基于小波分析的孔道压浆检测信号处理技术研究

王清洲，张彩利，马士宾，梁永广

（1.河北工业大学土木工程学院，天津 300401；2.河北省土木工程技术研究中心，天津 300401；3.天津高速公路集团有限公司，天津 300384）

基于小波分析的孔道压浆检测信号处理技术研究

王清洲1，2，张彩利1，2，马士宾1，2，梁永广3

（1.河北工业大学土木工程学院，天津 300401；2.河北省土木工程技术研究中心，天津 300401；3.天津高速公路集团有限公司，天津 300384）

受到检测原理、评价参数单一等原因的影响，孔道压浆质量检测误判的现象时有发生，降低了检测结果的准确性，并且严重影响施工进度．为了解决此问题，在分析击振锤大小与产生声波频率关系的基础上，研究了小波分析技术用于孔道压浆检测波形处理的有效性；最后对混凝土、密实孔道及未压浆孔道工程实测点检测波形进行频谱分析与小波分析，通过比较两种方法的处理效果，结果表明小波分析与频谱分析结果基本一致，且小波分析的准确度更高、处理方式更为简单，为数据处理方法提供了新依据．

小波分析；孔道检测；应力波；频谱技术

0 引言

预应力孔道压浆质量检测一直是预应力施工的一个难题，参照无损检测技术在混凝土检测中的应用，研究人员尝试着利用其检测孔道的压浆质量．虽然取得了一定的成果，但受到评判参数单一、测试环境是多相体的现实影响，发生误判的事情时有发生，给工程施工带来了非常不利的影响．而随着研究的深入，认为影响结果准确性的因素不再是采样精度、仪器设备，而是采集数据处理方式[1-2]．

本文依据缺陷会导致某些频率段内频率发生变化的现象，提出了小波技术分析孔道检测数据的方法，并同现阶段较常见的回波频谱技术进行了对比，认为小波分析在缺陷判别精度方面优于频谱技术，这为研制新型孔道压浆质量检测仪提供了理论依据．

1 频谱分析基本原理

孔道压浆质量检测频谱分析中用到的应力波是质点应力、应变状态发生改变的体现，常用的激发方式是用小钢球敲击构件表面．影响声波特性的因素包括激发时间、小钢球直径D与激发动能．而激发时间一般在10～100s，引发的质点位移与激发能量成正比，且激发时间是小刚球直径D的线性函数[3-6]．冲击产生的应力波包含了多样的频率成分，为从频域方面分析提供了可能．

频谱分析则是通过傅立叶变换把接收到的回波信号转换为以频率轴为横坐标的模型，从而进行分析的方法．时域表示较为形象和直观，但频域表示信号则更为简练，分析问题更加深刻和方便．在时域中看起来很乱的信号，在频域就可以很清楚地看到信号的能量分布和相位分布．

频谱分析是现阶段孔道压浆检测最常用的方法，但其应用与缺陷取向有关，容易漏检；且声波需往返传播，材料衰减太大时则不适用．

2 小波分析理论

2.1 小波分析优点

传统的频谱分析是在信号的频域展开的，不包含时间信息，这对于一些应用来说是恰当的，但时域信息对其他应用来说同样可能是重要的．小波分析具有同时在时域和频域表征信号信息的能力，并且在低频部分采用较低的时间分辨率，提高频率的分辨率；在高频部分用较低的频率分辨率来得到精准的时间定位．故小波分析可以探测正常信号中的瞬态，展示其频率成分．

2.2 小波分析过程

在检测信号处理前，必须对信号离散化．这一离散化都是针对连续的尺度参数a和连续平移参数b进行的．在连续小波a,bt中，考虑函数：

C是一个与信号无关的常数，选择合适的a0和b0，保证重构信号的精度至关重要．通常情况下是将尺度因子和位移参数按2的幂次进行离散．最有效的计算方法是s．Mallat于1988年发展的快速小波算法．对任意信号，离散小波变换第一步是将信号分为低频部分和离散部分，低频部分代表了信号的主要特征．第二步对低频部分再进行相似运算，这时尺度因子已经改变．依次进行到所需要分解的尺度．对于机械故障诊断、混凝土结构缺陷检测等，均是在高频分解域内识别缺陷信息．

2.3 信号处理中小波基的选取

对检测信号进行分解时需要选择分解的小波基，简单而言就是选择一个滤波器．它的选取原则上要求小波基与信号有一定的相似性．因为被分析信号与基小波越接近，信号在时间尺度域的能量分布越集中．实际中选择一个小波时，所选的小波要具有一定的紧支集、正则性、对称性与消失矩阶数．对于孔道压浆检测信号，下面对误差结果进行比较分析．

从表1分析可以得知，Db3小波与Sym3小波在超声检测信号重构中平均误差相同，最大误差也相同，分别为3.50×1012、1.19×109；而Db5、Db7小波均比相同长度的Sym5、Sym7小波重构时产生的平均误差大、最大误差大，因此，总体上Sym小波族都略优于Db族小波．究其原因，Sym族小波是在对Db族小波进行改进得到的，性质与Db族小波相似，更接近于对称小波．本文中采用的均为Sym5小波．

表1 不同家族相同小波滤波器长度产生误差统计Tab.1 Error statisticsof different family butsamewavelet filter length

图1 信号转换频域图Fig.1 Conversion frequency domain of signal

图2 信号小波分析5层分解图Fig.2 Decompose figure of signalw ith 5 layers waveletanalysis

3 工程应用实例

孔道信号处理中，小波分析的作用是识别反射信号时刻，进而判断检测部位孔道注浆情况．对预设缺陷的实验梁不同部位进行检测，分别进行频谱分析与小波分析，判断检测部位结果，并与预设情况做对比[7]．试验数据采集于某高速公路预应力试验梁孔道的不同状态部位：混凝土测区、预应力孔道注浆密实部位、预应力孔道未注浆孔道部位，获得检测数据，分别对其进行频谱分析与小波分析．

1）部位1

检测点厚度40 cm，周围混凝土标定速度为4329m/s．进行快速傅里叶变换，得到信号的频域图1，原始检测波形如图2中s所示．图1中有一明显峰值f1=5 127Hz，根据上述讨论，计算对应的厚度值d=0.96×Vp/2/f1=40.5cm，与检测点厚度相差0.5 cm，由于只有一个峰值，故判断该点为混凝土点．将时域图进行小波分解，基本参数为：小波基为sym5，分解层数为5，分解后的结果如图2．图2中横坐标为采样点数，设定的采样时间间隔为dt=0.000 002 s．高频层d1包含了回波信号引起的突变点，同时也包含了外部任意时刻发生的噪音．为了增加判断的准确性，可以设定一判读回波信号突变点的范围：板厚为40 cm，假定标定P波速度不低于3 000m/s，则取样点n应该小于n0=0.4×2/ 3 000/0.000 002=134．大于134的采样点虽然仍然有较大幅值的点，却是由多次回波反射与外部噪音的重叠造成的，并不是单个回波信号的首波引起的．将d1层采样点1～140单独放大，查看信号突变点，如图2中信号细化部分．

很明显采样点n1=92处波幅大于0～140范围内的任何点，初步判定该点由板底的反射波引起．计算反射位置d1=n1×dt×Vp/2=39.8 cm，与板的厚度40 cm相当，属于板底反射．

2）部位2

检测点厚度40 cm，周围混凝土标定速度为4451m/s．检测波形如图3中的s所示，进行快速傅里叶变换，得到信号频域图4．

图4中有2处较明显峰值f1=5 227 Hz，f2=6 510Hz，对于峰值f1，计算对应的反射距离d1=0.96× Vp/2/f1=40.9 cm，与板的厚度相差0.9 cm，此频率属于板的厚度响应；第2峰值对应的厚度为d2=0.96 Vp/4/f2=16.4cm，由于孔道直径为8cm，钢绞线的位置大概为16～24 cm，得到的结果符合实际情况，f2为钢绞线界面对声波的反射．此处由于钢绞线首次反射信号不改变反射波相位，无法被接收，必须在接收点附近“混凝土/空气”界面反射改变相位，再次被钢束反射后才能被接收，判定该处孔道密实．同样对信号做5层小波分解，对上述计算的采样点范围0～140进行局部放大，如图3所示．

图3中有2处幅值明显偏大处，分别为n1=76，n2=90，计算对应的位置，d1=dt×n1×Vp=67.7 cm，大致为检测点到预应力钢束距离16.9cm的4倍，属于孔道内钢束的反射波．d2=dt×n2×Vp=80.1 cm，是检测点厚度的2倍，属于板底回波信号，此处孔道密实．

3）部位3

检测点厚度为40 cm，周围混凝土的标定速度为4202m/s．检测波形如图5中的s所示，进行快速傅里叶变换，得到频域图6．

图6中也有2处较明显的峰值f1=4 860Hz，f2= 12 124.2 Hz，计算对应的反射距离d1=0.96×Vp/2/f1= 41.5 cm，与板的厚度相差1.5 cm，主要是受到空洞缺陷影响发生了波的绕射，属于板的厚度响应；第2峰值对应的厚度为d2=0.96×Vp/2/f2=16.6 cm，而混凝土边缘到孔道外侧的距离为16cm，故此值为空洞界面对声波的反射，判定该处孔道未压浆．对信号做小波分解，并且按照预先确定的区域进行放大，观察是否有幅值明显大于周围的点．

图5中有2处幅值明显偏大，分别为n1=38、n2=96，计算其对应的位置，d1=dt×n1×Vp=31.9 cm，与检测点到孔道外侧的距离2×16=32 cm相同，属于空孔道壁对声波的反射．d2=dt×n2×Vp=80.6 cm，是板厚度的2倍，但是距离明显偏大，由绕射引起的．判断该点为未压浆点．将上述检测结果列表如下．

从表2可以得到小波分析与频谱分析判别结果与实际情况一致，但小波分析精度较高．从上述分析中也可以看出，小波分析突变点多集中在第1层（d1），而异常点也常在该层判断；由于事前给定了提取突变点的范围，大大提高了判断效率与准确性．

图3 信号小波分析5层分解图Fig.3 Decompose figureof signalw ith 5 layers waveletanalysis

图4 信号转换频域图Fig.4 Conversion frequency domain of signal

表2 检测结果一览表Tab.2 Listof testresults

4 结论

小波分析具有多分辨率的特点，通过计算给定恰当的信号突变点提取范围，对检测波形进行分析，可以得到以下结论：

图5 信号小波分析5层分解图Fig.5 Decompose figureof signalw ith 5 layers w aveletanalysis

图6 信号转换频域图Fig.6 Conversion frequency domain ofsignal

1）小波分析可以实现孔道压浆检测信号局部放大，从中发现信号中高频部分突变点，通过对一定范围内回波信号的识别，可以得到反射面的位置，进而判断压浆状况．

2）与频谱分析相比，小波分析具有缺陷判断快速便捷，且精度高、定位准确的优势，可以用于孔道压浆检测信号的处理．

此外编制对应的结成模块，实现孔道压浆质量信号的自动判别，进而研制新型专项孔道压浆质量检测仪势在必行．

本文获得河北工业大学优秀青年科技创新基金（2013002）资助．

[1]CECS 21：2000超声法检测混凝土缺陷技术规程[S]．北京：中国建筑工业出版社，2000．

[2]New tson Craig M，Eberhard Marc O．Nondestructive Evaluation Using Numerical Sinulation of Inpact Response[J]．ACIM atericals Journal，2000，97（8）：343-350．

[3]栾健．预应力管道灌浆质量检测的试验研究[D]．长沙：中南林业科技大学，2011．

[4]武岩峰，杨铠铨，魏连雨．预应力桥梁波纹管注浆质量检测[J]．无损检测，2012，34（6）：17-20．

[5]董建伟．预应力孔道灌浆技术研究[D]．北京：中国建筑科学研究院，2006．

[6]魏连雨，梁永广，马士宾，等．基于超声波的预应力波纹管注浆密实性与空洞部位检测技术[J]．无损检测，2012，34（4）：42-45．

[7]房曙光．小波时频分析方法在超声波信号处理中的应用[D]．济南：山东大学，2009．

[责任编辑 杨屹]

Research of channelgrouting detection signalprocessing techniques based onwaveletanalysis

WANGQing-zhou1，2，ZHANGCai-li1，2，MA Shi-bin1，2，LIANG Yong-guang3

(1.SchoolofCivilEngineering,HebeiUniversity of Technology,Tianjin 300401,China;2.CivilEngineering Technology Research CenterofHebeiProvince,Tianjin 300401,China;3.Tianjin Expressway Group Co Ltd,Tianjin 300384,China)

Channelgrouting detectionm isjudgment phenomenon often occursbecause of detection principle or a single evaluation parameter,which reduce theaccuracy of resultsand affect the construction schedule seriously In order to solve thisproblem,thispaperanalyzes the relationship betw een hammer sizeand sonic frequency;Then analyzes the feasibility of thewavelet analysis technology applied to channelgrouting detection waveform analysis;Finally conducts spectrum analysisandwaveletanalysiswithconcrete,compacting channeland empty channelpoints.The resultsshow thatwavelet analysis can be fully used to waveform analysis for ahigheraccuracy,which providesa basis fora new data processing method.

waveletanalysis;channeldetection;stresswave;spectrum technology

TG115.28

A

1007-2373(2014)01-0096-05

2013-02-15

王清洲（1979-）男（汉族），讲师．