2020年11月15日，在古城西安，由《桥梁》杂志社主办的“2020桥隧发展科技创新大会暨桥隧创新成果展”上，国际结构监测与控制学会（IASCM）主席、哈尔滨工业大学教授李惠，国际桥梁与结构工程协会（IABSE）副主席、同济大学教授孙利民，四川省公路规划勘察设计研究院有限公司工程结构安全监测中心主任吴涤等多位专家应邀在“桥隧结构智能监测与检测技术论坛”发表演讲，分享前沿科研成果，剖析深层次问题，并展望智能化养护的前景。
孙利民
李惠
吴涤
钟继卫
慕玉坤
本刊记者将此次论坛几位专家的部分观点整理成文，以飨读者。
数字化技术支撑智能养护
数字化技术给桥梁养护带来许多显著的变化，提高了管养工作的效率。截止2019年年底，中国的公路桥梁已建成近88万座，并且以每年2—3万座的数量在增加，为了保证桥梁结构安全，需要通过检测或实验的方式对桥梁进行体检，评估其技术状况并做出养护决策，但是目前以人工巡检、外观检测和荷载试验为主的技术手段都存在一定缺陷，例如主观性强、精度不足、随机因素影响较大等，需要结合数字化技术提升检测、监测措施的科学性和效率。
安装传感器
同济大学教授孙利民指出，在桥梁的智能运维体系中，感知技术是基础，早期感知的物理量以位移、应变、加速度等参数信号为主，目前演化到使用声音、图像和视频等更为广泛的数据手段，数字化技术的发展更有利于这些数据的融合和统一。数据分析则是智能化运维体系的核心，如何将测得的数据转化为有效的信息，进而为养护决策提供依据是关键之所在。在数据分析方面，早期以基于数理模型的研究方法作为主流，但困难重重。近年来以大数据分析为代表的数据驱动方法受到关注，但他强调，桥梁结构健康监测系统的采集数据，只有包涵了结构损伤在内的各种工况后才具备大数据的完备性特征要求，应该避免盲目使用大数据方法而导致得出不可信的结论。近期还有学者提出了将监测数据与基于数理模型的有限元分析相结合的“混合监测”概念，亦在探索如何更有效地识别和评估桥梁结构的损伤。此外，他还提及，桥梁管理养护中积累了大量的历史资料，多以文字报告的形式保存，其中包含了丰富的技术和管理信息，可以预测，借助不断成熟的计算机自然语言处理技术，有望将这些文本资料数字化并与前面提到的几种信息融合，提升智能运维的智慧化程度。
智能化检测
就最近成为热词的“数字孪生”概念，专家们也进行了交流研讨。这一概念最早在制造业领域提出，近十年来可谓炙手可热。简而言之，就是把一个真实存在的实体，进行数字化的复制（数字模型或虚拟模型），实现信息的重构与交互。孙利民教授表示，在桥梁工程中，数字孪生可以贯穿在结构生命周期的各个阶段。根据这个理念，桥梁运维阶段的数字孪生可以实现真实桥梁结构和环境与虚拟空间下的数字模型的信息交互，基于桥梁结构监测系统数据可以对数字模型进行及时修正，并可以分析结构当下的技术状态以及预测结构未来在长期运营或极端荷载作用下的行为和风险，为预防性养护决策、风险评估等提供科学手段。在他看来，数字孪生为桥梁智能运维的数字化技术提供了一个很好的概念框架，但桥梁工程业界应该清晰地定义自己在运维管养中的问题与需求，评估数字化技术可能带来的价值，同时也必须意识到将这一概念落地为应用技术还需付出诸多努力。
人工智能赋新篇
参照结构力学的传统研究思路，桥梁健康状态的识别，则选择逆向而行，根据测出的响应，建立力学模型，如果模型发生变化，证明桥梁结构状态出现异动，存在不安全的风险。多位专家表示，以往在荷载未知的情况下，几个测点的响应值又难以形成完备的监测信息，导致动力学反问题的求解出现多种答案，对研究者而言，确定准确的结构参数具有很大的难度。如今，借助人工智能技术，让破解这一难题出现转机。
据哈尔滨工业大学教授李惠介绍，人工智能中的大脑部分，在2006年以后，主要体现为一种大数据的范式。实际上研究人员设计一个名为机器学习或深度学习的网络，它能够从监测的数据中找到桥梁的力学模型，或挖掘出力学模型的参数，若该参数保持不变，证明桥梁处于一个比较健康的状态。在早期的研究中，由于所需的参数过多，建立力学模型遇到很大的困难，近年来，有些研究者开始转换思路，通过监测的数据来关注力学模型是否发生变化，由此推断桥梁结构是否出现损伤。机器学习，作为一种大数据挖掘技术，因其具有辨识特征变量的特点，在实桥的健康监测与状态评估等方面，起到相当重要的作用。
根据李惠的描述，当用索力计测量大桥的索力时，若发现数值的变化，很难确定究竟是荷载有所增减，还是索本身因腐蚀而致。研究人员将上下游所测得的索力的比值，作为机器学习的特征变量，而它实际上与荷载无关，在力学公式中保留下来的均是相关的桥梁参数。采用机器学习的方法，通过聚类分析和模式识别，围绕所选的特征变量，建立起一个可窄幅变化的概率模型，经过推导，上下游的索力比，转化为两根索的刚度之比，就能直观地判断索是否出现损伤。该方法也给管养单位一个启示，在其搭建结构监测系统时，应该成对布设上下游的传感器，会更利于对响应的分析与评估。此外，她的研究团队发现一些索力的监测数据和主梁的挠度之间存在某种关系，但因索力和主梁都拥有较多的数据，上述简单的机器学习的方法已难以适用，故而必须构建深度学习的模型，建立参数间的相关性。根据这个模型得出主梁的挠度和实测的挠度比，如果两个结果不一致，证明桥梁有所损伤。分析表明，相关的数据之间的比值，若能保持为常数，意味着桥梁的参数未发生变化。参照上述原理，有关人员利用许多大跨径桥梁的健康监测数据进行分析，目前未发现较明显的变化，说明它们总体均处于健康运营的状态。近年来，深度学习的方法推广到大跨径桥梁的抗风控制、涡振识别等方面，亦取得良好的效果。
哈尔滨工业大学教授李惠提出，深度学习还可应用于桥梁维修的决策。目前通常在定期的巡查或检测中，一旦发现桥出现问题，就计划进行维修，但究竟是选择大修、中修还是小修的方案，养护部门会综合考虑多方因素，再作最终的决定。从另一个角度来讲，桥梁结构健康监测的目的，也是为维修决策服务的。某研究团队将国内外的一些大跨径桥梁的先进维修经验，分门别类地汇集于数据库中，当大桥处于某种损伤状态时，指导养护人员应该如何正确地维修。此外，再设计一套深度学习的网络，它结合桥梁各个构件的状态，以及安全性的要求，提出最为经济合理的维修方案。深度学习的选择相当理性，能够科学地确定维修的频率，一般在桥梁寿命的中期，会建议增加维修的次数；而对于行将报废的三、四类桥，它认为花费高昂的维修成本已失去意义，提倡减少修复性施工。
加劲梁的数字孪生模型
近年来，计算机视觉技术在桥梁状态评估中的应用取得一些突出的成果。在李惠教授看来，目前的桥梁养护仍以人工巡检为主，效率较低且存在视觉盲区。不少桥梁上已安装智能摄像头，并在里面放置AI芯片和算法，使其能自动捕捉到桥的裂缝、腐蚀、振动、移位及表面的缺陷。计算机视觉的原理，是让计算机通过摄像设备，获取桥梁表面的信息变化，提高检测的效果。通过卷积神经网络、点云信息、不平衡数据的处理等一系列的技术应用，她的研究团队利用摄像头所获得的二维图像，完成对桥梁的3D重构，解决了结构健康监测中的一些难题，尤其他们又运用元学习的方法，实现了对新损伤的识别，有效提升了监测的质量。
基于风险防范的监测
通往罗马的路不止一条。在来自高校的专家们不遗余力地利用先进的人工智能技术，通过传统的结构监测研究路径取得突破时，一种桥梁状态识别的新方法也进入人们的视野，在一些大桥的应用渐入佳境。
按照同济大学教授孙利民的观点，结构健康监测的目的，是为了找到关联性，然后根据桥梁的状态，决定是大修、小修还是不修。对桥本身的结构状况而言，它所面临的风险根源在于，因缺陷、病害，各种材料的退化，使其现有的承载能力，难以与运营的荷载相匹配。四川省公路规划勘察设计研究院有限公司工程结构安全监测中心主任吴涤表示，目前大多数桥梁实施的是基于隐患的安全风险管理，依靠定期的检查，发现各种隐患，然后再进行针对性的维修和加固。按照健康监测的原则，管养单位可以采取智能监测和预防性养护等手段，实现对安全风险的管理。他在报告中提到，在四川等山区的公路系统所发生的灾害中，发现风险隐患常出现在大家未曾关注的地方，事实上现有的监测技术已无法满足这种新的风险管控模式。有鉴于此，通过把定期检测、人工检查和自动化监测结合起来，搭建预警与响应联动的桥梁安全风险防控体系，目前主要用于部分山区桥梁。
同样，在城市桥梁的结构监测方面，也出现了类似的方法。中铁大桥局科学研究院有限公司总经理钟继卫认为，监测的终级目标，是发现问题和评估风险，故而也另辟蹊径，尝试面向风险的监测方案。根据他的介绍，某市在许多桥梁上均布设了上千台传感器，针对车辆超载、基础沉降、伸缩缝性能、桥面拥堵、路面积水结冰等情况，结合桥梁的具体状况，制定了相关的监测方案及算法，管养单位理论上可以根据多个测点反馈的数据，研判风险出现的机率，实现有效的预警。这类方案的准确率高，针对性强，同时便于养护人员操作。对于桥面结冰，技术人员则会根据近期的降水情况进行预测，并及时通知相关部门开展除冰工作。
基于深度卷积神经网络的桥梁3D重构
成长的烦恼
尽管桥梁结构健康监测系统已广泛应用于许多长大桥梁上，并取得一定效果，但对其的质疑声依旧不绝于耳。桥梁的寿命很长，通常要延续几十年，甚至上百年；而在环境复杂，充满不确定性的条件下，传感器的寿命却比较有限，两者之间该如何匹配，不少专家对此存有疑问。有人认为，虽然目前大桥上通常安装几千台传感器，但其数量与桥的跨径相比，仍不成比例，所监测的数据量并不充足，难以全面反映桥梁真实的服役状态。
四川省公路规划勘察设计研究院有限公司吴涤指出，目前特大桥系统复杂，规模庞大，构件冗余，客观上造成监测到的响应参数对结构损伤的灵敏度不够高，所测到的参数实际上未能体现出明显的变化。另外环境造成的干扰也在一定程度上降低了分析诊断的准确性和可靠性。
在中交第一公路勘察设计院有限公司瑞通公司副总工程师慕玉坤等专家的眼中，我国桥梁健康监测系统的总体表现低于预期，许多管养单位将系统建成之后，并未很好地发挥它的作用，主要存在以下几方面的问题：一是定制开发的监测系统并非由专业的软件公司设计，技术尚不完善，需要使用不少补丁程序，无形中给用户增加很多工作量。二是健康监测设备多为电子产品，具有一定的使用寿命，随着时间的推移，设备的稳定性欠佳，严重影响数据的采集。三是所采集的海量数据，未得到充分的挖掘和利用，长年沉淀在数据库里，造成数据的积压和浪费。四是数据交互缺乏一个统一的标准体系，各类的健康监测系统、养护系统和检测软件之间的数据融合存在技术壁垒，而跨系统的单位之间更无法实现数据的交流与共享。五是监测的结果与管养决策时常脱节，让健康监测形同虚设。六是养护人员不习惯于在系统的约束和监督中工作，故而造成监测系统的使用率不高。
而对于检测技术，尽管不少大跨径桥梁的管养单位已采用无人机、智能机器人等设备开展检测，以弥补人工巡检的缺陷，但自动化、智能化检测设备尚有很大的发展空间，有待进一步研发，特别是对于水下，以及难以到达的地方，在图像识别方面的技术应该如何达到更高的水准。此外，如何保证无损检测技术的精确度，也是一项需要破解的难题。
在融合中前行
哈尔滨工业大学教授李惠预测，自动检测将会成为桥梁智能化的一个发展趋势。目前，检测机器人在业内颇受青睐，已成为智能养护的新热点。在配备摄像头后，它们能够自如地执行桥梁表面的检测任务。而对于内部的损伤，未来新型的自动检测机器人可以携带导波或磁致伸缩装置，去检查钢箱梁底部的裂纹。因钢箱梁中没有信号，检测机器人将开启自主导航的模式。作为一个多面手，它不仅可以操作一些仪器和设备，还会主动张开或收缩手臂，甚至还能灵活地变形，并且具备自我修复的功能。此外，通过分布式的光纤监测技术，较易测得各点的位移及应变量，将使养护人员获得大量的信息，这将让监测技术实现质的飞跃。她还强调，在未来的社会中，智能传感器将扮演重要的角色，它装上AI芯片，并被赋予计算能力，使其具有边缘计算及分布式的感知计算能力，重要的信息则都置于云平台上，进行集中式的管理。
我们正进入一个以融合为主流的时代，行业之间，技术与行业之间，都以不同的方式加速融合，而各类数字化技术，也在不断突破壁垒，实现更先进的组合。GIS+BIM、AIOT+BIM等几种多源异构数据融合技术，正在智能监测领域发挥着不可替代的作用。我们对桥梁的状态进行评估，需要探寻参数间的某种关联，而多源异构的原理，亦是将各自相近的优势有机整合，更好地为大桥的结构健康及安全服务。随着智能化技术的不断进步，以及应用方面的逐步完善，桥梁结构的智能监测与检测将继续砥砺前行，期望迎来蓬勃发展的春天。
本文刊载 / 《大桥养护与运营》杂志
2021年 第1期 总第13期
编写 / 本刊记者 陈晖
素材来源 / “桥隧结构智能监测与检测技术论坛”录音及视频
美编 / 赵雯
责编 / 陈晨
审校 / 李天颖 裴小吟 廖玲
联系客服
