桥梁伸缩缝损伤机理及检测技术改进研究

引言：模数式伸缩缝通常由多个带有固定伸缩量的单元构成，承受车辆荷载，传递桥梁的伸缩位移，能够满足在复杂环境下的桥梁安全运行需求。通常情况下，桥梁伸缩缝的损伤机理与设计因素、施工因素、车辆在和因素、自然环境因素、养护管理因素之间存在密切的关联性 [1]。鉴于传统检测技术在人工目视检测、量具测量等方面存在的应用局限性，无损检测技术和智能检测技术已经在桥梁伸缩缝检测过程中得到大量应用。目前，桥梁伸缩缝检测技术改进方向逐渐在物联网技术、深度学习算法的作用下，持续优化检测设备精度与可靠性，检测标准、检测规范得到同步完善。

1 工程概况

某桥梁位于城市交通主干道，全长 150m ，为三跨预应力混凝土连续梁桥，跨径布置（ 40+70+40 ）m，桥梁宽度 25m ，双向 6 车道，设计车速 60km/h 。该桥梁共设置4 道由边梁、中梁、位移控制系统和止水系统等部分组成的模数式伸缩缝，设计伸缩量 160mm ，边梁、中梁采用 Q345 钢材、位移控制系统采用优质橡胶材料、止水系统采用EPDM 密封带。由于该桥梁所处位置日均交通流量达到 3 万辆以上，重载车辆占比约为 20% ，对桥梁伸缩缝性能要求较高。

2 桥梁伸缩缝损伤机理

2.1 材料性能劣化

重载车辆通过时，该桥梁伸缩缝边梁应力监测数据显示，轮载中心区域峰值应力为 185MPa，日均应力循环次数达 6000 次。基于Miner 线性累积损伤理论，该桥梁伸缩缝的疲劳损伤度为 5.475，表明Q345 钢材进入显著疲劳状态。现场检测发现，该桥梁伸缩缝梁腹板焊接区裂纹发生率为 28% ，裂纹平均扩展速率 0.08mm/ 年，断口 SEM分析显示疲劳条带间距随荷载循环次数增加呈指数增长。

在城市热岛效应下，该桥梁伸缩缝区域最高温度为 65^∘C ，橡胶材料氧化降解加速，止水系统渗漏检测显示密封带漏水率与橡胶弹性模量增长（年均 +12% ）呈显著正相关。密封带边缘磨损量超过设计厚度 8mm ，防水失效概率超出 76% 。

2.2 荷载耦合效应

车辆 60km/h 通过时，伸缩缝竖向振动幅值与边梁固有频率形成共振 [2]。位移控制系统橡胶垫块应变监测显示，该桥梁在高频荷载下的剪切变形量达 18mm ，导致橡胶体等效刚度下降 22% ，引发中梁与边梁横向错位。螺栓松动导致的伸缩缝异常位移发生率较正常状态升高 4.7 倍。

梁体温度场实测数据显示，夏季正午梁体表面与内部温差达15^∘C ，导致边梁端部纵向伸缩量达 7.2mm （单跨），三跨累计伸缩量达 14.4mm ，占设计伸缩量 9% 。当止水系统卡阻升至 0.6，温度应力达 1152kN，边梁腹板抗剪强度设计值超出 15.2% 。混凝土锚固区应变片监测显示，温差荷载下裂缝开展概率随温差超过 0^∘C 的天数呈线性增长。

2.3 环境协同影响

电化学腐蚀环境下，主干道裸露的 Q345 钢材年均腐蚀深度达0.12mm ，镀锌层破损处腐蚀速率加快 3 倍。混凝土锚固区氯离子含量检测表明，距表面 50mm 处 Cl^- 浓度超出钢筋锈蚀临界值，钢筋干电池电位检测显示局部锈蚀已经发生。冻融循环试验表明，伸缩缝整体刚度下降 10% 。通过追溯施工记录，中梁轴线偏差导致的早期伸缩缝因损伤占比达 31% ，该缺陷造成伸缩缝有效使用寿命缩短。

3 桥梁伸缩缝检测技术改进

3.1 传感监测、智能识别、预测预警一体检测

3.1.1 多参量智能传感监测技术

为实时采集应力应变数据，在边梁腹板、中梁连接节点布设 12支光纤光栅传感器；当边梁应力高于预警阈值 150MPa ，自动标记异常点位（定位误差 ≤0.5m ）捕捉重载车辆通过时的应力突变，识别焊接区早期疲劳裂纹长度。在识别振动幅值、噪声频率过程中，集成加速度传感器、麦克风阵列建立联合识别模型，一旦伸缩缝出现螺栓松动时，实现螺栓松动精准识别，实测数据优于传统人工敲击法。

3.1.2 非接触式自动化检测方法

采用车载3D 激光扫描仪获取伸缩缝表面2000 张病害图像点云数据，并结合深度学习算法识别 EPDM 密封带破损、混凝土剥落等缺陷[3]。车载3D 激光扫描仪现场检测效率达20 延米/ 分钟，生成的3D 模型可以量化分析边梁错位，为伸缩缝的结构调整提供数据支撑。

利用红外热成像仪检测 EPDM 密封带老化区域，并结合探地雷达探测伸缩缝锚固区混凝土脱空情况。实测过程中，热成像技术对EPDM 密封带的老化程度识别准确率高达 85% ，探地雷达能够对深度50mm 内 90% 以上的空鼓情况，进行精准检测，两者融合后的缺陷定位误差≤5cm，检测效率较单一方法提升 40% 。

3.1.3 大数据下病害预测与决策

针对该桥梁伸缩缝的检测，输入交通量、重载比例、年均温差、服役年限等15 个特征变量参数，利用该桥梁3 年内的服役监测数据生成训练模型，输出伸缩缝损伤等级。大数据下的模型测试结果显示，3级以上的伸缩缝损伤应当立即进行维修，该检测技术的预测准确率可以达到 88% ，相对于传统的损伤检测技术提升 35% 左右，而基于预测结果制定的伸缩缝养护计划[4]，能够促使伸缩缝维修成本降低 27% 。

为形成有效的伸缩缝更换决策，在技术改进过程中，需要构建伸缩缝 1:1 数字孪生模型，实时映射应力、位移、温度等 20 项参数，通过有限元仿真模拟不同工况下的伸缩缝损伤演化过程，获得对应更换决策的演化结果。当预测到伸缩缝螺栓预紧力降低至设计值 60% 时，数字孪生模型将自动生成紧固工单，响应时间小于 10 分钟，并模拟EPDM 密封带更换周期，以此延长制水系统寿命，节约定期更换策略成本。

3.2 检测技术与检测设备集成化、标准化改进

在标准化解决伸缩缝损伤过程中，应当以《CJJT 233-2015 城市桥梁检测与评定技术规范》要求为遵循，集成激光测距、机器视觉、应力传感等模块，研发车载式多功能损伤检测平台，实现数据采集、分析报告、维修建议的一体化现场检测作业，将数据采集误差控制在1.5% 以内，并实时生成伸缩缝损伤检测报告 [5]。

4 结束语

综上所述，研究中的桥梁伸缩缝损伤机理呈现出材料疲劳、荷载共振、环境腐蚀的耦合特征，高流量重载交通显著加速损伤劣化。改进后的检测技术通过光纤传感实时捕捉应力突变情况，以 3D 视觉精准识别表面缺陷，应用数字孪生技术模拟损伤演化，形成覆盖预防、检测、养护的全周期技术体系。该工程实践为同类型高负荷桥梁伸缩缝安全服役，提供可靠技术方案借鉴。

参考文献

[1] 骆小强. 普通干线公路桥梁伸缩缝病害处治及养护技术研究[J].时代汽车 .2025(07):178-180.

[2] 孟利波, 刘怀林, 马东鹏, 等. 基于行车噪声的伸缩缝损伤识别缩比试验 [J]. 广东土木与建筑 .2024,31（01）:56-59.

[3] 丁泉, 陈朋, 章伟, 等. 大跨径桥梁模数式伸缩缝病害及其控制策略探讨 [J]. 公路 .2024,69 (05):451-456.

[4] 徐刘勇 . 桥梁伸缩缝检测技术要点分析 [J]. 建筑机械 .2023(08):50-53.

[5] 赵蕾 . 公路桥梁工程施工中桥梁伸缩缝施工的研究探讨 [J]. 汽车周刊 .2024 (06):145-147.