使用嵌入式传感器对钢筋混凝土结构进行早期裂缝检测

1. 简介

      钢筋混凝土可被认为是一种复合材料，因其承载能力高、维护成本低而被广泛应用于土木工程结构中。在钢筋混凝土结构中，钢筋由几厘米厚的混凝土保护层保护，这是使用寿命的关键保护层。由于加固和与混凝土的粘合，它们满足机械强度的需求。然而混凝土是一种在运行期间会发生变化的材料，因此一些因素，例如结构的载荷、环境或随时间持续会导致混凝土材料的降解。因此由于环境和机械的侵袭，这种腐蚀是影响结构机械强度的关键因素。为了防止腐蚀，尽早检测和表征混凝土表面可能出现的裂缝至关重要，尤其是能够估计这些裂缝的足够深度和开口。因此监测钢筋混凝土结构状况的变化并在微裂缝发展为宏观裂缝之前对其进行检测，并通过及时干预，可以延长结构的使用寿命。然而混凝土结构遇到的退化出现在使用寿命的不同阶段，此外有时不允许破坏性测试来确定混凝土的质量（取样对结构也是危险的）。为此原因无损检测 (NDT) 作为一种诊断工具的主要优势在于它允许在不影响操作的情况下进行调查。无损检测是流行的测量方法，越来越多地应用于钢筋混凝土中的结构和结构部件，作为维护和检查的一部分。目前由于测量技术的不断发展，土木工程结构中使用的无损检测更容易处理，并且考虑到对结果的“正确”评估，为对结构实际状况的可靠评估提供了合理的依据。有各种不同的NDT技术已被使用了几十年，目前超过70种标准化测试方法的可以适用于混凝土结构，例如，超声波断层扫描仪、声发射、红外热成像、探地雷达、光纤光栅（FBG），或数字图像相关（DIC）。

      用于检测裂纹的传统方法主要基于全局变形的测量，不幸的是这种类型的测量的灵敏度和精度非常弱，裂纹的密度必须达到相对较高的值，然后才能通过变形检测到其影响。声发射 (AE) 是一种很有前途的技术，声发射比可见的裂缝打开更早提供信息，但对结果的解释始终是一件困难的事情。这是因为大多数 AE 事件发生在微裂纹传播之前。在加载的初始阶段缺乏显着的 AE 活动导致难以区分背景噪声和与裂纹相关的声学事件。使用超声波速度的技术特别有趣，因为波传播特性与材料损坏阶段之间存在直接关系 。

      超声波脉冲速度 (UPV) 方法*常用于检测混凝土质量、裂缝位置或钢筋和砖石结构内部的深度。在超声波检测中，*广泛使用的传播模式是纵波和横波。通过超声波的传播来表征混凝土是评估结构潜在病害的常用方法，使用经过验证的技术，例如传输、回波脉冲或表面波，可以识别机械特性较弱的区域，甚至可以检测裂纹的存在，通常这些技术是从组件表面应用的。在这里材料和超声波传感器之间的接触并不总是相同、稳定的质量，因为它们通常与水或甘油耦合。然而重要的是要注意，由于表面连接，许多实验和环境参数会影响测量，人们应该非常小心超声波传感器的持续耦合。除此以外评估方法的使用将评估由组件状态变化引起的信号中*轻微的变化。通常使用的超声波速度-抗压强度相关性只能在特定情况下应用。因此BAM开发了一种新型超声波换能器，可以**嵌入混凝土结构中，它允许嵌入的超声波传感器与混凝土的持续耦合，并嵌入被测结构内的更深区域，该传感器还适用于使用脉冲速度法对混凝土结构进行**性调查。此外嵌入提供了监视传统上不再能够从组件表面访问的区域的能力。由于需要分析从这些嵌入式传感器获取的信号来表征混凝土，因此必须使用主要的信号处理方法和方法，例如特征和简单的统计测量。

      另一种用于检测结构（例如，板或柱）裂纹的常用技术是超声波导波组（瑞利波和兰姆波）方法。在这种技术中，导波模式更适合通过单模从损坏中获得清晰的响应，但是如果结构由混凝土等异质性强散射材料制成，则难以解释导波（方法仅限于组件）。对于这些情况，可以通过脉冲激发产生漫射超声波，允许发生多次反射并在结构中产生类似的漫射波，与扩散波相关的挑战是波形的复杂性，因为它允许多种模式，因为结构在传播过程中可以支持。

      解决这些挑战并从复杂的漫射波中提取损坏/变化信息一直是大量研究的主题。钢筋混凝土梁中的裂缝为监测风险环境中的结构提供了非常有用的**次警告。在本文中，裂缝是由在钢筋混凝土梁上施加静载荷引起的，钢筋混凝土梁装有四个嵌入式超声波传感器，四点布置。在传输的超声波信号上，不同的特征被提取为负载的函数。为了评估嵌入式超声波传感器裂纹检测的准确性，使用额外的 NDT 方法监测光束的状态变化。此外决策融合方法的实施可以显着降低不确定性水平，增强损伤检测能力。

      从上述文献综述可以得出结论，各个层次的信息融合是一种非常有用的技术，由于适当构造的决策算法，它可以在未损坏的结构中提供早期的裂纹检测。此外为了成功检测损坏，需要应用具有足够灵敏度的处理算法来检测结构中的早期裂缝。*后应建立适当的阈值以区分健康和损坏的结构，并*大限度地减少错误损坏指示的可能性。在本文中作者将所有这些方法结合起来，以开发基于嵌入式传感器的损坏检测系统，该系统同时对微裂纹敏感且对错误损坏指示性。

2.  试样和方法

2.1. 测试样本

钢筋混凝土梁被浇铸为以下诱导裂纹扩展的试样。 图1显示了具有以下尺寸的钢筋混凝土梁的试样：2.9 m × 0.4 m × 0.2 m（长×高×宽）。10 mm 直径的初级钢筋由受拉区的三个下部钢筋和受压区拐角处的两个钢筋组成。横向钢筋由直径为 6 mm 的双腿箍筋组成，它们以 150 mm 的间距布置在支撑区。梁由抗压强度为 C25/30 的混凝土制成Fç d= 27 .57兆帕。计算结果用于确定梁的*大破断力

图1  测量支架和横梁负载位置

图2  加固骨架与连接的传感器一起放置在模板内，同时保持适当的缓冲，在铺设过程中，使用振动器适当压实混凝

为了评估混凝土的实际等级及其机械性能，在混凝土浇筑过程中，按照 EN 12390-1 规范，以直径为 150 毫米、高度为 300 毫米的圆柱体形式制造了 12 个额外的试样。梁和试样都在类似条件下老化 28 天。梁在浇铸后留在实验室中，但温度和湿度接近恒定，它一直在室内。弹性模量基准RC结构在15℃左右恒温水中固化、在混凝土硬化和老化期间，开始测量。来自内部传感器的记录信号以 5 分钟的间隔进行采样。通过这种方式，评估了混凝土粘结温度和流变现象（例如混凝土的收缩和徐变）的影响。试样在 7、14 和 28 天后进行测试，这样可以评估强度随时间的增加，并确定混凝土的实际等级及其抗压强度和弹性模量。在提到的浇筑工作持续时间后，在压缩和测试直至破坏混凝土试样期间，σ —— ε曲线和弹性模量被确定。示范性观点σ —— ε 曲线和由此产生的测试样品显示在 图 3.

图3  σ —ε曲线（A），以及压缩试验后失效试样的视图（B）

在准备基准梁的过程中，传感器被浇筑混凝土，混凝土传感器和钢筋的位置如图所示图 4。 四个专门为钢筋凝土梁监测目的而开发的超声波传感器（红框）安装在四个垂直箍筋上。超声波传感器的位置如图所示图 5.

图4  带有传感器位置的梁钢筋的 3D 视图

图5  超声波传感器位置

梁还配备了两个振弦式应变计传感器（绿色框）和两个钢筋应力计（连接到钢筋的顶部和底部）嵌入混凝土内（图 4）。外部线性可变差动传感器 (LVDT) 位移传感器和两个应变片用于监测挠度。DIC 装置用于测量随裂纹扩展和宽度的挠度。

2.2. 数据采集系统和加载计划

将光束放置在测量台上后，连接采集系统和电源以进行初始读数。在梁试样的中间，安装了一个外部 LVDT 传感器来测量挠度，并在梁的上下表面粘贴应变片。梁的前壁涂有标记，允许使用 DIC 方法测量变形。在中间液压千斤顶和一个称重传感器 —模型 25 设置为传递两点力 (图1) 已安装，然后对整个系统进行了测试，并进行了控制数据记录。试验机由模拟控制器控制，由于测试的主要目标是使用超声波技术评估裂纹演变和随着载荷增加的损伤水平（见图 6)，决定也测量力。加载速率从 1 kN/min 开始固定到 108 kN，然后增加到 5 kN/min (图 6)，这在测试样品中引入了适当的应力/应变状态。

图6  加载计划与超声波测量次数

为了使应变分布可视化，基于准静态压缩试验（见第 2.1 节）产生的材料特性进行了初步的数值有限元计算。为了检查应变分布，在 Midas FEA 中定义了静态非线性分析，并使用 Newton-Raphson 迭代程序进行有限元计算。测试结构的*终应变分布表示为图 7。使用 NI DAQ 卡数据记录器系统分别在计算机上记录力和 LVDT 输出 — 用于位移的型号 QuantumX MX1615B 卡和用于 DIC 测量的 GOM Correlate

图7  应变分布 (Midas)

通过将计算机直接连接到 Campbell 来收集数据，用于嵌入式传统传感器的数据记录器和用于超声波传感器的定制数据采集系统 。数据记录器有 16 个通道（参见图 8）

图 8  ( A ) Campbell Scientific 数据记录器  ( B ) 超声系统的数据采集框图

振弦式应变仪的采集每 200 ms 自动进行一次，并存储在计算机硬盘驱动器中。对于超声波测量，数据采集系统包含多通道数据采集模块，该模块与放大器和前置放大器相连，对输入进行放大，输出然后对信号进行滤波（见图 8）。在笔记本电脑中，安装了定制软件来配置和控制测量系统并存储信号。超声波信号的采集每分钟进行七次，并存储在笔记本电脑中。所测超声信号的中心频率约为 60 kHz，考虑到采集信号的适当分辨率，使用 1 MHz 的采样频率。每次测量记录的持续时间为 5 毫秒，允许发生多次反射并产生类似的漫射波。超声波速度和衰减通过引发裂纹而增加，并可以表示为损坏指数。因此衰减和速度变化几乎与初始裂纹呈线性关系。然而不同荷载作用下混凝土的应力应变关系并不是线性的。基于身体的机械应力，弹性超声波在固体中伸展的速度。尽管如此根据之前的实验研究观察和结果在不同负载变化下呈现出几乎线性的相位。由于测试是在实验室在冬天的室温下进行的，所以它遵循了较低的温度变化±0.5∘C。然而超声波传感器嵌入在基准混凝土结构内部，因此受近表面变化的影响较小，因此他们在这项工作中被忽略。

2.3. 方法

在随时间增加的垂直载荷下评估 钢筋混凝土梁的弯曲刚度的基本思想是用作性能指标 (PI) 的挠度测量。加载过程中梁弯曲刚度的典型变化如图所示图 9。退化阶段可分为四个阶段：（I）未开裂，（II）裂纹形成，（III）稳定裂纹，*后，（IV）失效阶段。失败通常是钢筋屈服或混凝土压碎。在测试过程中，使用液压千斤顶，随着时间的推移，负载按比例缓慢增加。在测量负载力的同时，记录所有传感器和测量设备的响应。

图 9  广义弯曲刚度发展，其中显示了四个阶段

作为**步（图 10)，融合的特征级别将应用于来自多个传感器的信号。考察了数据融合的一般框架，例如：X₁ , 1，…， 在哪里 X₁ , n 是来自一对超声波换能器的数据向量 T₁₁ （一个发射器和一个接收器）和 F₁ , 1是来自一对换能器的特征值。在步骤 1 中，特征级融合代表计算来自所有传感器或传感器对的特征的步骤。在第 2 步中，根据操作变化（如负载的存在/不存在、裂纹的存在/不存在/多个裂纹等），从超声波传感器对和其他类型安装传感器的输出中做出的决定，使用二进制声明进行融合。

图 10  基于两步特征的传感器融合模型

2.4. 从超声波信号中提取特征

特征提取程序涉及从数据采集期间收集的数据中提取载荷/裂缝敏感特征，以诊断结构变化。特征提取过程是通过对传感器数据使用信号处理技术来完成的。超声时域信号的评估有不同的信号处理方法。从测量的超声时域信号中获取特征的信号处理程序之一如下： AR 模型残差是测量信号的值与基线信号的预测值之间的差值。此 AR 模型残差可用作变化/损坏特征指标。下一个方法是去相关系数，用于比较信号与参考未损坏信号的相似度。下一个，连续小波变换 (CWT) 是一种有效的信号处理方法，可用作变化/损坏特征指标。小波变换是一种估计器，用于从获取的信号中量化能量扩散值。材料的退化也可以通过时域信号的每个窗口模板中峰值幅度的差异来确定，这些变化水平由参考未损坏条件归一化。*后，短时傅立叶变换 (STFT) 能够通过执行时频分析来提供有关信号行为的信息，从中可以确定特定谐波出现在信号中的时刻，以及功率谱分析。有关本研究中使用的特征提取方法的更多信息。

表格1  功能描述

2.5. 信息融合

      信息融合背后的想法是比较来自多个传感器的信息，以改进整体决策/定位。数据融合可以分为三个层次：信号级、特征级和决策/信息级融合[ 47]]。信号级融合被称为*低级融合，它结合了来自多个传感器的原始信号，因此，新的原始信号预计会提供更多信息。特征级融合也称为中级融合，它涉及单独计算每个传感器对的特征值或比较来自不同传感器的特征，以便*相关的特征做出决定。在这个层次结构中，决策级融合被称为**级融合。在这个级别，每个传感器可以根据自己的特征提供独立的决策，然后比较所有特征的结果以获得整体决策/定位。

      在本文中，决策层的投票方案用于基于信息的融合。信息融合的过程如图图 10. **步是使用投票方案从一对超声波信号中为每个特征选择一个阈值。该阈值用于区分特征中的未损坏和损坏状态。一般情况下，未损坏状态值的权重低于加载或损坏状态。接下来是使用接收器操作特征（ROC）来比较整体决策的特征。ROC 曲线是用于对特征进行统计评估的度量，可用于可视化整体决策。在投票方案中，根据投票指数的*大值，做出整体决定来区分损坏和未损坏等级：

Nn是用于评估第n个传感器的特征向量的长度；Fn是第n个传感器相对于不同位置的特征值；Wn 代表投票权重（默认： Wn= 1）。*高的加权平均概率表明存在损坏的可能性很大。

2.6. 数字图像相关

*近，DIC 已发展成为一种稳定可靠的断裂或损伤测量工具。DIC 检测由检查对象表面上的应力引起的*小变形。这个模式首先被用作参考。后来，在应用加载后，它被用作相似性比较和确定裂纹位置的模式。基准 RC 光束的表面变形由这些区域内的像素之间的偏移反映出来。为了分析这种移动，可以使用不同的相关算法。该技术可以测量微米范围内的变形，具体取决于所使用的相机及其与光束表面的距离。在进行的实验中，ARAMIS SRX DIC 相机的分辨率为4096 × 3068使用像素和 GOM 相关系统。测试期间的帧速率为 0.25 Hz。

3. 测试结果与讨论

裂缝张开位移由垂直 LVDT 测量。可以看出，载荷或梁的形状缺乏对称性。然而，裂缝宽度的变化是成比例的，这意味着可以假设裂缝张开位移的分布沿着梁的宽度是线性的。测得的控制梁载荷-位移曲线如下图所示图 11，以及来自 DIC 测量的负载位移曲线可以在图 19B 中看到。可以看出，裂纹发生在大约 42 kN 处。

图 11 偏转 (LVDT) 和负载

3.1. 弯曲性能

对试样进行四点弯曲试验，通过使用垂直放置的 LVDT 获得裂纹开口的常规测量值。在测试期间获得的超声波分析信号被处理以提取上述特征。

3.2. 超声波特征分析

      为了表示第 2.4 节中提到的特征的有效性，所有特征都是根据在实验过程中从基准钢筋混凝土梁 结构上的三对超声波传感器收集的时域信号计算得出的。图1. 在本文中，对一对超声波传感器进行了分析，以在不依赖于结构位置的情况下调查裂纹。因此，选择位于顶部的超声波传感器对来研究基准结构的*大面积（距离为 2.3 m）。对所有特征的解释明确包含与参考信号的比较，如果信号的幅度、相位和频率没有一定量的变化，则与参考信号进行比较，结构的条件表示为健康状况良好。

      图 12图1显示了时域信号特征的示例图，即峰到峰幅度。归一化误差图是作为每个固定长度时间窗口中的峰值振幅（当梁受到外部应力时）与未损坏状态参考值之间的差异得出的。每当时间信号的幅度随着外部负载的增加和损坏（开裂）的渐进阶段而下降时，就会导致更高的偏差。从图 12，可以观察到，由于梁的张力区域（底部）和压缩区域（顶部），随着应力水平的变化，峰峰值幅度会发生变化。当 0-35 kN (N= 242超声波测量值，等于 35 kN) 的载荷。当外加应力增加时，峰值幅度明显下降，信号开始衰减，能量减少，幅度减小，表明裂纹打开。当施加 35-90 kN 的载荷时，由于形成多个裂纹，沿梁张开和扩展，这些变化有增加的趋势。然而，当施加 90-160 kN 的载荷时，变化在脆-韧转变阶段保持稳定。虽然光束确实有很大的变形，但试样中没有足够的新裂纹来阻碍超声波的传播。这种稳定传播的原因是受试试样的钢筋在这种加载条件下承受了*高的应力。

图12  来自超声波对 S01R04 时间历程的峰峰值幅度特征值

去相关系数以归一化形式获得，可以定义为RC基准结构的变化。该系数的初始增加源于基准试件在增加载荷下的弯曲，因为它影响了超声波路径。弯曲拉力为 42 kN 时，系数 (图 13) 与参考状态（实验开始前）相比增加了 0.27，并突然下降到 0.23，这表明结构中出现了微裂纹。当施加的应力变得更大时（由 42 kN 到 160 kN 之间的弯曲张力产生的结果），并且信号的相位偏移超过 90∘，这是由裂纹扩展引起的，因此去相关系数增加到 0.4。去相关系数提供了一个适当的值，用于通过相关分析和指导两个信号之间的特定关系来判断测量信号与参考信号相比的变化率。因此，表明基于去相关系数的信号分析更加灵敏。由于其对微小变化的敏感性，去相关系数可能会提供有关由于环境影响引起的信号变化的误导性信息。

图 13 来自超声对 S01R04 时间历程的去相关系数特征值

图 14表明受到外部应力的梁中非线性（开裂）水平的增加，同时，AR 参数的幅度（增加残余误差）趋于减小。AR 参数是通过在实验开始之前使用 RMSE 技术将 AR 模型拟合到来自一对换能器（顶部）的基线信号来计算的（有关更多详细信息。如果结构中存在裂纹，则由于加载时裂纹宽度增加导致更高的衰减（减小 AR 参数幅度），残余误差会增加。从图 14，可以观察到残余误差随着梁中应力水平的增加而增加。在 36 kN 到 160 kN 之间的弯曲拉力的结果中，由于能量衰减，AR 残余误差率增加了 1.9%，这表明裂纹的张开和扩展。

图14  来自超声对 S01R04 时间历程的 AR 残差特征值

连续小波变换 (CWT) 的图描绘在 图 15. 信号的能量来自原始信号时间序列的 CWT 变换。从这种时频域分析中提取的特征比仅时域更有用。通过计算每个分支（标度图）的能量来建立能量向量，以显示朝向频带的能量分布。从改变/损坏状态和参考未损坏状态之间的CWT系数的比较（如图所示）图 15)，在不同的频段可以发现明显的偏差。建议的 CWT 能量系数是通过计算健康状态和损坏状态的能量向量之间的均方根偏差百分比来获得的。从图 15，可以观察到系数随着弯曲拉伸在梁中的水平在 36 kN 到 48 kN 之间增加而减小，然后随着载荷在 49 kN 到 60 kN 之间增加而急剧增加。这是因为大多数裂缝出现在混凝土表面，平行于压缩下的载荷应用。因此通过该方向传播的超声波可能会错过遇到裂缝。没有大的小波系数值，因为试样已被水平分裂裂缝破坏，该裂缝阻止超声波从换能器 1 传播到换能器 2 通过混凝土。

图 15  来自超声波对 S01R04 时间历程的 CWT 系数特征值

STFT传统上作为频谱图，对应于原始信号的能量分布。可以将漫射信号中包含的能量定义为损伤敏感特征。该系数的初始增加源于基准试样在增加载荷下的弯曲，与试样释放的能量有关。弯曲拉力为 38 kN 时，系数 (图 16) 增加了 0.14，与参考未损坏状态相比，突然下降到 0.002，这表明信号强度由于结构中微裂纹的发展而下降。可以观察到，在施加 115 kN 载荷后，随着多个裂纹开始通过表面传播，信号强度逐渐降低，直到加载的*后阶段。

图 16 来自超声对 S01R04 时间历程的 STFT 系数特征值

3.3. 嵌入式应变片分析

嵌入混凝土结构内部（梁中间）的振弦应变计记录应变从 1 稳定增加到 1000 μ ε, 在加载过程中 (图 17）。增加是由梁的弹性弯曲引起的。弯曲拉伸状态下的增长应变从 43με 向前，表明随着表面开裂发生非弹性变化

图 17 应变（底部振弦）与负载

图 18 表明钢筋应变计嵌入钢筋顶部在钢筋混凝土梁基准结构中，应变从 1 稳定增加到 272 μ ε，在加载期间表示弹性变化。

图 18 应变（附有顶部钢筋）与负载

3.4. DIC分析

为了研究 DIC 检测材料退化和表征的能力，从 DIC 框架获得的数据与相应的力——变形和梁深度——裂纹宽度轮廓相匹配。通过使用与参考子集的*高相关性，在变形试样的图像中定位来自基线图像（像素子集）的每个子集，从而确定基准RC梁在每个载荷步的位移。图 19 和 图 20显示裂纹状态以及选定载荷水平 (A) 和位移曲线 (B) 下的应变场。这些数字对于评估变形状态和了解材料的开裂行为至关重要，尤其是在比较具有不同特性的试样时。可以从图 19对于基准 RC 梁，在加载的**阶段 (0-50 kN) 观察到*高水平的应变，并在峰值应力和应变局部化后立即分布在*大力矩区域，如红色所示. *后，在 40 kN 下观察到一个小裂纹。然后一个大裂缝和其他几个裂缝（图 19) 可见。变形的**个迹象是弯曲拉伸强度为 42 kN，这与嵌入式应变计和位移传感器的结果相关。当检查试样表面是否有裂纹时，这些裂纹是肉眼看不到的。然而，通过 DIC，可以看到变形在载荷输入方向上的向上传播。在弯曲拉伸强度为 52 kN 时，从这个时期开始，肉眼可见形成裂纹。然而，在第二阶段（55-170 kN），DIC 表示试样中形成了更多肉眼不可见的裂纹。在 80 kN 时，裂纹开始用肉眼可见。图 20 显示了变形在载荷方向上的增加传播，这与所有传感器都有很好的相关性。

图 19 在试样的不同载荷水平（**阶段）下，裂纹扩展以及应变图 ( A ) 和挠度 ( B )

图 20 在试样的不同载荷水平（第二阶段）下，裂纹扩展以及应变图 ( A ) 和挠度 ( B )

3.5. 使用 ROC 曲线的特征比较

      为了验证特征级融合，从基准 RC 样本上收集的数据计算了五个超声波特征。使用 ROC 曲线分析了这些特征的决策和可信度。阈值是根据投票方案定义的，并在特征值的范围内进行扫描，并且绘制了检测概率 (POD) 与误报率 (FAR) 的关系图。ROC 曲线是一个完美的检测器，可以测量曲线下的值面积 (AUC)。准确的分类器对应于*大 AUC（*大 AUC = 1）。因此，更大的 AUC 值表示更好的性能。在算法的下一阶段（见图 10)，使用 ROC 曲线的投票指数阈值分析来自不同传感器的特征。*后，对*终决定进行了评估。

      超声波信号的建议特征在传感器对 01-04 中进行了比较 图 21通过他们的 ROC 曲线。可以看出，所有特征在检测裂纹打开和扩展以及存在噪声时的损坏状态的能力方面都表现得相当好。峰值振幅系数和 AR 系数表现更好 (AUC = 1, 0.989) 来分类此结构中传感器对 01-04 未损坏状态的损坏。这个结果并不意外，因为特征 CC 和 CWT 系数值突然波动，将损坏状态从未损坏状态错误分类。对于建议的特征，性能因阈值不同而异。因此，即使对于特定换能器对和特定阈值可能存在*佳特征，因此使用来自不同传感器的所有特征的信息来达到更好的裂缝/变化的定位或检测可能是合适的。表 2表明与该基准结构中的所有无损检测方法相比，从超声信号中提取的峰值幅度系数特征表现更好（AUC = 1）。可以观察到，超声波传感器比其他无损检测方法更早地检测到位于传感器对之间的裂纹（损坏）。

图 21 钢筋混凝土梁中所有特征的 ROC 曲线

表 2  不同无损检测技术的总体结果

3.6. 裂缝开口位移

参考基准结构的裂纹张开位移（COD）通过 DIC 方法确定。为了确定裂纹张开位移（COD），使用了位移场。COD 值是通过沿着裂纹路径（中心裂纹）考虑两点（梁的中间）的不连续性来获得的，测量耗散能量的转换以及沿裂纹路径的裂纹开口（预测裂纹开口宽度与. 深度线为零）。由于峰峰值幅度比其他超声特征表现更好 (AUC = 1)，因此它被提出与 COD 相关联。图 22显示了超声特征的峰峰值幅度（**值）变化与用 DIC 方法测量的变化之间的比较。可以看出，COD 与超声波特征很好地匹配。