钢结构具有安全可靠的特点，施工也很方便，还能节省工期，因此成为了基础设施建设中极为重要的结构形式。钢结构里的构件，通常是借助螺栓连接、铆钉连接或者焊接来构成结构体系的。螺栓连接因为具备安装便捷、强度高以及成本低等优点，所以在一些桥梁和工业厂房等钢结构基础设施中被广泛运用。一些大型基础设施中螺栓连接组件的使用数量非常多，甚至达到了上百万套。所以，螺栓连接在钢结构中是重要的组成部分之一。
随着服役年限的增长以及外部环境的作用，螺栓连接难免会出现松动失效的情况，甚至会出现断裂缺失的现象。这会导致连接部位的螺栓预紧力大幅降低，还可能出现螺栓错位、滑移以及分离脱落等状况。这些情况会严重影响结构整体的可靠性与安全性。近些年来，国内外有许多因螺栓连接失效而引发的工程事故。所以，发展螺栓松动检测技术有着重要的意义。无损检测和健康监测技术得到了发展。研究人员提出了诸多检测螺栓松动和缺失的方法。
Part 01.
基于压电传感技术的螺栓松动检测
基于压电传感技术的检测方法主要是借助压电陶瓷的压电效应来达成对螺栓松动的识别。原理在于利用压电陶瓷材料去发送或者接收信号，接着对信号进行分析并提出相应的损伤指标，依据损伤指标的变化从而实现对螺栓预紧力的识别。
基于压电传感技术的螺栓松动检测方法，主要有压电波动法和压电阻抗法这两种。为了让压电传感技术能在螺栓松动检测中得到应用，学者们最先研发出了压电智能垫片。
压电智能垫片
基于压电传感技术的检测方法需把压电陶瓷传感器与结构表面耦合，一般是粘贴于螺栓表面。但这种粘贴耦合形式限制了传感器使用的灵活性，所以研究人员提出了压电智能垫片，即把一个压电陶瓷嵌入到两个预先加工好的标准垫圈里，接着用环氧树脂涂覆压电陶瓷表面以形成保护层。压电智能垫片传感器的设计原理图和实物图如图1所示。
图1 压电智能垫片(a)设计原理图和(b)实物图
研究人员接着验证了研发的压电智能垫片传感器的有效性。Huo 等通过时间反转法把两个垫片之间传播的应力波能量进行了量化，这样就建立起了螺栓连接预紧力退化程度与应力波响应信号之间的关系；接着又利用扫频信号激励智能垫片钢结构基础地脚螺栓，通过观察阻抗特征的变化来评估螺栓的松动程度。Wang 等人把压电智能垫片运用到了岩石领域的地脚螺栓预紧力识别方面，凭借机电阻抗频率指标的偏移，能够有效地体现地脚螺栓的预紧力变化。
压电波动法
压电波动法利用两个压电传感器，一个传感器用来发射信号，另一个传感器用来接收信号，接着通过对接收信号的特征进行分析，从而评估螺栓的松动状态。
为提升压电波动法的检测精度，学者把时间反转法引入到压电波动法中，其过程及原理见图 2。首先借助一个压电传感器发送激励信号（一般为脉冲信号），此信号在螺栓连接的机械结构中传播后，被另一个压电传感器接收。接着在时域内对接收的信号进行反转，然后把反转后的信号重新传回激励点，从而得到重构的信号。
图2 时间反转法检测螺栓松动的基本原理和过程
时间反转法得到的信号仅与信号传播路径相关。重构信号在时域和频域上能更好聚焦，所以能更准确评估结构损伤状态。重构信号的特征和螺栓预紧力紧密相关，可依据重构信号的幅值大小来评估松动的严重程度。
Parvasi 等通过有限元建模提取了不同预紧力下螺栓连接界面的微观接触面积，Huo 等通过分形接触理论提取了不同预紧力下螺栓连接界面的微观接触面积。结果显示，重构信号强度增大的原因主要是连接处微观接触面积的增大。另外，Ruan 等验证了时间反转法在螺栓松动检测中抗干扰能力较强。
时间反转法每次检测时需在时域上对信号进行反转，此过程较为复杂，不利于工程应用。Cai 等人改进了传统的时间反转方法，提出了借助虚拟时间反转方法来进行螺栓松动检测。
在虚拟时间反转法里，仅对处于健康状态的响应信号进行一次时间反转。虚拟时间反转法检测螺栓松动的过程如图 3 所呈现。其一，针对处于健康状态的螺栓连接结构，在激励点位置输入脉冲信号，接收点上的传感器会采集响应信号，接着把响应信号在时域内进行反转。其二，在健康状态下得到的反转信号被记录为参考重发射信号（RRS）。在后续进行螺栓松动监测时，激励点仅发送 RRS 信号。最后，对重建信号的幅值特征进行分析，就能够表征螺栓连接的松动状态。在现有的关于虚拟时间反转法的研究里，重构信号的大小一般是用归一化的峰值以及聚焦波包能量比来进行表示的。
图3虚拟时间反转法检测螺栓松动的基本原理和过程
学者们针对时间反转法无法识别螺栓微小松动这一问题，提出了一种基于振动声调制法的螺栓松动监测方法。
振动声调制法属于声非线性超声法的一种。螺栓松动检测的流程及原理如图 4 所示。在信号发送端会产生两种激励信号，其一为低频正弦振动信号，其二为高频超声波信号。在微观尺度层面，钢板界面较为粗糙，其上存在着诸多的凸起以及凹陷。低频正弦振动与高频超声波混合并穿过钢板界面时，低频正弦振动会让接触界面产生“呼吸”效应，这样在传播高频超声波信号时就会出现调制特征。预紧力变小，钢板实际接触面积就会减小，接触非线性随之增大，进而导致频谱上高频处左右旁频的振幅增加。所以，旁频振幅能够用来表示螺栓松动的严重程度。
图4振动声调制法检测螺栓松动的基本原理和过程
研究结果显示，高频振动信号的幅值以及频率，还有低频振动信号的幅值与频率，对调制响应信号和松动检测均有着显著的影响。Zhang 等人首先运用扫频法把螺栓连接的固有频率给确定下来，接着把二阶响应信号里强度最大的那个固有频率当作低频振动信号的频率。为了使调制效果得以增强，Zhang 和 Wang 等人挑选了在一定范围内的扫描信号当作高频振动信号。此外，Zhao 等人分析了低频振动信号的幅值对于调制结果所产生的影响。因为螺栓处于不同松动状态时，其固有频率会发生改变，所以 Zhao 等人提出针对低频信号和高频信号都采用扫频激励的方式，这样具有更良好的识别鲁棒性。
压电阻抗法
压电波动法一般需要两个压电传感器来进行螺栓松动的检测。为了节省成本，学者们提出了一种基于压电阻抗法的螺栓检测方法，这种方法仅用一个传感器就能够实现螺栓松动的检测。
压电阻抗法检测螺栓松动的原理如下：螺栓松动时，连接部位的机械阻抗会改变；而连接部位机械阻抗改变后，压电传感器的电阻抗也会随之变化。所以，通过对压电传感器中的阻抗信号进行分析，就能够评估螺栓的连接状态。图 5 展示了基于机电阻抗法的螺栓松动检测过程及原理。压电陶瓷的电阻抗和螺栓连接结构的机电阻抗存在直接关联。所以，利用阻抗分析仪去测量压电陶瓷的电阻抗，接着把测量得到的电阻抗和参考值进行对比，这样就能识别出螺栓的松动程度。
图5 阻抗法检测螺栓松动的基本原理和过程
丁杰城对阻抗法识别螺栓松动的原理进行了分析。他研发出了以压电阻抗法为基础的螺栓松动实验台。同时，他还编写了压电驱动软件。
姜世宇等人将阻抗法与卷积神经网络相结合，对空间结构螺栓球的预紧力展开了检测。研究成果显示，此方法能够识别出螺栓节点的早期松动情况。
王琳涛通过观察多频段的阻抗峰值移动情况，从而实现了对法兰结构中螺栓松动程度的分析。
Pavelko 等人提出了一种约束 PZT 的二维模型，并且将有限元模态分析与之相结合，从而实现了对直升机螺栓松动的监测。
Wang 运用概率神经网络以及压电阻抗技术对 90 个螺栓结构试件的螺栓预紧力进行了识别。结果显示，此方法在松动识别方面的准确率超过了 90%。
Zhou 依据压电阻抗法，并且将内置图卷积网络模型与之相结合，从而达成了对多个螺栓预紧力损失的定量分析。
Du 考虑到环境温度会对机电阻抗产生影响，于是提出了一种多任务深度卷积神经网络来识别螺栓松动。这个网络由一个温度补偿子网以及一个用于识别螺栓松动状态的轻量级损伤识别子网所构成。结果显示，通过有限样本训练的多任务网络能够在温度发生变化的环境中实现精准的损伤识别。
Part 02.
基于光纤传感技术的螺栓松动检测
布拉格光纤光栅传感器具有体积小的优点，受到结构健康监测领域研究人员的广泛关注；布拉格光纤光栅传感器具有精度高的优点，受到结构健康监测领域研究人员的广泛关注；布拉格光纤光栅传感器具有抗干扰能力强的优点，受到结构健康监测领域研究人员的广泛关注。基于光纤传感技术的螺栓检测，主要是依据嵌入到螺栓中的光纤光栅传感器测量到的温度或应变等物理量的变化钢结构基础地脚螺栓，来检测螺栓的故障。
Khomenko 等人在 2016 年提出了一种方法。这种方法是为了检测螺栓是否出现松动。该方法利用嵌入螺栓杆中的单个光纤布拉格光栅传感器来监测螺栓的轴向预紧力。
Ren 等提出一种智能剪切型螺栓，其目的是测量螺栓所承受的剪切力，如图 6 所示。这种智能螺栓基于多个光纤光栅嵌入式传感器。根据等效弯矩与剪切力存在线性关系这一特点，它利用波长变化来计算剪切力，并且能够实现同时测量螺栓的轴向拉力与剪切力。
图6 基于光纤光栅传感的智能螺栓
师琪等提出了一种新型智能螺栓，目的是避免温度对螺栓预紧力产生影响，并且这种螺栓能够实现螺栓轴力和温度的同步监测。
Chen 等研发了一种智能螺栓垫圈传感器，其基于光纤光栅传感技术，目的是减少嵌入光纤光栅传感器对螺栓结构的破坏。如图 7 所示，该传感器利用螺栓预紧力与垫圈周向应变之间的线性关系来测量螺栓的预紧力。
图7 基于光纤光栅传感的智能螺栓垫圈
Part 03.
基于数字图像处理技术的
螺栓松动/缺失检测
近年来，图像处理技术有了发展，图像采集设备也日益普及。基于数字图像处理技术的螺栓检测方法，凭借成本低、效率高等优势，受到了极大的关注。其基本原理是，借助计算机对摄像机采集到的螺栓图像进行处理与分析，从而提取和识别出螺栓松动或缺失时的图像特征，以此来实现对螺栓故障的检测。
螺栓松动会使得螺杆螺纹暴露出来。Cha 等人运用传统的图像处理技术，将螺栓松动敏感特征提取出来，并且结合支持向量机技术，以此来检测螺栓松动。
王宝丽等为了提升方法的稳健性，提出了一种以卷积神经网络为基础的螺杆裸露螺纹数量测量方法，用于检测螺栓是否出现松动情况。
螺栓早期松动不会使螺杆螺纹暴露，只会让螺栓发生一定角度的旋转。基于此，Park 等开发了一种螺栓角度估计和松动检测方法，该方法基于图像处理技术。
周靖等提出了一种螺栓松动旋转角度测量方法，其目的是提高测量精度。这种方法基于机器视觉技术，能够有效地检测螺栓早期松动后产生的角度旋转。其流程图如图 8 所示。
图8 基于机器视觉技术的螺栓旋转角度测量过程
螺栓松动旋转角度的测量结果会被拍摄角度、光照条件以及背景噪声等因素所影响。为提升螺栓角度测量的鲁棒性，Zhao 等人提出了一种基于深度学习的螺栓松动旋转角度测量方法，此方法通过利用目标检测算法来检测螺栓表面的特征，并且通过计算旋转角度来检测螺栓是否松动。
Pan 等人提出了一种方法，这种方法是基于视觉的。该方法用于交互式检测螺栓的松动旋转，并且还能实时跟踪螺栓的松动旋转。
Lao 把摄像头焦距、拍摄角度和照明条件这几个方面都考虑到了，它们对螺栓检测以及角度测量有着影响。基于此，Lao 提出了一种测量螺栓松动旋转角度的方法，并且这种方法能够适用于不同的成像条件。
在此研究的基础之上，Zhang 等人引入了一种具备方向感知能力的目标检测算法，这种算法成功地克服了水平目标检测框在对非垂直螺栓进行松动检测时不够准确的问题。
此外，Wang 等人为克服单目视觉检测方法中相机视角导致测量误差的问题，提出了一种基于双目视觉的螺栓松动旋转角度测量方法。
Pan 提出了一种方法，这种方法是基于无人机的三维视觉螺栓松动自动检测方法，并且通过该方法提高了螺栓松动识别的效率。
赵欣欣等针对螺栓缺失问题，除了考虑螺栓松动情况外，还利用卷积神经网络提出了一种螺栓缺失图像识别方法。
Zhou 等提出了一种基于计算机视觉的螺栓缺失检测方法，目的是进一步确定图像中螺栓缺失的数量和位置。他们通过基于深度学习的目标检测技术，能够自动从螺栓缺失图像数据集中提取螺栓缺失的图像特征，从而实现了螺栓缺失的自动检测，这一情况如图 9 所示。
图9 基于目标检测技术的螺栓缺失检测
Yang 等人对比分析了不同的深度学习目标检测技术。在此基础上，他们提出了一种螺栓缺失检测方法。这种方法基于透视变换和交并比。
陈欣瑞等人针对手机移动端模型轻量化的需求，开发出了一种螺栓缺失检测方法，此方法是基于改进的 YOLOv5。
Part 04.
基于敲击声法的螺栓松动检测
敲击声检测法无需在结构表面布置传感器，它是一种无损检测方法。基于敲击声法进行螺栓松动检测的基本原理为：螺栓松动所导致的连接特性变化，会对敲击产生的音频信号产生影响，如图 10 所示。
图10敲击声法检测螺栓松动的基本原理和过程
近年来，在螺栓松动检测方面，敲击声法取得了诸多研究进展。2018 年，Kong 等人首次把敲击声法运用到螺栓松动识别中。研究人员提取了敲击声信号的功率谱密度当作特征，接着用决策树模型对不同预紧力工况下的螺栓进行了识别与分类。其结果显示，螺栓的预紧力分类精度达到了 90%以上，这验证了敲击声法在螺栓松动检测中的可行性。
Yuan 提出了一种螺栓松动识别方法，此方法基于经验模态分解和反向传播神经网络。同时，在声信号中添加了不同程度的噪声。实验结果表明，该方法能够避免因人为选择参数而对识别效果产生影响，并且具备较好的抗噪声能力。
在此基础上，Wang 等人考虑到了界面粗糙度存在差异这一情况，把螺栓预紧力转化为连接件的刚度。他们借助虚拟材料法以及逐层理论，把螺栓连接件构建成层压板的模型，并且运用声辐射模态法来获取敲击声信号的声压级，以此提升了对螺栓组松动的识别精准度。
Zhang 等人采用智能手机来采集敲击声信号，接着利用支持向量机对数据集进行训练以及分类，这样就使得敲击声法在螺栓松动识别中的使用成本得到了极大的降低。
另外，Yang 等人运用快速傅里叶变换以及卷积神经网络来对螺栓的预紧力进行回归预测。通过这样的方式，减少了在预紧力方面所需的训练工况。
在某些特殊情况下，直接敲击螺栓不太容易。Liu 等人提出了一种敲击方法，这种方法基于相域全极群延迟函数。他们在远离螺栓的钢板结构上进行敲击，然后利用卷积神经网络来分析声信号，从而获取螺栓的预紧力，最终实现了在远离螺栓的情况下对螺栓预紧力的识别。
Wang 等人运用一维记忆增强卷积长短期网络来对螺栓预紧力进行识别，这样就避免了去进行手动特征的提取，并且能够实现对多种类型螺栓预紧力的识别。
Yuan 等提出了一种网络，目的是识别螺栓早期的轻微变化。这种网络基于敲击声信号本征特征提取，是 ResNet 集成网络，可用于对极早期螺栓松动进行识别。
为了在实际中便于应用敲击声法，Yuan 等人开发了一套声学振动的 ios 应用程序。在实际工程里，敲击螺栓所产生的声信号会经由手机程序传输至后端，后端中已经训练好的卷积神经网络能够对螺栓预紧力进行识别，这极大地提升了敲击声法在螺栓预紧力识别过程中的便捷性。
结
论
螺栓连接在土木工程中得到广泛应用，原因是其强度高、成本低且安装便捷。对螺栓连接的失效情况进行准确及时的检测，对于保障结构的安全运营是非常重要的。
上述介绍了压电传感技术在螺栓松动和缺失检测中的应用，也介绍了光纤传感技术在螺栓松动和缺失检测中的应用，还介绍了数字图像处理技术在螺栓松动和缺失检测中的应用，以及敲击声法在螺栓松动和缺失检测中的应用。但目前提出的大量方法，由于各种原因，在实际工程中应用较少，甚至难以应用。
压电传感技术能够准确识别螺栓的预紧力，光纤传感技术也能够准确识别螺栓的预紧力。然而，在实际应用里，因为螺栓的数量很多，所以需要布置大量的传感器。正是由于需要布置大量传感器，才导致了成本较高的情况，而这种成本较高的情况限制了它们的推广应用。
敲击声法无需安装传感器，然而每次识别螺栓预紧力时都得接触螺栓，正因如此，会导致检测时间和检测成本有所增加。
数字图像处理技术可以实现对远距离螺栓松动或缺失的识别，它具备效率高和成本低的优点。然而，它不能检测螺栓的轻微松动，也无法获取螺栓预紧力的数值。
5. 降低检测的成本。
现有检测技术实现成本较高，主要体现在高精度传感器和采集设备的安装以及维护方面。所以，未来要结合实际工程中螺栓检测技术的需求，去研发成本低的信号采集与处理设备，这样能更好地实现螺栓检测技术的工程应用。
现有的研究大多是针对单个螺栓展开检测的。然而，在实际工程的连接部位，存在着数量众多的螺栓。所以，在未来的研究里，需要针对螺栓群中个别螺栓失效的这一问题，去发展与之相应的识别和评估算法。
现有检测技术主要是针对正常运营状态下的螺栓失效进行检测。但实际的土木工程服役环境往往较为恶劣，特别是在高空、高寒以及存在辐射等位置的螺栓失效检测方面，仍然是极具挑战性的。所以，未来应当关注并发展适用于恶劣环境中螺栓的检测技术，从而提高螺栓松动检测的可靠性。
常规的螺栓失效需要定期检测。对于重要的螺栓连接节点，要对其健康状况进行长期监测。这样能实现对螺栓轻微松动的准确检测。未来应把物联网技术结合起来，开发螺栓健康状况的长期监测技术，从而实现对螺栓健康状况的实时评估以及螺栓失效的提前预警。
