基于热成像的钢管混凝土脱空检测技术研究

刘豪, 侯德鑫, 郑刚兵, 袁建锋, 叶树亮

刘豪, 侯德鑫, 郑刚兵, 袁建锋, 叶树亮. 基于热成像的钢管混凝土脱空检测技术研究[J]. 红外技术, 2021, 43(11): 1119-1126.
引用本文: 刘豪, 侯德鑫, 郑刚兵, 袁建锋, 叶树亮. 基于热成像的钢管混凝土脱空检测技术研究[J]. 红外技术, 2021, 43(11): 1119-1126.
LIU Hao, HOU Dexin, ZHENG Gangbing, YUAN Jianfeng, YE Shuliang. Infrared Thermography-based Void Detection Technology for Concrete-filled Steel Tubes[J]. Infrared Technology , 2021, 43(11): 1119-1126.
Citation: LIU Hao, HOU Dexin, ZHENG Gangbing, YUAN Jianfeng, YE Shuliang. Infrared Thermography-based Void Detection Technology for Concrete-filled Steel Tubes[J]. Infrared Technology , 2021, 43(11): 1119-1126.

基于热成像的钢管混凝土脱空检测技术研究

基金项目: 

浙江省自然科学基金 LY18F030011

详细信息
    作者简介:

    刘豪(1995-),男,硕士研究生,研究方向:基于热成像的无损检测。E-mail:liuhaohean@163.com

    通讯作者:

    叶树亮(1973-),男,教授,研究方向:化工产品安全测试技术与仪器,工业零部件缺陷检测技术与设备,精密测量中部件信号处理与误差分析技术。E-mail:itmt_paper@126.com

  • 中图分类号: TU753

Infrared Thermography-based Void Detection Technology for Concrete-filled Steel Tubes

  • 摘要: 钢管混凝土结构因受施工工艺、混凝土收缩、超负荷承载等因素而产生脱空缺陷,使结构的承载能力下降。本文利用主动热成像技术对钢管混凝土的脱空缺陷进行了研究,并针对当前热成像脱空检测技术存在检测深度小,处理算法呈现效果不佳,无法定量检测,检测效率低等问题,提出了设计专用感应加热电源和线盘提高检测深度,热源反演算法消除加热非均匀性干扰,建立无缺陷仿真模型预测钢管混凝土表面的温度分布,取同一时刻的实验数据和仿真预测数据作差来提取脱空缺陷特征,以及检测参数优化实现定量检测的解决方法。通过多次重复实验表明,可检出壁厚为20 mm钢管混凝土内的脱空缺陷,并能确定缺陷形状和大小,有效提高了检测深度和检测效率。
    Abstract: The concrete-filled steel tube structure has void defects owing to factors such as construction technology, concrete shrinkage, and overload bearing, which reduce the load-bearing capacity of the structure. Furthermore, the current thermal imaging based void detection technology has a small detection depth, poor processing algorithm rendering effect, inability to detect quantitatively, and low detection efficiency. In this study, an active thermal imaging technology was used to study the void defects of concrete-filled steel tubes. A special induction heating power supply and heating probe are designed to increase the detection depth, and a heat source inversion algorithm eliminates the heating non-uniformity interference. In addition, a defect-free simulation model is established to predict the temperature distribution of the concrete-filled steel tube surface. Moreover, the difference between the experimental data and the simulation prediction data was obtained to extract the characteristics of the void defect and optimize the detection parameters to realize a quantitative detection solution. Through repeated experiments, it was shown that void defects in concrete-filled steel tubes with a wall thickness of 20mm can be detected, and the shape and size of the defects can be determined, which effectively improves the inspection depth and efficiency.
  • 湿法烟气脱硫利用石灰石浆液吸收烟气中的SO2,具有高效率和高可靠性等优势,已成为当前火电厂和化工厂脱硫的主力技术[1]。但是火电厂运行过程中,由于煤燃烧和SO2氧化,特别是在选择性催化还原脱销系统中催化剂作用下,SO2会更有利于氧化成生成SO3,造成烟气中SO3浓度显著增加[2-3]。烟气进入脱硫塔系统后,温度迅速冷却至酸露点以下,形成细小SO3酸雾,而单脱硫塔的SO3脱除效率仅为30%~40%[4]

    烟气中的SO3、SO2,HF及其它酸性物质会导致塔体金属发生化学腐蚀,脱硫塔内还存在电化学腐蚀、磨蚀、结晶腐蚀、垢下腐蚀和氯离子腐蚀[5]。在以上多种方式的共同作用下,受到内涂玻璃鳞片、聚烯烃共聚物、改性聚脲或纳米复合涂料等物质防护的脱硫塔仍可能发生腐蚀。

    目前,对脱硫塔的检测主要有外观损伤、钢材厚度、力学性能、焊缝缺陷检测和构件变形等项目[6]。以上检测项目能够有效对停机后的脱硫塔健康状态进行评测。但是,对运行中的脱硫塔腐蚀状态进行有效检测未见文献报道。结合脱硫塔运行参数和结构参数,本文提出了采用传热学反演的方法根据表面红外热像进行运行中脱硫塔壁厚定量检测,并以某厂的烟气脱硫塔为对象进行了实验验证。

    研究对象为图 1所示的脱硫塔,其内部环境复杂,无法布置有效的温度测量装置;脱硫过程是一个包含了传热、传质和化学反应的复杂过程,难以准确地用数学语言描述。为了建立脱硫塔的传热模型,本文进行以下简化:

    图  1  某厂工作中的脱硫塔
    Figure  1.  Desulfurization tower in work

    1)脱硫塔为轴对称结构,内壁面热流沿周向分布均匀;

    2)脱硫塔内部有玻璃鳞片防腐涂层,涂层质地均匀且热物性参数为各向同性;

    3)烟气和石灰浆液对脱硫塔的传热,可等效为对脱硫塔内壁施加有沿轴向分布的加热热流;

    4)忽略脱硫塔内部喷嘴和支撑结构对脱硫塔壁面温度分布的影响;

    5)忽略脱硫塔内壁和防腐涂层的接触热阻;

    6)忽略脱硫塔的轴向导热;

    7)脱硫塔的温度场为稳态。

    脱硫塔浆液区是腐蚀的重灾区,本文以浆液区段为研究对象,简化后的脱硫塔浆液区如图 2所示,具体几何参数及热物性参数见表 1。脱硫塔内壁s1存在轴向分布热流,外表面s2与环境存在对流换热,且s2面上的温度可以直接测量,其他表面s3绝热。记x=(ϕ, θ, z)为空间坐标向量,脱硫塔温度场的控制方程为:

    图  2  脱硫塔浆液区
    Figure  2.  Desulfurization tora tap
    表  1  脱硫塔几何参数及热物性参数
    Table  1.  Geometric parameters and thermophysical parameters ofdesulfurization tower
    Material Thickness /
    mm
    Diameter/
    mm
    Thermal conductivity/
    [W/(m·K)]
    Anticorrosive
    coating
    4 5520 0.35
    The tower wall 14 5528 48.85
    下载: 导出CSV 
    | 显示表格
    $$\frac{1}{r}\frac{\partial }{{\partial r}}(\lambda (\mathit{\boldsymbol{x}})r\frac{{\partial T(\mathit{\boldsymbol{x}})}}{{\partial r}}) + \frac{1}{{{r^2}}}\frac{\partial }{{\partial \varphi }}(\lambda (\mathit{\boldsymbol{x}})\frac{{\partial T(\mathit{\boldsymbol{x}})}}{{\partial \varphi }}) + \frac{\partial }{{\partial z}}(\lambda (\mathit{\boldsymbol{x}})\frac{{\partial T(\mathit{\boldsymbol{x}})}}{{\partial z}}) = 0$$ (1)

    边界条件为:

    $$ - \lambda (\mathit{\pmb{x}})\frac{{\partial T(\mathit{\pmb{x}})}}{{\partial n}} = q(z)\;\quad \mathit{\pmb{x}} \in {s_1}$$ (2)
    $$ - \lambda (\mathit{\pmb{x}})\frac{{\partial T(\mathit{\pmb{x}})}}{{\partial n}} = h(T(\mathit{\pmb{x}}) - {T_f})\;\quad \mathit{\pmb{x}} \in {s_2}$$ (3)
    $$ - \lambda ({\mathit{\pmb{x}}})\frac{{\partial T({\mathit{\pmb{x}}})}}{{\partial n}} = 0\;\;\;\;\;{\mathit{\pmb{x}}} \in {s_3}$$ (4)

    式中:q(z)为内壁沿轴向z的热流密度分布;h为表面s2的对流换热系数;Tf为环境温度;n为表面的外法线方向。

    若已知脱硫塔的几何结构和热边界条件,利用有限元法(finite element method, FEM)求解公式(1)~(4),可以确定脱硫塔的温度场T(x),作为壁厚检测的基础。

    运行中脱硫塔壁厚d是影响脱硫塔表面温度分布的关键因素之一,如果脱硫塔壁面腐蚀减薄,则传热热阻减小,在腐蚀部位对应的塔外表面形成局部高温区域,如图 1(b)所示。因此,可通过求解导热反问题根据脱硫塔表面红外热像进行脱硫塔壁厚检测。

    在如图 2所示的脱硫塔表面热像图中,选取高温区域的K个温度测点,依据此测量信息Tkmeak=1, 2, …, K)采用共轭梯度方法(conjugate gradient method,CGM)求解多变量稳态传热反问题[7-8],进行壁厚d的反演;由于脱硫塔为薄壁结构,热扩散效应较弱,则外表面高温区域可看作与内壁腐蚀区域接近。为了便于问题讨论,在本文中,内壁腐蚀区域用圆柱近似。

    然而,壁厚反演过程中正问题的计算需要已知脱硫塔内壁热边界条件如热流q(z)。而内壁热流q(z)难以直接测量。如果直接同时反演壁厚和内壁热流q(z),可能因为测量信息不能够同时对壁厚和热流具有较大的灵敏度,造成检测系统的病态程度加剧。

    因此,检测方案包括了两步:先进行内壁热流定量识别,再定量识别壁厚。内壁热流可采用CGM反演得到:在脱硫塔外表面高温区域附近同等高度的温度正常区域沿周向选取M个测点,以该测点的温度信息Tmmeam=1, 2, …, M)反演该位置处的脱硫塔内壁热流q;内壁热流沿高度方向变化,但是周向分布均匀,以第一步反演得到的内壁热流q作为壁厚反演中正问题的已知热边界条件,以高温区域的温度测量信息作为壁厚反演的依据,提高了测量信息对壁厚的灵敏度,有利于削弱壁厚检测问题的病态程度。

    利用共轭梯度算法求解壁厚反问题,通过迭代优化使得目标函数J(d)足够小或者达到最大迭代步imax,对应的壁厚d即为所求。目标函数J(d)可表示为:

    $$J({d_i}) = \sum\limits_{k = 1}^K {{{[T_k^{{\rm{cal}}}({d_i}) - T_k^{{\rm{mea}}}]}^2}} \le \varepsilon $$ (5)

    式中:Tkmea为在脱硫塔红外热像图上提取的第K个温度测量值;di为第i次迭代得到的壁厚的猜测值;Tkcal(di)是根据di进行正问题计算得到的第k个测量位置处的温度计算值。K为在红外热像图上提取的温度测量值的数目。停机标准ε可由下式表示:

    $$ \varepsilon = K{\sigma ^2} $$ (6)

    式中:σ为测量误差的标准差。

    CGM沿着已知点处的梯度所构造出的共轭方向迭代搜索目标函数的极小点,迭代过程中对壁厚猜测值的修正可表示为:

    $$ {d_i}_{ + 1} = {d_i} - {\alpha _i}{\mathit{\boldsymbol{\gamma }}_i} $$ (7)

    式中:αi为搜索步长;γi为搜索方向。

    搜索步长αi表示为:

    $${\alpha _i}{\rm{ = }}\sum\limits_{k = 1}^K {[T_k^{{\rm{cal}}}({d_i}) - T_k^{{\rm{mea}}}]\nabla T_k^{{\rm{cal}}}({d_i}){\mathit{\boldsymbol{\gamma }}_i}} /\sum\limits_{k = 1}^K {\nabla T_k^{{\rm{cal}}}({d_i}){\mathit{\boldsymbol{\gamma }}_i}} $$ (8)

    搜索方向γi可由下式表示:

    $${\boldsymbol{\gamma} _i}{\rm{ = }}\nabla J({d_i}) + {\beta _i}{d_{i - 1}}$$ (9)

    式中:▽J(di)为目标函数的梯度;βi为共轭系数,可根据式(10)计算:

    $${\beta _i}{\rm{ = }}{\left[ {\nabla J({d_i})/\nabla J({d_{i - 1}})} \right]^2}$$ (10)

    利用CGM根据红外热像图中正常区域温度反演该位置处的脱硫塔内壁热流q,其过程可参考公式(6)~(10),在此就不一一赘述。

    应用CGM根据脱硫塔红外热像图反演壁厚的计算步骤如下:

    1)根据红外热像图,对异常区域进行辨识;

    2)反演异常区域脱硫塔内壁热流q

    3)给出壁厚初始猜测值d0

    4)通过求解公式(1)~(4),得到测点处的计算温度Tkmeak=1, 2, …, K),并代入公式(5):

    $$J({d_i}) = \sum\limits_{k = 1}^K {{{[T_k^{\rm{cal}}({d_i}) - T_k^{\rm{mea}}]}^2}} \leqslant \varepsilon $$ (11)

    如果满足上述条件,di即为所求,停止迭代;否则继续;

    5)按公式(8)~(10)对CGM里的参数进行更新;

    6)根据公式(7)更新壁厚d的猜测值,并返回步骤4)。

    选取环境温度Tf=20℃,对流换热系数h=10 W/(m2·K)。异常区域温度测点数量K=3;正常区域温度M=2。考虑到实际测量过程中,温度测量误差是无法消除的,通过现场标定,测量误差σ=0.055℃,ε=0.01。

    1)数值实验验证

    为了验证检测系统的有效性和精确性,本文先进行脱硫塔内部缺陷检测的数值实验。在数值实验中,脱硫塔的热边界条件、几何参数和热物性参数均与实际过程相同,假设真实壁厚de=16 mm。

    数值实验中设置不同大小的测量误差,以考察测量误差对缺陷检测结果的影响。实验结果如表 2所示。

    表  2  不同测量误差时的检测结果
    Table  2.  The detection results of the different measurementerrors
    Measurement
    error σ
    Detect wall
    thickness d/mm
    Relative
    error/ %
    0.055 15.92 0.50
    0.1 16.35 2.19
    0.2 17.14 7.13
    下载: 导出CSV 
    | 显示表格

    表 2可以看出,随着测量误差的增大,壁厚检测结果的精确性下降。如σ=0.2℃时,相对误差为7.13%,在工程上可以接受。

    2)依据现场红外热像反演

    ① 高温区域1

    图 3所示,高温区域1的最高温度为48.2℃,区域的最大温差为1.4℃。利用基于导热反问题的脱硫塔壁厚检测方法,对高温区域1的壁厚进行计算,结果为d=14.6 mm,即该区域玻璃鳞片厚度为0.6 mm。考虑到计算误差,可判定为防腐涂层已磨损殆尽或脱落,若不处理,塔壁金属将受到快速腐蚀。在检测后30天左右,脱硫塔停机检修,发现高温区域1的防腐涂层已脱落,证实了本方法的正确性。

    图  3  高温区域1对应的红外热像图
    Figure  3.  Infrared image of the high temperature region 1
    (a) Infrared image of the tower (b) Local enlargement picture

    ② 高温区域2

    图 4所示,高温区域2的最高温度为48.3℃,区域的最大温差为1.2℃。对高温区域2的壁厚进行反演:d=15.8 mm,即该区域防腐涂层厚度为1.8 mm,可判定为防腐涂层已减薄。

    图  4  高温区域2对应的红外热像图
    Figure  4.  Infrared image of the high temperature region 2

    ③ 高温区域3

    图 5所示,高温区域3的最高温度为48.1℃,区域的最大温差为3.7℃。对高温区域3的壁厚进行反演:d=6.5mm。表明该区域脱硫塔金属塔壁已发生腐蚀,减薄了7.5mm,应尽快排查、检修。

    图  5  高温区域3对应的红外热像图
    Figure  5.  Infrared image of the high temperature region 3

    本文采用导热反问题的方法,根据红外热像图对运行中的脱硫塔壁厚进行了检测。其中,脱硫塔壁厚和脱硫塔内壁面热流的反演均采用共轭梯度法。首先通过数值实验,验证了本方法的可行性。然后,依据红外热像进行反演,发现脱硫塔筒体腐蚀1处,防腐涂层脱落1处,防腐涂层减薄1处。在后续的停机检修时对上述部进行了复核,均验证了上述检测结果,表明了基于表面红外热像的脱硫塔壁厚定量检测方法的有效性和准确性。

    防腐涂层厚度的不一致,脱硫塔内介质分布的不均匀,红外热像仪精度以及环境等因素,可能会给壁厚检测结果引入误差,造成识别精度下降。如何提高壁厚检测精度,仍是下一步研究的方向。

  • 图  1   钢管混凝土结构

    Figure  1.   Concrete-filled steel tube structure

    图  2   检测系统示意图

    Figure  2.   Diagram of detection system

    图  3   检测模型传热示意图

    Figure  3.   Heat transfer diagram of detection model

    图  4   脱空区与非脱空区加热和冷却过程温度变化趋势

    Figure  4.   Temperature change trend in heating and cooling process between void area and sound area

    图  5   加热线盘

    Figure  5.   Heated probe

    图  6   加热非均匀性

    Figure  6.   Heating heterogeneity

    图  7   加热时间优化曲线

    Figure  7.   Heating time optimization curve

    图  8   冷却时间优化曲线

    Figure  8.   Cooling time optimization curve

    图  9   脱空区域提取效果

    Figure  9.   Extraction of void area

    图  10   实验样品

    Figure  10.   Experimental sample

    图  11   实验装置

    Figure  11.   Experimental equipment

    图  12   脱空缺陷检测效果

    Figure  12.   Detection effect of void defect

    表  1   材料的物性参数

    Table  1   Material parameters

    Material Thermal conductivity/
    W·m-1·K-1
    Specific heat
    capacity/
    J·kg-1·K-1
    Density/
    kg·m-3
    Steel 49.8 465 7840
    Concrete(c30) 1.28 970 2410
    Air 0.0259 1005 1.205
    下载: 导出CSV
  • [1] 张西辰, 宋晓冰. 钢板混凝土(SC)组合结构的发展与研究现状[J]. 四川建筑科学研究, 2015, 41(1): 26-30. DOI: 10.3969/j.issn.1008-1933.2015.01.006

    ZHANG Xichen, SONG Xiaobing. Research and application of steel concrete composite structure[J]. Sichuan Building Science, 2015, 41(1): 26-30. DOI: 10.3969/j.issn.1008-1933.2015.01.006

    [2] 安东. 双钢板混凝土组合剪力墙发展及其承载力研究现状[J]. 城市建设理论研究, 2019, 302(20): 53-53. https://www.cnki.com.cn/Article/CJFDTOTAL-CSJL201920045.htm

    AN Dong. Development and bearing capacity of double steel plate concrete composite shear wall[J]. Theoretical Research in Urban Construction, 2019, 302(20): 53-53. https://www.cnki.com.cn/Article/CJFDTOTAL-CSJL201920045.htm

    [3] 陈志华, 姜玉挺, 张晓萌, 等. 钢管束组合剪力墙恢复力模型研究[J]. 地震工程与工程振动, 2017, 37(1): 115-122. https://www.cnki.com.cn/Article/CJFDTOTAL-DGGC201701015.htm

    CHEN Zhihua, JIANG Yuting, ZHANG Xiaomeng, et al. Research on resilience model of steel tube bundle composite shear wall[J]. Earthquake Engineering and Engineering Dynamics, 2017, 37(1): 115-122. https://www.cnki.com.cn/Article/CJFDTOTAL-DGGC201701015.htm

    [4] 周云, 裴熠麟, 刘蒙. 基于非接触式麦克风冲击共振测试的钢-混组合结构界面脱空损伤识别方法研究[J]. 地震工程与工程振动, 2020, 40(1): 67-79. https://www.cnki.com.cn/Article/CJFDTOTAL-DGGC202001008.htm

    ZHOU Yun, PEI Yilin, LIU Meng. Non-contact diagnosis for interface debonding of steel-concrete composited structure by using impact resonance test with microphone[J]. Earthquake Engineering and Engineering Dynamics, 2020, 40(1): 67-79. https://www.cnki.com.cn/Article/CJFDTOTAL-DGGC202001008.htm

    [5] 叶勇, 李威, 陈锦阳. 考虑脱空的方钢管混凝土短柱轴压性能有限元分析[J]. 建筑结构学报, 2015, 36(S1): 324-329. https://www.cnki.com.cn/Article/CJFDTOTAL-JZJB2015S1050.htm

    YE Yong, LI Wei, CHEN Jinyang. FEA on compressive behavior of square CFST short columns with circumferential gap between concrete and tube[J]. Journal of Building Structures, 2015, 36(S1): 324-329. https://www.cnki.com.cn/Article/CJFDTOTAL-JZJB2015S1050.htm

    [6] 史新伟. 超声波法检测钢管混凝土脱空量及快速修补技术研究[D]. 郑州: 郑州大学, 2009.

    SHI Xinwei. Research on the void size in concrete-filled steel tube by ultrasonic wave method and the rapid repairing techniques[D]. Zhengzhou: Zhengzhou University, 2009.

    [7] 段师剑, 王远传, 赵勇. 超声法检测钢管混凝土缺陷的分析与探讨[J]. 无损检测, 2018, 40(12): 74-78. DOI: 10.11973/wsjc201812015

    DUAN Shijian, WANG Yuanchuan, ZHAO Yong. Analysis and discussion of steel pipe-encased concrete defects by ultrasonic inspection[J]. Nondestructive Testing, 2018, 40(12): 74-78. DOI: 10.11973/wsjc201812015

    [8] 岳文军, 杨国强, 王栋, 等. 钢管混凝土脱粘的超声波检测模型试验[J]. 施工技术, 2016, 45(23): 151-155. https://www.cnki.com.cn/Article/CJFDTOTAL-SGJS201623039.htm

    YUE Wenjun, YANG Guoqiang, WANG Dong, et al. Test and control technology and application of steel tube concrete arch bridge[J]. Construction Technology, 2016, 45(23): 151-155. https://www.cnki.com.cn/Article/CJFDTOTAL-SGJS201623039.htm

    [9] 晏国顺, 张富家, 王旭明. 中子无损检测法在泸定水电站蜗壳脱空检测中的应用[J]. 水力发电, 2011, 37(5): 83-84, 88. https://www.cnki.com.cn/Article/CJFDTOTAL-SLFD201105032.htm

    YAN Guoshun, ZHANG Fujia, WANG Xuming. Application of neutron non-destructive testing method in the void detection of spiral case in Luding Hydropower Station[J]. Water Power, 2011, 37(5): 83-84, 88. https://www.cnki.com.cn/Article/CJFDTOTAL-SLFD201105032.htm

    [10] 张辉, 刘国庆, 刘枨, 等. 水电站钢衬混凝土结构脱空缺陷定量检测应用研究[J]. 同位素, 2017, 30(3): 194-199. https://www.cnki.com.cn/Article/CJFDTOTAL-TWSZ201703007.htm

    ZHANG Hui, LIU Guoqing, LIU Cheng, et al. Study on Application of quantitative detecting of inner cavity defect of concrete under steel plate lining of hydro-power plant[J]. Journal of Isotopes, 2017, 30(3): 194-199. https://www.cnki.com.cn/Article/CJFDTOTAL-TWSZ201703007.htm

    [11] 杨金. 基于HHT的钢管混凝土缺陷特征提取研究与FPGA实现[D]. 湘潭: 湖南科技大学, 2016.

    YANG Jin. Feature extraction from concrete-filled steel tube using HHT and FPGA implementation[D]. Xiangtan: Hunan University of Science and Technology, 2016.

    [12]

    Zimnoch M, Oliferuk W, Maj M. Estimation of defect depth in steel plate using lock-in IR thermography[J]. Geological Data Processing, 2010, 17: 156-159. http://yadda.icm.edu.pl/baztech/download/import/contents/BPB2-0048-0019-httpwww_actawm_pb_edu_plvol4no4zimnocholiferukmaj2009070.pdf

    [13]

    Cotic P, Kolaric D, Bosiljkov V B, et al. Determination of the applicability and limits of void and delamination detection in concrete structures using infrared thermography[J]. NDT & E International, 2015, 74(9): 87-93. http://smartsearch.nstl.gov.cn/paper_detail.html?id=7df88ae15f98281a4b18c7fea5110e29

    [14] 胡爽. 基于红外热像技术的钢管混凝土密实度缺陷检测探究[D]. 重庆: 重庆大学, 2016.

    HU Shuang, The research and detection on the density defects of the concrete-filled steel tubes based on the infrared thermal imaging technology[D]. Chongqing: Chongqing University, 2016.

    [15]

    Matovu M J, Farhidzadeh A, Salamone S. Damage assessment of steel-plate concrete composite walls by using infrared thermography: a preliminary study[J]. Journal of Civil Structural Health Monitoring, 2016, 6(2): 303-313. DOI: 10.1007/s13349-016-0169-4

    [16] 王军文, 马少宁, 刘志勇, 等. 钢管混凝土脱空无损检测方法试验研究[J]. 石家庄铁道大学学报: 自然科学版, 2021, 34(2): 38-45. https://www.cnki.com.cn/Article/CJFDTOTAL-SJZT202102007.htm

    WANG Junwen, MA Shaoning, LIU Zhiyong, et al. Experimental study on non-destructive testing methods of voids in concrete filled steel tube[J]. Journal of Shijiazhuang Tiedao University: Natural Science Edition, 2021, 34(2): 38-45. https://www.cnki.com.cn/Article/CJFDTOTAL-SJZT202102007.htm

    [17] 张顺. 基于涡流热成像的钢管混凝土拱桥脱空检测试验研究[D]. 重庆: 重庆交通大学, 2019.

    ZHANG Shun. Research on void detection of concrete filled steel tubular arch bridge based on eddy current thermal imaging[D]. Chongqing: Chongqing Jiaotong University, 2019.

    [18] 陈禾, 秦迎, 陈劲, 等. 基于红外热成像法和超声波法的钢管混凝土无损检测技术试验研究[J]. 建筑结构, 2020, 50(S1): 890-895. https://www.cnki.com.cn/Article/CJFDTOTAL-JCJG2020S1174.htm

    CHEN He, QIN Ying, CHEN Jin, et al. Experimental research on the non-destructive detecting technique on concrete-filled steel tube based on infrared thermal imaging method and ultrasonic method[J]. Building Structure, 2020, 50(S1): 890-895. https://www.cnki.com.cn/Article/CJFDTOTAL-JCJG2020S1174.htm

    [19] 李晓希. 多层异种金属粘接结构内部缺陷热成像无损检测研究[D]. 成都: 电子科技大学, 2018.

    LI Xiaoxi. A research of thermography NDT for inner defect in multi-layer metal-to-metal bonded structure[D]. Chengdu: University of Electronic Science and Technology of China, 2018.

    [20] 张绩松, 王晓娜, 侯德鑫, 等. 基于激光热成像的局部导热系数测试[J]. 激光与红外, 2020, 50(12): 1426-1432. https://www.cnki.com.cn/Article/CJFDTOTAL-JGHW202012003.htm

    ZHANG Jisong, WANG Xiaona, HOU Dexin, et al. Local thermal conductivity measurement based on laser thermography[J]. Laser & Infrared, 2020, 50(12): 1426-1432. https://www.cnki.com.cn/Article/CJFDTOTAL-JGHW202012003.htm

  • 期刊类型引用(0)

    其他类型引用(2)

图(12)  /  表(1)
计量
  • 文章访问数:  124
  • HTML全文浏览量:  111
  • PDF下载量:  33
  • 被引次数: 2
出版历程
  • 收稿日期:  2021-07-20
  • 修回日期:  2021-09-12
  • 刊出日期:  2021-11-19

目录

/

返回文章
返回
x 关闭 永久关闭

尊敬的专家、作者、读者:

端午节期间因系统维护,《红外技术》网站(hwjs.nvir.cn)将于2024年6月7日20:00-6月10日关闭。关闭期间,您将暂时无法访问《红外技术》网站和登录投审稿系统,给您带来不便敬请谅解!

预计6月11日正常恢复《红外技术》网站及投审稿系统的服务。您如有任何问题,可发送邮件至编辑部邮箱(irtek@china.com)与我们联系。

感谢您对本刊的支持!

《红外技术》编辑部

2024年6月6日