技术文章

桥梁作为基础设施的核心部分，其结构的完整性和安全性至关重要，因此定期需要详尽而周密的检查。传统的桥梁状况评估主要依赖于目视检查和例如拖链法和锤击法等特定无损检测技术，但检测内容局限且受个人经验局限。

随着无损检测领域在硬件和软件方面取得的显著进步，我们推出了一系列新的桥梁状况综合评估技术。这些技术能够提供对桥梁状况了解，帮助甲方及早发现桥梁存在的缺陷、老化迹象以及潜在的安全隐患。

案例背景

日本的福冈高速公路桥梁建于 20 世纪 70 年代，在经历了包括多次地震在内的重大事件后，这座桥梁遭受了严重破坏，导致在 2016 年4月关闭了一个月。

为了评估桥梁的结构健康状况，2023 年秋，日本高速公路运营商NEXCO EAST与PROCEQ合作，采用新款产品——多通道阵列式三维探地雷达GS9000 对福冈高速公路进行探测扫描。这款探地雷达如同桥梁的“透视眼”，能够深入桥梁内部，探测出隐藏在混凝土层下的结构缺陷。

他们选择了两块预制板的结合处进行探测实验，每块预制板长度约25米。结果如下图1所示：地图上叠加的C扫描视图清晰地展示了表面缺陷情况。

图1

图 2 和图 3 : 工作人员正推着GS9000探地雷达在桥面上进行探测

解决方案

1、通过GS9000的“自由路径”功能，工程师们能够以厘米级的精确度记录现场情况，整合地理定位数据，在作业过程中便可实时获取地下三维地图。基于这些扫描数据的报告，为桥梁的结构完整性评估和维护规划提供了参考。

2、与此同时，通过高频阵列天线，工程师们可收集到密集的地下数据。这些数据不仅帮助他们精准识别桥梁的结构薄弱点，还能对沥青损坏程度进行更多评估，包括识别主要裂缝和坑洼等（如图2和图6所示）。

此外，工程师们还可以检测沥青层和混凝土层之间的缺陷（如分层），并确定因混凝土成分的结垢和分解而造成的老化区域（图 7）；分析首层筋层（图 8），以绘制更详细的状况图（图 4），定位需要立即关注或紧急维护的区域。

3、数据后处理GPR Insights：在GPR Insights中处理大规模的GPR数据集，需要利用软件的各项功能来分析和解读收集到的数据。通过利用GPR Insights软件中的人工智能引擎和云算法，桥梁路面的雷达数据能够被高效处理并转化为具有实际意义的地图和可视化图像。

其中，人工智能引擎功能实现了对桥梁结构首层钢筋的自动检测。这一技术的引入，不仅大大提高了检测效率，还为工程师们提供了更加直观、清晰的桥梁结构状况图。通过人工智能引擎对钢筋反射信号的衰减情况进行分析，会生成两张定性图：劣化图和混凝土结构状况图，为后期维护和维修提供了决策支撑。

图 4: GPR 探测结果最重要的输出是劣化图，

红色区域为劣化可能性区域，

它是基于顶部钢筋的振幅衰减得出，符合 ASTM D6087 标准。

全分辨率成像，高清识别桥梁裂纹

在多通道探地雷达(GPR) 技术领域，普遍的设计只能达到要求通道间距约为 7.5 cm。这种标准化设计在不同配置中普遍存在，涵盖了各种频率范围和通道分配。然而，这种传统设置在有效探测表面缺陷（如沥青/混凝土（A/C）层中的裂缝和老化缺陷）方面经常遇到限制。

相比之下，GS9000 的天线设计不仅大幅拓宽了高频频宽的覆盖范围，而且实现了通道间距的显著缩减，仅为2.5 cm。这种偏离传统间距标准的做法产生了多方面的优势，对雷达技术的能力和应用产生了更多的影响，本案例便是证明：采集到表面缺陷、表面缺陷的深度方向延伸特点/沥青界面缺陷。

图 5.沥青层的主要表面缺陷（裂缝）

图6：在沥青层内 4 至 6 cm深处发现了延伸的表层缺陷。

图 7：沥青混凝土 (A/C) 层之间的界面缺陷（分层）。

图8：首层钢筋网的实时切片视图。

结果

为了验证GS9000探地雷达的数据结果，工程师们对探测区域的一部分进行了开凿验证。结果证实，实际发现的结构薄弱点和缺陷与雷达数据展示的结果吻合，进一步证明了GS9000 探测结果的精准性和可靠性。