中交路橋科技是從事工程檢測監(jiān)測、城市安全監(jiān)測預警與評價、數(shù)字智能化研發(fā)為一體的復合型高新技術集團企業(yè)。
隨著智能傳感技術和橋梁健康監(jiān)測技術日臻成熟，橋梁健康監(jiān)測系統(tǒng)得到了較大規(guī)模應用，尤其是中國、韓國等經(jīng)濟新興國家，借助大規(guī)?；A設施建設背景，橋梁健康監(jiān)測系統(tǒng)逐漸成為大型橋梁運維的必備技術之一。
大型橋梁健康監(jiān)測系統(tǒng)的廣泛應用產(chǎn)生了大量數(shù)據(jù)，如何有效利用這些數(shù)據(jù)，成為橋梁健康監(jiān)測領域面臨的重要問題。
橋梁健康監(jiān)測從萌芽到完善
智能傳感技術
20世紀80年代末和90年代初，美國提出智能材料與結構研究，智能感知技術與結構健康監(jiān)測技術是其中重要的研究方向。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，其中成功的案例之一是光纖光柵傳感器及解調儀，土木工程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感器的封裝工藝，以使其具有健壯性，適用于土木工程應用，如圖1所示，目前已經(jīng)較廣泛應用于我國橋梁結構健康監(jiān)測系統(tǒng)。另一個非常成功的案例是無線傳感器，90年代中期美國加州大學伯克利分校土木工程系和斯坦福大學土木工程系分別率先研究了無線傳感器，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世紀初期，美國伊利諾伊大學香檳分校土木工程系對無線傳感器進行了系統(tǒng)研究，解決了無線傳感器網(wǎng)絡同步采集、信號遠距離傳輸與實時傳輸、信號丟包、太陽能電池供電等問題，并在韓國新Jindo大橋以及迪拜摩天輪上得到應用.
結構損傷識別與模型修正技術
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(jiān)測的另一個重要內容?；谡駝拥慕Y構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態(tài)參數(shù)僅與結構物理參數(shù)(例如剛度等)有關,從監(jiān)測的結構振動響應(加速度或動位移)識別結構模態(tài)參數(shù),再根據(jù)模態(tài)參數(shù)變化診斷結構物理參數(shù)變化，從而識別結構損傷并修正結構分析模型,是典型的結構動力學反問題。基于振動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，并形成了系統(tǒng)的結構模態(tài)參數(shù)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嘗試基于結構自振頻率變化識別結構地震損傷；80年代曾采用模態(tài)參數(shù)識別海洋平臺結構損傷；但直到20世紀90年代初結構健康監(jiān)測技術興起后，基于振動的結構損傷識別與模型修正技術開始在土木工程領域得到重視,并開展了大量研究。但該方法在實踐中發(fā)現(xiàn)，難以應用于實際工程,主要存在結構模態(tài)參數(shù)對結構損傷不敏感、監(jiān)測信息不完備導致動力學反問題求解的不適定和解不唯一、結構與監(jiān)測系統(tǒng)均存在不確定性等問題。
結構健康監(jiān)測系統(tǒng)及工程應用
結構健康監(jiān)測系統(tǒng)應用始于20世紀90年代中期，香港青馬大橋是早期結構健康監(jiān)測系統(tǒng)應用比較成功的案例。雖然當時一些橋梁施工監(jiān)控傳感器亦用于橋梁建成之后一段時間橋梁性能的監(jiān)測，但傳感器數(shù)量少、系統(tǒng)集成程度低，自動化、實時性和長期耐久性等都不滿足結構健康監(jiān)測系統(tǒng)的要求，不是真正意義的橋梁健康監(jiān)測系統(tǒng)。本世紀初，隨著結構健康監(jiān)測系統(tǒng)開始在大型橋梁上廣泛應用和企業(yè)的參與，我國橋梁健康監(jiān)測系統(tǒng)的建設技術水平與質量得到較大提升，形成了一套較完整的橋梁健康監(jiān)測系統(tǒng)設計、安裝與運行維護方法。同時橋梁健康監(jiān)測系統(tǒng)與電子巡檢系統(tǒng)逐漸融合為橋梁運營維護管理系統(tǒng)。為規(guī)范大型橋梁健康監(jiān)測系統(tǒng)的應用與發(fā)展，2016年中華人民共和國交通運輸部制定了《公路橋梁結構安全監(jiān)測系統(tǒng)技術規(guī)程(JT/T1037-2016)》。
橋梁健康監(jiān)測系統(tǒng)包括大規(guī)模傳感器、數(shù)據(jù)采集系統(tǒng)、數(shù)據(jù)傳輸、數(shù)據(jù)庫、數(shù)據(jù)處理與分析模塊、預警模塊、可視化模塊等,上述系統(tǒng)與模塊通過軟件集成,實現(xiàn)自動運行。傳感器一般分為荷載與環(huán)境作用監(jiān)測傳感器，結構整體響應和局部響應監(jiān)測傳感器,其中荷載與環(huán)境作用監(jiān)測變量包括車載、地震、風、溫濕度、船撞、氯離子等；整體響應包括靜動態(tài)位移、加速度等；局部響應包括應變、索力、支座位移、沖刷、腐蝕等。目前一般采用工業(yè)物聯(lián)網(wǎng)標準設計與建設橋梁健康監(jiān)測系統(tǒng)。圖3是其中一個案例。
橋梁健康監(jiān)測系統(tǒng)按照功能有三種基本分類。其一是橋梁健康監(jiān)測系統(tǒng)僅包括傳感器、數(shù)據(jù)采集系統(tǒng)、數(shù)據(jù)傳輸系統(tǒng)、數(shù)據(jù)庫、可視化模塊，不包括數(shù)據(jù)分析等內容；其二是橋梁健康監(jiān)測系統(tǒng)包括傳感器、數(shù)據(jù)采集系統(tǒng)、數(shù)據(jù)傳輸系統(tǒng)、數(shù)據(jù)庫、可視化模塊，數(shù)據(jù)分析模塊、狀態(tài)評估模塊、安全評定模塊、可靠度預測模塊和預警模塊，但結構狀態(tài)的變化僅僅是耐久性和長期荷載作用導致的漸變損傷，不包括地震、強/臺風等災害下橋梁狀態(tài)監(jiān)測；其三是橋梁健康監(jiān)測系統(tǒng)包括傳感器、數(shù)據(jù)采集系統(tǒng)、數(shù)據(jù)傳輸系統(tǒng)、數(shù)據(jù)庫、可視化模塊，數(shù)據(jù)分析模塊、狀態(tài)評估模塊、安全評定模塊、可靠度預測模塊、地震災害監(jiān)測模塊、強/臺風災害監(jiān)測模塊、船撞突發(fā)事故監(jiān)測模塊、預警模塊等，應是全科醫(yī)生：即應對橋梁全壽命服役過程長期漸變損傷導致的安全水平退化和極端災害下安全性均應進行監(jiān)測和評估。目前我國橋梁健康監(jiān)測系統(tǒng)采用了第三種全科醫(yī)生的模式，健康監(jiān)測系統(tǒng)在多次災害和突發(fā)事件分析中提供了寶貴定量數(shù)據(jù)，極大發(fā)揮了健康監(jiān)測系統(tǒng)的作用。
大數(shù)據(jù)與人工智能的誕生
如前所述，本世紀初期,結構健康監(jiān)測領域的主要數(shù)據(jù)利用技術，是基于振動的結構損傷識別與模型修正技術。但該技術一般僅僅利用加速度振動數(shù)據(jù),且因為橋梁為新建結構,一般沒有損傷或僅有小損傷。因此,基于振動的結構損傷識別與模型修正技術無法給出有價值的信息。另一方面,大量的數(shù)據(jù)僅僅利用了其峰值或者簡單的頻次統(tǒng)計，而沒有挖掘數(shù)據(jù)隱含的結構行為與性能,即使新建橋梁沒有損傷,結構健康監(jiān)測系統(tǒng)相當于現(xiàn)場試驗系統(tǒng)，可以通過數(shù)據(jù)分析揭示結構的荷載、響應和行為及性能模式與規(guī)律,對驗證結構設計和結構分析理論仍具有十分重要的意義。此外,僅采用結構響應峰值往往不能判斷結構的狀態(tài),因為結構的初始狀態(tài)、初始殘余應力、初始缺陷、腐蝕狀態(tài)等未知變量,將影響結構的極限承載力和疲勞壽命。
橋梁健康監(jiān)測系統(tǒng)采集了大量數(shù)據(jù)，而應用數(shù)學的最新進展、人工智能的機器學習和深度學習（統(tǒng)稱為機器學習），為解決上述問題提供了嶄新的途徑。當前的人工智能，尤其深度學習與20世紀70-80年代發(fā)展的淺層神經(jīng)網(wǎng)絡以及專家系統(tǒng)不同。深度學習具有強大的優(yōu)化算法，即使針對非凸優(yōu)化問題，仍能得到全局最優(yōu)解或近似全局最優(yōu)解，具有很好的泛化能力，即學習數(shù)據(jù)中隱含物理本質的能力。其次，深度網(wǎng)絡的架構，使其具有強大的高維非線性表達能力和高維非線性空間抽象特征表達能力、高維非線性空間多尺度特征和多物理特征提取能力，從而具有發(fā)現(xiàn)人類在低維空間難以發(fā)現(xiàn)新知識的能力。除一般深度學習網(wǎng)絡外，深度卷積神經(jīng)網(wǎng)絡適合圖像處理，自遞歸網(wǎng)絡和長短程記憶網(wǎng)絡，比較適合時序信號的處理和動力系統(tǒng)建模，生成對抗網(wǎng)絡可用于從低維生成高維數(shù)據(jù)，深度強化學習可用于優(yōu)化搜索求解，其中后兩類網(wǎng)絡是模擬人類行為構建的.
橋梁健康監(jiān)測的稀疏性問題
應用數(shù)學和機器學習極大推動了橋梁健康監(jiān)測數(shù)據(jù)分析、建模、狀態(tài)與安全評估能力。早在本世紀初期，我國相關學者即巧妙利用結構振動僅有少數(shù)模態(tài)參與、具有頻域稀疏性的特點，以及橋梁健康監(jiān)測許多問題亦具有空間稀疏性的特征（重車在橋梁上分布具有空間稀疏性、結構最終嚴重破壞階段具有空間稀疏性——即僅發(fā)生在某個位置），采用稀疏約束優(yōu)化算法，率先提出了橋梁監(jiān)測數(shù)據(jù)壓縮采集技術、無線傳感器數(shù)據(jù)丟失恢復技術、重車荷載及其空間位置識別技術、以及結構損傷定位技術等，在強不適定下以壓倒性概率獲得精確解。
橋梁健康監(jiān)測異常數(shù)據(jù)的
自動深度學習診斷技術
其次，制約橋梁健康監(jiān)測系統(tǒng)難以自動預警的因素是監(jiān)測數(shù)據(jù)中存在異常數(shù)據(jù)，異常數(shù)據(jù)可能是結構損傷導致的，亦可能是監(jiān)測系統(tǒng)異常產(chǎn)生的。但由于監(jiān)測數(shù)據(jù)沒有明顯的規(guī)律，難以采用傳統(tǒng)數(shù)學規(guī)則自動識別診斷。我國學者率先提出橋梁健康監(jiān)測異常數(shù)據(jù)的基于人腦和視覺啟發(fā)的深度學習自動識別診斷技術，即將監(jiān)測時域數(shù)據(jù)和頻域轉化為圖像，采用深度學習網(wǎng)絡對異常數(shù)據(jù)進行學習，訓練的深度學習網(wǎng)絡即具備了對橋梁監(jiān)測異常數(shù)據(jù)的自動識別診斷能力。
基于監(jiān)測數(shù)據(jù)的
橋梁模態(tài)參數(shù)自動深度識別技術
橋梁模態(tài)參數(shù)識別是傳統(tǒng)健康監(jiān)測的重要內容，雖然其對橋梁小損傷難以識別，但對整體損傷和中等及以上程度損傷具有較好的識別能力。傳統(tǒng)模態(tài)參數(shù)一般采用頻域分解法（FDD）、隨機子空間方法（SSI）、自然環(huán)境激勵與特征值實現(xiàn)法（NExT+ERA）。由于需要剔除虛假模態(tài)，這些方法往往難以實現(xiàn)模態(tài)參數(shù)的自動識別，識別過程需要人為干預。為此，我們提出結構模態(tài)參數(shù)的深度學習網(wǎng)絡識別方法，即可對平穩(wěn)信號進行模態(tài)參數(shù)自動識別，亦可對非平穩(wěn)信號進行時頻特征的自動識別。
橋梁狀態(tài)的模式識別與評估
利用機器學習高維空間特征學習與提取能力，提出將橋梁健康監(jiān)測數(shù)據(jù)映射于高維空間，發(fā)現(xiàn)監(jiān)測數(shù)據(jù)的聚類模式，并提出基于聚類模式的參數(shù)變異性進行橋梁狀態(tài)評估。圖5給出了斜拉索索力監(jiān)測數(shù)據(jù)在高維空間的聚類模式，以及基于該聚類模式的斜拉索狀態(tài)評估結果。該方法不僅可用于斜拉索狀態(tài)評估，還可利用監(jiān)測應變對橋梁主梁局部損傷進行評估，利用監(jiān)測的變形對橋梁主梁和拉索狀態(tài)進行評估。進一步對機器學習結果進行分析，發(fā)現(xiàn)上述高維空間的特征變量，實際是橋梁各個變量之間某種相關性的表達，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(jiān)測變量的函數(shù)型數(shù)據(jù)統(tǒng)計方法，揭示不同監(jiān)測變量的相關性，亦是橋梁狀態(tài)評估的一種方法。
計算機視覺技術與增強現(xiàn)實技術
在橋梁健康監(jiān)測中的應用
計算機視覺是使計算機能看得懂的真實世界，因此，它是“看”傳感技術與“想”機器學習算法的集成融合。計算機視覺在基礎設施領域得到了極其廣泛的研究，目前是人工智能應用于土木工程領域發(fā)表論文最多的研究方向，這是由于大部分研究采用深度卷積神經(jīng)網(wǎng)絡及其改進型，由于深度卷積神經(jīng)網(wǎng)絡的數(shù)學運算簡單，易于學習掌握，加之該網(wǎng)絡處理學習圖像特征的能力很強。這些研究主要包括各類損傷識別（橋梁裂縫、路面開裂、塌陷等）、振動時程提取與識別（視頻）、3D重構。計算機視覺技術的確為解決橋梁健康監(jiān)測難題提供了非常簡單有效的方法，極大推動了橋梁健康監(jiān)測的發(fā)展。具體包括：（1）基于振動的橋梁損傷識別一直是結構健康監(jiān)測的難題，但計算機視覺僅采用攝像機（可以是無人機搭載、機器人搭載或其他人工或移動機器搭載）和機器學習算法，就可以識別各類大量的表面損傷，即使很微小的損傷，亦可以較好識別出來。（2）橋梁振動監(jiān)測傳統(tǒng)采用少量的加速度傳感器，僅能測量橋梁上幾個離散點上的振動，難以得到振型，采用計算機視覺技術，可以很容易得到像素級的橋梁振動，從而可以得到更準確振型，根據(jù)振型變化識別損傷亦變得相對容易。（3）3D重構可以獲得結構全場多尺度信息，甚至是局部細節(jié)的信息，對建立更為準確的有限元模型奠定了基礎，也易于與BIM集成。其中一個橋梁3D重構。
由于結構內部損傷難以監(jiān)測，可將結構表面局部采用透明材料，使結構靠近表面的內部透明，再采用計算機視覺進行監(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，從而可采用計算機視覺監(jiān)測拉索腐蝕損傷并評估和預測疲勞壽命。
利用橋梁上用于交通管理的攝像機、以及計算機視覺技術，結合動態(tài)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的分布、模式及在橋梁上出現(xiàn)的概率。哈爾濱工業(yè)大學、同濟大學和東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，虛擬現(xiàn)實和增強現(xiàn)實技術，在橋梁計算機視覺檢測、可視化與狀態(tài)評估中的應用研究也取得了很好的進展。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學的研究團隊。
橋梁風效應的數(shù)據(jù)分析與機器學習識別及預測
在強臺風區(qū)大跨橋梁風效應是其頻繁遭受的自然災害荷載。大跨橋梁在風作用下可能產(chǎn)生渦激振動、風雨振、馳振與尾流馳振、抖振、顫振等，橋梁抗風設計一般保障橋梁服役期內不發(fā)生顫振。橋梁健康監(jiān)測系統(tǒng)應自動識別各類風致振動（區(qū)別不同風致振動、以風致振動與其他振動）、發(fā)現(xiàn)風致振動的風況條件以及風致振動的物理機制、預測各類風致振動，為交通管理和橋梁運行管理提供預警等作用。傳統(tǒng)一般基于風工程知識采用人工分析監(jiān)測數(shù)據(jù)，但這種方式經(jīng)驗性強且難以實現(xiàn)自動化運行。此外，傳統(tǒng)風工程理論往往基于風洞試驗獲得，其與現(xiàn)場原型橋梁所處環(huán)境條件和結構特性相比，存在明顯差異。近年來，機器學習的聚類和分類方法可用于橋梁各類風致振動的自動識別，機器學習的回歸算法可用于橋梁各類風致振動的建模預測。
橋梁地震響應監(jiān)測數(shù)據(jù)分析
地震也是強震設防區(qū)橋梁的主要荷載之一。采用橋梁健康監(jiān)測系統(tǒng)采集的地震動數(shù)據(jù)和結構響應數(shù)據(jù)，可以進行反應譜分析、結構模態(tài)參數(shù)分析、結構地震響應幅值分析、結構地震響應之間的相關性分析、結構地震響應與地震動輸入相關性分析、震前與震后結構各類響應及殘余變形分析等，以診斷結構地震中是否發(fā)生損傷或破壞以及破壞等級，也可揭示結構地震響應行為等，同時還可進行主震與余震之間關系的分析等。
新型傳感技術
移動無線傳感器，分布式布里淵光纖傳感技術與導波無損檢測技術在該時期得到了快速發(fā)展。
盡管橋梁健康監(jiān)測技術取得了飛速的發(fā)展，并展示了積極的作用。但尚有許多問題需要進一步解決，同時智慧社會和智慧技術的發(fā)展，對橋梁及橋梁群健康監(jiān)測技術、甚至橋梁形態(tài)都會發(fā)生革命性變化?，F(xiàn)簡單總結如下：
（1）橋梁內部損傷和狀態(tài)、水下狀態(tài)的感知技術還較少，需要進一步發(fā)展相關的感知技術或算法進行解決。橋梁結構設計時極限承載力與疲勞壽命設計均涉及結構細節(jié)，目前橋梁安全評定尤其是依賴有限元模型的橋梁安全評定十分困難（準確的有限元建模極其困難：橋梁復雜構造有限元精確建模很困難，初始殘余應力和缺陷信息未知，比例阻尼假設與實際橋梁阻尼物理機制相差甚遠等）。
（2）橋梁智能檢測技術與健康監(jiān)測技術會高度融合為一體，智能群智感知（智能手機、無人駕駛汽車或智能汽車等）將提供更豐富的數(shù)據(jù)，橋梁及橋梁群感知更透明。
（3）隨著監(jiān)測技術的發(fā)展，天地空一體化監(jiān)測技術將在未來橋梁群重大自然災害事件中發(fā)揮重要作用，但相關的數(shù)據(jù)處理算法還需要進一步發(fā)展。
本文刊載 /《大橋養(yǎng)護與運營》雜志 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(yè)大學土木工程學院
