本發(fā)明涉及錨桿錨固狀態(tài)檢測領域，具體涉及一種用于檢測錨桿脫粘的系統(tǒng)。

背景技術：

近年來，隨著工程建設的大規(guī)模開展，錨桿技術得到了廣泛的應用。錨桿雖然性能優(yōu)良，但由于在服役過程中處于復雜的受力環(huán)境，通常需要對錨桿進行狀態(tài)監(jiān)測，以便及時發(fā)現(xiàn)出現(xiàn)的損傷(比如錨固脫粘)，保證結(jié)構(gòu)的安全穩(wěn)定。錨桿錨固質(zhì)量的無損檢測技術已成為國內(nèi)外學者的熱門研究課題，但目前的錨桿檢測方法仍有各種局限和不足，亟待理論研究的進展和檢測方法的改進。

技術實現(xiàn)要素：

有鑒于此，本發(fā)明的目的是提供一種用于檢測錨桿脫粘的系統(tǒng)。

本發(fā)明的目的是通過以下技術方案來實現(xiàn)的，一種用于檢測錨桿脫粘的系統(tǒng)，包括加速度傳感器、信號采集設備和分析處理模塊，所述加速度傳感器用于采集錨桿被激勵后的振動加速度信號，振動加速度信號經(jīng)由所述信號采集設備輸入到分析處理模塊；所述分析處理模塊采用解析模式分解(AMD)得到振動加速度信號的一階加速度分量，對其積分得到一階位移分量；分析處理模塊對一階位移分量作希爾伯特變換，獲得錨桿的頻率-振幅曲線；根據(jù)頻率-振幅曲線判斷其非線性振動程度；根據(jù)非線性振動程度，進行脫粘識別。

進一步，采用力錘激勵錨桿，振動時需要敲擊錨桿的端頭。

進一步，所述力錘錘頭上包裹有橡膠皮層。

進一步，對位移信號采用鏡像法進行處理，然后再進行希爾伯特變換。

有益技術效果：

本發(fā)明基于對錨桿桿體與膠結(jié)體界面以及錨桿膠結(jié)體與巖土體界面的無損檢測，對錨桿的錨固狀態(tài)做出評價，它對于安全生產(chǎn)以及保障工程結(jié)構(gòu)安全都具有十分重要的意義。

附圖說明

為了使本發(fā)明的目的、技術方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明作進一步的詳細描述，其中：

圖1為本發(fā)明的流程圖；

圖2為信號x1振幅-時間圖；

圖3為信號x1功率譜；

圖4為信號x2振幅-時間圖；

圖5為信號x2功率譜；

圖6為混合后y1位移時間圖；

圖7為混合后y1功率譜；

圖8為混合后y2位移時間圖；

圖9為混合后y2功率譜；

圖10為AMD分解后一階信號振幅-時間圖；

圖11為AMD分解后一階信號功率譜；

圖12為AMD分解后二階信號振幅-時間圖；

圖13為AMD分解后二階信號功率譜；

圖14為加速度信號SJ1-A-20；

圖15為加速度信號SJ1-A-20的功率譜；

圖16為信號一階加速度分量；

圖17為信號一階加速度分量的功率譜；

圖18為信號一階速度分量；

圖19為信號一階位移分量；

圖20為振幅時程圖；

圖21為瞬時頻率時程圖；

圖22為信號SJ1-A-20振幅-頻率曲線；

圖23為信號SJ1-A-20振幅-頻率歸一化曲線。

具體實施方式

以下將結(jié)合附圖，對本發(fā)明的優(yōu)選實施例進行詳細的描述；應當理解，優(yōu)選實施例僅為了說明本發(fā)明，而不是為了限制本發(fā)明的保護范圍。

非線性振動特性是指構(gòu)件或結(jié)構(gòu)在自由振動過程中自身瞬時頻率不斷變化的性質(zhì)。錨桿通過桿體與錨固膠結(jié)體接觸面和錨固膠結(jié)體與巖土體接觸面兩個界面?zhèn)鬟f錨固力。當界面粘結(jié)良好時，錨桿在振動過程中，錨桿桿體與錨固體以及錨固體與巖土體不產(chǎn)生相對位移，兩個接觸界面上均不會產(chǎn)生摩擦。當界面發(fā)生脫粘時，錨桿在振動過程中，脫粘處接觸面上會發(fā)生相對位移產(chǎn)生摩擦，摩擦會導致能量的損耗，產(chǎn)生非線性振動。當界面出現(xiàn)脫空時，脫空部位沒有接觸產(chǎn)生，界面摩擦消失。

摩擦是導致非線性振動的原因。當界面脫粘時，由于界面上摩擦的存在，在一次自由振動過程中，振幅越大，錨桿的頻率就越低。在界面粘結(jié)良好的情況下，振動過程中界面摩擦較弱，非線性振動特性相應較弱。當脫粘面積不同時，脫粘面積較大的錨桿摩擦面積大，脫粘面積小的錨桿摩擦面較小，所以脫粘面積大的錨桿非線性振動特性比脫粘小的錨桿更加明顯。

解析模式分解(AMD)是由Chan和Wang提出的一種基于希爾伯特變換的信號分解方法。通過設置確定的截斷頻率，解析模式分解能夠方便地將信號中各頻帶內(nèi)的成分分離開來。

解析模式分解方法的本質(zhì)是利用希爾伯特變換把每一個具有特定頻率成分的信號解析地分解出來。對于具有多個密集頻率信號分量的復雜信號，AMD通過構(gòu)造一對具有相同特定頻率的正交函數(shù)，利用這對正交函數(shù)與原復雜信號的乘積的希爾伯特變換，把任意頻率小于正交函數(shù)頻率的信號解析地分解出來。

基于希爾伯特變換的解析模式分解理論的表述如下：

對于任意由n個信號分量組成的原信號x(t)

如果它每一個分量的時變頻率ω₁(t),ω₂(t),...,ω_n(t)滿足：

|ω₁(t)|＜ω_b1(t)，ω_b1(t)＜|ω₂(t)|＜ω_b2(t)...ω_b(n-2)(t)＜|ω_n-1(t)|＜ω_b(n-1)(t)，ω_b(n-1)(t)＜|ω_n(t)|。

其中，ω_bi(t)∈(ω_i(t),ω_i+1(t))(i＝1,2,...,n-1)為選取的截止頻率。那么它的每一個信號分量可以解析地給出。

s_i(t)＝sin[ω_bi(t)]H{x(t)cos[ω_bi(t)]}-cos[ω_bi(t)]H{x(t)sin[ω_bi(t)]}(i＝1,2,…n-1) (3)

式中，H[.]表示希爾伯特變換運算。

對于具有時變頻率的非平穩(wěn)信號，解析模式分解定理式x(t)＝ξ(t)z(t)可拓展為：

s_i(t)＝sin[θ_bi(t)]H{x(t)cos[θ_bi(t)]}-cos[θ_bi(t)]H{x(t)sin[θ_bi(t)]},(i＝1,2,...,n-1) (4)

式中為截止頻率的積分，即相位角。

原信號可以表示為2個信號之和：

和表示s₁(t)和的傅里葉變換，并分別在|ω|＞ω_b和|ω|＜ω_b為0。ω_b代表任意的正數(shù)，稱為截止頻率。根據(jù)Parseval理論和附錄A中證得結(jié)論，可得：

因此，s₁(t)和在(-∞，+∞)是實函數(shù)。

令s_c(t)＝cos(ω_bt)，s_s(t)＝sin(ω_bt)。則s_k(t)c(t)，(k＝c，s)的希爾伯特變換可表示為：

因為s₁(t)和的希爾伯特變換只有在ω＝ω_b時非零，根據(jù)Bedrosian理論，式8可化為：

將k＝c，s帶入式8，并解方程組，可得：

s_c(t)和s_s(t)的希爾伯特變換可表示為：

H[s_c(t)]＝sin(ω_bt)與H[s_s(t)]＝-cos(ω_bt) (12)

則有，

s_s(t)H[s_c(t)]-s_c(t)H[s_s(t)]＝1 (13)

公式6、7可化為：

s₁(t)＝sin(ω_bt)H[x(t)cos(ω_bt)]-cos(ω_bt)H[x(t)sin(ω_bt)] (14)

故信號和s₁(t)的希爾伯特變換由式(1)得：

由附錄A中結(jié)論，可以得到公式(14)中s₁(t)的傅里葉變換，在ω＜ω_b時等于在ω＞ω_b時為0。同樣的公式(16)中的傅里葉變換，在ω＞ω_b時等于在ω＜ω_b時為0。

公式3是在截止頻率取ω_bi(i＝1,2,...,n-1)時，公式(12)的應用。

信號分解：

令截止頻率ω_b＝ω_b1,ω_b2,...,ω_b(n-1)，則原信號可被分解為：

公式(2)則可表示為：

其中，s_i(t)(i＝1,2,...,n-1)和可通過令公式(14)、(16)中ω_b＝ω_bi和ω_b＝ω_b(n-1)得到。這個處理過程被稱為原信號的分解過程。

數(shù)值積分：

對于邊續(xù)的加速度曲線a(t)，對其進行兩次積分可得位移曲線s(t)，即

∫a(t)dt＝v(t)，∫v(t)dt＝s(t) (20)。

實際測得的加速度信號，是離散的時間序列，無法直接積分。在此利用積分原理，將測得的t時刻前的n個離散加速度信號連線，其與x軸所圍的面積的代數(shù)和近似的看作t時刻前加速度信號的積分，即t時刻的速度，當時采樣頻率足夠大，其積分得到的值的準確度和可信度越高。即采用t時刻前的n個加速度值的累加和，與采樣時間間隔之積近似表示t時刻的速度。故而在matlab中我們用到累加和函數(shù)cumsum，對某一數(shù)組進行cumsum函數(shù)運算，其第n項為原數(shù)組前n項之和。所以對采樣得到的加速度信號進行cumsum運算之后，再乘以時間間隔，便得到速度信號。對速度時間序列再進行該運算，便得到位移信號。

附錄A

函數(shù)s_c(t)＝cos(ω_bt)和s_s(t)＝sin(ω_bt)的傅里葉變換可表示為：

δ[.]是Dirac Dleta函數(shù)。則y_c(t)＝x(t)s_c(t)和y_s(t)＝x(t)s_s(t)傅里葉變換可由式(A3)(A4)的卷積積分得到

由希爾伯特變換與傅里葉變換的關系，則y_c(t)和y_s(t)的希爾伯特變換的傅里葉變換等于：

式中代表方括號中方程的希爾伯特變換的傅里葉變換。sgn(ω)是符號函數(shù)。則方程(14)中s₁(t)的傅里葉變換為：

則

可由方程14得到，

由式(A7)和(A8)可知，和分別在|ω|＞ω_b和|ω|＜ω_b時為0，都在|ω|＝ω_b時等于

注：1.Parsevals理論：函數(shù)平方的和或積分，等于其傅里葉轉(zhuǎn)換式的平方和或積分。

現(xiàn)有研究表明，各頻率成分的能量占總能量的比率為(其中n＝1,2,3....)?？梢杂嬎愠龌l能量約占總能量的80％，一階振動分量能攜帶信號的大部分能量，故本發(fā)明研究錨桿界面振動信號的非線性振動特性時采用一階振動分量進行分析。解析模式分解具有高效精確的優(yōu)點，可以將其應用于信號分解以得到準確的單分量一階信號。

構(gòu)造一個具有兩個動力自由度的系統(tǒng)，設其自由振動階段的位移方程為：

式中各參數(shù)的含義為：A_i為振幅，A₁＝60，A₂＝50；ξ_i為阻尼比，ξ₁＝0.01，ξ₂＝0.012；f_i為其各階頻率，f_i＝60，f₂＝100；θ_i相位角，θ₁＝20，θ₂＝30。采樣頻率設置為1000Hz，采樣時長取為2s。

構(gòu)建的系統(tǒng)由兩部分組成，一階和二階信號分別為：

x₁＝60×[exp(-2π0.01×60t)]×cos(2π×60t)+20 (22)

x₂＝50×[exp(-2π0.012×100t)]×cos(2π×100t)+30 (23)

各分量的振幅-時間圖以及其功率譜如圖2-圖5所示：

使用Matlab內(nèi)置函數(shù)rand(2)生成一個2×2階的隨機矩陣M，將上述兩個原信號組合而成的矩陣X與隨機矩陣M進行卷積(Y＝M*X)得到混合信號Y?；旌闲盘柕膬蓚€分量y1，y2及其功率譜如圖6、7、8、9：

從圖6、7、8、9可以看出混合后的y1功率譜顯示有60Hz和100Hz兩種頻率成分，而y2雖然含有60Hz和100Hz兩種頻率成分，但主要為60Hz頻率成分，100Hz頻率成分相當少，幾乎可以忽略。現(xiàn)在采用解析模式分解方法把混合信號y1中的兩種頻率成分分離開，根據(jù)y1功率譜圖設置二分截斷頻率為80Hz，通過AMD分解得到y(tǒng)1混合信號中小于80Hz的頻率成分，即為一階信號分量s1，再用混合信號y1減去一階信號分量s1即得到二階信號分量s2。分離后的信號見圖10～圖12：

由混合信號y1分離出的一階和二階信號頻率(功率譜峰值)分別為60.0586Hz和100.0977Hz，可以看出分離出的單分量信號頻率與對應的原信號頻率非常接近，因此認為AMD分解是成功且可行的。

使用AMD分解的方法獲取錨桿自由振動的一階加速度分量，積分得到一階位移分量，用希爾伯特變換對其進行處理，獲得一階位移分量的瞬時頻率以及對應的位移幅值，進而對錨桿的非線性振動特性進行分析是可行的。

通過以上分析可以看出，利用錨桿的非線性振動特性來識別界面脫粘情況是可行的，同時脫粘程度也能得到判別。

基于此，本發(fā)明提供了一種用于檢測錨桿脫粘的系統(tǒng)，包括加速度傳感器、信號采集設備和分析處理模塊，所述加速度傳感器用于采集錨桿被激勵后的振動加速度信號，振動加速度信號經(jīng)由所述信號采集設備輸入到分析處理模塊；所述分析處理模塊采用解析模式分解方法得到振動加速度信號的一階加速度分量，對其積分得到一階位移分量；分析處理模塊對一階位移分量作希爾伯特變換，獲得錨桿的頻率-振幅曲線；根據(jù)頻率-振幅曲線判斷其非線性振動程度；根據(jù)非線性振動程度，進行脫粘識別。

由于要對錨桿進行激勵，加速度傳感器要采集錨桿的縱向振動信號，故傳感器要安裝在錨桿端頭上。

激勵設備采用力錘，由于錘頭的硬度對測試結(jié)果有很大影響，所以錘頭的堅硬程度必須滿足需要。錘頭越堅硬，撞擊時攜帶的能量越多，錨桿更多的模態(tài)將會被激勵出來，頻譜較寬，力的脈沖寬度窄。在本發(fā)明中，需要采集的是一階模態(tài)，因而要盡量避免激振出高階模態(tài)，而且傳感器本身的靈敏度較高，所以在力錘錘頭上包裹橡膠皮，減小錘頭堅硬程度，避免超出傳感器量程造成信號失真，同時又能得到需要的模態(tài)。

在實施例中，傳感器的采樣頻率設置為1000赫茲。正式測試前先試測一段信號，判斷此時外界振動的影響是否足夠小，當信號波動很小時，認為滿足要求，可以正式開始測試。采用力錘敲擊錨桿的端頭，采集其振動加速度信號。

采用解析模式分解方法得到振動加速度信號的一階加速度分量，再對其積分得到一階位移分量；對一階位移分量作希爾伯特變換，獲得錨桿的頻率-振幅曲線；

通過分析一錨桿在某個加載等級下的振幅-頻率曲線，說明錨桿在一定程度錨固脫粘下的非線性振動特性。

加速度傳感器采集到的信號定義為SJ1-A-20。

振動信號初始段受到錘擊的干擾，需要對數(shù)據(jù)進行截取，去掉信號受干擾的初始段，留下純自由振動部分。再利用直接法periodogram函數(shù)查看信號的功率譜，獲得信號的一階頻率，見圖14、15。

從上圖14、15的信號功率譜可以看出力錘敲擊激勵出了錨桿的前兩階振動分量。由希爾伯特變換的特性和瞬時頻率的定義可知，進行希爾伯特變換的信號必須為單分量信號，所以必須將原信號分離，使其成為單分量信號?，F(xiàn)有研究表明，基頻能量約占總能量的80％，即一階振動分量能攜帶信號的大部分能量，故采用一階振動分量進行非線性振動特性的分析。查看功率譜可以得到信號的一階頻率在493Hz左右，而第二階頻率在1436Hz左右，所以可以采用AMD分解的方法去掉高階分量，只保留第一階分量。設置信號的上下截斷頻率時，上下截斷頻率相差越大，分解后的信號失真越小。由于試驗獲得的信號一二階頻率相隔較遠，故頻率下限設置為450赫茲，上限設置為550赫茲。利用AMD方法分解信號后查看分離出的一階信號及其功率譜，檢驗信號是否分離干凈。分解后得到的一階分量見圖16、圖17。

從圖16、圖17可以看出，經(jīng)過分解處理后的信號變得更加均勻和平滑，而且功率譜為單峰，說明已經(jīng)成功分離出原加速度信號的一階分量。將分離出的一階加速度信號積分兩次可得到位移信號。每次積分后應乘以時間間隔，即除以采樣頻率1000Hz。一階加速度信號經(jīng)過一次積分得到的速度信號和經(jīng)過兩次積分得到的位移信號分別如圖18、圖19所示。

根據(jù)希爾伯特變換特性，在對一階位移信號進行非線性分析時，在時頻曲線首尾將出現(xiàn)較為明顯的“端點效應”。為了解決這個問題，本發(fā)明采用鏡像法對位移信號進行處理以減小端點效應對信號的影響。對位移信號進行鏡像處理后再經(jīng)過希爾伯特變換得到振幅包絡線時程圖及瞬時頻率時程圖，如圖20、圖21所示。

如圖20、圖21所示，鏡像數(shù)據(jù)的中間1/3段為原始信號數(shù)據(jù)，經(jīng)過鏡像處理后，端點效應得到了抑制，有效地減小了誤差。然而振幅-時間曲線和頻率-時間曲線的中間部分仍存在小幅振蕩，由于分析目的是找到曲線的變化趨勢，因此可以對振幅-時間曲線進行光滑處理，對頻率-時間曲線取其線性化趨勢，這樣處理過后的曲線能較準確的反應真實情況。根據(jù)非線性振動理論，頻率的變化值與振幅有關，所以比較錨桿在不同錨固脫粘下振動信號的非線性振動特性差異時，必須取相同振幅區(qū)間內(nèi)的頻率變化情況進行比較。振幅區(qū)間對應著相應的時間區(qū)間，在選取振幅區(qū)間時要注意，對應這個時間區(qū)間內(nèi)的瞬時頻率不能有較大的波動，這樣的頻率變化才是真實的頻率變化。有較大波動的瞬時頻率是信號處理方法導致的非真實頻率變化。經(jīng)過頻率線性趨勢處理后的振幅-頻率曲線見圖22。

從圖22可以看出，隨著振幅的增大，瞬時頻率在降低，這就是本發(fā)明前面提到的錨桿的非線性振動特性，在所選取的振幅內(nèi)頻率的變化值即為需要求得的非線性振動特性指標。本實施例在小振幅情況下，當振幅增大時，鋼筋與水泥砂漿界面的摩擦在增大，摩擦耗能增加，所以錨桿的頻率降低。隨著自由振動的衰減，振幅逐漸變小，摩擦耗能減小，錨桿的頻率又恢復到原來的大小。

由于各曲線的起點存在頻率差，不方便比較錨桿不同次測試信號的非線性振動特性，所以對得到的振幅-頻率曲線進行歸一化處理，把曲線的縱坐標均減去曲線上出現(xiàn)的縱坐標最大值，即把曲線平移到以零為起點，得到如圖23所示曲線。圖23和圖22中兩條曲線的變化趨勢完全相同，歸一化處理后能夠方便地比較不同信號得到的振幅-頻率曲線的變化趨勢和非線性振動特性指標。

根據(jù)頻率-振幅曲線判斷其非線性振動程度；根據(jù)非線性振動程度，進行脫粘識別。

以上所述僅為本發(fā)明的優(yōu)選實施例，并不用于限制本發(fā)明，顯然，本領域的技術人員可以對本發(fā)明進行各種改動和變型而不脫離本發(fā)明的精神和范圍。這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權利要求及其等同技術的范圍之內(nèi)，則本發(fā)明也意圖包含這些改動和變型在內(nèi)。