基于物联网的桥梁安全监测的探讨

1物联网及其应用
物联网(Internet of Things,简称IOT)就是“物物相连的互联网”。

这有两层意思:第一,物联网的核心和基础仍然是互联网,是在互联网基础上的延伸和扩展的网络;第二,其用户端延伸和扩展到了任何物品与物品之间,进行信息交换和通信。

物联网通过智能感知、识别技术与普适计算、泛在网络的融合应用,被称为继计算机、互联网之后世界信息产业发展的第三次浪潮。

物联网是互联网的应用拓展,与其说物联网是网络,不如说物联网是业务和应用。

因此,应用创新是物联网发展的核心,以用户体验为核心的创新2.0是物联网发展的灵魂。

从物联网技术体系结构角度解读物联网,可以将支持物联网的技术分为四个层次:感知技术、传输技术、支撑技术与应用技术。

感知技术是指能够用于物联网底层感知信息的技术,它包括RFID 与RFID 读写技术、传感器与传感器网络、机器人智能感知技术、遥测遥感技术以及IC 卡与条形码技术等。

?传输技术是指能够汇聚感知数据,并实现物联网数据传输的技术,它包括互联网技术、地面无线传输技术以及卫星通信技术等。

支撑技术是指用于物联网数据处理和利用的技术,它包括云计算与高性能计算技术、智能技术、数据库与数据挖掘技术、GIS/GPS 技术、通信技术以及微电子技术等。

应用技术是指用于直接支持物联网应用系统运行的技术,它包括物联网信息共享交互平台技术、物联网数据存储技术以及各种行业物联网应用系统。

物联网在业界大致被公认为有3个层次,自下而上依次是感知层、传送层和应用层。

如果拿人来比喻的话,感知层就像皮肤和五官,用来识别物体、采集信息;传送层则是神经系统,将信息传递到大脑进行处理;人能从事各种复杂的事情,这就是各种不同的应用,如图1所示。

图1物联网分层结构示意
感知层由各种传感器以及传感器网关构成,包括温度传感器、湿
度传感器、二维码标签、RFID 标签和读写器、摄像头、GPS 等感知终端。

感知层的作用相当于人的眼耳鼻喉和皮肤等神经末梢,它是物联网识别物体、采集信息的来源,其主要功能是识别物体、采集信息。

网络层由各种私有网络、互联网、有线和无线通信网、网络管理系统和云计算平台等组成,相当于人的神经中枢和大脑,负责传递和处理感知层获取的信息。

应用层是物联网和用户(包括人、组织和其他系统)的接口,它与行业需求结合,实现物联网的智能应用。

物联网技术充分运用在各行各业之中,主要把感应器嵌入和装备到电网、铁路、桥梁、隧道、公路、建筑、供水系统、大坝、油气管道等各种物体中,然后将“物联网”与现有的互联网整合起来,实现人类社会与物理系统的整合。

从而可以以更加精细和动态的方式管理生产和生活,达到“智慧”状态,提高资源利用率和生产力水平,改善人与自然间的关系。

2桥梁安全与健康监测
2.1桥梁健康监测原因
桥梁的运营环境非常的复杂,影响桥梁运营安全和健康的不利因素分为外部因素和内部因素两方面,具体情况如下:
2.1.1大自然的不可抗力(如滑坡、地震、恶劣天气等等)的影响;2.1.2桥梁结构设计缺陷的影响;
2.1.3桥梁结构材料腐蚀老化等的影响;2.1.4桥梁自身承受重力能力等的影响。

这些因素不仅会影响人们行车安全,更会缩短桥梁使用寿命,因此对桥梁结构的健康状况进行检测与监测甚至对其安全性能进行评估是维护桥梁正常运营重要内容之一。

2.2桥梁健康监测的概念
桥梁健康监测概念是通过对桥梁结构状态的监控与评估,为大桥在特殊气候、交通条件下或桥梁运营状况严重异常时触发预警信号,从而为桥梁维护维修与管理决策提供更好、更有效的依据和指导。

2.3桥梁健康监测的内容
2.3.1施工阶段的健康监测内容
由于在施工阶段会受到一些不利因素的影响,从而导致结构变形和受力与原先桥梁设计状态要求不符。

为了避免以上问题的出现,我们在施工中需要进行健康监测。

其监测的主要内容如下:
1)几何形态检测。

获取已经完成的结构的实际几何形态参数,如高程、结构或缆索的线形、结构物的变形和位移等。

2)桥梁截面应力监测。

主要是对混凝土应力、钢筋应力和钢结构应力的监测,也是桥梁施工过程的安全预警系统。

3)索力监测。

近年来大跨径桥梁采用斜拉桥和悬索桥等缆索承重
基于物联网的桥梁安全监测的探讨
Bride Security Monitoring and Warning System Research Based on IOT
金林荣尤婷吕梅蕾范杰包飞翔
(衢州学院电气与信息工程学院,浙江衢州324000)
【摘要】传统的桥梁安全评估主要依据表观损伤调查的结果。

后来随着结构试验技术和计算机性能的发展,构建桥梁安全与健康感知系统的设想。

对桥梁安全与健康感知系统的定义和架构作了初步探讨,致力于将物联网技术应用于桥梁安全监测与评估领域,以提高桥梁安全运营管理的水平和效率。

从传感器的选择和优化布设,监测数据采集与无线传输,监测参数与评价指标选取,评估方法与流程设计等方面探讨了应用中涉及的关键问题并给出了相应的建议。

【关键词】物联网;监测;桥梁健康监测系统
【Abstract 】Traditional bridge safety assessment based primarily on the results of the investigation of apparent ter,with the development of structural test technology and computer performance,build a bridge safety and health perception vision systems.Definition and architecture bridge safety and health perception system was also discussed,committed to the Internet of Things technology in the field of bridge safety monitoring and evaluation to improve the level and efficiency of the operation and management of bridge id sensor selection and optimization,monitoring data acquisition and wireless transmission from the monitoring and evaluation indicators selected parameters,evaluation methods and process design aspects discussed the key issues involved in the application and the corresponding recommendations.
【Key words 】The intemet of things;Monitor;Health monitoring system for bridge
※基金项目:国家级大学生创新训练项目(201311488002);衢州学院大学生科技创新项目(Q13X37)。

作者简介:金林荣(1992.10—),男,汉族,工程师,衢州学院电气与信息工程学院学生。

. All Rights Reserved.
结构越来越普遍,而斜拉桥的斜拉索悬索桥的主缆索及吊索的索力是设计的重要参数,也是桥梁安全监测的主要监测内容。

4)预应力监测。

主要对预应力筋的张拉真实应力、预应力管道摩擦导致预应力损失以及永久预应力值进行监测。

5)温度监测。

对大跨径桥梁,尤其是斜拉桥或悬索桥,其温度效应十分明显,斜拉桥的斜拉索随温度的升降直接影响主梁的标高;悬索桥主缆索的线形也将随温度而变化,此时对温度进行监测十分必要。

6)下部结构监测。

对于斜拉桥和悬索桥等特大型桥梁,其购物基础分部集中,荷载集度通常非常大,因而必须对地基的内外部变形、地锚的应力以及主塔桩基的轴力等进行监测。

2.3.2运营阶段的健康监测内容及使用的传感器
1)荷载监测。

包括风、地震等。

所使用的传感器有:风度仪———记录风向、风速进程历史,连接数据处理系统后可得到风功率谱;强震仪——
—记录地震作用。

2)表面形貌监测。

监测桥梁各部分的静态位置、动态位置、沉降、倾斜、位移等。

所使用的传感器有:位移计、倾角仪、GPS、数字相机等。

3)结构强度监测。

监测桥梁的应变、应力、索力、动力反应、扭矩等。

所使用的传感器有:应变仪——
—记录桥梁静动力应变、应力,连接数据处理后可得构件疲劳应力循环谱;测力计(力环、磁弹性仪、剪力销)——
—记录主缆、锚杆、吊杆的张拉历史;加速度计——
—记录结构及各部分的反应加速度,连接数据处理后可得结构的模态参数。

4)振动监测。

监测结构的振动、冲击、机械导纳以及模态参数等。

5)性能趋向监测。

监测结构的各种主要性能指标等。

6)非结构部件及辅助设施。

监测支座、振动控制设施等。

根据监测对象的不同,影响其工作性能的控制因素也就不同,从而导致监测出的物理参数也尽不相同。

因为同一物理参数对不同的结构又具有不同的灵敏度,所以效果也不同。

因此,桥梁结构健康监测对象的选择是至关重要的一步。

对于大型桥梁结构,我们应以振动监测、荷载监测、强度监测和表面形貌监测为主要目标,且选择灵敏度高的特征参数或几种参数联合使用作为监测对象。

2.4桥梁健康监测系统的组成及监测管理方法
桥梁健康监测系统主要包括各类软硬件系统,其中各类高性能智能传感元件、信号采集与通讯系统、综合监测数据的智能处理与动态管理系统、结构实时损伤识别、定位与模型修正系统、结构健康诊断、安全预警与可靠性预测系统是关键部分。

桥梁健康监测系统是利用一些传感器(如光纤传感器、压电传感器、GPS、风速风向仪等)来读取桥梁各部分结构的倾斜、应力、沉降、位移、风速、风向、温度等参数,通过网络将这些数据传输到桥梁监控室的数据处理设备上,由专业的数据处理设备和处理方法来对信号进行存储、处理、分析和显示,最终显示给用户的是一段时间内连续采集的各个数据。

各方专家会同桥梁设计部门可以对某些数据设立警戒值,当某个数据超过了相应的警戒值,系统会主动报警,提醒管理人员及时做出反应。

因而对于桥梁运营期间结构安全和健康的监测,我们应当将系统工程的理论、方法及实践有效的结合起来,深入了解桥梁安全和健康的各种因素的特性及相互关系和桥梁表观病害与结构内部状态的关系。

随着科技的迅猛发展,我们寻求到更有效对桥梁安全和健康状态监控管理的方法——
—物联网系统技术。

图2桥梁健康监测系统示意图
3桥梁安全评估
桥梁的安全评估的性能指标内容包括:(1)可靠性评估,桥梁各组成部分在强度、刚度等方面是否满足现有运输荷载的要求以及能否适应运输荷载的进一步发展;(2)耐久性评估,指建桥材料的耐久性和结构抗疲劳损伤的性能,即迄今为止的疲劳损伤度及剩余寿命;(3)适用性评估,主要指车辆通过桥梁时走行的安全性和舒适度等。

3.1监测参数与评价指标选取
桥梁在长期的使用过程中不免会发生各种结构损伤,损伤的原因可以是使用、维护不当、车祸事故等人为因素,也可能是地震、风暴等自然灾害。

此外某些要道上交通量以大大高于预测流量的速度猛增也加剧了桥梁结构的自然老化,这些因素均导致了桥梁承载能力和耐久性的降低,甚至影响到运营的安全。

因此如何合理评估现有桥梁的承载能力,并使之规范化,便成为桥梁状态评估的核心。

在此基础上才能对桥梁的损伤和病害建立一套现实客观的维修决策系统。

目前国内外对桥梁健康状态的评价缺乏统一有效的综合性指标,对桥梁进行安全性评估,首先建立系统评价指标体系,除需验算其承载能力外,尚需通过监测数据的实测,评估其承载状态(构造、不适于继续承载的位移或变形、裂缝等)的安全性,才能全面地做出评定结论。

指标体系是决策过程中对某一问题进行决策的判据,评价指标的制定要尽可能地做到科学、合理、实用。

对于不同结构的桥梁,其评价指标体系亦应有所差异和侧重。

桥梁监测参数指标有动力参数指标和静力参数指标,对桥梁的远程动态监测,以使用最少的监测参数和监测成本为宜,静力参数指标比较适合。

而且,桥梁结构的静力参数指标测量要比动力参数指标的提取更直接,并且在测量精度上前者优于后者。

桥梁结构的挠度和应变是反映桥梁安全性的重要指标。

桥梁挠度监测主要是测量活荷载引起结构的变化,应变监测反映了桥梁结构在荷载作用下构件的局部受力状况。

3.2评估方法与流程
20世纪80年代中期以来,国内外学者针对桥梁结构的安全性评价进行了广泛深入的研究,提出了层次分析、灰色关联分析与变权综合等多种方法。

但现有的评价方法存在评价模型简单、指标体系不完整以及评价结果较为粗糙等缺点,而且往往集中于对桥梁各部分构件的检测与单独评价,缺乏对桥梁整体安全性的综合评价。

现有的评估方法各有优缺点及适用条件,在桥梁的实际评估过程中,可以结合桥梁结构的具体特点和受力机理,基于监测数据为基础的结构安全评价体系,开发不同原理、相互补充的安全评价方法,建立桥梁安全性评估模型,对桥梁的安全性进行综合评定。

近年来人们提出了许许多多的结构整体检测方法,从研究和应用的角度看,这些方法大致可分为模型修正法和指纹分析法两大类:
模型修正法在桥梁健康监测中主要用于把试验结构的振动反应记录与原先的模型计算结果进行综合比较,利用直接或间接测知的模态参数、加速度时程记录、频率响应函数等,通过条件优化约束,不断地修正模型中的刚度分布,从而得到结构刚度变化的信息,实现结构的损伤判别与定位。

这种方法在划分和处理子结构上具有很多优点,但由于测试模态集不完备、测试自由度不足以及测量噪信比高的原因,很少能给出修正所需的足够信息,导致了解的不唯一。

同时采用传统方法进行参数估计时易产生病态方程。

针对这些问题,一方面,可以考虑利用动边界条件进行子结构模型修正以减少未知数的方法;另一方面,可以通过良态建模、合理划分子结构以及最优测点布置来获取最大信息量进行解决。

目前这些方法都在研究之中。

结构整体监测的另一类方法就是寻找与结构动力特性相关的动力指纹,通过这种指纹的变化来判断结构的真实状况.通常用到的动力指纹有频率、振型、振型曲率/应变模态、功率谱、MAC(模态保证标准)、COMAC(坐标模态保证标准)指标等。

大量的模型和实际结构试验表明结构损伤导致的固有频率变化很小,而振型虽然对局部刚度变化比较敏感,但精确量测比较困难。

MAC,COMAC等依赖于振型的动力指纹都遇到同样的问题。

振型曲率应变模态则在传统的低幅值振动测试中变化量量级过小,难以起到有效的判别作用。

这类方法的成功应用将有待于寻找新的动力指纹。

在监测数据采集的基础上,根据评价及决策分析所关注的问题和目标,结合桥梁数据库、专家知识库、桥梁运营现状条件等确定相关判据及评价指标体系和边界条件,建立评价及决策系统数学模型,在最优化分析的基础上进行科学的评价和决策。

桥梁安全评估流程如图3所示。

4结语
随着我国公路交通业的高速发展。

各类已建桥梁(下转第32页
) . All Rights Reserved.
βj (u,v)(j=1,2,…,p )是待估回归系数函数;εi (i=1,2,…,n )是相互独立服从
正态分布的随机误差,且满足期望为零,方差为σ2。

另外,若假定x i 1≡1(i=1,2,…,n ),上述模型将包含一个空间变化的截距项。

空间变系数模型克服了全局回归模型不能有效分析空间数据自相关性及回归关系空间非平稳性的不足,被广泛用于分析空间数据非平稳特征,是探索回归关系空间非平稳性的有效工具,在众多学科领域中涌现出大量相关应用研究成果。

近几十年来,地理加权回归不仅在诸如地理学、环境科学、生态学和计量经济学等众多领域内有大量应用性结果,同时在统计推断和理论方法改进方面也不断涌现新成果。

地理加权回归、混合地理加权回归的假设检验问题、共线性和变量选择问题以及异方差问题均得到细致的研究。

最近的实证研究在地理加权回归分析框架探讨了空间多尺度非平稳性以及回归关系的尺度依赖性质[10]。

空间变系数模型的系数估计曲面被当作探索和解释回归关系的空间非平稳性的主要证据,因此系数估计准确性及其统计检验对于得到回归关系结构的正确结论非常重要。

无论地理加权回归估计还是统计检验都面对一个棘手的问题:选择一个最优带宽或一个合适的光滑水平。

众所周知,带宽的水平对于回归系数的估计和统计推断有很大的影响,而且到目前为止,地理加权回归方法中的带宽选择问题始终没有一个满意的解决方案,尽管有一些诸如交叉验证以及校正AIC 准则[9]等选择带宽的数据驱动方法,但是此类数据驱动方法与响应变量的观测值密切相关,这使得推导检验统计量的精确分布变得非常困难。

另一方面,以系数估计为目标选取的带宽未必适合统计检验,因此为了确定带宽变化对统计检验稳健性的影响应当在一个较大带宽范围内实施统计检验。

如果空间变系数模型的系数函数具有不同光滑度,那么就不可能存在某个单一带宽作为所谓最优带宽而适合所有系数估计,因为在估计高光滑度系数函数时需要较大带宽值,而估计低光滑度系数函数时则需要较小带宽水平。

由此可见,受到带宽选择问题的影响,单一带宽水平下地理加权回归系数估计所反映的回归关系的空间变异模式是不可靠的。

需要强调的是上述检验方法中所使用的检验统计量都是全局统计量,根据全局统计量检验结果可以推断回归系数在整个研究区域内是否变化,但是当系数为常数的原假设被拒绝后却无法进一步推断出系数函数在研究区域内变化的细节特征。

空间尺度问题是研究空间变量相依关系过程中必须要考虑的因素。

长期的空间数据统计分析研究实践发现,空间数据统计特征与研究者所限定的空间范围密切相关,如空间自相关性、非平稳模式和空间数据异常值探测(SOD,spatial outlier detecting)过程会随数据的空间尺度而变化。

空间数据统计特征的尺度相依性(scale dependence)严重制约了各种经典统计方法探索分析时空数据的有效性,为时空数据统计分析研究带来巨大挑战,指出空间局部模型为分析具有尺度相依性的各种空间数据特征开辟了极具研究价值的新途径。

大量研究结论亦证实回归关系的空间变异通常与空间尺度相关,即具有尺度相关性。

上述研究指出地理加权回归所使用的核函数中的带宽参数实质上空间尺度的某种测度。

因此,仅使用单一的带宽值不能准确估计具有不同光滑度的系数函数,并且也不能充分探索回归关系中具有尺度相
依性的空间变异。

基于上述原因,有必要转变传统的观点:从选择某个最优带宽值用于估计潜在的真实回归系数的观点转向在不同尺度或光滑水平下全面考察回归关系。

在地理加权回归分析中,变系数模型的系数估计的变化模式被看作探索回归关系非平稳特征的主要证据。

因此,探索系数估计所具有的空间变化模式并对这些变化特征实施统计显著性检验是得到空间回归关系非平稳特征的真实结论的先决条件。

从非参数回归拟合方法角度看,传统的地理加权回归和局部线性地理加权回归均以核光滑方法为基础,它们利用局部加权最小二乘方法估计模型中的回归系数函数。

然而,最小二乘方法对于异常值是不稳健的,地理加权回归方法也因此会扭曲空间变系数模型的估计过程。

事实上,数据集特别是大型数据集中通常都会存在异常值,它们会在系数函数估计中创造出虚假的回归关系结构特征,这会误导回归关系非平稳性的探索结论。

由于在地理加权回归方法中,回归系数估计为局部估计,最终探测到的异常值也相应为局部异常值,准确探测异常值并不容易。

然而局部异常值不一定是全局异常值,并且也不一定是有问题的数据,所以应当谨慎对待异常值,而不是简单地丢弃它们。

因此针对空间变系数模型发展能处理异常值的稳健的拟合与推断方法是有价值的研究方向。

[1]Hastie TJ,Tibshirani RJ.Varying-coefficient models [J].Journal of the Royal Statistical Society B,1993,55:757-796.
[2]Fan J,Zhang W.Statistical methods with varying coefficient models [J].Statistics and Its Interface,2008,1:179-195.
[3]Fan J,Zhang JT.Functional linear models for longitudinal data [J].Journal of the Royal Statistical Society B,2000,62:303-322.
[4]Park BU,Mammen E,Lee YK,Lee ER.Varying coefficient regression models:a review and new developments[J].International Statistical Review,2014,82:1-19.
[5]Zhang W,Peng H.Simultaneous confidence band and hypothesis test in generalized varying -coefficient models [J].Journal of Multivariate Analysis,2010,101:1656-1680.
[6]Cai Z,Xu X.Nonparametric quantile estimations for dynamic smooth coefficient models [J].Journal of the American
Statistical Association,2009,104:371-383.
[7]Fan JQ,Zhang WY.Two -step estimation of functional linear models with applications to longitudinal data [J].Journal
of the Royal Statistical Society B,2000,62:303-322.
[8]Nelson TA.Trends in spatial statistics [J].The Professional Geographer,2012,64:83-94.
[9]Fotheringham AS,Brunsdon C,Charlton ME.Geographically Weighted Regression:The Analysis of Spatially Varying Relationships [M].Chichester:Wiley,2002.
[10]Su S,Xiao R,Zhang Y.Multi-scale analysis of spatially varying relationships between agricultural landscape patterns and urbanization using geographically weighted regression [J].Applied Geography,2012,32:360-375.
[责任编辑:程龙]
图3桥梁安全评估流程
结构满负荷甚至超负荷运营的情况十分普遍,加之各种自然灾害的影响及周边环境的人为改变,桥梁的安全运营问题日益引起人们的重视。

基于物联网技术构建桥梁安全监测评估系统,目的在于能够充分利用先进的物联网技术构建更为科学和完善的桥梁安全与健康监测体系。

以提高桥梁运营管理的水平和效率。

希望得到业内专业人士的
关注、支持和指导,使该体系得到完善和改进。

并能够在桥梁安全运营管理工作中得到实际的应用和推广。

[1]王海英.桥梁健康无线监测系统研究[D].上海:同济大学,2005.
[2]蒋林涛.互联网与物联网[J].电信工程技术与标准化,2010,23(2):1-5.
[3]淡丹辉,何广汉.桥梁结构传感器优化布置法[J].工程设计CAD 与智能建筑,2002,19(2):53-56.
[4]唐亚鸣,张河.信息传感器在桥梁健康监测中的应用[J].智能建筑与城市信息,2003,10(5):48-50.
[5]张永清,冯忠居.用层次分析法评价桥梁的安全性[J].西安公路交通大学学报,2001,21(3):52-56.
[6]兰海,史家钧.灰色关联分析和变权综合法在桥梁评估中的应用[J].同济大学学报,2001,29(1):50-54.
[7]张启伟,袁万城,范立础.大型桥梁结构安全监测的研究现状与发展[J].同济大学学报,1997,25(增刊):76-81.
[责任编辑:曹明明]
(上接第54页)
. All Rights Reserved.。