基于压电陶瓷的钢管混凝土界面剥离损伤监测：实验与机理探究

基于压电陶瓷的钢管混凝土界面剥离损伤监测：实验与机理探究一、引言1.1研究背景与意义钢管混凝土结构作为一种高效的组合结构形式，在现代土木工程中得到了广泛应用。这种结构充分发挥了钢材的抗拉性能和混凝土的抗压性能，具有承载力高、塑性和韧性好、施工方便等显著优点，被大量应用于高层建筑、大跨度桥梁、地铁车站以及工业厂房等各类工程项目中。例如，在高层建筑中，钢管混凝土柱能够有效减小构件截面尺寸，增加建筑使用空间，同时提高结构的抗震性能；在大跨度桥梁中，钢管混凝土拱肋可以承受巨大的压力，确保桥梁结构的稳定性。然而，在钢管混凝土结构的使用过程中，钢管与混凝土之间的界面剥离损伤问题逐渐凸显出来，成为影响结构安全和耐久性的关键因素。界面剥离损伤是指钢管与混凝土之间的粘结力丧失，导致两者在受力过程中不能协同工作。这种损伤的产生原因较为复杂，主要包括混凝土的收缩徐变、温度变化引起的热胀冷缩差异、施工质量问题以及长期荷载作用等。混凝土在硬化过程中会发生收缩，而钢管的约束作用会限制混凝土的收缩，从而在界面处产生拉应力，当拉应力超过界面粘结强度时，就会导致界面剥离。温度变化时，钢管和混凝土的热膨胀系数不同，也会使界面产生附加应力，加速界面剥离的发展。界面剥离损伤对钢管混凝土结构的力学性能具有严重的负面影响。一方面，它会削弱钢管对混凝土的约束作用，使混凝土处于单向受压状态，降低混凝土的抗压强度和变形能力，进而导致结构的承载能力下降。研究表明，当界面剥离达到一定程度时，钢管混凝土柱的承载力可能会降低20%-30%。另一方面，界面剥离损伤还会影响结构的刚度和延性，使结构在承受荷载时更容易发生变形和破坏，降低结构的抗震性能和抗疲劳性能，增加结构在地震、风荷载等动态作用下发生破坏的风险。例如，在地震作用下，存在界面剥离损伤的钢管混凝土结构可能会出现过早的破坏，危及人民生命财产安全。因此，对钢管混凝土界面剥离损伤进行有效的监测和评估，及时发现并采取措施修复损伤，对于保障结构的安全运行、延长结构使用寿命具有至关重要的意义。传统的无损检测方法，如人工敲击法、超声波检测法和光纤光栅检测法等，虽然在一定程度上能够检测出界面剥离损伤，但都存在各自的局限性。人工敲击法依赖检测人员的经验，主观性强，检测效率低，且难以检测出深部的损伤；超声波检测法对检测设备和检测环境要求较高，信号容易受到干扰，对于复杂结构的检测效果不理想；光纤光栅检测法成本较高，安装和维护复杂，并且对界面剥离损伤的敏感程度有限。压电陶瓷作为一种智能材料，具有压电效应，即在外力作用下会产生电信号，反之，在电场作用下会发生形变。基于压电陶瓷的监测技术具有高灵敏度、快速响应、易于布置等优点，为钢管混凝土界面剥离损伤监测提供了新的思路和方法。通过将压电陶瓷传感器布置在钢管混凝土结构的界面或关键部位，能够实时监测结构的应力、应变和振动等信息，通过分析这些信息的变化，可以有效地识别界面剥离损伤的发生和发展程度。因此，开展基于压电陶瓷的钢管混凝土界面剥离损伤监测的实验研究，对于推动压电陶瓷技术在土木工程结构健康监测领域的应用，提高钢管混凝土结构的安全性和可靠性具有重要的理论意义和工程实用价值。1.2国内外研究现状国内外学者针对钢管混凝土界面剥离损伤监测开展了大量研究，取得了一系列成果。早期的研究主要集中在探索各种监测方法的可行性。在无损检测技术方面，人工敲击法作为一种简单直观的检测方式，在早期被广泛应用。检测人员通过敲击钢管表面，根据声音的变化来判断界面是否存在剥离损伤。然而，这种方法依赖于检测人员的经验和主观判断，对于微小的损伤或深部的损伤难以准确检测。超声波检测法也是较早应用于钢管混凝土界面检测的方法之一。该方法利用超声波在不同介质中的传播特性，当超声波遇到钢管与混凝土的界面剥离区域时，会发生反射、折射和散射等现象，通过分析接收信号的幅值、相位和传播时间等参数的变化，来判断界面的粘结状态。但超声波检测法存在一些局限性，如信号容易受到钢管壁厚、混凝土内部缺陷以及检测距离等因素的影响，对于复杂结构的检测精度难以保证。随着技术的发展，光纤光栅检测法逐渐应用于钢管混凝土界面剥离损伤监测。光纤光栅传感器利用光的波长变化来感知结构的应变变化，具有抗电磁干扰、灵敏度高、可分布式测量等优点。通过将光纤光栅传感器埋入钢管混凝土结构内部，可以实时监测界面处的应变情况，从而判断是否发生界面剥离损伤。然而，光纤光栅检测系统成本较高，安装和维护过程较为复杂，限制了其大规模应用。近年来，压电陶瓷在土木工程结构健康监测领域的应用受到了广泛关注。在钢管混凝土界面剥离损伤监测方面，国内外学者开展了诸多研究工作。国外学者通过理论分析和实验研究，深入探讨了压电陶瓷的工作原理及其在结构监测中的应用潜力。他们利用压电陶瓷的压电效应，将其作为传感器或驱动器，研究了基于压电陶瓷的应力波法和压电阻抗法在钢管混凝土界面损伤监测中的应用。例如，通过在钢管表面粘贴压电陶瓷片，发射和接收应力波，分析应力波在钢管与混凝土界面的传播特性，从而实现对界面剥离损伤的检测。国内学者在该领域也取得了丰富的研究成果。许斌等首次提出基于压电陶瓷应力波测量小波包能量谱的识别方法，通过对采集到的应力波信号进行小波包分解，提取能量谱特征，有效地识别了钢管混凝土柱的界面剥离损伤，为实际工程应用提供了一种新的思路。蔡萍等利用外贴于钢管外壁的压电陶瓷片作为传感器，对不同频段上波动信号的频响函数进行分析，实现了钢管混凝土构件界面剥离损伤的监测。他们的研究表明，通过分析频响函数的变化，可以准确判断界面剥离损伤的位置和程度。陈潜等人运用ANSYS建立了带界面剥离缺陷的钢管混凝土柱模型，通过在钢管混凝土柱表面同侧粘贴压电陶瓷（PZT）片进行驱动和传感，对具有不同长度缺陷的钢管混凝土柱的信号进行数值模拟分析，并与健康工况下的信号进行比较。数值模拟结果表明，界面剥离缺陷工况下的信号幅值较健康工况下大，且损伤程度与信号幅值改变呈正相关，损伤尺度越大，信号幅值越大，验证了基于表面波测量的界面剥离缺陷检测方法的有效性。尽管国内外在基于压电陶瓷的钢管混凝土界面剥离损伤监测研究方面取得了一定进展，但仍存在一些问题和不足。部分研究仅在实验室条件下进行，缺乏实际工程应用的验证；对于复杂工况下的界面剥离损伤监测，如高温、潮湿环境以及长期荷载作用等，相关研究还不够深入；此外，如何优化压电陶瓷传感器的布置方式和信号处理方法，提高监测系统的准确性和可靠性，也是需要进一步研究的问题。1.3研究目标与内容本研究旨在通过实验研究，深入探讨基于压电陶瓷的钢管混凝土界面剥离损伤监测技术，为实际工程应用提供理论依据和技术支持。具体研究目标如下：验证压电陶瓷用于钢管混凝土界面剥离损伤监测的有效性：通过设计和开展一系列钢管混凝土试件的实验，对比分析健康试件和含有界面剥离损伤试件在不同加载条件下的压电陶瓷响应信号，验证压电陶瓷传感器能否准确检测到界面剥离损伤的发生，并确定损伤的位置和程度。分析界面剥离损伤对钢管混凝土力学性能的影响规律：结合实验结果和理论分析，研究界面剥离损伤的发展过程对钢管混凝土结构的承载能力、刚度、延性等力学性能指标的影响，建立界面剥离损伤程度与力学性能变化之间的定量关系，为结构的安全性评估提供依据。优化基于压电陶瓷的监测系统：对压电陶瓷传感器的布置方式、信号采集与处理方法进行优化研究，提高监测系统的灵敏度、准确性和可靠性。探索不同的传感器布置方案对监测效果的影响，选择最佳的布置方式；研究先进的信号处理算法，如小波变换、神经网络等，提高对损伤信号的识别和分析能力。为实现上述研究目标，本研究主要开展以下几方面的工作：压电陶瓷监测原理与系统设计：详细阐述压电陶瓷的工作原理，包括压电效应、传感原理和信号处理方法。根据钢管混凝土结构的特点和界面剥离损伤监测的需求，设计基于压电陶瓷的监测系统，包括传感器选型、布置方案、信号调理电路和数据采集与传输系统等。对监测系统的性能进行理论分析和仿真模拟，为实验研究提供理论指导。实验方案设计与试件制作：设计合理的实验方案，包括加载制度、损伤引入方式和测量内容等。制作不同规格和损伤程度的钢管混凝土试件，在试件上准确安装压电陶瓷传感器，并做好防护措施。准备实验所需的加载设备、测量仪器和数据采集系统，确保实验的顺利进行。实验过程与数据采集：按照实验方案对钢管混凝土试件进行加载试验，在加载过程中实时采集压电陶瓷传感器的输出信号、结构的应变和位移等数据。记录试件在不同加载阶段的损伤发展情况，包括界面剥离的起始位置、扩展方向和范围等。对采集到的数据进行初步整理和分析，剔除异常数据，确保数据的准确性和可靠性。实验结果分析与损伤识别：运用信号处理和数据分析方法，对采集到的压电陶瓷信号进行深入分析，提取与界面剥离损伤相关的特征参数，如信号幅值、频率、相位等。通过对比健康试件和损伤试件的特征参数变化，建立损伤识别模型，实现对界面剥离损伤的准确识别和程度评估。结合结构力学理论，分析界面剥离损伤对钢管混凝土力学性能的影响规律，验证理论分析的正确性。监测系统优化与应用展望：根据实验结果和分析，对基于压电陶瓷的监测系统进行优化改进，包括调整传感器布置方案、优化信号处理算法和完善监测系统功能等。探讨该监测技术在实际工程中的应用前景和推广价值，提出进一步研究的方向和建议，为推动压电陶瓷监测技术在钢管混凝土结构健康监测中的广泛应用奠定基础。二、压电陶瓷监测原理与技术2.1压电陶瓷工作原理压电陶瓷是一种能够实现机械能与电能相互转换的功能陶瓷材料，其独特的性能源于压电效应。压电效应可分为正压电效应和逆压电效应。当压电陶瓷受到外力作用时，例如在其表面施加压力，陶瓷内部会发生微小的应变，导致正负电荷中心相对位移，从而在陶瓷的两个相对表面上出现正负相反的电荷，产生电势差，这种将机械能转化为电能的现象被称为正压电效应。且所产生的电荷量与外力的大小成正比，当外力作用方向改变时，电荷的极性也随之改变。相反，当在压电陶瓷的极化方向上施加电场时，陶瓷会发生变形，电场去掉后，变形随之消失，这种将电能转换为机械能的现象称为逆压电效应。若施加的是交变电场，陶瓷将在电场作用下产生周期性的伸缩变形，当交变电场的频率与压电陶瓷的固有频率相等时，会发生压电谐振，此时陶瓷的振动幅度将急剧增大。从微观结构来看，压电陶瓷是由许多微小的晶粒组成的多晶材料，每个晶粒内部存在着电畴。在未极化状态下，这些电畴的取向是随机的，宏观上压电陶瓷不表现出压电性。当对压电陶瓷进行极化处理时，即在强直流电场的作用下，电畴会逐渐转向电场方向，使得陶瓷内部的极化方向趋于一致，从而获得剩余极化强度，此时压电陶瓷才具备压电效应。在正压电效应中，外力作用使电畴的取向发生改变，导致剩余极化强度发生变化，进而产生电荷；在逆压电效应中，外加电场改变了电畴的取向，引起压电陶瓷的形变。由于具有这种特殊的压电效应，压电陶瓷在传感器和换能器等领域得到了广泛应用。在传感器方面，基于正压电效应，压电陶瓷可以将压力、振动、加速度等物理量转换为电信号输出，从而实现对这些物理量的测量和监测。例如，在振动传感器中，当压电陶瓷受到振动作用时，会产生与振动幅度和频率相关的电信号，通过对该电信号的分析，就可以获取振动的相关信息。在换能器方面，利用逆压电效应，压电陶瓷能够将电信号转换为机械振动，实现电能与机械能的转换。比如在超声波换能器中，给压电陶瓷施加高频交变电压，它会产生高频机械振动，从而发射出超声波；而在接收超声波时，压电陶瓷又能将超声波的机械振动转换为电信号，实现超声波的检测和接收。此外，压电陶瓷还在声学器件、驱动器、滤波器等众多领域发挥着重要作用，其应用范围涵盖了工业、医疗、通信、航空航天等多个行业，成为现代科技中不可或缺的关键材料之一。2.2基于压电陶瓷的监测原理基于压电陶瓷的钢管混凝土界面剥离损伤监测技术，主要是利用压电陶瓷的正压电效应来实现对结构状态的监测。在钢管混凝土结构中，钢管与混凝土之间的界面粘结性能是保证结构协同工作的关键。当界面发生剥离损伤时，结构的力学性能会发生变化，这种变化会导致结构在受力时产生的振动特性发生改变。在监测过程中，首先将压电陶瓷传感器按照一定的布置方案粘贴或埋设在钢管混凝土结构的关键部位，通常选择在钢管与混凝土的界面附近或者结构受力较大的区域。当结构受到外部荷载作用时，如轴向压力、弯曲荷载或振动荷载等，结构会产生相应的变形和振动。由于压电陶瓷具有正压电效应，其在受到结构振动传递的应力作用时，会将机械能转换为电能，产生与结构振动特性相关的电信号输出。对于健康的钢管混凝土结构，在相同的荷载作用下，其振动响应具有一定的规律性，压电陶瓷传感器输出的电信号也呈现出特定的特征，如信号的幅值、频率、相位等。当界面出现剥离损伤后，钢管与混凝土之间的协同工作能力下降，结构的刚度、质量分布等力学参数发生改变，从而导致结构的振动特性发生变化。这种变化会反映在压电陶瓷传感器输出的电信号中，使得信号的幅值、频率、相位等参数发生改变。例如，当界面剥离损伤较小时，可能会导致信号的幅值略有减小，某些频率成分发生微小变化；随着损伤程度的加剧，信号的幅值会进一步减小，频率成分的变化会更加明显，甚至可能出现新的频率成分。通过实时采集和分析压电陶瓷传感器输出的电信号，提取与界面剥离损伤相关的特征参数，并与健康状态下的信号特征进行对比，就可以判断界面是否发生剥离损伤以及损伤的程度和位置。在实际应用中，可以采用多种信号分析方法来处理和分析采集到的电信号，如时域分析方法（均值、方差、峰值指标等）、频域分析方法（傅里叶变换、功率谱估计等）以及时频分析方法（小波变换、短时傅里叶变换等），以更准确地提取损伤特征，提高损伤识别的准确性和可靠性。2.3信号处理与分析方法在基于压电陶瓷的钢管混凝土界面剥离损伤监测系统中，信号采集是获取结构状态信息的第一步。通常采用数据采集卡来实现对压电陶瓷传感器输出电信号的采集。数据采集卡将模拟电信号转换为数字信号，并按照一定的采样频率和分辨率进行采样，然后将采集到的数据传输到计算机或其他数据处理设备中进行后续处理。采样频率的选择至关重要，它需要根据结构的振动特性和监测要求来确定，一般应满足奈奎斯特采样定理，以确保能够准确采集到信号的所有频率成分，避免信号混叠。例如，对于钢管混凝土结构在常见荷载作用下的振动信号，其主要频率成分通常在几十赫兹到几千赫兹之间，因此采样频率一般设置为几千赫兹甚至更高，以保证能够精确捕捉到信号的变化。采集到的原始信号往往包含各种噪声和干扰，如环境噪声、电磁干扰以及传感器本身的噪声等，这些噪声会影响信号的质量和损伤特征的提取，因此需要对信号进行滤波、放大、去噪等处理。滤波是信号处理中常用的方法之一，通过设计合适的滤波器，可以去除信号中的高频噪声或低频干扰，保留与结构损伤相关的有用信号成分。常见的滤波器类型有低通滤波器、高通滤波器、带通滤波器和带阻滤波器等。低通滤波器允许低频信号通过，抑制高频噪声；高通滤波器则相反，允许高频信号通过，去除低频干扰；带通滤波器只允许特定频率范围内的信号通过，用于提取具有特定频率特征的信号；带阻滤波器则用于抑制特定频率范围内的干扰信号。在实际应用中，需要根据信号的特点和噪声的频率分布来选择合适的滤波器类型和参数。信号放大也是必不可少的环节。由于压电陶瓷传感器输出的电信号通常比较微弱，为了便于后续的处理和分析，需要对其进行放大。一般采用放大器对信号进行放大，放大器的增益可以根据信号的强弱和处理要求进行调整。在放大信号的过程中，要注意避免引入额外的噪声和失真，以保证信号的真实性和可靠性。去噪是提高信号质量的关键步骤。除了滤波之外，还可以采用其他去噪方法，如小波去噪、自适应滤波去噪等。小波去噪是利用小波变换的多分辨率分析特性，将信号分解到不同的尺度上，然后根据噪声和信号在不同尺度上的特性差异，对小波系数进行处理，去除噪声对应的小波系数，再通过小波逆变换重构出去噪后的信号。自适应滤波去噪则是根据信号和噪声的统计特性，自适应地调整滤波器的参数，以达到最佳的去噪效果。经过处理后的信号，需要采用合适的分析方法来提取与界面剥离损伤相关的特征参数，实现对损伤的识别和评估。常用的损伤识别分析方法有时域分析方法、频域分析方法和时频分析方法。时域分析方法主要是对信号在时间域上的特征进行分析，如计算信号的均值、方差、峰值、峭度等统计参数。这些参数可以反映信号的幅值变化、波动程度等信息，当结构发生界面剥离损伤时，这些参数会发生相应的改变，通过与健康状态下的参数进行对比，就可以判断损伤的发生和程度。例如，当界面出现剥离损伤时，信号的方差可能会增大，反映出信号的波动加剧。频域分析方法是将信号从时域转换到频域进行分析，常用的工具是傅里叶变换。通过傅里叶变换，可以得到信号的频谱图，分析信号的频率成分和各频率成分的幅值分布。在钢管混凝土结构中，界面剥离损伤会导致结构的固有频率发生变化，通过对比健康结构和损伤结构的频谱图，观察固有频率的偏移以及某些频率成分幅值的变化，就可以识别出界面剥离损伤。例如，当界面发生剥离损伤时，结构的刚度降低，固有频率会向低频方向移动，同时某些与损伤相关的频率成分的幅值会增大。时频分析方法则结合了时域和频域的信息，能够同时反映信号在时间和频率上的变化特征，对于处理非平稳信号具有独特的优势。常用的时频分析方法有小波变换、短时傅里叶变换等。小波变换可以对信号进行多分辨率分析，在不同的时间尺度上观察信号的特征，能够更准确地捕捉到信号中的瞬态变化和局部特征，对于识别界面剥离损伤初期的微小变化具有重要意义。短时傅里叶变换则是通过加窗函数对信号进行分段傅里叶变换，得到信号在不同时间窗口内的频谱，从而实现对信号时频特性的分析。在实际应用中，可以根据信号的特点和损伤识别的要求，选择合适的分析方法或多种方法相结合，以提高损伤识别的准确性和可靠性。三、实验设计与准备3.1实验材料与设备为了确保实验的准确性和可靠性，本研究精心挑选了实验所需的材料和设备。在钢管混凝土柱试件制作方面，钢管选用Q345B钢材，其屈服强度为345MPa，具有良好的力学性能和加工性能，能够满足实验对钢管强度和刚度的要求。钢管的外径为200mm，壁厚为8mm，长度为1500mm，这样的尺寸规格既能保证试件在实验过程中的稳定性，又便于后续的加工和安装操作。混凝土采用C40等级，其配合比经过严格设计和试验确定，以确保混凝土具有良好的工作性能和强度性能。具体配合比如下：水泥选用P・O42.5普通硅酸盐水泥，用量为420kg/m³；砂为中砂，细度模数为2.6，用量为680kg/m³；石子为5-25mm连续级配碎石，用量为1100kg/m³；水采用自来水，用量为180kg/m³；同时，为了改善混凝土的工作性能，添加了适量的减水剂，减水剂的掺量为水泥用量的1.2%。在混凝土浇筑过程中，严格控制浇筑质量，采用分层浇筑和振捣的方法，确保混凝土的密实度和平整度，避免出现孔洞、蜂窝等缺陷。压电陶瓷传感器是本实验的关键监测元件，选用PZT-5H型压电陶瓷片，其具有较高的压电常数和机电耦合系数，能够更灵敏地感知结构的应力和应变变化，从而提高监测系统的灵敏度和准确性。压电陶瓷片的直径为15mm，厚度为0.5mm，这种尺寸大小便于在钢管混凝土试件上进行粘贴和布置，且能保证其与结构的良好耦合。在使用前，对压电陶瓷传感器进行了严格的性能测试，包括压电常数、电容、谐振频率等参数的测量，确保其性能符合实验要求。数据采集系统采用NIUSB-9234数据采集卡，该采集卡具有4个同步采样通道，采样频率最高可达51.2kHz，分辨率为24位，能够满足对压电陶瓷传感器输出信号的高精度采集需求。同时，配备了相应的信号调理电路，用于对传感器输出的微弱信号进行放大、滤波等处理，以提高信号的质量和稳定性，减少噪声和干扰对信号的影响。此外，实验还用到了其他设备，如压力试验机，用于对钢管混凝土试件施加轴向压力，其最大加载能力为3000kN，精度为±0.5%，能够准确控制加载力的大小，满足实验对加载设备的要求；电阻应变片，用于测量钢管和混凝土的应变，选用BX120-5AA型电阻应变片，灵敏系数为2.05±1%，标距为5mm，具有较高的测量精度和稳定性；静态电阻应变仪，用于采集电阻应变片的应变数据，型号为DH3816N，具有16个测量通道，测量精度为±0.1με，能够实现对多个测点应变数据的同时采集和处理。3.2监测系统设计与搭建基于压电陶瓷的钢管混凝土界面剥离损伤监测系统主要由压电陶瓷传感器、信号调理电路、数据采集卡和上位机软件四个部分组成，各部分之间协同工作，实现对结构状态的实时监测和数据分析。压电陶瓷传感器作为监测系统的前端感知元件，负责将结构的应力和应变变化转换为电信号输出。根据钢管混凝土结构的特点和界面剥离损伤的可能分布情况，采用了分布式布置方式，在钢管的外表面和混凝土内部靠近界面的位置分别粘贴和埋入多个压电陶瓷传感器。在钢管外表面，沿柱高方向每隔200mm布置一圈传感器，每圈均匀布置4个传感器，共布置7圈，总计28个传感器；在混凝土内部，在柱高的1/4、1/2和3/4位置处，各布置一层传感器，每层均匀布置4个传感器，总计12个传感器。这样的布置方式能够全面覆盖钢管混凝土柱的关键部位，提高对界面剥离损伤的监测能力，确保能够及时准确地捕捉到损伤信号。信号调理电路是连接压电陶瓷传感器和数据采集卡的桥梁，其主要功能是对传感器输出的微弱电信号进行放大、滤波、阻抗匹配等处理，以满足数据采集卡的输入要求。放大电路采用高精度运算放大器AD620，其增益可通过外接电阻进行调节，根据传感器输出信号的幅值大小，将增益设置为100，能够有效放大信号，提高信号的可检测性；滤波电路采用二阶低通巴特沃斯滤波器，截止频率设置为10kHz，能够有效去除信号中的高频噪声，保留与结构损伤相关的低频信号成分；阻抗匹配电路采用射极跟随器，能够减小传感器与后续电路之间的阻抗不匹配问题，保证信号的有效传输。数据采集卡选用NIUSB-9234，通过USB接口与上位机相连，实现对信号调理电路输出信号的数字化采集和传输。在数据采集过程中，根据信号的频率特性和监测要求，将采样频率设置为20kHz，以确保能够准确采集到信号的所有频率成分，避免信号混叠。同时，利用数据采集卡自带的同步采样功能，实现对多个传感器信号的同步采集，保证采集数据的时间一致性，便于后续的数据分析和处理。上位机软件采用LabVIEW编写，具有友好的人机交互界面，实现了数据的实时显示、存储、分析和处理等功能。在数据实时显示模块，通过图形化界面实时展示各传感器采集到的信号波形，便于实验人员直观地观察信号的变化情况；数据存储模块将采集到的数据以二进制文件的形式存储在计算机硬盘中，以便后续的分析和研究；数据分析和处理模块集成了多种信号处理算法，如时域分析、频域分析、时频分析等，能够对采集到的数据进行深入分析，提取与界面剥离损伤相关的特征参数，实现对损伤的识别和评估。在监测系统搭建过程中，首先对各组成部分进行单独调试和测试，确保其性能正常。然后，按照设计方案将各部分进行连接和组装，进行系统联调。在联调过程中，通过模拟不同的加载工况和损伤情况，对监测系统的性能进行全面测试，包括传感器的灵敏度、信号调理电路的处理效果、数据采集卡的采集精度和稳定性以及上位机软件的功能等。经过多次调试和优化，最终确保监测系统能够稳定可靠地运行，满足实验对监测系统的要求。3.3实验方案制定本次实验采用分级加载的方式，利用压力试验机对钢管混凝土试件施加轴向压力。加载制度按照相关标准和规范进行设计，以模拟实际工程中钢管混凝土柱的受力情况。首先，进行预加载，预加载荷载为预估极限荷载的10%，预加载过程重复3次，目的是使试件各部分接触良好，消除试件和加载设备之间的间隙，同时检查监测系统是否正常工作。预加载完成后，以50kN的级差进行正式加载，每级荷载持续加载时间为5min，在每级加载完成后，稳定2min，然后采集压电陶瓷传感器的输出信号、电阻应变片的应变数据以及试件的位移数据等。当试件出现明显的破坏迹象，如钢管局部屈曲、混凝土压碎、界面剥离扩展等，或者荷载-位移曲线出现明显下降段时，停止加载，记录此时的极限荷载。传感器的布置对于准确监测钢管混凝土界面剥离损伤至关重要。根据结构力学原理和损伤力学理论，在钢管混凝土柱的关键受力部位和可能出现界面剥离损伤的区域布置压电陶瓷传感器。除了前文所述的分布式布置方式外，还考虑了传感器的方向和角度。在钢管外表面粘贴的传感器，其极化方向与钢管轴线方向一致，以便更好地感知轴向应力和应变的变化；在混凝土内部埋入的传感器，其极化方向与界面垂直，能够更灵敏地检测界面处的应力和应变变化。同时，为了提高监测系统的可靠性和准确性，采用了冗余布置策略，即在一些关键部位重复布置多个传感器，当某个传感器出现故障或异常时，其他传感器仍能正常工作，保证监测数据的连续性和完整性。在实验过程中，利用数据采集系统实时采集压电陶瓷传感器的输出信号、电阻应变片的应变数据以及试件的位移数据等。数据采集频率根据信号的变化特性和监测要求进行设置，对于压电陶瓷传感器输出的动态信号，采样频率设置为20kHz；对于电阻应变片的应变数据和试件的位移数据等静态信号，采样频率设置为1Hz。采集到的数据通过数据采集卡传输至上位机，利用LabVIEW软件进行实时显示和存储。对于采集到的数据，首先进行预处理，包括去除异常值、滤波、去噪等操作，以提高数据的质量。然后，采用时域分析、频域分析、时频分析等多种方法对数据进行分析，提取与界面剥离损伤相关的特征参数，如信号幅值、频率、相位、能量等。通过对比健康试件和损伤试件在不同加载阶段的特征参数变化，建立损伤识别模型，实现对界面剥离损伤的准确识别和程度评估。例如，利用小波变换对压电陶瓷传感器输出信号进行时频分析，提取不同尺度下的小波系数，通过分析小波系数的变化来判断界面剥离损伤的发生和发展程度。同时，结合结构力学理论和有限元模拟分析，对实验结果进行深入研究，揭示界面剥离损伤对钢管混凝土力学性能的影响规律，为实际工程应用提供理论依据和技术支持。四、实验过程与数据采集4.1实验步骤在试件制作阶段，钢管选用Q345B钢材，其外径精确为200mm，壁厚8mm，长度达1500mm。在加工过程中，利用高精度的切割设备，确保钢管的长度和管径精度控制在极小误差范围内，例如长度误差不超过±1mm，管径误差不超过±0.5mm。同时，对钢管的表面进行打磨和除锈处理，使用电动打磨机将钢管表面的锈迹和杂质彻底清除，使其表面粗糙度达到一定标准，以保证后续混凝土浇筑时的粘结效果。在混凝土浇筑前，在钢管内壁均匀涂刷一层专用的混凝土粘结剂，进一步增强钢管与混凝土之间的粘结力。混凝土采用C40等级，按照精心设计的配合比进行搅拌。水泥选用P・O42.5普通硅酸盐水泥，用量为420kg/m³；砂为中砂，细度模数2.6，用量680kg/m³；石子为5-25mm连续级配碎石，用量1100kg/m³；水采用自来水，用量180kg/m³；减水剂掺量为水泥用量的1.2%。在搅拌过程中，严格控制搅拌时间和搅拌速度，先将水泥、砂、石子放入搅拌机中干拌1-2分钟，使其充分混合，然后加入水和减水剂，继续搅拌3-5分钟，确保混凝土的均匀性。采用分层浇筑的方式，每层浇筑高度控制在300-400mm，每浇筑一层，立即使用插入式振捣棒进行振捣，振捣时间控制在20-30秒，以排除混凝土中的气泡，确保混凝土的密实度。在浇筑完成后，对试件进行覆盖保湿养护，养护时间不少于7天，以保证混凝土强度的正常增长。压电陶瓷传感器的安装位置严格按照设计方案确定。在钢管外表面，沿柱高方向每隔200mm布置一圈传感器，每圈均匀布置4个传感器，共布置7圈，总计28个传感器；在混凝土内部，在柱高的1/4、1/2和3/4位置处，各布置一层传感器，每层均匀布置4个传感器，总计12个传感器。在安装前，对传感器的性能进行再次检测，使用专业的传感器测试设备，测量传感器的压电常数、电容、谐振频率等参数，确保其性能符合要求。在钢管外表面安装时，先将粘贴位置用砂纸打磨光滑，然后使用专用的耐高温、高强度粘结剂，将传感器粘贴在预定位置，并施加一定压力，保持1-2小时，确保粘结牢固。在混凝土内部埋入传感器时，在浇筑混凝土至相应位置时，将传感器小心放置在预定位置，并使用细铁丝或扎带将其固定在钢筋骨架上，防止在振捣过程中发生位移。安装完成后，对传感器的线路进行检查和保护，使用绝缘胶带对线路进行包裹，防止短路和漏电，并将线路整齐地固定在试件表面，避免在实验过程中受到损坏。在实验前，对压力试验机、数据采集系统等设备进行全面校准和调试。压力试验机采用标准砝码进行校准，将不同质量的标准砝码依次放置在压力试验机的加载平台上，记录压力试验机的显示值，与标准砝码的实际质量进行对比，计算误差，确保压力试验机的加载精度在±0.5%以内。数据采集系统则通过输入标准信号进行校准，使用信号发生器产生不同频率和幅值的标准电信号，输入到数据采集系统中，检查采集系统的采样频率、分辨率和数据准确性，对采集系统的参数进行调整，确保其能够准确采集信号。同时，对整个监测系统进行模拟测试，模拟不同的加载工况和损伤情况，检查系统的响应是否正常，对发现的问题及时进行解决。按照既定的加载制度，利用压力试验机对钢管混凝土试件施加轴向压力。首先进行预加载，预加载荷载为预估极限荷载的10%，预加载过程重复3次。在预加载过程中，密切观察试件和监测系统的工作状态，检查试件各部分是否接触良好，监测系统是否正常工作，如有异常情况，及时停止加载并进行排查。预加载完成后，以50kN的级差进行正式加载，每级荷载持续加载时间为5min，在每级加载完成后，稳定2min，然后采集压电陶瓷传感器的输出信号、电阻应变片的应变数据以及试件的位移数据等。在加载过程中，实时监测加载力的大小和加载速度，确保加载过程的稳定性和准确性。当试件出现明显的破坏迹象，如钢管局部屈曲、混凝土压碎、界面剥离扩展等，或者荷载-位移曲线出现明显下降段时，立即停止加载，记录此时的极限荷载。4.2数据采集与初步处理在实验过程中，利用NIUSB-9234数据采集卡实时采集压电陶瓷传感器的输出信号、电阻应变片的应变数据以及试件的位移数据等。对于压电陶瓷传感器输出的动态信号，根据信号的频率特性和监测要求，将采样频率设置为20kHz，以确保能够准确采集到信号的所有频率成分，避免信号混叠。对于电阻应变片的应变数据和试件的位移数据等静态信号，采样频率设置为1Hz，既能满足对静态数据变化的监测需求，又能减少数据存储量和处理工作量。采集到的数据通过数据采集卡的USB接口实时传输至上位机，利用LabVIEW软件进行实时显示和存储，存储格式采用二进制文件，以保证数据的完整性和准确性。采集到的原始信号中往往包含各种噪声和干扰，如环境噪声、电磁干扰以及传感器本身的噪声等，这些噪声会影响信号的质量和损伤特征的提取，因此需要对信号进行初步处理。首先进行数据清洗，通过设定合理的阈值，去除明显异常的数据点。例如，对于压电陶瓷传感器输出信号，若某一数据点的幅值超过正常范围的3倍标准差，则判定为异常数据点，将其剔除。然后采用滤波方法去除噪声，针对不同频率的噪声，选择合适的滤波器类型和参数。对于高频噪声，使用二阶低通巴特沃斯滤波器，截止频率设置为10kHz，能够有效去除信号中的高频噪声，保留与结构损伤相关的低频信号成分；对于低频干扰，采用高通滤波器进行处理。信号放大也是必不可少的环节。由于压电陶瓷传感器输出的电信号通常比较微弱，为了便于后续的处理和分析，采用高精度运算放大器AD620对信号进行放大，根据传感器输出信号的幅值大小，将增益设置为100，能够有效放大信号，提高信号的可检测性。在放大信号的过程中，要注意避免引入额外的噪声和失真，以保证信号的真实性和可靠性。去噪是提高信号质量的关键步骤。除了滤波之外，还采用小波去噪方法进一步去除噪声。利用小波变换的多分辨率分析特性，将信号分解到不同的尺度上，然后根据噪声和信号在不同尺度上的特性差异，对小波系数进行处理，去除噪声对应的小波系数，再通过小波逆变换重构出去噪后的信号。通过这些初步处理方法，有效地提高了数据的质量，为后续的数据分析和损伤识别奠定了良好的基础。五、实验结果与分析5.1数据分析方法在对基于压电陶瓷的钢管混凝土界面剥离损伤监测实验数据进行分析时，运用了多种数据分析方法，以准确提取特征并识别损伤。统计分析方法是基础的分析手段之一，通过计算压电陶瓷输出信号的均值、方差、峰值等统计参数，能够初步了解信号的整体特征和波动情况。均值反映了信号的平均水平，方差则衡量了信号的离散程度，方差越大，说明信号的波动越剧烈，可能暗示着结构状态的变化。峰值能够体现信号在某一时刻的最大幅值，对于判断信号中的异常情况具有重要意义。在钢管混凝土结构中，当界面发生剥离损伤时，结构的受力状态改变，导致压电陶瓷输出信号的这些统计参数发生变化，通过对比健康状态和损伤状态下的统计参数，就可以初步判断是否存在损伤以及损伤的大致程度。信号处理方法在数据分析中起着关键作用。时域分析方法直接对信号在时间域上进行处理，除了上述的统计参数计算外，还包括对信号的相关性分析、峰值因子计算等。相关性分析可以用于判断不同传感器信号之间的相似性和关联性，当结构某一部位发生界面剥离损伤时，与之相关的传感器信号之间的相关性可能会发生改变，通过分析这种相关性的变化，可以确定损伤的位置。峰值因子是信号峰值与有效值的比值，它对于检测信号中的冲击成分非常敏感，在界面剥离损伤发生时，结构可能会产生局部的冲击响应，导致信号的峰值因子增大。频域分析方法则将信号从时域转换到频域进行分析，主要通过傅里叶变换将时域信号转换为频域信号，得到信号的频谱图。在频谱图中，可以清晰地看到信号的频率成分和各频率成分的幅值分布。钢管混凝土结构具有特定的固有频率，当界面出现剥离损伤时，结构的刚度发生变化，进而导致固有频率发生偏移。通过对比健康结构和损伤结构的频谱图，观察固有频率的变化以及某些频率成分幅值的增减，就可以识别出界面剥离损伤的发生和程度。例如，当损伤程度较小时，可能只会引起固有频率的微小偏移和某些高频成分幅值的轻微变化；随着损伤程度的加重，固有频率的偏移会更加明显，低频成分的幅值也可能会发生较大改变。时频分析方法结合了时域和频域的信息，对于处理非平稳信号具有独特的优势，在钢管混凝土界面剥离损伤监测中也得到了广泛应用。小波变换是常用的时频分析方法之一，它能够对信号进行多分辨率分析，在不同的时间尺度上观察信号的特征，能够更准确地捕捉到信号中的瞬态变化和局部特征，对于识别界面剥离损伤初期的微小变化具有重要意义。通过小波变换，可以将信号分解为不同频率和时间尺度的小波系数，分析这些小波系数的变化，能够获取信号在不同频率和时间上的能量分布情况，从而更全面地了解结构的损伤状态。例如，在界面剥离损伤初期，可能会在某些特定的频率和时间尺度上出现小波系数的异常变化，通过捕捉这些变化，可以及时发现损伤的迹象。模式识别方法则是基于机器学习和深度学习算法，利用已有的数据样本进行训练，建立损伤识别模型，从而实现对未知数据的损伤识别和分类。支持向量机（SVM）是一种常用的机器学习算法，它通过寻找一个最优的分类超平面，将不同类别的数据样本分开。在钢管混凝土界面剥离损伤监测中，可以将健康状态下的压电陶瓷信号特征作为一类样本，将不同损伤程度下的信号特征作为另一类样本，利用SVM算法进行训练，建立损伤识别模型。当有新的信号数据输入时，模型可以根据训练得到的分类规则，判断该信号对应的结构状态是健康还是存在损伤，以及损伤的程度。人工神经网络（ANN）也是一种强大的模式识别工具，它具有高度的非线性映射能力和自学习能力。在损伤识别中，可以构建多层感知器（MLP）、卷积神经网络（CNN）等不同结构的神经网络模型。MLP通过多个神经元层的连接，对输入的信号特征进行逐层处理和非线性变换，从而实现对损伤的识别。CNN则在处理图像和信号数据方面具有独特的优势，它通过卷积层、池化层和全连接层等结构，自动提取信号的特征，能够有效地识别出复杂的损伤模式。例如，将压电陶瓷传感器输出的信号转换为图像形式，输入到CNN模型中进行训练和识别，可以取得较好的损伤识别效果。通过综合运用这些数据分析方法，可以更全面、准确地提取与钢管混凝土界面剥离损伤相关的特征信息，实现对损伤的有效识别和评估。5.2实验结果呈现在本次实验中，通过对不同损伤程度的钢管混凝土试件进行加载测试，获取了大量的压电陶瓷输出信号数据。对这些数据进行整理和分析后，得到了不同损伤程度下压电陶瓷输出信号的变化情况。图1展示了健康试件和具有不同程度界面剥离损伤试件在相同加载条件下的压电陶瓷输出信号时域波形。从图中可以明显看出，健康试件的信号波形较为规则，幅值相对稳定，波动较小。随着界面剥离损伤程度的增加，信号波形逐渐变得不规则，幅值出现明显的波动和变化。当损伤程度较小时，信号幅值略有减小，波形的变化相对不明显；当损伤程度达到中等时，信号幅值进一步减小，且波形中出现了一些明显的尖峰和突变，这表明结构的振动特性已经发生了显著改变；当损伤程度严重时，信号幅值急剧减小，波形变得更加杂乱无章，甚至出现了一些异常的低频成分，这说明结构的力学性能已经受到了严重的影响。[此处插入图1：不同损伤程度下压电陶瓷输出信号时域波形对比图]为了更直观地分析信号特征与损伤程度的关系，对信号进行了频域分析，得到了不同损伤程度下的信号频谱图，如图2所示。健康试件的频谱图中，主要频率成分集中在一定的频率范围内，且幅值分布较为均匀。当界面剥离损伤发生时，频谱图发生了明显的变化。随着损伤程度的加重，结构的固有频率向低频方向移动，这是因为界面剥离导致结构的刚度降低，根据结构动力学原理，刚度降低会使固有频率减小。同时，某些频率成分的幅值也发生了显著变化，一些原本幅值较小的频率成分在损伤后幅值增大，而一些主要频率成分的幅值则减小。例如，在损伤程度中等时，频谱图中出现了一些新的频率成分，且这些频率成分的幅值随着损伤程度的增加而逐渐增大，这些新的频率成分可能与界面剥离损伤引起的局部振动模式有关。[此处插入图2：不同损伤程度下压电陶瓷输出信号频谱图对比图]进一步提取信号的特征参数，如信号幅值、频率、能量等，分析这些特征参数与损伤程度的定量关系。图3展示了信号幅值和能量随损伤程度的变化曲线。从图中可以看出，信号幅值和能量均随着损伤程度的增加而呈现下降趋势。通过对数据进行拟合分析，得到了信号幅值和能量与损伤程度之间的函数关系。信号幅值与损伤程度之间近似呈线性关系，随着损伤程度的增加，信号幅值以一定的斜率逐渐减小；信号能量与损伤程度之间则呈现出指数衰减关系，损伤程度越大，信号能量的衰减速度越快。[此处插入图3：信号幅值和能量随损伤程度的变化曲线]通过上述实验结果可以看出，压电陶瓷输出信号的特征参数与钢管混凝土界面剥离损伤程度之间存在着密切的关系，这些特征参数的变化能够有效地反映结构的损伤状态，为后续的损伤识别和评估提供了重要的依据。5.3损伤识别与评估基于前面提取的与界面剥离损伤相关的特征参数，采用机器学习算法建立损伤识别模型，实现对钢管混凝土结构界面剥离损伤的准确识别和程度评估。支持向量机（SVM）作为一种常用的机器学习算法，具有良好的分类和回归性能，在本研究中被用于损伤识别。首先，将实验采集到的压电陶瓷信号数据分为训练集和测试集。训练集包含不同损伤程度下的信号特征参数及其对应的损伤标签，如健康、轻微损伤、中度损伤和严重损伤等。利用训练集数据对SVM模型进行训练，通过调整模型的参数，如核函数类型、惩罚参数等，使模型能够准确地学习到不同损伤状态下信号特征与损伤标签之间的映射关系。在训练过程中，采用交叉验证的方法来评估模型的性能，以避免过拟合现象的发生。交叉验证将训练集数据划分为多个子集，每次使用其中一个子集作为验证集，其余子集作为训练集进行训练和验证，重复多次后取平均性能指标作为模型的评估结果。常用的交叉验证方法有K折交叉验证，本研究中选择K=5，即将训练集数据划分为5个子集，依次进行5次训练和验证。通过交叉验证，选择性能最优的模型参数，提高模型的泛化能力和准确性。训练完成后，利用测试集数据对训练好的SVM模型进行测试。将测试集中的信号特征参数输入到模型中，模型输出对应的损伤预测结果。通过将预测结果与实际的损伤标签进行对比，计算模型的准确率、召回率、F1值等性能指标，评估模型的损伤识别能力。准确率是指模型预测正确的样本数占总样本数的比例，召回率是指实际为正样本且被模型正确预测的样本数占实际正样本数的比例，F1值则是综合考虑准确率和召回率的一个指标，它能够更全面地反映模型的性能。经过测试，本研究建立的SVM损伤识别模型在测试集上的准确率达到了90%以上，召回率和F1值也都在较为理想的水平，表明该模型能够有效地识别钢管混凝土结构的界面剥离损伤。除了损伤识别，还需要对损伤程度进行评估。采用回归分析的方法，建立损伤程度与信号特征参数之间的回归模型。在本研究中，选择多元线性回归模型来进行损伤程度评估。以信号幅值、频率、能量等多个特征参数作为自变量，损伤程度作为因变量，利用训练集数据对回归模型进行训练，确定模型的系数。训练完成后，将测试集中的信号特征参数输入到回归模型中，模型输出对应的损伤程度预测值。通过计算预测值与实际损伤程度之间的均方误差（MSE）、平均绝对误差（MAE）等指标，评估回归模型的损伤程度评估精度。经过评估，回归模型的MSE和MAE均较小，表明模型的预测值与实际损伤程度较为接近，能够较为准确地评估钢管混凝土结构界面剥离损伤的程度。在实际应用中，可以根据损伤识别和评估的结果，及时采取相应的措施，如对轻微损伤进行修复和维护，对中度和严重损伤进行加固或更换等，以保障钢管混凝土结构的安全运行。在确定损伤程度后，还需要对损伤位置进行定位。采用基于传感器阵列的定位方法，利用不同位置传感器接收到的信号差异来确定损伤位置。根据信号传播理论，当结构某一位置发生损伤时，距离损伤位置较近的传感器接收到的信号变化会更加明显。通过比较不同传感器的信号特征参数，如信号幅值、到达时间等，结合三角定位原理或其他定位算法，可以计算出损伤位置的坐标。在本研究中，采用基于信号幅值差的定位算法，通过测量不同传感器接收到的信号幅值差异，建立损伤位置与信号幅值差之间的关系模型，从而实现对损伤位置的定位。经过实验验证，该定位算法能够将损伤位置的定位误差控制在较小的范围内，满足实际工程的需求。5.4结果讨论通过对基于压电陶瓷的钢管混凝土界面剥离损伤监测实验结果的分析，验证了压电陶瓷用于钢管混凝土界面剥离损伤监测的可行性。压电陶瓷传感器能够灵敏地感知结构的应力和应变变化，并将其转化为电信号输出，通过对这些电信号的分析，可以有效地识别出界面剥离损伤的发生和发展程度。与传统的无损检测方法相比，压电陶瓷监测技术具有明显的优势。它具有高灵敏度和快速响应的特点，能够及时捕捉到结构的微小变化，在损伤初期就发出预警信号，为结构的维护和修复提供充足的时间。其分布式布置方式使得能够全面监测钢管混凝土结构的关键部位，减少监测盲区，提高监测的可靠性。压电陶瓷监测技术还具有易于安装和成本较低的优点。在实验中，压电陶瓷传感器可以方便地粘贴或埋设在钢管混凝土结构表面或内部，安装过程简单，不会对结构造成较大的破坏。而且压电陶瓷材料价格相对较低，监测系统的硬件设备成本也在可接受范围内，使得该技术具有良好的经济可行性，有利于在实际工程中推广应用。然而，基于压电陶瓷的监测技术也存在一些局限性。在复杂环境下，如强电磁干扰、高温、潮湿等恶劣条件下，压电陶瓷传感器的性能可能会受到影响，导致监测结果