改革開放40年來，隨（suí）著我國經濟的不（bú）斷發展，我國的基礎設施建設經曆了大規模發展。這一方麵反映（yìng）了我國改革開放以來取得的巨大成就，另一方麵也對我們土（tǔ）木工（gōng）程結構健康監測提出了新的挑戰。在橋梁方麵，隨著橋梁建設的不斷發展，橋梁結構的（de）形式與功（gōng）能日趨複雜，人們對現代橋梁的質（zhì）量和壽命越（yuè）來越重視。經（jīng）過長期使用，橋梁結構難免會發生各種各樣的損傷，加上近些年，地震、洪水、暴風等自然災害也對這些（xiē）建（jiàn）築（zhù）物和結構造成不同程度的損傷，還有一些人為的爆炸等破壞性行為。因此，對橋梁結構性能進行監測和（hé）診斷，及時地（dì）發現結（jié）構（gòu）的損傷（shāng），對可能出現（xiàn）的災害提前預警，評估其安全性（xìng）己經成為未來工程的必然要求，也是土木工程學科發展的一個重要領域。
1 結構健康（kāng）監（jiān）測概述（shù）
結（jié）構健康監測（structural health monitoring，SHM）是（shì）指利用現場的無損傳感技術，通過包括結構響應在內的結構係統特性分析，達到檢測結構損傷或退化的目的。結構健康監測技術研究的（de）目的就是通（tōng）過結（jié）構中（zhōng）的傳感器網絡來（lái）實（shí）時獲取結（jié）構對（duì）環（huán）境激勵(人為的或自然的)的響應，並從中提取結構的損傷和老（lǎo）化信息，為（wéi）結構的使用和維護工作提供（gòng）參（cān）考，因而可（kě）降低維護費用，預報災難性事件的發生，將損失降低至最小（xiǎo）。
對於結構健康監測的關鍵（jiàn），就技術上而言，主要是（shì）先進（jìn）傳感器的優化（huà）布設和信息的高效傳輸；就理論上而言，主要是結構識別理論和狀態評估理論的發展。因此，健康檢測有可能將目前廣泛采用的離線、靜態、被動的損（sǔn）傷檢測，轉變為在線、動態、實（shí）時的監測（cè）與（yǔ）控製，這將導致結構工程安全監控、減災防（fáng）災領域（yù）的一場（chǎng）革命。可見，結構（gòu）健康監測是一門綜合性技術，涉及到結構動力學、信息技術（如信號的傳輸、處理（lǐ）、存貯與管理）、傳感器技術、優化設計等多個（gè）學科。一個完善的智能（néng）健康檢測專家係統簡單來說可以分為（wéi）3個部分，即信號采集（jí）、信號處理和損傷診（zhěn）斷。其中，損傷診斷（duàn）是健康監測的核心問題，是對結構進行安全性評估和維護決策的基礎。
橋梁健康（kāng）監（jiān）測其實是屬於土木（mù）結構安全監（jiān）測的範疇，它是指利用各種類型的傳感器（qì）對橋梁結構狀態進行無損探傷或者監測，對橋梁結構狀（zhuàng）態的整體行為進行定時或不定時的（de）監測，通過數據分（fèn）析進而診斷出損傷所發（fā）生的位置和程（chéng）度。
2 橋梁結構（gòu）健（jiàn）康監測技術發展
在橋梁方麵（miàn），國外應用這項技術較早。在80年代（dài）中後期開始（shǐ）各種規模的橋梁健康監測係統的建立。例如（rú），英國在總長522 m的三跨變（biàn）高度連續鋼（gāng）箱（xiāng）梁橋Foyle橋上布設傳感器，監測大橋運營階段（duàn）在車輛與風載作用下主粱的（de）振動、撓度和應變等響應，同時監測環境風和結構溫度場．該係統是最早安裝的（de）較為完整（zhěng）的（de）監測係統（tǒng）之一，它實現了實時監測、實時分析和數據網絡共享。而後還有丹麥（mài）的Faroe跨海斜拉大橋、墨西哥的Tampico斜拉橋、美（měi）國主跨440m的Sunshine Skyway Bridge斜拉橋等，均建立了橋梁健康監（jiān）測係統。反（fǎn）觀國內（nèi），雖然起（qǐ）步較晚，但是腳步邁得很快。我國自90年代起也在（zài）一些大型重要橋梁上建立了不同規模的結構監測係統，如（rú）香港的青馬大橋、汲水門大橋（qiáo）和汀九大橋，內地的上海徐浦大橋以及（jí）江陰（yīn）長江大橋等（děng）。東海大橋項目技術上引進美國NI公司的PXI數據采集卡，配上相應的風速計（jì）、加速度等傳感（gǎn）器等對橋梁整體參數進行采集，在方（fāng）案中還采用了GPS授時完成數據無線同步采集。
3 關於橋梁結（jié）構健康監測技術一些進展
3.1 物聯網環境下的橋梁結構健康檢測技術
伴（bàn）隨著現階（jiē）段物聯網技術的發展，人（rén）們不斷在倡導智慧結構、智慧城市、智慧地球，將物聯（lián）網技術引入到結構健康監測領域也碰撞出了學科交叉的火花。基於物聯網的SHM係統具（jù）有（yǒu）以下特點：1）測試節點具有（yǒu）獨立性（開放性），包含時間地點等具體信息；2）能夠（gòu）隨時被各種係統提取並使用，因而需要對數據進行標準化處理。物聯網技術的應用，使（shǐ）得測試數據實現了自動的關聯與共（gòng）享，大大降低了數據分析的成（chéng）本。但是，也存在行政管理製（zhì）約，信息安全隱患方麵的問題。目前，上海市的多座（zuò）建築與橋梁已經成功運（yùn）用SHM係統進行了災（zāi）害監測與模擬分析。如（rú）上海閔浦二橋的多災種監測與安全（quán）評估係統。
3.2 用於結構健康監測的荷載與響應模型
荷載與響應模型是進行橋梁健康監測警（jǐng）報的重要內容。橋梁除了受到（dào）正常的交（jiāo）通荷載（zǎi）和環境（jìng）荷載外，還有可能受到重車、船撞、大風、海浪和其他異常荷載的影響（xiǎng）。荷載（zǎi）識別方法的研究成果目前（qián）還很（hěn）難有效應用於大型橋梁中，主（zhǔ）要困難包括：大型橋梁模型（xíng）本身比較複雜，影響因素多；實測的信號並不單純是移動（dòng）荷載引起的，還包括溫度、風和噪聲的影響；動力學逆問題求解困難。
3.3 混合監測（hybrid monitoring）——監測與數值模擬的結合
混合監測，指的是通過（guò）有限（xiàn）元模型和實際監測數據的有（yǒu）機結合（hé），來豐富監測信息，並以此研究橋梁在正常運營狀態下的各種結構行為和機理。如圖1所示，將（jiāng）離散的測點數據與驚喜的有限元計算（suàn）結（jié）果（guǒ）進行結合，最終就可以得到完備的結構信息。

圖1  混合監測原理
混合監測的主要研究課題有以下四點。
1）不同關注因素下的多尺度建模
不同的因素會在結構（gòu）不同的尺（chǐ）度層麵上產生相應，因而單一尺度的建模不能精確（què）地反應各因素的影響。多（duō）尺度有限元模型指的是對不同區域（yù）或不同尺度層次應（yīng）用不同的物理規（guī）律建（jiàn）立模型（xíng），從而能夠反應（yīng）不同因素的影響。此外，由於模型的（de）各節（jiē）段尺度不同，因此需要通過不同的約束方程來實現不同尺度模型之間的變形協調。
2）有限元模型修（xiū）正和（hé）模型確認（rèn）
結合實測數據，研究模型（xíng）的修正策略，從而使（shǐ）有限元模型更接近於（yú）實橋的真（zhēn）實狀態。由於每次模型修正都（dōu）基於某次特定的實驗結果進行的，因此不具備不（bú）確定性。故還需考慮不確定（dìng）性對模型進行進一步的修正。
3）荷載及環境因素
根（gēn）據實測數據建立交通荷載及溫度的統計模型，並考慮材料參數、日（rì）照、溫度、風速、邊界（jiè）條件等因（yīn）素對結構行為進行多因素作用的分（fèn）析。
4）數據可視化
選擇合適的數據可視化技術（shù），實現多終（zhōng）端訪問、共享（xiǎng）和互動（dòng）的數據（jù）展示。其次，利用可視化技術中實現監測（cè）結果和有限元模擬結果的綜合展示，提高健康監測係統的（de）效率（lǜ）和易（yì）用性。
3.4 健康監測大數據分析
隨著結（jié）構健康監測係（xì）統的日益（yì）普及，傳感器數量漸趨增多，數據積累速度越來越快。一般認（rèn）為，大數據具備4V特征，即數（shù）據體量大（Volume）、種類多（duō）（Variety）、增速快（Velocity）、價值密度低（Value）。4V特征並沒有明確地（dì）限定大數據的體（tǐ）量規模，因而可廣泛（fàn）適用於各個行（háng）業。目（mù）前橋梁長期健康監測麵臨著傳統的離線監測係統無法勝任海（hǎi）量數據的存儲、管理和分析等數據處理（lǐ）功能，且橋梁損傷識別和模（mó）型修正的計算規模大且複雜，因此發展數據處理和計算的高效的計算方法進行大數據分（fèn）析收到學者們（men）的重視。大數據（jù）分析的流程包括：數據（jù）提取、數據存儲、數據清洗（xǐ）、數據（jù）挖掘（數（shù）據融合、數據將為（wéi）、特征提（tí）取、模式識別、預測）、數據可視化。具體如（rú）圖2所示：

圖2  大數據分析流程
大數據處理和分析的終極目標是借助對數據的挖掘（jué），對結構作出（chū）合（hé）理的預測和判斷。運用大數據的“樣本=總體”的全新概念的本質功能也是預測，通過數據融合和數據挖（wā）掘方法（fǎ）達到預測橋梁損傷的目的。隨著大數（shù）據時代的到來，橋梁健康監測技術（shù）也（yě）會有突（tū）飛猛進的發展，從而構建一個（gè）全國性（xìng）的大中小型橋梁的健康（kāng）、病害、預防、診治（zhì）一體化管理的用於分析、整合（hé）、規範、指（zhǐ）導的信息數據鏈交互平台，提供一個可靠、高效、並能夠不斷優化服務的健康與安全保障係統。
3.5 基於平行坐標圖的模式識別（PCP）
PCP通過N個平行坐標軸將N維（wéi）數據投射到二維空間中，每（měi）個數據點被表示為PCP中（zhōng）的一條（tiáo）線段，由此原始的高維數據集可被表示為一個幾何係統。PCP能夠呈現數據間的相關關係，因而具有（yǒu）模式識別功能，這也體現了大數（shù）據“追求相關關係而（ér）非因果關係”的思維方式。PCP的模式識別功能由三個重要的可視化特征實現（xiàn），分別為（wéi）以下幾（jǐ）方麵：
（1）線段夾角，表明（míng）變量間的正負相關關係，圖3（a）中（zhōng）線（xiàn）段交匯於一點，表示兩變量間具有強負相關關係（xì），圖3（c）中線段彼此平行，表示兩個（gè）變量間具有強正相關關係。
（2）線段交點區域，表明（míng）變量間相關關係的強弱（ruò），圖3（b）線段交匯於一個區域，表示兩變量間具有弱負相關關係。
（3）線段分布，表明趨勢模式（shì）或異（yì）常點模式。趨勢模式對應密集區域的（de）線段（duàn），異（yì）常點則是稀疏區域的線段。圖3(d)下方的線段可（kě）判斷為（wéi）趨（qū）勢，上方的線段為（wéi）異常點。

圖3 平（píng）行坐標圖
在數據驅動（dòng）的方法下，橋梁結構損傷或異常識別與狀態評估大（dà）都可歸類於模式識別問題。傳（chuán）統數據驅動的分析中，模式識別前一般（bān）要先對多通道、多（duō）種（zhǒng）類的傳感器時間序列數據進行降維，以提升機器（qì）學習方法的（de）效率和準確性。然而降維存在定階的問題，即需要確定最終的變量（liàng）個數，盡可能多地保留原始數據中的信（xìn）息（xī）。此外，損傷識別、傳感器（qì）故（gù）障識別等問題常缺乏足夠的標注數據，使得有監督學習方法很（hěn）難被應用（yòng）；無（wú）監督（dū）學習雖不使用標注數據但對（duì）參（cān）數設定敏感，且很容易陷入局部最優解。PCP將（jiāng）人的認知能力（lì）融入到數據分（fèn）析（xī）中，為（wéi）無法使用（yòng）有監督學習（xí）及無監督學習不穩定情（qíng）況下的模式識別提供了新的思路，並可直接對原始高維數（shù）據進（jìn）行可視化。
4 結論
如今（jīn）現階段橋梁的集（jí）中建設必定（dìng）將導致某一（yī）時期問題的（de）集中爆發（fā），對橋梁健康監（jiān）測來說這既是機遇也是挑戰。目前以人工智（zhì）能為主導的數據化（huà）、智慧化的工業4.0時代正在到來，借助人（rén）工（gōng）智能、雲計算等新技術的成果，相信在不遠（yuǎn）的將來橋梁健康監測技術將不斷深化（huà）和（hé）完善，而我們的橋梁結構將得到更好（hǎo）的保護，為人類造福。