張 洪，袁 野，夏潤川，周建庭，陳 悅

(1. 重慶交通大學 省部共建山區(qū)橋梁及隧道工程國家重點實驗室，重慶 400074；2. 重慶交通大學 土木工程學院，重慶 400074)

斜拉橋是現(xiàn)代大跨橋梁的重要結(jié)構形式，斜拉索則是斜拉橋的主要承重部分，其安全與否直接關乎整個橋梁的正常運營。斜拉索長期暴露在外部環(huán)境中，受狂風、暴曬、酸雨等各種惡劣天氣的綜合影響，會逐漸出現(xiàn)不同程度的損傷。這些極具隱蔽性的損傷若不被及時檢測發(fā)現(xiàn)并修復，會給斜拉橋帶來極大的安全隱患。意大利莫蘭迪公路橋的垮塌、湖南瀏陽河大橋(舊橋)的被迫拆除、重慶石門大橋的提前全面換索，皆是由于斜拉索發(fā)生嚴重腐蝕所致。因此，及時發(fā)現(xiàn)斜拉索缺陷并修補，提高斜拉索使用壽命，降低斜拉索安全運行期間的失效風險，具有十分重要的現(xiàn)實意義。

1 常用斜拉索病害檢測手段

目前針對斜拉索的病害檢測手段主要有人工、無人機和機器人三種形式[1-2]，如表1。

表1 斜拉索病害主要檢測方法Table 1 Main detection methods of stay cable diseases

人工檢測[3]主要利用專門的裝置(如維修升降機、拉索升降裝置等)，把維修人員、工具或儀器送到斜拉索上任意位置并完成檢測。該方法原理簡單、技術要求相對較低、便于實施，但檢查效率低下，不僅耗費大量的人力物力，而且存在較大的安全隱患。

無人機檢測[4-6]主要利用無人機搭載高清攝像機快速飛行到斜拉索表面任意位置，實現(xiàn)圖像拍攝與缺陷檢測。無人機操作靈活且易于控制，能快速到達指定位置進行檢測；其攜帶的高分辨率高清攝像機能清晰的采集病害圖像，并通過對所拍照片的處理與分析，能準確地獲取病害的幾何特征，檢測精度能達到毫米級。無人機檢測法雖有諸多優(yōu)勢，但仍存在諸多不足。比如，若斜拉橋修建在江河、湖泊、峽谷等容易形成大風的地方，無人機的飛行檢測會受到風荷載的直接作用，輕則發(fā)生顛簸，影響拍攝質(zhì)量；重則會與斜拉索發(fā)生碰撞；因此無人機檢測受天氣的制約較大。無人機作為一種簡易輕便的飛行器，自身很難攜帶充足能量完成大面積的斜拉索檢測工作，續(xù)航能力有待進一步提升；且無人機攜帶的視覺檢測設備只能從某一方位對斜拉索進行拍攝，無法一次性獲得整個截面環(huán)向的圖像，若為了獲得全面、完整的檢測結(jié)果就必須繞斜拉索螺旋飛行，而斜拉索相鄰之間的空間狹小，飛行時受場地因素影響較大，若設置了不合理的飛行路徑則會使檢測出現(xiàn)缺漏，同時視覺檢測設備也無法對斜拉索內(nèi)部銹蝕斷絲等病害進行檢測，存在檢測盲區(qū)。

機器人檢測[7]是一種借助斜拉索攀爬機器人攜帶檢測設備完成病害檢測的方法。機器人由機械爬升系統(tǒng)和病害檢測系統(tǒng)兩個主要部分組成，機械爬升系統(tǒng)是搭載檢測系統(tǒng)的平臺，也是機器人檢測的關鍵；檢測系統(tǒng)則是“火眼金睛”，可全面、準確、及時、可靠的檢測斜拉索病害。機器人能同時檢測斜拉索表觀病害和內(nèi)部鋼絲損傷，相比人工檢測法和無人機檢測法，其檢測范圍更加全面，且爬升時受風荷載等環(huán)境因素影響較小，可在惡劣的環(huán)境下進行作業(yè)。

2 機器人機械爬升系統(tǒng)研究進展

機械爬升系統(tǒng)用于承載整個機器人在斜拉索上的爬行，必須要有足夠大的驅(qū)動能力以克服機器人自重，當斜拉索因銹蝕斷絲等病害形成鼓包或凹槽而造成索徑變化時，機械爬升系統(tǒng)必須能順利越過這類地方而不出現(xiàn)卡死現(xiàn)象。

H.M.KIM等[8]設計了一種六輪式的爬升裝置〔圖1(a)〕，該裝置通過預緊電機正反轉(zhuǎn)調(diào)整連桿伸縮長度，實現(xiàn)了在不同直徑拉索的爬升，還可根據(jù)斜拉索表面情況調(diào)節(jié)預緊力，以提高機器人的爬升穩(wěn)定性；余劍武等[9]和張申林[10]設計了一種十二輪式、具有防跑偏功能的爬升裝置，該裝置的弧狀V型輪不僅增加了機器人與拉索的接觸面積，還降低了爬升時可能產(chǎn)生的搖擺或螺旋，通過調(diào)節(jié)與主體框架滑動連接的壓緊組件可實現(xiàn)爬升裝置與斜拉索表面的抱緊或分離，爬升裝置還設有防偏輪以防止機器人跑偏；J.LEE等[11]和YUN Hao-bum等[12]設計了一種履帶式爬升裝置〔圖1(b)〕，該裝置設置2個電機以驅(qū)動履帶向上爬升，利用氣動固定裝置確保機器人爬升時的安全，使機器人在拉索發(fā)生振動時，可牢牢固定在拉索上；岳一領等[13]設計了一種履帶和滾輪結(jié)合的可在圓柱桿狀面和金屬壁面之間轉(zhuǎn)換攀爬的機器人，該機器人通過設有的微型壓力傳感器實時監(jiān)測機器人的夾持力，并反饋給控制系統(tǒng)做出調(diào)整，實現(xiàn)了機器人對索面夾持力的自適應調(diào)節(jié)，通過設置的彈簧減震器使機器人平穩(wěn)通過較小的凸起或凹坑，具備一定的越障能力；魏武等[14-17]研制了一種正交關節(jié)連接的蛇形斜拉索攀爬裝置〔圖1(c)〕，該蛇形機器人通過增大纏繞抱緊力來調(diào)整機器人與斜拉索之間的摩擦力，防止在爬升過程中出現(xiàn)的打滑或滑落，還基于旋量與包絡理論對該裝置的攀爬能力進行大量研究，得到了該裝置以螺旋運動的方式爬升的安全攀爬力和攀爬系數(shù)。

圖1 3種爬升裝置Fig. 1 Three kinds of climbing devices

綜上所述，目前較為成熟的機器人爬升方式主要有輪式、履帶式和仿蛇式，其特點如表2。對比這3種爬升方式可發(fā)現(xiàn)：輪式爬升裝置具有靈巧輕便、爬升較快、易于控制、造價低廉等優(yōu)點，使其與另外兩者相比更具競爭力。但輪式爬升方式也存在著弊端，利用該方式爬升的機器人在向上爬升時需要靠裝置向斜拉索施加徑向夾持力來克服自重。由于輪式爬升方式與斜拉索的接觸面積較小，為克服斜拉索角度變化及檢測時受風荷載、車輛荷載等產(chǎn)生的索振動給機器人帶來的安全問題，需設置較大的夾持力，過大的夾持力不但會造成斜拉索PE外套損傷，而且還犧牲了爬升靈活性，降低了爬升速率與工作效率。此外，輪式爬升裝置徑向夾持力的大小需要靠裝置在環(huán)向的收緊與舒張來調(diào)節(jié)，這種環(huán)行結(jié)構對于某些特殊障礙物(如為防止斜拉橋遭受雷擊在端錨索上設置的避雷帶、為防止斜拉索發(fā)生激振而在拉索上安裝的阻尼裝置、城市斜拉橋為了橋梁美觀而在斜拉索上設置的景觀裝飾等)還無法跨越。

表2 爬升裝置主要形式Table 2 Main forms of climbing devices

3 機器人病害檢測系統(tǒng)研究進展

機器人病害檢測系統(tǒng)按照檢測對象不同可分為：表觀病害檢測和鋼絲損傷檢測。表觀病害檢測主要針對斜拉索表面PE護套損傷(如變形、劃痕、破損等)；鋼絲損傷檢測則主要針對斜拉索內(nèi)部鋼絲的銹蝕、斷絲等病害。

3.1 表觀病害視覺檢測

視覺檢測技術是一種結(jié)合了計算機科學、機械自動化工程、信息處理等多學科領域的檢測技術。該檢測技術是通過光學成像裝置采集目標圖像并對所采圖像進行存儲、傳輸、分析、處理以獲得檢測結(jié)果。機器人對表觀病害的檢測主要借助多臺高清攝像機，對拉索表面進行360°無死角實時拍攝，并將拍攝圖像數(shù)據(jù)進行存儲，利用無線傳輸技術將圖像數(shù)據(jù)傳輸給終端，最后通過計算機技術對圖像進行處理與分析來完成最終的檢測工作。

劉朝濤等[18]和杜子學等[19]提出了一種利用單電機驅(qū)動機器人攜帶3臺微型相機對斜拉索表觀病害進行視覺檢測的技術，該技術采用自識別算法初步判斷檢測圖像是否存在病害，然后通過人工進一步確認病害類型與損傷程度，該技術已在重慶李家沱長江大橋上得以應用；XU Fengyu等[20-23]研制了一種由4臺攝像機、主控制器和數(shù)據(jù)存儲器組成的視覺檢測系統(tǒng)，利用主控制器循環(huán)將每臺攝像機所采集的圖像傳輸給數(shù)據(jù)存儲器，借助視頻合成器將各個通道的圖像數(shù)據(jù)集成一路檢測視頻，并通過無線傳輸將視頻發(fā)送到地面進行分析處理，找出存在病害的圖片并確定病害位置以及判斷病害類型；H.N.HO等[24]研制了一種自識別病害的視覺檢測系統(tǒng)(圖2)，該系統(tǒng)硬件包含3個室外數(shù)碼攝像機和1個高速無線調(diào)制器，可對拉索表面圖像進行完整采集并進行存儲，通過人工識別的部分病害照片作為訓練樣本用于PCA模型的特征值提取，然后將剩余檢測圖像導入已訓練后的模型，實現(xiàn)對病害照片的自識別，該機器人為克服室外的不利因素，還專門開發(fā)了一種LED照明系統(tǒng)以降低因亮度變化造成的影響。

圖2 自識別病害的視覺檢測系統(tǒng)Fig. 2 A visual detection system for self-identifying diseases

綜上研究，可得到表觀病害視覺檢測的流程，如圖3。表觀病害視覺檢測最為關鍵的是圖像拼接、病害識別、病害分類這3個環(huán)節(jié)。

圖3 視覺檢測流程Fig. 3 Flow chart of visual detection

斜拉索是一種空間的柱體結(jié)構，單個攝像機只能從某一固定方位對其進行攝像，因此會存在單張圖像只采集到了部分缺陷區(qū)域的現(xiàn)象。圖像拼接的目的就是將多張部分缺陷區(qū)域圖像準確拼接成一張完整的整缺陷區(qū)域圖像，以獲得缺陷的全部特征，如圖4。SIFT法所提取的特征點具有穩(wěn)定性好、信息量豐富、擴展性強等特點，是現(xiàn)有最理想的圖像拼接算法。但SIFT法計算量較大，在實際使用時耗時較多，為提高效率就需要對其進行優(yōu)化。李新科等[25-26]提出了一種尺度不變的簡化特征變換算法，該算法簡化了一般SIFT法中的兩個計算步驟，可顯著提高計算效率，該算法已運用到實橋斜拉索檢測工作中并取得了理想結(jié)果。劉杰等[27]等提出了一種改進的SIFT算法，該算法有效地減少對無用區(qū)域的運算，提高了計算速率，與一般SIFT算法相比可提高58%的特征點提取效率，同時拼接結(jié)果在準確度上也提高了10%。

圖4 圖像拼接Fig. 4 Image mosaic

視覺檢測為避免出現(xiàn)漏檢，機器人在向上爬升時需要攝像機必須不間斷的采集斜拉索表觀圖像。這一過程將產(chǎn)生大量圖像數(shù)據(jù)，而真正需要的目標病害圖像僅占這些圖像中的少數(shù)，若通過人工對圖像進行病害識別與分類將耗費大量時間，病害識別與分類環(huán)節(jié)就是專門為解決從這些原始圖像數(shù)據(jù)中篩選出檢測所需要的病害圖像而設置的。余朝陽等[28]基于卷積神經(jīng)網(wǎng)絡研發(fā)了一種表觀病害自識別與分類模型，模型首先在圖像數(shù)據(jù)集里進行預訓練以獲得病害自識別能力，再利用Faster-RCNN模型完成對缺陷的分類工作。該方法可有效減少人工判別與分類斜拉索病害，檢測結(jié)果比較客觀，避免了因人為差異而造成的檢測誤差，提高了檢測效率。HOU Shitong等[29]認為現(xiàn)有的表觀缺陷自識別模型都需要大量的訓練樣本才能達到相對較高的準確率，在實際應用中想要獲得如此多的缺陷樣本以供模型進行訓練過于苛刻，因此提出了一種名為遷移學習的新穎神經(jīng)網(wǎng)絡算法。該方法考慮到混凝土裂縫與斜拉索PE護套的劃痕病害具有相似性，將訓練成型的混凝土裂紋深度學習模型用于識別拉索表面的劃痕缺陷；該算法只需少量的斜拉索劃痕缺陷數(shù)據(jù)樣本就能建立起準確的缺陷識別模型，具有較高的斜拉索劃痕病害識別準確率。

綜上研究成果可知：對斜拉索病害自識別的研究多考慮光滑表面斜拉索，缺乏對防振性能較好的非光滑表面拉索表面病害的自識別研究，這類斜拉索表面的凹凸結(jié)構與光滑表面拉索出現(xiàn)的劃痕、破損病害類似，極易干擾模型的自識別過程。此外，現(xiàn)有的自識別模型多建立于研究團隊內(nèi)部所儲存的圖像數(shù)據(jù)源上，模型訓練樣本的多樣性存在著局限性，利用諸如轉(zhuǎn)移學習的方法也僅能增加對某一種病害的檢測精度，若要實現(xiàn)對多種病害的高精準自識別還需對現(xiàn)有自識別模型進行改進。

3.2 鋼絲損傷漏磁檢測

斜拉索鋼絲損傷檢測的無損檢測手段主要有磁致伸縮導波法和漏磁檢測法。磁致伸縮導波法是一種利用鐵磁類材料的磁滯伸縮正逆效應來對斜拉索鋼絲損傷進行檢測的方法。該方法采用單點激勵，無需借助機器人沿斜拉索爬行就可對病害進行檢測，優(yōu)勢顯著。但磁致伸縮導波法在對200 m以上斜拉索損傷檢測及定位精度上不如漏磁法，故機器人檢測斜拉索鋼絲損傷病害時多采用漏磁法。漏磁檢測法是一種極富潛力的斜拉索鋼絲損傷檢測手段[30-31]，其原理如圖5。

圖5 漏磁檢測原理Fig. 5 Principle of magnetic flux leakage detection

斜拉索鋼絲作為鐵磁性材料具有良好的磁導率，當鋼絲出現(xiàn)銹蝕、斷絲等缺陷使得磁力線受到切割時，缺陷位置的磁導率急劇下降，使得磁回路中的磁通發(fā)生畸變，部分磁通受到擠壓而泄露到鋼絲外部，經(jīng)空氣繞過缺陷再進入到鋼絲內(nèi)部，這一過程就形成了漏磁場，檢測時通過磁化器對斜拉索進行磁化處理，并借助微型磁傳感器對漏磁場進行檢測，即可發(fā)現(xiàn)斜拉索的鋼絲損傷。俄羅斯INTRON公司研發(fā)了一種拉索探傷儀，該探傷儀重約180 kg，以至于不能借助攀爬裝置實現(xiàn)自爬行，在檢測時需借助卷揚機提供動力才能完成檢測，該儀器工作續(xù)航可達3 h；2013年德國易北河大橋采用一種磁感應檢測設備對斜拉索內(nèi)部斷絲等病害進行了檢測[32]，該設備有6個環(huán)繞斜拉索的磁線圈，可使包裹在PE護套內(nèi)的鋼絲充分磁化，整個設備重約250 kg，需要設計專門的牽引裝置才能使測試設備沿著斜拉索移動；S.PARK等[33]和葉曉樂等[34]設計了一種8通道漏磁檢測儀器，根據(jù)儀器所檢測漏磁信號的位置與大小可對內(nèi)部病害進行定位與損傷程度判斷，并將磁信號進行三維可視化處理，得到較為直觀的磁漏圖像；武新軍等[35]、賁安然等[36]和袁建明等[37]分別基于漏磁原理設計了可重構的斜拉索磁性檢測裝置，該裝置可根據(jù)斜拉索不同索徑選擇合適的檢測模塊，防止漏檢，并通過建立有限元模型分析了檢測裝置磁化器里永磁體的不同長度、厚度、間距對漏磁檢測信號的影響，通過試驗對仿真結(jié)果進行檢驗，得到最合適的磁化器尺寸。

上述的漏磁檢測裝置均存在著較為笨重這一問題，造成在實際檢測中效率不高的情況。為克服這一弊端，研究人員開始將強度高、重量輕的新型材料運用到機器人中。武漢橋科院[38]研發(fā)了“探索者”系列全自動無損檢測機器人，該機器人機身采用了鈦合金、碳纖維等強度高、重量輕的材料，大幅減輕了機器人自重，其具備表觀檢測和內(nèi)部檢測的能力，可持續(xù)高效的工作5 h以上。王曉琳等[39]研發(fā)了一種輕型碳纖維檢測機器人，由于對設計材料進行了改進，整個機器人的自重大幅減小，不僅提高了續(xù)航能力，還方便了現(xiàn)場安裝。該機器人具備多個檢測模塊，能夠同時對拉索表面缺陷、內(nèi)部斷絲銹蝕及索力大小進行檢測、識別、測量、統(tǒng)計和存儲，雖然通過使用新型材料大幅降低了檢測設備的重量，并可借助攀爬裝置實現(xiàn)自爬行，但這些輕型檢測設備依然較重，究其原因在于常用的漏磁檢測法需對斜拉索進行磁化，而斜拉索索徑較大，想要達到飽和磁化難度較高，必須使用大體積的永磁鐵以及銜鐵來形成磁回路，因此檢測設備的重量無法得到質(zhì)的降低。此外，飽和磁化掩蓋了微型缺陷的漏磁信號，使得常用漏磁檢測法無法對微小病害進行檢測，不利于斜拉索強度的診斷和使用壽命的預判。

雖然可通過使用新型材料大幅降低了檢測設備的重量，并可借助攀爬裝置實現(xiàn)自爬行，但這些輕型檢測設備依然較重，究其原因在于常用的漏磁檢測法需對斜拉索進行磁化，而斜拉索索徑較大，想要達到飽和磁化難度較高，必須使用大體積的永磁鐵及銜鐵來形成磁回路，因此檢測設備重量無法得到質(zhì)的降低。此外，飽和磁化掩蓋了微型缺陷的漏磁信號，使得常用漏磁檢測法無法對微小病害進行檢測，不利于對斜拉索強度診斷和使用壽命預判。

為克服常用漏磁檢測法的諸多弊端，王翔等[40]提出了一種電磁探傷技術(圖6)，該技術利用勵磁線圈來替代常用漏磁法中永磁體對斜拉索進行磁化，通過改變勵磁線圈磁通量Φ隨時間t的變化率dΦ/dt來調(diào)整勵磁場大小，不僅提高了裝置對斜拉索的勵磁深度，同時也實現(xiàn)了檢測裝置的羽量化。此外，該技術采用線圈探測漏磁場，與一般霍爾傳感器相比，線圈探測具有靈敏度高、探測面積廣等優(yōu)點。

圖6 電磁探測裝置Fig. 6 Electromagnetic detection device

周建庭等[41-43]和趙亞宇等[44]提出一種基于金屬磁記憶的斜拉索鋼絲損傷檢測方法，金屬磁記憶檢測技術原理為：銹蝕、斷絲等缺陷會使斜拉索內(nèi)部鋼絲產(chǎn)生截面損失，從而造成局部應力增大，在環(huán)境磁場激勵下，鐵磁類材料應力集中處磁疇組織發(fā)生定向且不可逆的重新取向，這一過程會在對應位置形成漏磁場。采用金屬磁記憶檢測原理設計的漏磁檢測裝置如圖7。該裝置不僅能發(fā)現(xiàn)宏觀缺陷，還能發(fā)現(xiàn)因局部應力集中引起的微損傷，由于不需要進行飽和磁化處理，因此大大減輕了裝置重量。此外，該漏磁檢測裝置所使用的霍尼韋爾HMR2300三維磁強計對比普通霍爾傳感器檢測靈敏度更高，可采集極其微弱的漏磁信號。

圖7 金屬磁記憶檢測裝置Fig. 7 Metal magnetic memory detection device

綜上研究，鋼絲損傷漏磁檢測可及時、準確發(fā)現(xiàn)和定位斜拉索內(nèi)部鋼絲的病害，并能初步判斷病害損傷程度，但現(xiàn)有用于斜拉索鋼絲損傷檢測的漏磁法種類多樣且各具特色，檢測精度參差不齊，難以對病害進行客觀評定，因此需要確定統(tǒng)一的、普適的評定指標?，F(xiàn)有鋼絲損傷漏磁檢測還無法做到類似表觀病害檢測那樣的自識別，需要人工對所檢測數(shù)據(jù)進行處理，工作繁瑣，檢測效率低下，亟需開發(fā)符合斜拉索病害檢測的自識別模型。

4 結(jié)論及展望

機器人檢測相較人工檢測和無人機檢測而言，具有全面、準確、及時、可靠的特點。輪式爬升方式所具有的諸多優(yōu)點使其在攀爬機器人中得以廣泛應用。表觀病害視覺檢測可對光滑表面斜拉索的表觀病害進行快速準確的自識別檢測。鋼絲損傷漏磁檢測可實現(xiàn)斜拉索內(nèi)部腐蝕、斷絲等病害的及時發(fā)現(xiàn)和準確定位，并可判斷病害的類型與損傷程度。機器人雖已取得喜人的成果，但存在一些值得改進的地方：

1)輪式爬升會出現(xiàn)夾持力過大的問題，不僅會對斜拉索造成損傷，還影響了裝置爬升的靈活性；另外，采用輪式爬升方式的環(huán)形結(jié)構無法越過斜拉索上設置的特殊障礙物；

2)對表觀病害視覺檢測的研究多考慮光滑表面斜拉索，缺乏對防振性能較好的非光滑表面拉索表面病害的自識別研究。表觀病害自識別模型對多類型的病害識別存在局限，想要實現(xiàn)“穩(wěn)、準、狠”的自識別過程，還需對現(xiàn)有模型進行改進；

3)針對斜拉索內(nèi)部鋼絲損傷檢測，缺乏統(tǒng)一、普適的漏磁檢測評定指標，無法對其進行客觀化、標準化、統(tǒng)一化檢測。因此，后續(xù)可在斜拉索病害檢測準確率、類似表觀病害檢測的自識別模型等方面開展研究。