中国公路学报

作者：李厚萱, 张洪, 许博伟, 夏润川, 周建庭

单位：重庆交通大学　山区桥梁与隧道工程国家重点实验室，重庆　400074

关键词：桥梁工程,腐蚀程度检测,自发漏磁,钢绞线,机器学习

<p>准确检测钢绞线的腐蚀程度对于保障交通基础设施安全至关重要。然而，在环境振动和磁场干扰的影响下，传统的自发漏磁经验指标检测法的准确性和通用性均显不足。为解决这一问题，提出了一种融合自发漏磁信号和鲸鱼优化XGBoost（WOA-XGBoost）模型的钢绞线腐蚀程度检测方法。首先，基于钢绞线腐蚀的自发漏磁理论，定义了5个特征值；其次，通过加速锈蚀试验和小波变换降噪方法，建立了反映不同腐蚀程度的自发漏磁信号数据集；然后，使用鲸鱼优化算法迭代优化XGBoost模型的关键超参数，形成了WOA-XGBoost预测模型；最后，比较了WOA-XGBoost、AdaBoost、CatBoost、梯度提升、XGBoost及传统经验指标检测法的预测性能。结果表明：小波变换降噪可以有效减少信号噪声的影响，同时保留腐蚀区域自发漏磁信号的主要特征；WOA-XGBoost模型预测性能最佳，决定系数<i>R</i>²值达0.987，MAE为0.91，MSE为6.15，通过鲸鱼算法优化超参数后，XGBoost模型的性能得到显著提升，决定系数<i>R</i>²值提升了6.8%，MAE和MSE分别降低了1.85和9.08。未来在利用自发漏磁技术检测钢材腐蚀程度时，应重点考虑将漏磁曲线的波动性和极值大小作为特征输入。所提出的融合方法能有效捕捉腐蚀程度与自发漏磁信号之间的复杂非线性关系，可为钢绞线腐蚀程度的无损检测提供新思路。</p>

来源：2025年第4期

《中国公路学报》期刊编辑部

查看中国公路学报杂志2025年第4期