隨著智能傳感技術和橋梁（liáng）健（jiàn）康監測技術日臻成熟，橋梁健康監測係統得到了較大規模應用，尤其是（shì）中國（guó）、韓國等經濟新興國家，借助大規模基礎設施建設背景，橋梁健康監測係統逐漸成為大（dà）型橋梁運維的必備技術之一。

大型橋梁健康監測係統的廣（guǎng）泛應用產生了（le）大量數據，如何有效利用這些數據，成為（wéi）橋梁健康監測領域麵臨的重要問題。

橋（qiáo）梁健康監測從萌芽到完（wán）善

智能傳感技（jì）術

20世紀80年代末和90年代初，美國提（tí）出智能材料與結構研究，智能感知技術與結構健康（kāng）監（jiān）測技術是其中重（chóng）要（yào）的研究方向。90年代至本世紀初，國內外學者研究了大量智能感知材料和智能傳感技術，其中（zhōng）成功的案例（lì）之一是光纖光柵傳（chuán）感（gǎn）器（qì）及（jí）解調儀，土木工程（chéng）領域的學者主要研究了應變光纖光柵傳感器和溫度光纖光柵傳（chuán）感器的封裝工藝，以使其具有健壯性，適用於土木工程應用，如圖1所示，目前已經較廣泛應用於我國橋梁結構健康監測係統。另一個非常成功的案例是無線傳感器（qì），90年代中期美國加州大（dà）學伯克利分校土木工程係和斯坦（tǎn）福大學土木工程係（xì）分（fèn）別率先研（yán）究了無線傳感器，加州大學伯克利分校提出的智能灰塵（smart dust）勾畫了無線傳感器美好的前景。20世紀初（chū）期，美國伊利諾伊（yī）大學香（xiāng）檳（bīn）分校土木工程係對無線傳感器（qì）進行了係統研究，解決了無線傳感器網絡同步（bù）采集（jí）、信號遠距離（lí）傳輸（shū）與實時傳輸（shū）、信號丟包、太陽能電池（chí）供電等問題，並（bìng）在韓國新Jindo大橋以及迪拜摩天輪上得到應（yīng）用.

結構損傷識別與模型修正技（jì）術

除智能傳感技術外,結構損傷識別與模型修正技術是結構健康監測的另（lìng）一個重（chóng）要內容。基於振（zhèn）動的結構（gòu）損傷識別與模型修正得到廣泛的研究，該方法的原理是結構模（mó）態參數僅與結構物理參數（shù）(例如剛度等)有關,從監測的結構振動響應(加速度（dù）或動位移)識別結構模態（tài）參數,再根據模態（tài）參數變化診斷結（jié）構物理參數變（biàn）化，從而識別結構損傷並修正結構分析模型,是典型的結構動力學反問題。基於振動（dòng）的結構損傷識別與模型修正的研究，最早可追溯至20世紀50年代機械工程的故障診斷，並形成了係統的結構（gòu）模態（tài）參數識別、結構損傷識別與模型修正理論。20世紀60年代在地震工程領域亦嚐試基（jī）於結構自振頻（pín）率變（biàn）化識別（bié）結構地震損傷；80年代曾采用模態參數識別海洋平台結構損傷（shāng）；但直到（dào）20世紀90年代初結構（gòu）健康監測技（jì）術興起後，基於振動的（de）結構損傷識別與模型修正技術開始在土（tǔ）木工（gōng）程領域得到重視,並開展了大量研究。但該方法在實踐中發現，難以應用於實際工程,主要存在結構（gòu）模（mó）態參數對結構損傷不敏感（gǎn）、監測信息不完備導致動力學反問題求解（jiě）的不（bú）適定和解不唯一、結構與監測係（xì）統均存在不確定性等問題。

結構健康監測係（xì）統及工程應用

結（jié）構健康監測係統應用始於20世紀90年（nián）代中期，香港青馬大橋是早期結構健康監測係統應用（yòng）比較成功的案例。雖然當時一些橋梁施工監控傳感器亦用於橋梁建成之後（hòu）一段時間橋梁性能的監測，但傳（chuán）感器數量少、係統集成程度低，自（zì）動化、實時性和長期（qī）耐久性等都不（bú）滿足結（jié）構健（jiàn）康監測係統的要求，不是（shì）真正意義的橋（qiáo）梁健（jiàn）康監測係統。本世紀初（chū），隨著結構健康監測係統開始在大型橋梁上（shàng）廣泛應用（yòng）和企業的（de）參與，我國橋梁健康監測係（xì）統的建設技術水平與質（zhì）量得到（dào）較大提（tí）升，形成了一套較完整的橋梁健康監測係統設計、安裝與運行維護方法。同時（shí）橋梁健康監測係（xì）統（tǒng）與電子巡（xún）檢係統逐漸融合為橋梁運營（yíng）維（wéi）護管理係統。為規範大型橋梁健康監測係統的（de）應用與發展，2016年中華人民共和國交通運輸部製定了《公路橋梁結構安全監測係統技術規程(JT/T1037-2016)》。

橋梁健康監（jiān）測係統（tǒng）包括大規模傳感器、數據采（cǎi）集（jí）係統、數據傳輸（shū）、數據庫、數據處理與分析模（mó）塊、預警模塊、可視化模塊等,上述係統與模塊通（tōng）過軟件集成,實現自動運行。傳感器一般分為荷（hé）載與環境作用監測傳感器，結構整體響應和局部響應監測（cè）傳感器,其中荷載與環境作用監測變量包括車載、地震、風、溫濕（shī）度、船撞、氯離子等；整（zhěng）體響（xiǎng）應（yīng）包括靜動態位移、加速度（dù）等；局部響（xiǎng）應包括應變（biàn）、索力、支座位移、衝刷、腐蝕等。目前一般采用工業物聯網標準設計與建設橋梁健康監測係統。圖3是其（qí）中一個案例。

橋梁健康監測係統（tǒng）按照功能有三種基本分類。其一是橋梁健康監（jiān）測係統僅包括傳感器、數據采（cǎi）集係統、數據傳輸係統、數據庫、可視化模塊，不包括數據分析等內容（róng）；其二是橋梁健康監測係統包括傳感器、數據采集係統、數據傳輸係統、數據庫、可視化模（mó）塊，數據分析模塊、狀（zhuàng）態評估模塊、安（ān）全評定（dìng）模塊、可靠度預測模塊和預警（jǐng）模塊（kuài），但結構狀態（tài）的變化（huà）僅（jǐn）僅（jǐn）是耐久性和長（zhǎng）期荷載作用導致的漸變損傷，不包括地震、強/台風等（děng）災害下橋梁狀（zhuàng）態監測；其三是（shì）橋梁健康監測係統包括傳感器、數據（jù）采集係統、數據傳輸係統、數據庫、可視化模塊，數據分析模塊、狀態評估模塊、安全評定模塊、可靠度預測模塊、地震災（zāi）害監測模塊、強/台風（fēng）災（zāi）害監測模塊、船撞突發事故監測模塊、預警模塊等，應是全科醫生：即應對橋梁全壽命服（fú）役過程長（zhǎng）期漸變損（sǔn）傷（shāng）導（dǎo）致的安全水（shuǐ）平退化和極端災害下安全性均應進行監測和評估。目前我國（guó）橋梁健康監測係統采（cǎi）用了第三種全科醫生的模（mó）式，健康監測係統在（zài）多次災害和突發事件分析中提供了寶貴定量數據，極大發揮了健康監測係統的作用。

大數據與人工智能的誕生

如前所述，本世紀初期,結構健康監（jiān）測領域的（de）主要數據利用技（jì）術，是基於振動的結構（gòu）損傷識別與模型修正技術。但該技術一般僅（jǐn）僅利用加速度振動數據,且因為橋梁為新建結構,一般沒有損傷或僅有小損傷（shāng）。因此,基（jī）於振（zhèn）動的結構損傷識（shí）別與（yǔ）模（mó）型（xíng）修正技術（shù）無（wú）法給出有價值的信息。另一方麵,大量（liàng）的數據僅僅利用了其峰值或者簡單的頻次統計，而沒有挖掘數據隱含的結構行為與性能,即使新建橋梁沒（méi）有損傷,結構健康監測係統相（xiàng）當於（yú）現場試驗係統，可以通過數據分析揭示結（jié）構的荷載、響應和行為及性能（néng）模式與規律（lǜ）,對（duì）驗證結構設計和結構分析理論（lùn）仍具有十分重要的意義。此外（wài）,僅采（cǎi）用結構響應峰值往往不能判斷結（jié）構的狀態,因（yīn）為結構的初始狀態、初始殘餘應力、初始缺陷、腐蝕（shí）狀態等未知變量,將影響結構的極限（xiàn）承載（zǎi）力和疲勞壽（shòu）命。

橋梁健康監測係統（tǒng）采集了大量數據，而應用數學的最新進展、人工智能的機器學習和深度學習（統稱為機器學習），為解決上述問題（tí）提供（gòng）了嶄新的途徑。當前的人工智能，尤其深度學習與20世紀（jì）70-80年代發展的淺層神（shén）經網絡（luò）以及專家係統不同。深度（dù）學習具有強大（dà）的優化算法，即使針對非凸優化問題，仍能得到全（quán）局最優解（jiě）或近似全局最優解，具有很好的（de）泛化能力，即學習數據中隱（yǐn）含物理本質的能力（lì）。其次，深度（dù）網絡的架構，使其具有強大的高維非線性（xìng）表達能（néng）力和高（gāo）維非線性空間抽象特征表達能力、高維非線性（xìng）空間多尺度特征和多物理特征提取能力，從（cóng）而具有發現人類在低維空間難以發現新知識的能力。除一般深度學習網絡外，深度卷積神經網絡適合圖像處理，自（zì）遞歸網絡和（hé）長短程記憶網絡，比較適合時序信號的處理和動力係統建模，生成對抗網絡可用於從低維生成高維數據（jù），深度強化學習可用於優化搜索（suǒ）求解，其中後兩類網絡是模擬人類行為構建的.

橋梁健康監測（cè）的稀疏（shū）性問題

應用數學（xué）和機器（qì）學習極大推動了橋梁健（jiàn）康監測數據分析、建模、狀態與安全評估能力。早在本世紀初（chū）期，我國相關學者即巧（qiǎo）妙利用（yòng）結（jié）構振動（dòng）僅有少數模態參與、具有頻域稀疏性的特點（diǎn），以及（jí）橋梁健（jiàn）康監測許多問題亦具有空間稀疏（shū）性的特征（重車在橋梁上分布具有空間稀疏性、結構（gòu）最終嚴重破壞階段具有空間稀疏性——即僅發生在某個（gè）位置），采用（yòng）稀疏約束優化算法，率先提出了橋梁監測數據壓縮（suō）采集技術、無線傳感器（qì）數據丟失恢複技術（shù）、重車荷載及其空間位置識別技術、以及結構損傷定位技術（shù）等，在（zài）強不適（shì）定（dìng）下以壓倒（dǎo）性概率獲得精確解。

橋（qiáo）梁健康監測異常數據的

自動深度學習診斷技術

其次，製（zhì）約橋梁（liáng）健康監測係（xì）統難以自動預（yù）警的因素是（shì）監（jiān）測數據中存在異常數據，異常數據可能是結構損（sǔn）傷導致的，亦可能是監測係統異常產生的。但（dàn）由於監測數據沒有明顯的規律，難以采（cǎi）用傳統數學規則自動（dòng）識別診斷。我國學者率先提出橋（qiáo）梁健康（kāng）監測異常數據的基於人腦和視覺啟發的深度學（xué）習自動識別診斷技術，即將監測時域數據和頻域轉化（huà）為（wéi）圖像（xiàng），采（cǎi）用深度學習網絡對異（yì）常數據進行（háng）學習，訓練的深度學習網絡即具備了對橋梁監測異常數據的自動識別診斷能力。

基於監測數據的

橋梁模態參數自動深度識別技術

橋梁模態參數識別是傳統健康監測的重要內容，雖然其對橋梁小損傷難（nán）以識別，但對整體損傷和中等及以上程（chéng）度損傷具有較（jiào）好的識別能力。傳統模態參數一般（bān）采用頻域（yù）分（fèn）解法（FDD）、隨機子空間方法（SSI）、自然（rán）環境激勵與特征值實現法（NExT+ERA）。由於需要剔除虛假模態，這些方法往往難以實現（xiàn）模態參數（shù）的自動識別（bié），識別過程需要人為（wéi）幹預（yù）。為此，我們提出結構（gòu）模態參數的（de）深度學習網絡識別（bié）方法，即可對平穩信（xìn）號進行模態參數自動識別，亦可對非平穩信號進行時頻特征的自動識別。

橋梁（liáng）狀態的模式識別與評估

利用機器學習高維空間特征學習（xí）與提（tí）取能力（lì），提出將橋梁健（jiàn）康監測數據映（yìng）射於高維空間，發（fā）現監測數據的聚類模式，並提出基於聚類模式的參數變異性進行（háng）橋梁狀態評（píng）估。圖5給出了斜拉索索力監測數據（jù）在高維空間的聚類模式（shì），以（yǐ）及基於該聚類模式的斜拉索狀態（tài）評估結果。該方法不僅可用於斜拉索狀態評估，還可（kě）利用監測應變對橋梁主梁局部損傷進行評估，利用監測的變形（xíng）對橋梁（liáng）主梁和拉索狀態進行評估。進一步對機器學習結果進行分析，發現上述高維空間的特征變量，實際是橋梁各個（gè）變量之間某種相關性（xìng）的表達，表明該方法具有明確的力學物理意義。此外，還可以利用橋梁監測（cè）變量的函數型數據統計方法，揭示不同監測變量的相關性，亦是橋（qiáo）梁狀態評估的一種（zhǒng）方法（fǎ）。

計算機視覺（jiào）技術與增強現實技術

在橋梁（liáng）健康監測中的應用

計（jì）算機視覺是（shì）使計算機能看（kàn）得懂（dǒng）的真實世界（jiè），因此，它是“看”傳（chuán）感技術與“想”機器學習算法的集成融合。計算機視覺在（zài）基礎設施領域得到了（le）極其廣泛的（de）研究（jiū），目（mù）前是人工智能應用於土木工程領域發表論文最多的研究方向，這是由於大部分（fèn）研究采（cǎi）用（yòng）深度卷積神經網絡及其改進型，由於深度卷積（jī）神經網絡的（de）數學運算簡單，易於（yú）學習掌握，加之該（gāi）網絡（luò）處理學習圖像特征的能力很強。這（zhè）些研究主要包括各類損（sǔn）傷識（shí）別（橋梁裂（liè）縫、路麵開裂、塌陷（xiàn）等）、振動時程提取與識別（視頻）、3D重構。計算機視覺技術的確（què）為解決（jué）橋梁健康（kāng）監測難題提供了非常簡單有效的方法，極（jí）大推動（dòng）了橋梁健康監測的發展。具體包括：（1）基於振動的橋梁損傷識別一直是結構健康監測的難題，但（dàn）計算機視覺僅（jǐn）采用攝像機（jī）（可以是無人機搭載、機器人搭載或其他人（rén）工或移動（dòng）機器搭載（zǎi））和（hé）機器學習算法，就可以識別各類大量的表麵損傷，即使很（hěn）微小（xiǎo）的損傷，亦可以較（jiào）好識別出（chū）來。（2）橋梁振動監測傳統（tǒng）采用（yòng）少量的加速度傳感器，僅能測量橋（qiáo）梁上幾個離散點上（shàng）的振動，難以（yǐ）得到振型，采（cǎi）用計算機視覺技術，可以很容（róng）易得（dé）到（dào）像（xiàng）素級的橋梁振動，從而可以得到更準確振型，根據振型（xíng）變化識別損傷亦變得相對（duì）容易。（3）3D重構可以（yǐ）獲得結構（gòu）全場多（duō）尺（chǐ）度（dù）信息，甚至是局部細節的信息，對建立更為（wéi）準確的有限元模型奠定了基礎，也易於與BIM集成。其中一個橋（qiáo）梁3D重（chóng）構。

由於結構內（nèi）部損傷難以監測，可將結構表麵局部采用透明材料，使結構靠近表麵的內部透明，再（zài）采用計算（suàn）機視覺進行監（jiān）測與識別。比如在斜拉索上局部采用透明材料形成透明窗（chuāng），從（cóng）而可采用計算機視覺監測拉索腐蝕（shí）損傷並（bìng）評估和預測疲勞壽命。

利用橋梁上用於交通管理的攝像機、以及計算機視覺技（jì）術，結合動態地秤，可以識別任意時刻全橋上車輛荷載及其分布，從而進一步研究重車及車隊（duì）的分布、模式及在橋梁上出現的概率。哈爾濱工業大學、同濟大學和（hé）東（dōng）南大學等相關團隊均對該問題進行了研究。

除計算機視覺外，虛（xū）擬現實和增強現（xiàn）實技術（shù），在橋梁計算機視覺檢測、可視（shì）化與狀（zhuàng）態評估中的應用研究也取（qǔ）得了（le）很好的進展。從事該方向研究的主要是美國Los Almos國家實驗室和新墨西哥州立大（dà）學（xué）的研究團隊。

橋梁風效應的數據分析與機器學習識別及預測

在強台風區大跨橋梁風效應是其頻繁遭受的自然災害荷載（zǎi）。大跨橋梁在風作用下可能產生渦激振動、風雨振、馳振與尾流馳振、抖振、顫振等，橋（qiáo）梁抗風設計一般保障（zhàng）橋梁服役期內不發生顫振。橋（qiáo）梁（liáng）健康監測係（xì）統（tǒng）應自動識別各（gè）類風致振動（區別不同風致振動、以風致（zhì）振動與其他（tā）振動）、發現風致振動的（de）風況條件以及風（fēng）致振動的物（wù）理機製、預測各類風致振動，為交通管（guǎn）理和橋（qiáo）梁運行管理提供預警等作用。傳統一般基於（yú）風工程知識采用人工分析監測（cè）數（shù）據，但這（zhè）種方（fāng）式經（jīng）驗性強（qiáng）且難以實現自動化運行。此外，傳統風工程理論往往基於（yú）風洞試驗獲得，其與現場原型橋梁所處環境條件和結構特性相比，存在明顯差異。近年來，機器學習的（de）聚類和分類方法可用於橋梁各類風致振動的自（zì）動識別，機器學（xué）習的回（huí）歸算法可用（yòng）於橋梁各類風致振動的建（jiàn）模預測。

橋梁地震響應監測數據分（fèn）析

地震也是（shì）強震設防區橋梁的（de）主要荷載（zǎi）之一。采（cǎi）用橋梁健（jiàn）康監測係統采集的地震動數（shù）據和結構響應數據，可以（yǐ）進行反（fǎn）應譜分析（xī）、結構模（mó）態參數分析、結構地震響應幅（fú）值分析、結（jié）構（gòu）地震響應之間（jiān）的相關性分析、結構地震響應與地震動（dòng）輸（shū）入相關性分析（xī）、震前與震後結構各類響應及殘餘變形分析等，以診斷結構地震中是否發生損傷或破壞以及（jí）破壞（huài）等級，也（yě）可揭示結構地震響應行為等，同時還可進（jìn）行主震與餘震之間關係的分析等。

新型傳感技術

移動無線傳感器，分布式布裏淵光纖傳感技術與導波無損檢測技術在該時期得到（dào）了快速發展。

盡管橋梁健康監測技術取得了飛速的發（fā）展，並展示了積極的作用（yòng）。但（dàn）尚（shàng）有許多問題（tí）需要進一步解決，同時智慧社會和智慧技術的發展，對橋梁及（jí）橋梁群健康監測技術、甚至橋梁形態都會發生革命性變化。現簡單總結如下：

（1）橋梁（liáng）內（nèi）部（bù）損（sǔn）傷和狀（zhuàng）態、水下狀（zhuàng）態的感知技術（shù）還較少，需要進一步發展相關的（de）感知技術或算法進行（háng）解決。橋梁結構設計時極限承載力與（yǔ）疲勞壽命設計均涉及結構細節，目前（qián）橋梁安全（quán）評定尤其是依賴有限元模型的橋梁安全評（píng）定十分困難（準確的有限元建模極其困難：橋梁複雜（zá）構造有限元精確（què）建模很困難，初始殘餘應力和缺陷信息未知，比例阻（zǔ）尼假設（shè）與實際橋梁阻尼物理機製相差甚遠等）。

（2）橋梁智能檢測（cè）技術與健康監測技術會高度（dù）融合為一體（tǐ），智能群智感知（智能手機、無（wú）人駕駛汽車或智能汽車等）將提供更豐富的數據，橋梁及橋梁群感知更透明。

（3）隨著（zhe）監（jiān）測技術的發展，天地空一體（tǐ）化監測（cè）技術將在未來橋梁群重大自然災害事件中發揮（huī）重要作用，但相關的（de）數據處理算法還需要進一步發展。

本文刊載 /《大橋養護與運營》雜誌 2020年 第2期 總第10期

作者 / 李惠 鮑躍全 李順龍等

作者單位 / 哈爾濱工業大學土木工程（chéng）學院