中交路橋科技是從事工程檢測(cè)監(jiān)測(cè)、城市安全監(jiān)測(cè)預(yù)警與評(píng)價(jià)、數(shù)字智能化研發(fā)為一體的復(fù)合型高新技術(shù)集團(tuán)企業(yè)。
橋梁健康監(jiān)測(cè)系統(tǒng)的損傷識(shí)別，是通過(guò)采用橋梁結(jié)構(gòu)實(shí)測(cè)的靜、動(dòng)力響應(yīng)(排除外環(huán)境噪聲對(duì)力學(xué)參數(shù)的影響)，開展橋梁損傷識(shí)別、損傷定位、損傷程度分析、結(jié)構(gòu)總體性能預(yù)測(cè)的過(guò)程。根據(jù)數(shù)學(xué)算法的性質(zhì)，橋梁結(jié)構(gòu)損傷監(jiān)測(cè)算法，可分為基于模型修正的算法和基于非模型修正的算法(又稱基于監(jiān)測(cè)數(shù)據(jù)驅(qū)動(dòng)的算法)。前者通過(guò)比較數(shù)學(xué)模型參數(shù)與真實(shí)結(jié)構(gòu)測(cè)量數(shù)據(jù)來(lái)監(jiān)測(cè)橋梁的健康狀態(tài)；后者無(wú)須建立結(jié)構(gòu)模型，僅依據(jù)監(jiān)測(cè)數(shù)據(jù)實(shí)時(shí)分析橋梁的方式來(lái)評(píng)估橋梁的健康狀態(tài)。相比較而言，前者需要具有專業(yè)的橋梁建模知識(shí)，且模型修正計(jì)算工作量較大。
1、依托模型的探索
基于模型修正的損傷識(shí)別方法，旨在通過(guò)比較被監(jiān)測(cè)橋梁的數(shù)學(xué)模型參數(shù)(通常采用有限元建模技術(shù))與傳感器在實(shí)際結(jié)構(gòu)上的實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)，判斷結(jié)構(gòu)的變異性。根據(jù)有限元質(zhì)量矩陣、剛度矩陣及阻尼矩陣的修正策略，可分為局部修正法和全局修正法。前者僅針對(duì)有限元模型進(jìn)行局部物理參數(shù)的修正，后者則對(duì)有限元模型的整體質(zhì)量矩陣和剛度矩陣進(jìn)行重建。
基于有限元模型修正的損傷識(shí)別研究表明，以下問(wèn)題值得進(jìn)一步探索：一是為獲得合理的有限元模型與健康監(jiān)測(cè)數(shù)據(jù)進(jìn)行對(duì)比，通常采取室內(nèi)試驗(yàn)的實(shí)測(cè)數(shù)據(jù)對(duì)模型進(jìn)行修正，這些研究討論外界環(huán)境或荷載對(duì)實(shí)測(cè)數(shù)據(jù)帶來(lái)的影響較小，修正后的有限元模型在實(shí)際工程應(yīng)用中，是否會(huì)因?yàn)榄h(huán)境改變而發(fā)生預(yù)警誤判仍需加以研究。二是雖然采用實(shí)測(cè)數(shù)據(jù)對(duì)模型進(jìn)行了修正校對(duì)，但為了避免已有損傷對(duì)結(jié)構(gòu)監(jiān)測(cè)帶來(lái)的影響，此修正工作常選擇在新橋監(jiān)測(cè)階段進(jìn)行，且涉及監(jiān)測(cè)年限較短，理論上修正后模型具有損傷預(yù)警的可能，但暫未發(fā)現(xiàn)時(shí)間跨度較大、能夠追蹤損傷發(fā)展的損傷判定實(shí)例。三是目前的研究以橋梁靜力測(cè)試參數(shù)作為修正指標(biāo)，然而在進(jìn)行靜力指標(biāo)檢測(cè)時(shí)，通常只有當(dāng)橋梁的健康狀態(tài)嚴(yán)重退化時(shí)，該項(xiàng)指標(biāo)才會(huì)發(fā)生顯著變化，應(yīng)選擇對(duì)結(jié)構(gòu)損傷敏感的力學(xué)指標(biāo)進(jìn)行修正與對(duì)比，以達(dá)到損傷預(yù)警的目的。
當(dāng)然，修正模型時(shí)對(duì)修正參數(shù)數(shù)量和類型的選擇，是有限元模型修正中最具挑戰(zhàn)性的工作之一，需要選擇最優(yōu)參數(shù)，讓模型計(jì)算結(jié)果快速收斂并滿足計(jì)算精度的要求。
2、機(jī)器學(xué)習(xí)唱“主角”
基于監(jiān)測(cè)數(shù)據(jù)驅(qū)動(dòng)的算法是依靠機(jī)器學(xué)習(xí)的算法。人工神經(jīng)網(wǎng)絡(luò)法(ANNs)是20世紀(jì)80年代以來(lái)人工智能領(lǐng)域興起的研究熱點(diǎn)，為當(dāng)代最強(qiáng)大的機(jī)器學(xué)習(xí)算法之一，亦是目前各種神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)。隨著ANNs的快速發(fā)展，基于監(jiān)測(cè)數(shù)據(jù)驅(qū)動(dòng)的損傷識(shí)別方法更新迅速，此類方法僅依靠橋梁的力學(xué)行為變化，便可以分析結(jié)構(gòu)安全狀態(tài)，而無(wú)須建立復(fù)雜的橋梁有限元模型，可結(jié)合健康監(jiān)測(cè)系統(tǒng)為橋梁管理人員提供簡(jiǎn)單、快捷的結(jié)構(gòu)實(shí)時(shí)狀態(tài)分析結(jié)果。近年來(lái)在原有基礎(chǔ)上，卡爾曼濾波法、蜂群算法、貝葉斯算法、大數(shù)據(jù)和人工智能等多種算法，被應(yīng)用于結(jié)構(gòu)損傷識(shí)別中。
神經(jīng)網(wǎng)絡(luò)及改進(jìn)算法中模型結(jié)構(gòu)的選擇是一個(gè)重要問(wèn)題。根據(jù)樣本訓(xùn)練策略的不同，在橋梁監(jiān)測(cè)領(lǐng)域常用的神經(jīng)網(wǎng)絡(luò)，可進(jìn)一步分為前饋神經(jīng)網(wǎng)絡(luò)(FFNN)、后向傳播神經(jīng)網(wǎng)絡(luò)(BPNN)和概率神經(jīng)網(wǎng)絡(luò)(PNN)。在此基礎(chǔ)上，針對(duì)其特點(diǎn)，又發(fā)展出各種改進(jìn)網(wǎng)絡(luò)模型，如長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)、回聲狀態(tài)網(wǎng)絡(luò)(ESN)、殘差網(wǎng)絡(luò)(ResNet)等。神經(jīng)網(wǎng)絡(luò)及改進(jìn)方法可以近似成任何函數(shù)，但未與橋梁模型直接相關(guān)，因此該方法所建立的屬性模型是一個(gè)黑箱模型，無(wú)法代表橋梁的物理結(jié)構(gòu)。基于神經(jīng)網(wǎng)絡(luò)的損傷監(jiān)測(cè)方法，只依賴于從橋梁結(jié)構(gòu)上采集到的數(shù)據(jù)，而并不需要建立橋梁有限元模型的專業(yè)知識(shí)。鑒于目前尚無(wú)選擇神經(jīng)網(wǎng)絡(luò)最優(yōu)結(jié)構(gòu)的標(biāo)準(zhǔn)方法，因此在實(shí)際工程中需要自行選擇合適的神經(jīng)網(wǎng)絡(luò)，并定義訓(xùn)練數(shù)據(jù)的最佳算法，以實(shí)現(xiàn)訓(xùn)練階段的快速收斂。
基于監(jiān)測(cè)數(shù)據(jù)的損傷識(shí)別研究表明，在不受外界環(huán)境因素干擾的情況下，經(jīng)過(guò)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)理論上能夠以較高準(zhǔn)確率識(shí)別結(jié)構(gòu)損傷的發(fā)生、位置及失效程度；但在實(shí)際工程中,不斷變化的環(huán)境條件(如空氣溫度、風(fēng)和交通）會(huì)對(duì)橋梁的力學(xué)響應(yīng)產(chǎn)生強(qiáng)烈影響，使得神經(jīng)網(wǎng)絡(luò)的性能隨著采集信號(hào)中噪聲的增加和橋梁的車輛負(fù)載而下降；神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確性取決于訓(xùn)練時(shí)所采用的數(shù)據(jù),應(yīng)變、頻率、振型比加速度數(shù)據(jù)更適宜作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù),且隨著訓(xùn)練數(shù)據(jù)樣本的減少，人工神經(jīng)網(wǎng)絡(luò)損傷監(jiān)測(cè)精度下降,虛假預(yù)警比例則上升；對(duì)特定工程選擇最合適的神經(jīng)網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)訓(xùn)練,而神經(jīng)網(wǎng)絡(luò)的選擇需要根據(jù)待測(cè)系統(tǒng)人工進(jìn)行調(diào)整,且準(zhǔn)確性受損傷發(fā)生位置的影響較顯著，在橋梁關(guān)鍵截面監(jiān)測(cè)結(jié)果較準(zhǔn)確，反之則適用度不高。
為了充分發(fā)揮各類算法的優(yōu)勢(shì)，彌補(bǔ)不足，必須形成新型復(fù)合的多層級(jí)耦合算法。此算法可采用多尺度方法處理不同來(lái)源的數(shù)據(jù)，優(yōu)化模型修正的過(guò)程，提升結(jié)構(gòu)安全預(yù)測(cè)的準(zhǔn)確率。研究表明，將基于模型的算法和基于監(jiān)測(cè)數(shù)據(jù)驅(qū)動(dòng)的算法互相融合，可更有效識(shí)別結(jié)構(gòu)損傷程度。但目前大多數(shù)研究不考慮外界環(huán)境影響的室內(nèi)模型試驗(yàn)，預(yù)測(cè)結(jié)果僅限于判定結(jié)構(gòu)損傷的存在、位置，損傷程度的評(píng)判結(jié)果有欠準(zhǔn)確，亦無(wú)法預(yù)測(cè)橋梁的未來(lái)行為。當(dāng)實(shí)際結(jié)構(gòu)受到環(huán)境或荷載因素干擾時(shí)，虛假預(yù)警可能出現(xiàn)。
由以上分析可以看出，目前無(wú)論采用哪種損傷識(shí)別算法都能識(shí)別出橋梁結(jié)構(gòu)上損傷的存在，并判定損傷的大體位置。實(shí)踐證明，絕大多數(shù)算法在推斷損傷類型、損傷程度、預(yù)測(cè)橋梁剩余壽命和未來(lái)力學(xué)行為等精度方面仍有提高的空間，而推斷或預(yù)測(cè)的可靠性也缺乏直接證據(jù)。針對(duì)此類問(wèn)題，需要在識(shí)別出結(jié)構(gòu)損傷位置的前提下，補(bǔ)充關(guān)于結(jié)構(gòu)外觀損傷和內(nèi)部缺陷的無(wú)損檢測(cè)內(nèi)容，進(jìn)一步確定結(jié)構(gòu)損傷的類型和程度，為下一步制定管理策略提供支持。
中交路橋科技結(jié)合多年行業(yè)先進(jìn)經(jīng)驗(yàn)，融合數(shù)字經(jīng)濟(jì)和國(guó)家安全體系發(fā)展需求，構(gòu)建“智能監(jiān)測(cè)、科技領(lǐng)先、智慧城市、數(shù)字賦能”的品牌戰(zhàn)略，形成了工程檢測(cè)、城市安全監(jiān)測(cè)、數(shù)字化研發(fā)運(yùn)維三大業(yè)務(wù)板塊。公司技術(shù)實(shí)力雄厚，當(dāng)前擁有一支高素質(zhì)工程醫(yī)生團(tuán)隊(duì)，囊括了鐵道工程、城市道路與公路、橋梁工程、隧道工程、建筑工程、水利工程、工程物探、安全技術(shù)、電力、信號(hào)、集成電路、智能科學(xué)等專業(yè)。公司試驗(yàn)、檢測(cè)、監(jiān)測(cè)儀器設(shè)備齊全，用于試驗(yàn)檢測(cè)、測(cè)繪的儀器設(shè)備共計(jì)千余套，為試驗(yàn)檢測(cè)、監(jiān)測(cè)數(shù)據(jù)的科學(xué)、準(zhǔn)確提供了硬件保證。
