上呈现多样化趋势。通过搭载红外、电磁、超声波、摄像头等传感器或检测设备，已可实现中小索径、远距离、低速平稳移动、非人工式检测，且已有不少的应用，如福州琅岐闽江大桥、福州淮安大桥、龙海跨海大桥、上海闵浦二桥、象山港大桥、杭州湾跨海大桥等（见图4-17）。
图4-17 缆索机器人工程应用
目前常见的缆索机器人爬行方式主要包括夹紧蠕动式、螺旋爬升式、多足行走式、履带式及轮式等，其运动方式优缺点对比见表4-4。
表4-4 缆索机器人运动方式比较
续 表
另外，近年来也有一些新型爬行方式的缆索机器人得到研究与开发，如蛇形机器人、磁吸附式攀爬机器人等。其中，蛇形机器人以仿生原理攀附于缆索表面，体积轻便，对不同索径的斜拉索有较强的适应性，而且关节灵活、越障能力好、检测效率高，目前已脱离室内试验研究，成功应用于大直径桥梁缆索的检测，并搭载摄像头、漏磁传感器等，完成对桥梁缆索表面和缆索断丝的检测（见图4-18）。其关节设计、步态控制、算法优化等已成为近年来的研究重点。
图4-18 蛇形机器人缆索检测
以磁吸附为原理的缆索机器人，一改传统的机械原理附着方式，采用磁吸附的方式克服重力，虽有一定的局限性，但不需要使用外加动力克服重力，节能环保。目前，已有学者提出了一种磁吸附履带式攀爬钢缆机器人的总体设计方案，并采用直流电机驱动，结构轻巧，可靠性好，运动平稳，可适用于不同直径的管道和钢缆，是一种具有普遍应用价值的机器人。在未来的发展中，此类机器人将会受到人们的更多关注。但该设计方案正在实体样机制作，有关实物试验暂未见到报道。
由此可见，缆索机器人发展迅速，已有不少工程应用，但距广泛应用还有一定距离。需要突破一系列的关键问题，如姿态稳定及自动越障问题、末端执行机构的精确度问题、对于不同索面表面特征的适应问题、对于不同索径的适应问题、远距离的通信问题、远距离无线图传问题、缆索内部钢丝无损检测及缺陷特征识别问题、缆索自动化修复技术等。可喜的是，目前研究已有向智能精确化控制、更好的适应性等方向的发展趋势。
综上所述，缆索体系桥梁的索体腐蚀断丝检测呈现多样化、自动化、智能化的发展趋势。但锚固区探伤、远距离探伤的精度及效率仍有不足，而且缆索机器人负载能力、姿态稳定、自动越障、爬行速度上均有限制。未来需要进一步提高检测精度、缺陷定量判断与识别能力，研发精确化控制的智能缆索机器人，实现快速可靠的缆索检测工作。同时基于检测结果的索体延寿评估手段研究亟须开展。
4.1.1.5 梁体有效预应力检测
预应力混凝土梁中有效预应力是反映结构工作状态的重要指标。能否准确判定梁体有效预应力的大小，关乎结构的安全性和使用性，一旦预应力损失过大，就会使结构存在安全事故的风险。有效预应力检测方法分为两类：一类是基于各种物理、力学等原理，将光纤光栅应变传感器等贴附或者埋置于构件内外部，然后通过传感器得到构件某些物理特性的变化，从而算出构件混凝土内剩余有效预应力值的大小，主要包括应变检测法、敲击测振锚下应力测定法等；另一类是对结构进行局部破坏，将破损区域内的应力释放掉，从而反识别出结构内部现存的有效预应力大小，主要包括开裂弯矩法、局部应力释放法等。
（1）敲击测振锚下应力测定法简单易行，但精准度还须进一步提高。
对于第一类方法，由于应变检测法需要在施工期就预埋应变传感器，成本高，因此近年来其更多停留在理论和实验室研究阶段，工程实际应用较少；而敲击测振锚下应力测定法成本低且操作简易，故适用性更广。
该方法的基本原理是根据预应力索的自由振动频率和所受轴力的关系检测有效预应力，由于无法对埋入混凝土的预应力束施加自由振动，只能通过对锚头或露出锚索激振。因此，单纯依靠频率的测试方法有非常大的缺陷，严重影响了测试范围和测试精度。为此，可将锚头、垫板等简化为如图4-19所示的模型，即将锚头与垫板、垫板与后面的混凝土或岩体的接触面模型简化为弹簧支撑体系。该弹簧体系的刚性K与张力（有效预应力）有关，张力越大，K也越大。另外，在锚头激振诱发的系统基础自振频率f可以简化表示为：
图4-19 测试原理图
在上式中，如果M为一常值，那么根据测试的基频f即可较容易地测出张力。然而，通过实验发现，埋入式锚索在锚头激振时，其诱发的振动体系并非固定不变，而是会随着锚固力的变化而变化。锚固力越大，参与自由振动的质量也就越大。
在此基础上，便有了基于“等效质量”原理的有效张力测试理论和测试方法（见图4-20）。利用激振锤（力锤）敲击锚头，并通过粘贴在锚头上的传感器拾取锚头的振动响应，从而能够快速、简单地测试钢束的有效预应力。该方法物理概念清晰，便于操作，但受混凝土强度、钢筋强度和混凝土裂缝影响较大，适用于粗略检测，精准度还需要进一步提高。
图4-20 等效质量法基本概念
（2）局部应力释放法前景广阔，但仍需进一步研究。
对于第二类方法，开裂弯矩法对原结构的破坏过大，且操作难度高，故近年来研究较多集中于局部应力释放法，只需轻微破坏结构即可完成检测过程，因此更应用更加广泛。
局部应力释放法主要分为混凝土应力释放法和钢筋应力释放法两种。针对混凝土应力释放的方法主要有套孔法、钻孔法、盲孔法和开槽法，针对钢筋应力释放的方法主要有切断普通受力钢筋法和打磨削减普通受力钢筋法。局部应力释放法因对结构破坏程度较小、精确度较高、原理简单且操作方便，以及成本较低而更有工程价值。
局部应力释放法的原理是基于理想下无限大带孔平板，根据弹性力学可推导出残余应力与释放应变之间的关系。从研究来看，局部应力释放法已经结合试验、模型计算、简化方法等进行了系列研究，但主要还是局限于简支梁的研究。
为了验证该方法的有效性，有研究成果通过借助ANSYS软件模拟简支梁和连续梁的应力释放，并将其与开槽法的结果进行对比，证实了其有效预应力识别的误差可以控制在10%以内，该方法具有一定的适用性。同时，探索了联合加载对应力释放过程及零点应力释放深度的影响，表明加载到一定力值之后有利于开槽深度的减小。但是目前尚未形成一套行之有效的技术手段，也没有可指导具体实施的规范标准。因此，有必要进一步扩展其研究范围，推进其未来用于指导具体工程实施。
（3）混凝土桥梁预应力束有效应力检测新技术。
预应力混凝土结构由于能够利用材料的高强度性能、有效防止混凝土裂缝、减轻结构自重、增大桥梁跨径、刚度大、行车舒适等优点，在公路桥梁中得到普遍应用。尤其在大跨径和使用过程中不允许开裂的结构中广泛应用。例如目前采用预应力混凝土连续梁的跨度一般能做到200m左右。据不完全统计，采用预应力混凝土材料的桥梁占桥梁总数的90%以上。然而，预应力混凝土桥梁因为设计缺陷、施工过程出现不利因素等容易出现安全隐患，如混凝土开裂、钢筋锈蚀、主梁下挠、预应力损失、变形过大等，导致对结构安全造成重大灾害，甚至造成结构坍塌等。
造成预应力混凝土桥梁性能衰退的一个重要因素是预应力损失。预应力损失到一定程度，就会造成混凝土开裂、刚度降低、荷载作用下变形加大，严重者甚至出现坍塌事故。随着桥梁数量的增加，每年也会花费大量的人力、物力、财力对桥梁的健康状况进行评估，并根据评估的结果采取相应的加固措施。由于梁体有效预应力对桥梁安全至关重要，因此能够准确得到剩余预应力值就变得十分重要。如果预应力过低，会影响结构的使用性能，甚至可能造成安全事故；如果预应力过高，则会增加施工难度，并造成施工成本增加。
目前，对斜拉桥、拱桥等索结构及采用体外预应力体系桥梁的钢束索力检测技术较为成熟，测试方法主要分为振动测试法、液压测试法、锚下传感器测试法、静态应变测试法、磁通量测试法及光纤传感器法等，但是这些方法均不适合于预应力混凝土结构体内钢束有效预应力的测试。桥梁外观检测、桥梁静动载试验虽然能对桥梁健康状况做出评价，但是要准确得到梁体内剩余有效预应力大小，在工程中仍然是一个难题。
针对如何精确计算梁体内预应力钢束剩余有效预应力大小的问题，相关研究人员提出了一种张力仪方法。其基本原理是利用张紧弦的静力平衡关系，同时考虑到钢绞线抗弯刚度的贡献及实际工程中局部开槽混凝土的模拟边界状况，建立张紧弦受力与张紧钢绞线受力两方面的关系（见图4-21）。
图4-21 张力仪方法原理图
建立起钢绞线有效预应力和已知参数的关系式：
以检查某根预应力筋有效预应力为例，图4-22、图4-23为张力仪实物图和测量现场，可以通过采用张力仪方法来测钢束有效预应力。但是在采用该方法进行测试时，需要开槽和剥离混凝土保护层以达到裸露钢束的目的。但是这样做难免会对结构产生一定的损伤，更不能采用该方法得到整个桥梁结构中所有钢束的有效预应力。并且由于各种条件限制，只能同时只能抽测部分钢束中1～3股钢绞线。针对该方法的适用性和准确性而言，需要进一步在工程应用中检验。
图4-22 张力仪实物图
图4-23 现场测量工作
综上所述，敲击测振锚下应力测定法由于工程实践中简便易行，应用较为广泛，但仅限于初步检测，准确度不够；而局部应力释放法虽目前缺少系统的实验研究，尤其是连续梁桥的应力释放研究，但精准度高、成本较低，将是以后预应力损失检测研究的热点。
4.1.1.6 索力测试
对于具有拉索的桥梁结构，如拱桥、悬索桥、斜拉桥等而言，索力是反映桥梁状态极其重要的参数之一，其大小直接影响着整个桥梁结构的健康状况，关系到桥梁的使用寿命。因而，索力成为桥梁健康监测的关键指标参数，为运营期的状态评估及养护管理提供参考依据，对桥梁的健康状况评价有着重要意义。目前，在测量方法、理论模型等方面实现了较大的发展。
（1）索力测量方法多样化，频率法仍是主要方法。
现今常用的索力测量方法主要有千斤顶油压表法、压力传感器法、光纤光栅法（FBG法）、频率法及磁通量法（EM法）等（见表4-5），其中频率法应用最为广泛。
表4-5 斜拉桥常用索力测量方法
续 表
（2）光纤光栅法：智能拉索助力智慧桥梁建设。
光纤光栅法在桥梁健康监测领域受到越来越多的关注，最早使用光纤光栅传感器进行测量的桥梁是加拿大Bodding tons Trail大桥（1993年）。传统的方法是将光纤光栅传感器通过环箍内置于拉索的一根单丝上（见图4-24）。传感器的安装和保护都具有一定的困难。荆岳长江大桥在其健康监测系统中采用了该种方法进行斜拉索的索力监测。近年来，基于光纤光栅的斜拉索索力测试技术主要有光纤光栅测力环（见图4-25）和光纤光栅智能拉索（见图4-26）。智能拉索在平行钢丝束拉索和钢绞线拉索中都有应用，前者是用FRP筋封装光纤光栅传感器，制成光纤光栅—纤维增强塑料（FRP-FBG）复合筋，然后将其布设到拉索中，形成平行钢丝智能拉索，后者是利用FRP-FBG复合智能筋取代7φ5钢绞线的中丝，使智能筋和钢绞线成为一个整体（智能钢绞线），天津永和大桥维修加固时将其中11根斜拉索采用智能拉索方案进行索力检测。
图4-24 用环箍固定的内置光纤光栅传感器
图4-25 光纤光栅测力环的组成成分
图4-26 FRP-FBG智能拉索（左）与智能钢绞线（右）示意图
（3）频率法：非接触测量发展迅猛，实时索频算法与精细化模型理论不断发展。
传统的频率法是通过加速度传感器获得拉索的振动信号。一般加速度传感器只能安装在拉索端部区域，很难准确得到拉索的低阶振动频率。近年来，出现了一些新型拉索振动信号的非接触测试方法。比如，有学者提出采用形变雷达监测拉索的振动位移，进而获得振动基频（见图4-27）。另外，也有学者提出采用摄影测量和数字图像处理（机器视觉）的方法获得拉索的振动位移信号。如图4-28所示，在拉索上布置目标测点，通过摄像机获取振动图像序列，进而获得拉索目标测点的振动位移时程曲线，最后利用频率法求解拉索索力。
图4-27 形变雷达测试拉索振动位移示意图
图4-28 基于摄影测量的索运动检测
此外，常规时频谱分解方法无法同时获得高时间分辨率和高频率分辨率，传统频率法为了获得高频率分辨率，需要采集一段时间的拉索振动信号通过FFT获得拉索各阶模态，导致频率法实际获得的索力是一段时间内的平均状况，并不能反映实时索力，重载车辆经过导致的拉索索力峰值可能不容易被频率法监测到。为了使频率法能获得实时索力，有学者提出采用同步压缩变换（SST）算法和基于盲源分离（BSS）技术的复杂度追踪（CP）算法等方法，实现时变索频的识别，进而获得时变索力，其中CP方法需要至少两个信道的加速度信息。这些方法可以将传统频率法的时间分辨率从分钟级提高至数秒级（3～6s）。图4-29是拉伸试验时拉伸力与通过加速度数据计算出的索力对比，计算方法分别为传统傅立叶变换和同步压缩变换。
图4-29 索力测试数据对比（时间分辨率6s）
虽然拉索振动频率的测试精度可以达到很高的精度，但是频率法索力测试精度在很大程度上取决于拉索计算模型的可靠性及索自身参数的可靠性。工程中常用的拉索模型主要是张紧弦模型和铰接轴拉梁模型。这些模型在拉索自身的倾角、垂度、抗弯刚度及复杂边界等因素对拉索动力特性的影响方面缺乏完善考虑。
为了消除拉索复杂边界给索力测试带来的困难，有学者提出一种基于振型的索力测量方法。如图4-30所示，在拉索上安装若干加速度传感器同时测量拉索的振动情况，然后选取某一阶模态任意两个驻点之间的索段建立两端铰接的等效模型。同时，也有学者致力于建立精确考虑拉索倾角、垂度、抗弯刚度和复杂边界的精细化拉索模型，并采用粒子群算法等优化算法根据实测的多阶频率同步识别拉索的索力、抗弯刚度和边界刚度等参数。影响频率法测索力的因素主要有索的线密度、倾角、计算长度、抗弯刚度、轴向刚度、边界条件、温度及阻尼器等，并且其中大部分参数都很难通过测量手段精确确定。未来建立精确考虑这些参数的拉索精细化动力模型，以及提出更加精确高效的拉索多参数识别算法，将有利于进一步提升频率法的测试精度和频率法理论对各种复杂情况拉索的普适性。
图4-30 基于拉索振型的索力测试
在工程应用中，前述方法都有其各自的特点。千斤顶压力表法一般只能应用于施工阶段的索力控制。压力传感器测试法需要在拉索施工阶段预埋传感器，但压力传感器价格昂贵，且存在松弛问题，无法大范围使用。磁通量法（EM法）一般需要在拉索施工阶段预装磁通量传感器，对于已建成斜拉桥的拉索，可以将磁通量传感器设计成哈弗式结构（见图4-31），直接在运营中的拉索上制作（现场绕线），夷陵长江大桥、宜宾长江大桥及湛江海湾大桥采用了磁通量法进行拉索索力监测。光纤光栅法是一种应变方法，造价适中，不受电磁干扰，可以实现信号远距离传输，拉索全寿命周期监测，但是光纤光栅智能索存在传感器损坏后不便更换的问题。频率法是确定斜拉桥索力最为广泛使用的一种方法，对施工阶段和运营期间的索力测试都有很好的适用性。形变监测雷达和摄影测量方法可实现多索同步测量，提高索力测量的效率，不需要在拉索上面安装传感器。基于拉索振型的频率法在准确获得拉索振动模态的基础上才能获得较好的索力测试精度，这就需要在拉索上安装较多传感器。基于同步压缩变换（SST）和复杂度追踪（CP）算法的频率法可以获得实时索频和实时索力，虽然其时间分辨率可以达到数秒级，但是为对拉索进行疲劳分析，可能还需要将频率法时间分辨率进一步提高。靠近桥塔处的钢绞线拉索还存在散振现象，即拉索内各根钢绞线及护套各自独立振动，无法获得拉索整体的实际振动频率。
图4-31 现场制作哈弗式磁通量传感器
综上所述，索力测试的主要方法仍然是频率法，且出现了实时、非接触、智能化、规模化、同步化和计算模型精细化等特征和趋势，但是还存在拉索计算模型不够完善、频率法索力时间分辨率不足等问题。未来需要在建立拉索精细化动力模型和提出更加精确高效的拉索多参数识别算法，以及研究高时频分辨率且聚焦性好的谱分解方法等方面进一步探索。
4.1.1.7 水下基础冲刷检测
桥梁水下基础迎水面和两侧土体受到流水冲刷，会导致桩基与桩周土接触面积的改变，破坏原有力学平衡，有可能在无警告的小破坏之前造成桥梁的瞬间坍塌、崩倒。因此，基础冲刷检测在桥梁的健康评估中占有着极其重要的地位。
（1）基础冲刷状况检测领域的GPS结合水深仪的技术方法已较为成熟，随着技术发展，又提出了诸多新的检测方法。
目前在进行水下基础冲刷状况检测时，传统的检测方式是利用GPS结合水深仪法。该方法已较为成熟，但是识别速度较慢，效率低下。随着成像技术的发展，在进行桥梁水下基础冲刷状况检测时，可结合不同的成像技术完成水下地形的复现，后进行基础冲刷状况的识别，出现了三维激光扫描法、水下声呐三维全景成像法等检测手段。此外，还提出了基于实测模态变化对桥梁水下基础冲刷状态进行检测的动力识别法。表4-6整理了这些方法的优缺点及其适用范围。其中，水下声呐全景成像法在基础表观检测中已有提及，在此不予赘述。
表4-6 水下基础冲刷状况检测方法
续 表
（2）三维激光扫描技术，利用激光测距原理检测基础冲刷状况，但其数据处理部分存在一定难题。
三维激光扫描技术又被称为“实景复制技术”，采用激光测距原理。三维激光扫描仪由高速精确激光测距仪和可引导激光以均匀角速度扫描的反射棱镜组成。激光测距仪通过先发射激光再接受目标物表面反射信号，测量得到仪器至目标物表面的距离。对于每个扫描点，首先通过激光测距仪测量得到测站点到扫描点的直线距离，再根据扫描方向的角度得到扫描点相对于测站的空间相对坐标。如果已知测站的空间三维坐标，则可得到扫描点的三维坐标。该方法在地貌观测领域应用广泛，云南农业大学的王建雄等曾用该方法观测水槽和实地环境中浸没砾石河岸的变化情况，证明了该方法应用于水下地形观测的可行性。但是，该方法还存在着以下问题：①扫描设备的内部结构系统复杂，且是个黑箱系统，一般的工程技术人员难以对其进行检验和校正。②后期数据处理复杂，处理数据量大。扫描得到的点云数据存在测量误差与噪声，点模型的大规模压缩会降低模型精度并生成大量的噪声，对大量点云数据的后期处理是一项复杂耗时的工程。③存在扫描系统软件配套不全等问题。目前随着数据处理及计算机技术的发展，预测目前这些问题应能在不久的将来得到解决。
（3）动力识别法具有操作简单、安全的优势，由于桥梁自身及环境的各项因素影响，还需进行更为深入的优化方可投入应用。
动力识别法是基于实测模态变化对桥梁水下基础冲刷状态进行检测识别的。目前提出的动力识别法是指通过跟踪上部结构动力特性来反映桥梁基础的冲刷状态。在使用该方法时，在不同时间对桥梁进行环境振动，对上部结构加速度数据进行采集及模态分析，得到对应的结构自振频率与振型，同时建立上、下部结构的数值模型。首先利用冲刷非敏感模态的实测自振频率对数值模型中的桩侧等效弹簧刚度进行模型更新，直至得到与实际相符的桩土边界条件，进而利用冲刷敏感模态自振频率的实测变化值，对数值模型中基础冲刷深度进行模型更新，直至数值模拟变化与实测变化值一致，从而定量识别出基础冲刷深度的发展。
由于桥梁结构的力学行为具有随机性、模糊性和典型性特征，以及结构所处环境的影响，该方法的精确度有待考证。但是动力识别法有着操作简单、无需下水检测等优势，可通过优化与其他技术手段相结合。通过长期的经验积累将原理与实际结合，推进其在基础冲刷深度检测的应用。
综上所述，检测基础冲刷状况的技术手段中，传统的GPS结合水深仪法效率较低，随着水下地形成像技术的发展，三维激光扫描法、水下声呐三维全景成像法等检测手段在基础冲刷检测中的应用越来越多，且发展趋势较好；动力识别法目前的精确度还不够，普及较难，但经过进一步的优化，将大大推动基础冲刷状况检测领域的发展。