针对实际工程中的螺栓松动问题有以下几类解决方案.docx

针对实际工程中的螺栓松动问题，主要有以下几类解决方案: 实地探查：定期派送技术人员前往螺栓连接处检查。检查方法主要有：扭矩仪测量法, 锤击法。依赖于技术人员的业务水平，需要逐一排查，且仅能记录检查时的 螺栓松动情况，局限性较大。基于各传感器的螺栓松动监测：1 .声弹法：整个螺栓的散射波的速度和频率与螺栓中的预紧力密切相关。在 这种方法中，将超声波发送到材料中，根据传输速度或共振频率的变化估 算结构中的现有应力场。2 .超声波法：测量穿过拼接板的超声波信号判断松动与否。3 .阻抗法：测量机电阻抗判断松动与否。4 .电位下降法：测量通过拼接板的电流判断松动与否。5 .电磁场法：安装磁针，螺栓松动则会引起磁场变化。6 .振动法：使用振动器后，测量其振动响应。基于各传感器的监测方法虽然具有较高的自动化程度，但均难免遇到以下问 题：1 .对每个不同结构，其判断标准，判断方法均不同，造成模型结构适用性较 低。2 .单传感器监测能力有限，往往只能监测2个螺栓，较大工程结构来讲， 则需要庞大的传感器网络监测其各个螺栓情况，成本高昂。3 .对环境依赖性高，各传感器可能受不可控的环境噪声、温度变化、湿度变 化等影响，造成结果的偏差。基于图像处理的螺栓松动监测：拍摄螺栓连接处照片，通过图像处理等方式，判断螺栓松动与否，其受环境 影响较小，且可单次监测多个螺栓状态。其大致由以下步骤完成；1 .拍摄螺栓连接处照片。基础图像处理：如灰度化,canny边缘检测等，帮助后文识别。2 .定位螺栓位置：在此主要有两种解决方案：R-CNN图像识别，定位螺栓所占区域（各深度学习算法）。图像处理技术，圆形霍夫变换识别螺栓中圆圈，定位螺栓。（须消除噪声）3 .消除视角影响：透视变换霍夫变换识别拼接板边线，从而判断矩形顶点，得到变换矩阵。通过边缘螺栓相对位置获取变换矩阵。4 .判断螺栓旋转角度通过霍夫变换获取螺栓图像区域中的螺栓六角边线，计算其旋转角度，判 断是否松动。几类不同的旋转角度判断方法：（取决于螺栓的样式，对于标准件均可按前方法 判断）1 .螺栓上有特殊标签，通过深度学习算法识别螺栓中心与标签的相对位置判断 旋转角度。2 .判断螺栓头伸出的高度，以此判断螺栓松动与否。结论：旋转角度的最小误差：2.6°主要影响因素拍摄距离：影响照片品质，螺栓像素过小将极大的影响定位于角度计算的精 度O拍摄视角，大于40°时误差明显增大。光照：低光照与过曝均会降低准确度。同时，也与螺栓连接件的颜色、样式、 结构有关，影响其图像识别的准确度。基于图像处理的待解决的问题：1 .光照问题：传感器测量拍摄现场光照，进行亮度补偿？2 .摄像头问题：各文献未统一摄像头，但保持结果精度需每个螺栓所占像素区域大于一定值。3 .精确度问题各文献即使在各条件适宜下，仍有2°左右的误差，能否再优化？例如添加 辅助线帮助图像识别？4 .螺栓定位问题同上，可否添加辅助措施帮助图像识别定位？5 .小角度扭矩问题：扭矩由IlOnm可能有较明显的角度旋转，但扭矩由106松弛时，可能未有 明显角度变化，需实验研究，同时探究其由106变化时对螺栓承载力的影响。参考文献：1. Image-based Bolt-Ioosening Detection Technique of Bolt Joint in Steel Bridges J. H. Parkl , T. H. Kim2 , J. T. Kim32. Bolt-Loosening Monitoring Framework Using an Image-Based Deep Learning and Graphical Model Hai Chien Pham 1 , Quoc-Bao Ta 23. Quasi-autonomous bolt-loosening detection method using vision-based deep learning and image processing Thanh-Canh Huynha , Jae-Hyung Parkb4. Vision-based technique for bolt-loosening detection in wind turbinetower Jae-Hyung Parka , Thanh-Canh Huynhb ,5. Image Registration-Based Bolt Loosening Detection of Steel Joints, by Xiangxiong Kong *0rcID andjian LiOrcID6. Latin American Journal of Solids and Structures. Print version ISSN 1679-78170n-line version ISSN 1679-7825. Lat. Am. j. solids struct, vol. 14 no. 12 Rio de Janeiro Dec. 20177. Fully automated vision-based loosened bolt detection using the Viola - Jones algorithmLovedeep Ramana , Wooram Choi , Young-Jin Cha8. Bolt loosening angle detection technology using deep learning. Xuefeng Zhao Yang Zhang Niannian Wang9. Monitoring of Corroded and Loosened Bolts in Steel Structures via Deep Learning and Hough Transforms. by Quoc-Bao TaOrcID andJeong- Tae Kim *