基于物联网和云计算的高速铁路桥梁状态监测预警系统设计

基于物联网和云计算的高速铁路桥梁状态监测预警系统设计秦煜;李青良;徐长春;秦光祥;赖小刚
【摘要】In order to promote the reliability of the safe operation for high-speed railway bridge. The thesis is based on the theories of internet of thinys and technologies of cloud computing, monitoring and inspection of the operational status of bridge, data processing, status assessment and risk pre-warning are researched. Pre-warning system of monitoring high-speed railway bridge is designed, integrated with daily management and maintenance, monitoring and early warning as well as emergency disposal, which adopts sensing equipment to collect different information about bridge’s operation in real time for a long term. Mass data is input to data processing server through communication technology. Then, data processing server transmits the data to central server of cloud computing through internet. It is the third-party professional agencies that provide cloud computing services like data assessment and risk pre-warning, and the results of assessment and pre-warning are transmitted and displayed in the visual monitoring terminal of information data disposal platform. Fi-nally, it is bridge maintenance agency that is in charge of the repair and maintenance. This system can monitor the oper-ational status of high-speed railway bridge in real-time for a long term, provide risk pre-warning of bridge, put forward the emergency disposal scheme and eliminate the potential risk.%为提升高速铁路桥梁结构安全运营可靠度，基于物联网概念和云计算技术，研究了高速铁路桥梁运营状态监测检测、数据处理、状态评估及风险预
警等理论和技术；设计了集合日常管养、监测预警、应急处置等为一体的高速铁路桥梁运营状态监测预警系统，即采用传感设备长期实时采集桥梁运营状态各项信息；使用通信技术将海量数据输入数据处理服务器。

后者通过网络将数据传输至云计算中心服务器，由第三方专业机构提供数据评估与风险预警等云计算服务，并将评估和预警结果传输及显示于信息数据处理平台的可视化监控终端，最终由桥梁养护机构负责执行养护维修等处理措施。

该系统可以长期实时监测高速铁路桥梁运营状态、提供桥梁风险预警、提出应急处置方案，消除安全隐患。

【期刊名称】《高速铁路技术》
【年(卷),期】2014(000)005
【总页数】6页(P56-61)
【关键词】高速铁路;桥梁工程;监测预警系统;物联网;云计算
【作者】秦煜;李青良;徐长春;秦光祥;赖小刚
【作者单位】中铁二院重庆勘察设计研究院有限责任公司，重庆400023; 重庆交
通大学，重庆400074;中铁二院重庆勘察设计研究院有限责任公司，重庆400023;中铁二院重庆勘察设计研究院有限责任公司，重庆400023;中铁二院重庆勘察设
计研究院有限责任公司，重庆400023;中铁二院重庆勘察设计研究院有限责任公司，重庆400023
【正文语种】中文
【中图分类】U446;TP317
截止到2012年底，我国高速铁路通车总里程已达13 000 km[1]。

由于环境作用、材料老化和疲劳效应等因素，部分高速铁路桥梁逐渐出现损伤累积和抗力衰减，导
致结构抵抗正常运营荷载能力下降，甚至引起突发事故。

基于物联网，可将高速铁路桥梁、传感器、数据处理和状态评估等融合为一个网络系统，为桥梁安全运营管养提供决策依据。

基于云计算，由第三方专业机构对桥梁运营状态信息数据进行分析与评估，可提高海量数据分析效率和质量、降低风险。

因此，有必要对应用物联网和云计算技术的高速铁路桥梁运营状态监测预警系统设计展开深入研究。

关于高速铁路桥梁运营状态监测预警系统设计，国内外已进行了相关研究。

Chan
等[2]采用光纤光栅传感器监测香港青马大桥正式服役后的安全状态。

帅宗义[3]基
于南京大胜关长江大桥提出了目标模态数目、传感器数目、最终传感器位置等全过程优化模式。

Peeters等[4]基于厄勒海峡大桥的永久监测系统，研究了结构静动
力荷载、环境作用、应变和加速度等监测数据。

魏召兰[5]根据高速铁路大跨桥梁
状态评估特点，提出了以各监测参数变化量为基准的桥梁结构状态评估方法。

朱仕村等[6]提出了桥梁结构健康监测云的概念。

祖巧红等[7]设计了基于物联网技术的
桥梁健康监控系统。

目前，研究工作主要集中在传感器研制和应用[2-8]，传感器
优化布设[3-9]，桥梁状态信息数据分析方法[4-10]，桥梁结构状态评估方法[5-11]，桥梁结构损伤预警技术[12-13]，结构健康监测云计算概念[6]，基于物联网桥梁健康监测系统设计[7]等方面。

但是，以物联网和云计算为基础的高速铁路桥梁运营
状态监测预警系统设计甚为少见，尚需进一步深入研究。

本文基于物联网概念和云计算技术，通过研究高速铁路桥梁运营状态监测检测、运营状态信息数据处理、状态评估及风险预警等理论和技术，组建包括高速铁路桥梁荷载作用、桥梁响应、结构特征和附属设施状态等内容的运营状态监测检测子系统，搭设桥梁状态信息数据采集、传输、存储和处理的子系统，构建高速铁路桥梁结构损伤识别、状态评估及风险预警子系统，最终设计集合日常管养、监测预警、应急处置等为一体的高速铁路桥梁运营状态监测预警系统。

2005年国际电信联盟正式提出物联网概念，即一个基于互联网、传统电信网等信
息承载体，让所有能够被独立寻址的普通物理对象实现互联互通的网络。

新兴的云计算是指将某种能力以服务的方式提供给客户，允许客户在没有相关知识的情况下，通过网络以按需、易扩展的方式获得所需服务。

云计算可以满足高速铁路桥梁结构运营状态海量时间序列数据的处理与专业计算需求。

基于物联网概念和云计算技术的高速铁路桥梁运营状态监测预警系统总体架构，如图1所示。

高速铁路桥梁运营状态监测预警系统由监测检测子系统、信息数据处理子系统、状态评估及风险预警子系统等三部分组成。

系统整体运行流程是：应用现代传感技术、通信技术和计算机技术，实时和定期监测及采集桥梁运营状态各项信息数据，将海量数据输入信息数据处理平台，之后信息数据处理平台将数据传输至云计算中心，由第三方专业机构提供数据评估与风险预警等云计算服务，并将评估和预警结果反馈至信息数据处理平台，为高速铁路桥梁管养机构的下阶段管理养护决策提供科学依据。

高速铁路桥梁运营状态监测检测子系统架构，如图2所示。

3.1 监测检测内容
高速铁路桥梁运营状态监测检测内容可分为四类：荷载作用、桥梁响应、结构特征和附属设施状态。

荷载作用包括列车、地震、风荷载、温度作用及水流冲刷等。

桥梁响应是指位移、应力应变、振动响应及裂缝等。

桥梁特征包括静态特征(如静力影响系数等)和动态特征(如振动模态、模态频率等)。

附属设施状态包括支座、伸缩缝、桥面护栏和桥墩防撞设施等工作状况。

针对不同高速铁路桥型结构，其基本监测检测内容主要包括：
(1)梁桥。

上部结构包括主梁基频、加速度、位移、应力应变、动应力、几何变形(上拱或下挠)、预应力损失、局部开裂等；下部结构包括墩台顶三向位移、支座位移、墩身应力和开裂、基础沉降等。

(2)拱桥。

在梁桥重点监测检测内容基础上，增加拱轴线形、吊杆力、连接构件内力等。

(3)斜拉桥。

包括墩台基础、索塔、主梁、斜拉索、拉索振动控制装置等。

(4)钢结构桥梁。

还需定期检测钢构件涂装和锈蚀状况。

(5)桥梁无砟轨道无缝线路。

包括长钢轨温度、长钢轨纵向力、钢轨与轨道板相对纵向位移、轨道板温度梯度、梁端位移等。

(6)若车桥耦合性较强，可同时监测车辆的安全性指标(脱轨系数、轮重减载率等)及平稳性指标(车体加速度、舒适度指标等)。

(7)对于有通航要求的高速铁路桥梁，还应监测桥位附近船舶沿航道航行状态。

3.2 传感器类别
传感器用途是感知荷载作用和桥梁结构响应等信息，并以电、光、声、热等物理量形式输出，是高速铁路桥梁运营状态监测预警系统的基础。

高速铁路桥梁监测预警系统传感器类别主要有：
(1)环境作用监测传感器。

监测风荷载的风速风向仪、测试温度作用的电阻式温度计或光纤光栅温度传感器、测试环境湿度的电子湿度计等。

(2)结构动力响应监测传感器。

测试动应变的电阻应变计、振弦式应变计和光纤光栅应变传感器、测试动位移的电子测距仪和GPS、测试加速度的电容式加速度计和力平衡加速度计等。

(3)结构局部性能监测传感器。

测试支座位移和转角的位移计和倾角仪、测试吊杆内力的吊杆拉力测试仪、测试斜拉索索力的压力传感器和磁通量传感器等。

(4)行车安全监测传感器。

测试行车速度的测速仪、测试轴重的电子动态地秤等。

3.3 传感器优化布置方法
传感器优化布置的本质是删除对优化目标贡献较小的自由度，保留足量的自由度信息满足高速铁路桥梁监测需求，即优化前后自由度模态应尽可能保持一致[14]。

目
前传感器优化布置方法是建立在数学模型基础之上，主要有随机类方法、序列法、有效独立法和MAC法等。

随机类方法是基于模拟生物和物理过程，主要包括遗传算法、神经网络法等。

Holland[15]创立的遗传算法基本思想是在遗传过程中，适应度较好的个体基因得到遗传，较差的个体基因则会逐渐消失。

基于遗传算法的优化方法，采用可控性和客观性指数来获得所有控制模态的累积性能值，以这些指数为优化指标，使控制器和结构之间具有最大的能量传递，并根据控制率使剩余模态的影响最小，具有良好的工程应用能力。

香港青马大桥健康监测系统运用遗传算法成功布设了全桥测点[16]。

因此，采用遗传算法作为高速铁路桥梁运营状态监测检测传感器布设方法。

高速铁路桥梁运营状态信息数据处理子系统架构，如图3所示。

在将数据传输至云计算中心之前，信息数据处理平台对海量动态信息数据执行快速初步分析，进行主要监测指标常规阈值判断。

若出现超越常规阈值的异常情况，直接将结果输出至可视化监控终端，提示工作人员核查突发异常情况，开展应急处置。

4.1 数据采集
高速铁路桥梁监测数据采集是指采集传感器的测量信号、进行信号调理与转换，初步处理数据并存储在外站，然后通过媒介传输至信息数据处理平台。

数据采集系统主要包括以下几部分：
(1)数据采集硬件。

包括信号调理、模数转换、控制电路、贮存器、通信装置在内
的电子器件。

信号调理器使传感器信号符合模数转换的要求，模数转换器将模拟信号转换成数字信号。

(2)数据采集外围设备。

包括光纤、电缆、终端箱、联接器等。

(3)数据采集软件。

包括驱动软件和应用软件。

驱动软件使数据能在硬件、信息数
据处理平台及应用软件之间进行通信。

应用软件起着联系用户与数据采集系统的作用。

4.2 数据传输
高效高质数据传输是实现监测系统和云计算的基础和保障。

随着通信技术的发展，无线传输技术成为高速铁路桥梁监测数据传输的新趋势。

无线监测系统可以避免安装信号传输电缆，实现传感器之间、传感器和控制中心之间的直接通讯。

无线传输技术分为模拟信号和数字信号传输两大类。

数字信号传输是将调理后的传感器输出信号转换为数字信号后再调制发送。

信号只有高低2个取值，即使收到的波形出现一定失真，仍可解调出正确的原始信号，抗干扰能力强。

高速铁路桥梁监测环境复杂，信号易受干扰，因此采用数字信号的无线传输技术。

同时需注意到，不断提速的光纤系统高速传输技术是数据传输的重要方式。

2013年11月美国伊利诺伊大学的米尔顿·冯研究团队，通过光纤系统高速而准确地传输数据，速度达到40 G/s[17]，是美国最高速度纪录。

这为高速铁路桥梁运营状态海量数据实时高速传输提供了有力保证。

4.3 数据存储
高速铁路桥梁运营状态监测预警系统测点多、采样频率高、数据量大。

数据存储系统应包含一个中心数据库、若干子数据库。

中心数据库为大型网络数据库，与Internet结合，协调各子数据库，实现数据远程管理维护。

数据存储应注意以下几个方面：
(1)备份原始采样数据，以防系统崩溃时数据恢复长度的限制。

数据库系统存储方式具有数据冗余度小、共享方便、数据逻辑独立性和安全性高等优点，建议利用其存储原始数据。

(2)在内存中作一定长度的缓冲，提高数据处理速度。

为每个测点数据动态分配一定长度的堆内存，并循环利用这段内存空间。

(3)数字存储精度应充分保证前向测量通道的精度，即传感器、信号调理和A/D转换精度。

第三方专业机构提供的云计算服务，应使用功能强大的数据中心和服务器，以满足高速数据传输与海量数据计算分析的需求。

高速铁路桥梁运营状态评估及风险预警子系统架构，如图4所示。

5.1 桥梁结构损伤识别
高速铁路桥梁结构损伤识别包括3个方面：结构损伤预警、损伤位置识别、损伤
程度识别。

桥梁结构损伤识别方法主要有：动力指纹法、神经网络法、遗传算法、小波分析法等。

各方法有其适用性和优缺点，应结合具体结构型式，选用最优方法。

损伤识别技术分为局部与整体2种。

整体识别技术用于评价桥梁整体结构的状态。

局部识别为无损检测单个构件，判断是否损伤及损伤程度。

5.2 桥梁结构状态评估
桥梁结构状态评估即根据所采集的信息数据，采用系列评价指标和评价模型，判别桥梁状况是否满足使用要求和功能要求，包括常规综合评估和安全性评估。

常规综合评估是应用层次分析法将影响桥梁结构状态的因素层次化，形成一个多层指标体系，先确定底层各组指标的状态，再应用综合评估计算方法得出其他各层指标状态。

安全性评估是在结构监测和损伤识别的基础上，通过各种手段测试桥梁当前工作状态，并与临界失效状态进行比较，评价其安全等级。

5.3 桥梁结构风险预警
桥梁结构风险预警方法包括确定性预测、灰色系统理论、神经网络算法等。

确定性预测基于力学理论和数值分析，根据监测数据不断调整数值模型，包括计算参数、边界条件修正等，计算可能出现的荷载组合作用下结构响应，并确定预警指标，据此预测结构安全状态。

灰色系统理论将桥梁结构效应值当作一定范围内变化的灰色量，并将相应的监测数据序列视为一定时区内变化的灰色过程，将无规律或弱规律变化的原始数据变为有
较强规律变化的生成数据，建立灰色系统模型，然后将模型计算值逆生还原为原数据空间，并预测效应量的变化规律和演变趋势。

高速铁路桥梁结构工作条件复杂，影响因素较多，因此采用确定性预测为主、灰色系统理论为辅的方法进行桥梁结构风险预警。

基于新兴的物联网和云计算概念，研究了高速铁路桥梁运营状态监测检测、信息数据处理、状态评估及风险预警等技术，通过建立高速铁路桥梁运营状态监测检测、桥梁状态信息数据处理、结构状态评估及风险预警等3个子系统，设计了集合日常管养、监测预警、应急处置等于一体的高速铁路桥梁运营状态监测预警系统，有利于实现高速铁路桥梁全方位重点监测，有助于提高桥梁结构监测预警效率和精确性，提升高速铁路桥梁管理养护水平和结构安全运营可靠度。

关于高速铁路桥梁结构耐久性微观状态智能监测技术及评价指标等方面仍需进一步研究。

【相关文献】
[1] 中商华研研究院. 2013-2017年中国高铁行业深度调研与投资战略规划分析报告[R]. 北京:中商华研研究院, 2013. China Commerce Research Institute. Report of In-depth Research and Investment Strategy Planning and Analysis on China High-speed Railway (2013-2017) [R]. Beijing: China Commerce Research Institute, 2013.
[2] CHAN Tommy H. T., YU Ling, TAM, Hwa- Yaw, et al. Fiber Bragg Grating Sensors for Structural Health Monitoring of Tsing Ma Bridge：Background and Experimental Observation[J]．Engineering Structures, 2006, 28(5): 648-659.
[3] 帅宗义. 高速铁路桥梁健康监测系统中传感器优化布置的研究[D]. 成都：西南交通大学, 2011. SHUAI Zongyi. Research on Optimization of Sensor Placement for Health Monitoring System of High-speed Railway Bridge [D]．Chengdu: Southwest Jiaotong University, 2011.
[4] PEETERS B, COUVREUR G, RAZINKOV O, et al. Continuous Monitoring of the Oresund Bridge: System and Data Analysis. In： Proceedings of IMAC XXI, A Conference and Exposition on Structural Dynamics, Kissimmee, 2003-02-0306.CD Version. 2003.
[5] 魏召兰. 高速铁路大型桥梁结构健康监测与状态评估研究[D]. 成都：西南交通大学, 2012. WEI
Zhaolan. Research on Health Monitoring and Condition Assessment of Major Bridge Structure of High-speed Railway [D]．Chengdu: Southwest Jiaotong University, 2012. [6] 朱仕村, 张宇峰, 张立涛, 等．面向长大桥梁结构健康监测物联网的云计算[J]．现代交通科技, 2011, 8(1) : 24-27. ZHU Shicun, ZHANG Yufeng, ZHANG Litao, et al. Cloud Computing of the Internet of Things for Health Monitoring of Long-span Bridge Structure [J]. Modern Transportation Technology, 2011, 8(1) : 24-27.
[7] 祖巧红, 张海峰, 徐兴玉, 等．基于物联网的桥梁健康监控系统设计与实现[J]．图学学报, 2013, 34(5): 7-11. ZU Qiaohong, ZHANG Haifeng, XU Xingyu, et al. Design and Implementation of Bridge Health Monitoring System Based on Internet of Things[J]．Journal Of Graphics, 2013, 34(5): 7-11.
[8] 屈威, 钟红, 林皋．基于LabVIEW的多通道高铁桥梁振动测试系统的搭建[J]．仪表技术与传感器, 2012,48 (8): 15-18. QU Wei, ZHONG Hong, LIN Gao. Construction of Vibration Measurement System for Multi-channel Bridge along High-speed Railway Based on LabVIEW[J]．Instrument Technique and Sensor, 2012, 48(8): 15-18.
[9] Meo M, Zumpano G. On the Optimal Sensor Placement Techniques for a Bridge Structure.[J] Engineering Structures, 2005, 27(10): 1488-1497
[10]张少锦, 刘文峰. 桥梁智能检测技术的研究及应用[J]. 铁道科学与工程学报, 2010, 7(5): 81-86. ZHANG Shaojin, LIU Wenfeng. Study and Application of Intelligent Inspection Technology of Bridge [J]. Journal of Railway Science and Engineering, 2010, 7(5): 81-86.
[11]刘沐宇, 何祖亮. 不确定层次分析的钢管混凝土拱桥安全性评价[J].武汉理工大学学报, 2004,
26(6): 25-28. LIU Muyu, HE Zuliang. Safety Evaluation for CFST Arch Bridge Based on Uncertain Analytic Hierarchy Process Method[J]. Journal of Wuhan University of Technology, 2004, 26(6): 25-28.
[12]丁幼亮, 李爱群, 缪长青. 大跨桥梁结构损伤预警的基本原理与方法[J]. 防灾减灾工程学报, 2005, 25(2): 140-145. DING Youliang, LI Aiqun, MIAO Changqing. Basic Principle and Method of Structural Damage Warning for Long-span Bridge[J]. Journal of Disaster Prevention and Mitigation Engineering, 2005, 25(2): 140-145.
[13]付春雨，单德山，李乔. 列车行驶时桥梁结构损伤预警的时域方法[J]. 振动与冲击, 2011, 30(1): 27-32. FU Chunyu, SHAN Deshan, LI Qiao. Time-domain Method for Bridge Structural Damage Warning When a Train is Running[J]. Journal of Vibration and Shock, 2011, 30(1): 27-32.
[14]孙小猛，冯新，周晶. 网壳结构健康监测中的传感器优化布置[J]．计算力学学报, 2010,
27(3):482-488. SUN Xiaomeng, FENG Xin, ZHOU Jin. Optimized Sensor Placement for Health Monitoring of Latticed Shell Structure[J]．Chinese Journal of Computational Mechanics, 2010, 27(3):482-488.
[15]HOLLAND J H. Adaptation in Natural and Artificial Systems[M]. MIT Press, 1992.
[16]李戈，秦权，董聪. 用遗传算法选择悬索桥监测系统中传感器的最优布点[J]．工程力学, 2000,
17(1):24-34. LI Ge，QIN Quan，DONG Cong. Optimal Placement of Sensors Selected for Monitoring System of Suspension Bridge by Genetic Algorithms [J]．Engineering Mechanics, 2000, 17(1):24-34.
[17]Huiming Xu, Eric W. Iverson, Chi-Chih Liao, et al. Composition-Graded
AlInP/AlGaAsSb/InP Type-II DHBTs With fT /fMAX = 450/510GHz[J]. IEEE Electron Device Letters, 34(1):33-35.。