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)中的損傷識(shí)別過程，是基于對(duì)橋梁結(jié)構(gòu)在靜態(tài)和動(dòng)態(tài)條件下的實(shí)際響應(yīng)數(shù)據(jù)（去除外部環(huán)境噪聲干擾）進(jìn)行分析，從而實(shí)現(xiàn)對(duì)橋梁損傷的檢測(cè)、定位以及程度評(píng)估，并預(yù)測(cè)結(jié)構(gòu)的整體性能。根據(jù)所采用數(shù)學(xué)算法的特點(diǎn)，可以將橋梁損傷監(jiān)測(cè)技術(shù)分為兩大類：一類是依賴于模型修正的方法；另一類則是不依賴于特定模型而直接利用監(jiān)測(cè)數(shù)據(jù)驅(qū)動(dòng)的技術(shù)。前者通過對(duì)比理論模型參數(shù)與實(shí)測(cè)值來監(jiān)控橋梁狀態(tài)；后者則無需構(gòu)建詳細(xì)的物理模型，直接從實(shí)時(shí)采集的數(shù)據(jù)中提取信息以評(píng)估橋梁狀況。通常情況下，基于模型的方法需要較高的專業(yè)知識(shí)背景，并且涉及到較為復(fù)雜的計(jì)算過程。
一、依靠模型的方法探討
對(duì)于基于模型修正的損傷識(shí)別策略而言，其核心在于通過比較橋梁的數(shù)值模擬結(jié)果（一般使用有限元方法建立）與安裝于真實(shí)結(jié)構(gòu)上的傳感器所記錄的實(shí)際數(shù)據(jù)，進(jìn)而識(shí)別出結(jié)構(gòu)的變化情況。依據(jù)修正方式的不同，這種方法又可細(xì)分為局部修正法和全局修正法兩種。局部修正主要針對(duì)模型中特定區(qū)域內(nèi)的物理特性進(jìn)行調(diào)整；而全局修正則涉及整個(gè)系統(tǒng)的質(zhì)量矩陣、剛度矩陣等關(guān)鍵屬性的重構(gòu)。研究顯示，在應(yīng)用有限元模型修正技術(shù)進(jìn)行橋梁損傷識(shí)別時(shí)存在幾個(gè)值得關(guān)注的問題：
（1）首先，為了保證模型與實(shí)際情況的一致性，往往需要借助實(shí)驗(yàn)室測(cè)試所得數(shù)據(jù)來進(jìn)行校正。然而，這種做法可能未能充分考慮實(shí)際運(yùn)行條件下外界因素變化給測(cè)量結(jié)果帶來的影響，因此還需進(jìn)一步探究修正后的模型在面對(duì)不同環(huán)境條件時(shí)是否會(huì)出現(xiàn)誤報(bào)。
（2）其次，盡管可以通過實(shí)驗(yàn)數(shù)據(jù)校準(zhǔn)模型，但在大多數(shù)情況下，此類操作傾向于應(yīng)用于新建橋梁的初期監(jiān)測(cè)階段，并且監(jiān)測(cè)周期相對(duì)較短。理論上講，經(jīng)過校正后的模型應(yīng)該具備一定的預(yù)警能力，但實(shí)際上目前尚缺乏長(zhǎng)期追蹤并準(zhǔn)確反映損傷演化的實(shí)例。
（3）此外，現(xiàn)有研究多側(cè)重于靜態(tài)測(cè)試指標(biāo)作為參考基準(zhǔn)，但這些指標(biāo)往往只有在結(jié)構(gòu)明顯受損時(shí)才會(huì)表現(xiàn)出顯著變化。因此，選擇那些能夠更早地反映出潛在問題的敏感性力學(xué)參數(shù)用于模型修正顯得尤為重要。
此外，在執(zhí)行模型修正的過程中，如何合理選定待調(diào)整的參數(shù)種類及其數(shù)量也是一個(gè)極具挑戰(zhàn)性的任務(wù)。這不僅要求找到最合適的變量組合，確保計(jì)算結(jié)果迅速收斂，同時(shí)也需滿足精確度的要求。
二、機(jī)器學(xué)習(xí)擔(dān)當(dāng)“核心角色”
監(jiān)測(cè)數(shù)據(jù)所驅(qū)動(dòng)的一系列算法，其核心均建立在機(jī)器學(xué)習(xí)的框架之上。自20世紀(jì)80年代以來，人工神經(jīng)網(wǎng)絡(luò)（ANNs）作為人工智能領(lǐng)域的一項(xiàng)熱門研究，已經(jīng)發(fā)展成為當(dāng)代最具影響力的機(jī)器學(xué)習(xí)算法之一，并且構(gòu)成了當(dāng)前各種神經(jīng)網(wǎng)絡(luò)架構(gòu)的基石。ANNs的迅猛進(jìn)步，促使基于監(jiān)測(cè)數(shù)據(jù)的損傷識(shí)別技術(shù)得以迅速迭代。這類方法僅需依據(jù)橋梁力學(xué)行為的微小變化，即可評(píng)估結(jié)構(gòu)的安全狀況，無需構(gòu)建繁瑣的橋梁有限元模型。它們與健康監(jiān)測(cè)系統(tǒng)的結(jié)合，為橋梁管理人員帶來了直觀、迅速的結(jié)構(gòu)實(shí)時(shí)狀態(tài)評(píng)估結(jié)果。近年來，除了傳統(tǒng)的ANNs，卡爾曼濾波、蜂群算法、貝葉斯方法、大數(shù)據(jù)技術(shù)以及人工智能等多種先進(jìn)算法也被引入到了結(jié)構(gòu)損傷識(shí)別的領(lǐng)域。
在神經(jīng)網(wǎng)絡(luò)及其改進(jìn)算法中，模型架構(gòu)的選擇至關(guān)重要。根據(jù)樣本訓(xùn)練策略的差異，橋梁健康監(jiān)測(cè)領(lǐng)域常用的神經(jīng)網(wǎng)絡(luò)可以進(jìn)一步細(xì)分為前饋神經(jīng)網(wǎng)絡(luò)（FFNN）、反向傳播神經(jīng)網(wǎng)絡(luò)（BPNN）以及概率神經(jīng)網(wǎng)絡(luò)（PNN）。在此基礎(chǔ)之上，根據(jù)其各自的特點(diǎn)，又衍生出了諸如長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）、回聲狀態(tài)網(wǎng)絡(luò)（ESN）以及殘差網(wǎng)絡(luò)（ResNet）等改進(jìn)模型。神經(jīng)網(wǎng)絡(luò)及其改進(jìn)方法具有強(qiáng)大的函數(shù)逼近能力，但它們與橋梁模型沒有直接的聯(lián)系，因此所構(gòu)建的屬性模型被視為黑箱模型，無法準(zhǔn)確反映橋梁的物理構(gòu)造?；谏窠?jīng)網(wǎng)絡(luò)的損傷監(jiān)測(cè)技術(shù)，完全依賴于從橋梁結(jié)構(gòu)上獲取的數(shù)據(jù)，無需具備構(gòu)建橋梁有限元模型的專業(yè)知識(shí)。然而，由于缺乏選擇神經(jīng)網(wǎng)絡(luò)最優(yōu)架構(gòu)的統(tǒng)一標(biāo)準(zhǔn)，工程師在實(shí)際項(xiàng)目中需要根據(jù)具體情況選擇適合的神經(jīng)網(wǎng)絡(luò)，并確定最佳的訓(xùn)練數(shù)據(jù)算法，以確保訓(xùn)練過程的快速收斂。
目前，各種損傷識(shí)別算法均能有效識(shí)別橋梁結(jié)構(gòu)上的損傷存在，并大致確定損傷的位置。然而，實(shí)踐證明，大多數(shù)算法在判斷損傷類型、損傷程度、預(yù)測(cè)橋梁剩余壽命以及未來力學(xué)行為等方面的準(zhǔn)確性仍有待提升，且其推斷或預(yù)測(cè)的可靠性也缺乏充分的直接證據(jù)。針對(duì)這一問題，我們需要在識(shí)別出結(jié)構(gòu)損傷位置的基礎(chǔ)上，增加對(duì)結(jié)構(gòu)外觀損傷和內(nèi)部缺陷的無損檢測(cè)內(nèi)容，以更準(zhǔn)確地確定損傷的類型和程度，從而為后續(xù)的管理策略制定提供有力支持。
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。
