长大桥梁健康监测系统现状及未来发展趋势

长大桥梁健康监测系统现状及未来发展
趋势
摘要：为了促进长大桥梁健康监测系统的发展，系统总结了近年来国内外桥梁健康监测的学术研究现状、热点前沿、存在问题及发展前景。

桥梁运维方面总结了桥梁检测、监测数据挖掘、模态识别与状态评估的最新研究；探讨了当前长大桥梁健康监测系统面临的关键问题；同时对健康监测系统在未来桥梁建设中的发展趋势进行了展望。

关键词：长大桥梁；健康监测系统；数据挖掘；状态评估
近年来，随着人工智能与工程领域的不断深度融合，桥梁智能化及其智能运维受到广泛关注。

国内长大桥梁健康监测系统的建设及应用越来越广泛，如何利用健康监测系统服务桥梁科学管养及安全风险防控一直是社会各界及行业人士关心的重要问题。

尽管国内外在桥梁健康监测报警及状态评估的应用与研究已有部分研究成果，但由于桥梁类型和结构形式多样、使用环境复杂性和作用荷载差异性大等原因，导致桥梁健康监测系统在传感布设方法、监测信息的可靠性、评估与预警方法等方面的研究尚存在不足。

1 研究现状
桥梁健康监测系统已在国内外桥梁中得到越来越多的应用，总体而言，国内在健康监测实践及数据处理应用方面处于先进或领先位置，从科研角度看，目前在健康监测传感测试技术、结构损伤诊断理论与方法、监测数据分析与评估方面仍有值得深入研究的问题。

1.1监测系统传感测试技术
传感器故障自诊断技术研究方面，罗浩恩[1]基于广义似然比检验原理，提出传感器故障自诊断方法，基于相关向量机的分类原理，建立传感器故障类型判别
方法，并将这些方法应用于甄别实桥监测系统的传感器故障，从而为保证结构健
康监测系统自身的正常运营提供了新的手段。

郭旭[2]提出基于卷积神经网络和深
度卷积生成对抗网络的结构加速度传感器故障自诊断，以加速度时程数据为输入，建立基于CNN的传感器故障诊断模型，判断传感器故障类型和故障位置。

安星等[3]基于多元统计分析的过程控制理论，建立了基于主元分析（PCA）的传感器故障诊断方法，实现加速度传感器的故障诊断。

传感器优化布置研究方面，丛茂林[4]的易损性理论为基础，研究空间结构的
不同小损伤工况对整体结构的影响，引入广义等效刚度的概念并据此定义杆件的
重要性系数，在考虑实际结构参数和荷载随机性的情况下，建立随机样本并计算
各样本相对应的最易损路径，统计所有随机样本的最易损路径上的杆件，从而确
定传感器布设位置。

张晶[5]结合易损性分析结果与实际工程特点，设定多种损伤
工况，探讨了各构件响应在不同损伤工况下对损伤的敏感性，最后，基于上述分
析并结合已有研究成果，建立结构安全评价体系和监测参数权重，根据测点优先
级制定测点布设传感器方案。

姜绍飞等[6]通过冗余度与重要因素的关系得到各构
件的冗余度，根据冗余度搜索并确定故障模式，然后给出了结构的应变能来评估
失效模式的损伤需求，从而确定了脆性失效路径，基于结构易损性失效路径对传
感器进行布置，保障结构安全。

传感器数据可靠性保障技术方面，刘永前[7]针对基于白光干涉的埋入式F-P
光纤应变传感器的测试原理及主要结构参数进行了分析，通过对传感器的疲劳性
能试验，验证了该传感器具有优良的精度稳定性和耐久性。

赵扬阳[8]提出了基于
多模干涉的光纤超声波传感器系统用于桥梁三维位移非接触式监测，并开展了光
纤传感器封装材料优化选择及传感器结构性能的优化设计等方面的研究。

Li[9]通
过静态和疲劳试验对智能扭绞CFRP筋传感性能进行评价，综合运用弹性模量、
灵敏度、反射强度和光谱等指标来表征FBG传感器在疲劳载荷下的稳定性和耐久性，结果证明了基于智能CFRP筋的传感器具有良好的测量稳定性和耐久性。

1.2桥梁监测数据挖掘技术
桥梁监测数据挖掘技术旨在能够实时掌握桥梁的安全状况。

目前大多数桥梁
健康监测系统存在着监测系统故障、传感器失效、监测信息异常等影响监测数据
不可靠的问题，不利于桥梁结构损伤识别与安全评估分析。

桥梁监测数据缺失数据恢复研究，朱芳等[10]针对桥梁健康监测系统所采集的
实时数据具有不完备性，严重影响桥梁的安全评估，提出基于支持向量回归SVR （Support Vector Regression）算法的桥梁健康监测系统缺失数据实时在线预
测方法，结果表明在线模式以样本更新的方式能够获得对将来值更高的预测精度。

颜飞等[11]提出一种桥梁建筑质量运营监测数据处理方法，运用Hadoop执行清洗
监测数据、剔除无关数据和补齐缺失数据，并利用实际采集数据进行仿真。

仿真
结果表明，运用Hadoop平台对监测数据的并行处理效率明显高于传统方法，能
够对采集的海量数据进行高效的分析和准确地预测缺失数据。

Fu等[12]提出一种非常有效的故障数据恢复“三步走”策略，使用估计值或采用校正函数处理值（如
均值处理、平滑趋势项处理等）替换了故障数据。

桥梁监测数据响应组分分离方法研究，陈永高等[13]提出了在EEMD分解过程
中嵌入多元统计学中的“解相关算法”和“谱系聚类”方法，该研究分别以仿真
信号和实际斜拉桥响应信号为研究对象进行信号的模态分解，并对比分析所得结果。

结果表明，所提改进算法能有效改善集合经验模态分解算法存在的问题，同
时该算法不仅能运用于仿真信号还能运用于实际桥梁振动信号，且分解结果具有
可靠性。

王海波[14]提出一种基于经验模态分解法（EMD）与小波阈值的混合去噪
方法。

该方法先通过EMD分解信号获得高频固有模态函数(IMF)分量，然后选取IMF分量使用小波阈值去噪，最后重构IMF分量获得去噪后的信号。

结果表明，
基于EMD和小波阈值混合去噪能有效地滤除干扰噪声信号，且去噪效果优于单一
的EMD分解去噪法和小波阈值去噪法。

Singh等[15]提出了一种基于时变滤波的经
验模态分解与同步提取变换相结合的混合方法来跟踪桥梁的非平稳模态参数，通
过对一座受过往车辆影响的钢桥进行数值和全尺寸研究，验证了所提出的方法的
有效性。

1.3桥梁服役状态识别技术研究
桥梁服役状态智能识别技术旨在采用桥梁结构实测的静、动力响应，进行桥
梁损伤识别、损伤定位、损伤程度分析、结构总体性能预测。

国内外学者针对桥
梁服役状态识别开展了一系列研究。

桥梁短吊杆腐蚀疲劳研究，Liu等[16]观察到在循环交通荷载作用下，桥梁跨
中或端部的短吊杆在腐蚀作用下可能更容易发生疲劳损伤，而且损伤经常被观察
到发生在吊杆的下端，为评估吊杆的安全性，提出了一种随机时变可靠度评估方法，将基于裂纹深度和失效面积的时变钢丝劣化模型和概率临界极限状态相结合，以考虑锈蚀和循环荷载的共同作用。

陈小雨等[17]从吊杆高强钢丝的疲劳抗力方面
入手，通过电化学腐蚀方法对高强钢丝进行定量锈蚀，开展未锈蚀、轻微锈蚀和
严重锈蚀的高强钢丝疲劳试验研究，得到不同锈蚀程度钢丝的疲劳强度曲线。

李
晓章等[28]以使用10余年的吊杆高强钢丝为对象，研究了锈蚀钢丝的拉伸性能、
疲劳寿命以及破断机理。

桥梁移动荷载识别，杨慧等[19]为了实现桥梁上车载参数的快速识别，基于欧
拉梁动力解析解分析桥梁挠度和应变对移动荷载的敏感性，选择敏感性更强的应
变作为输入参数，研究将人工神经网络（ANN）用于识别梁桥移动车载的理论和
方法，提出了基于ANN和动应变的梁桥移动荷载识别方法。

李忠献等[20]提出了一
种基于BP神经网络的桥上移动荷载的分阶段识别新方法，采用分阶段识别技术，分步识别了桥上车辆的位置、速度和荷载，通过数值模拟和模型实验研究验证了
所提方法的有效性。

赵煜等[21]基于反向传播神经网络算法，开展了输入参数对荷
载识别精度影响的分析，相关研究结果可为桥梁荷载识别及桥梁结构的性能评价
提供参考。

桥梁结构损伤识别，梁杰明等[22]在移动主成分基础上，突出了一种优化的MPCA特征—特征向量差方向角（DAEV），并将其作为机器学习的输入建立损伤识
别模型，并利用双跨连续梁的仿真应变监测数据验证了以DAEV建立机器学习模
型诊断结构损伤的有效性。

杨建喜[23]等提出了一种联合卷积神经网络（LSTM）循
环神经网络模型的桥梁结构损伤识别方法。

袁明贵等[24]通过对构建的GBN网络进
行训练，得到能够准确表征各级节点复杂映射关系的网络模型，结合训练后的GBN网络模型和基于结构单元峰值应力残差的损伤指标，分别对钢桁梁桥在单点
损伤、多点损伤、以及不同损伤程度工况下的损伤识别进行研究，并对比分析不
同移动荷载对桥梁结构损伤识别结果的影响。

唐启智等[25]针对传统损伤识别方法
不易区分多损伤状态以及难以辨别预测结果可靠性的问题，提出了一种基于自回
归（Autoregressive，AR）模型和高斯过程（Gaussian process，GP）的损伤识
别方法。

周建庭等[26]为进一步提高结构损伤识别精度，提出了一种融合Kalman
滤波与广义自回归条件异方差（GARCH）模型的结构损伤识别方法。

2 健康监测系统的发展趋势
2.1面临的关键问题
在桥梁监测数据分析评估方面，目前大多数做法是采用各类传感器对结构响
应信息进行长时间采集，并从中提取结构指标变化的方法，提取结构指标变化的
监测数据后，进一步的采取不同的理论方法来进行传感器数据报警及结构安全状
态评估。

主要的方法包括基于结构响应包络理论的评估方法、基于时变可靠度的
评估方法及基于结构劣化效应的评估方法等。

综合国内外在该领域的研究情况，
其主要问题有：
1）重系统建设，轻数据分析与挖掘。

对于长大桥梁健康监测而言，其监测
数据以每天几GB、十几GB的量级累积，大量桥梁的海量数据束之高阁，未充分
发挥作用；很多健康监测系统的展示作用大于其对桥梁管养的支撑作用，业主及
管养单位对此意见较多。

2）现有结构损伤诊断方法在准确性、及时性等方面难以满足实际需求。

目
前基于健康监测数据的评估难以准确掌握桥梁实际的损伤及安全状态；尽管基于
模态参数识别理论与方法得到较多的研究与应用，但基于动力测试的损伤诊断研
究大都为数值模拟和模型试验，实际成功应用较少；传感器数量与结构尺度之间
的不适应性如何跨越也有待研究。

3）数据的处理方法有待进一步研究。

如何有效开展异常监测数据的处理、
结构环境数据、响应数据、性能数据、变化数据等综合分析，如何结合力学理论、数值模拟、机器学习等多种手段来解读数据、让数据说话，都是需要研究的问题。

4）对监测系统及数据存在的差异性及更有针对性的报警、评估方法的研究不足。

不同桥梁结构、不同的健康监测系统，其数据内涵及意义是不同的，数据对结构响应、结构变化的反映程度是不同的，充分挖掘数据在不同时间、不同场景的差异、规律及其关联性特征，据此提出合理的报警设置方法及评估方法具有现实需要。

5）悬索桥及吊杆拱桥的短吊杆监测与评估存在明显短板。

鹅公岩轨道桥短吊杆断裂及多座拱桥短吊杆断裂事件都揭示了目前在短吊杆损伤监测与管养方面存在不足，值得开展关键技术攻关。

2.2 未来发展趋势
（1）桥梁结构监测传感器是获取多源海量服役环境和结构状态数据的源头保障，先进传感技术的研发和应用一直以来是桥梁健康监测领域的研究热点。

目前，研究人员在光纤传感监测技术、计算机视觉监测技术、无线传感监测技术、声发射传感技术已开展大量的理论与试验工作，如何实现在实际桥梁健康监测系统中开展长期应用和性能验证是后续研究工作的重点。

（2）桥梁结构模型修正方面，传统基于有限元模拟分析的模型修正逐渐被数据驱动的方法所代替，未来的发展趋势应该是结合大数据、深度学习和人工智能等技术的模型修正方法。

（3）结构损伤识别一直是桥梁监测与评估领域的研究热点，已有大量的研究工作和成果，但距离实际应用尚有较大差距。

在实际工程中，各种环境因素引起的结构响应变化甚至会掩盖结构损伤引起的变化，严重影响损伤识别的准确性和实用性。

当前，现有的工作主要集中在损伤识别方法的研究，发展能应用于工程实际的损伤诊断技术将是今后的研究重点。

（4）在桥梁结构状态与安全评估方面，以结构响应或外荷载效应监测数据为基础，研究在温度、风环境、地震、车辆等荷载作用下的桥梁服役状态与结构安全备受关注。

目前，基于监测数据的桥梁结构状态和安全性评估已开展了大量的研究工作，针对海量、冗余、复杂的监测数据，提出智能化的分析处理方法，
实现复杂桥梁结构的实时状态和安全评估，建立智能化桥梁结构安全预警系统，具有重要的工程实际意义。

3 结语
从已修建桥梁的数量而言，作为世界第一桥梁大国，中国已建成全球材料和结构形式最多样、区域人口最密集且交通任务最繁重、带病服役桥梁数量最多的最大规模在役桥梁群，公路铁路桥梁保有量达百万座级。

坚持问题导向、需求主体、技术为用、创新驱动，通过多学科的深度交叉融合，突破设计、建造和运维的技术瓶颈，为我国桥梁的创新性发展巩固基础。

通过桥梁的监测、检测数据综合运用，将桥梁的安全状态、病害预防和病害诊治一体化集中管理。

利用高质量技术推动桥梁高质量发展，实现智慧桥梁和桥梁的智能运维，对建设交通强国、保障民生安全具有重要意义。

4 参考文献
[1]罗浩恩.桥梁结构健康监测系统传感器自诊断方法研究[D].重庆大学, 2016.
[2]郭旭,骆勇鹏,王林堃等. 基于CNN与DCGAN的结构振动监测传感器故障诊断及监测数据恢复[J/OL].铁道科学与工程学报. 2022:1-11.
[3]安星,刘纲,张亮亮等. 基于累积残差贡献率的传感器故障定位方法[J].土木与环境工程学报（中英文）, 2019, 41(2): 7.
[4]丛茂林.考虑随机特征的空间结构传感器优化布置及损伤识别[D].北京工业大学,2014.
[5]张晶.面向评价方法的钢管混凝土拱桥监测方法研究[D].大连海事大
学,2018.
[6]姜绍飞,杨博,吴兆旗.基于易损性分析的桁架桥传感器布设方法[J].工
程力学,2010, 27(S2): 263-265+271.
[7]刘永前,张彦兵,王新敏.埋入式F-P光纤应变传感器的疲劳性能试验研究[J].传感技术学报, 2006(04): 1219-1222.
[8]赵扬阳.基于多模干涉的光纤超声波位移传感器系统的优化研究[D].东南大学, 2018.
[9]Li F, Du Y, Sun X, et al. Sensing performance assessment of twisted CFRP with embedded fiber Bragg grating sensors subjected to monotonic and fatigue loading[J]. Sensors and Actuators A: Physical, 2018, 271: 153-161.
[10]朱芳,符欲梅,陈得宝.基于SVR的桥梁健康监测系统缺失数据在线填补研究[J].传感技术学报, 2018, 31(05): 726-732.
[11]颜飞,张兴,李万杰等.桥梁建筑质量运营监测数据处理仿真研究[J].计算机仿真, 2019, 36(01): 441-444.
[12]FU Y G, PENG C, GOMEZ F, et al. Sensor fault management techniques for wireless smart sensor networks in structural health monitoring[J]. Structural Control and Health Monitoring, 2019, 26(7): e2362: 1-21.
[13]陈永高,钟振宇.基于改进EEMD算法的桥梁结构响应信号模态分解研究[J].振动与冲击，2019,38(10):23-30.
[14]王海波,叶如珊,杜武.一种基于EMD和小波阈值的桥梁振动信号混合去噪方法[J].公路, 2021, 66(12): 110-116.
[15]Singh P, Sadhu A. Limited sensor-based bridge condition assessment using vehicle-induced nonstationary measurements[J]. Structures, 2021, 32(10): 1207-1220.
[16]Liu Z, Guo T, Hebdon M H, et al. Corrosion fatigue analysis and reliability assessment of short suspenders in suspension and arch
bridges[J]. Journal of Performance of Constructed Facilities, 2018,
32(5): 04018060.
[17]陈小雨,唐茂林.温度和湿度环境下未镀锌高强钢丝的腐蚀速率谱[J].西南交通大学学报, 2018, 53(02): 253-259.
[18]李晓章,谢旭,潘骁宇等.拱桥吊杆锈蚀高强钢丝疲劳性能试验研究[J].土木工程学报, 2015, 48(11): 68-76.
[19]杨慧,李奉阁,闫维明等.基于ANN和动应变的梁桥移动荷载识别及试验[J].振动、测试与诊断,2018,38(02): 305-313+419.
[20]李忠献,陈锋,王波.基于BP神经网络的桥上移动荷载分阶段识别方法[J].工程力学,2008(09): 85-92.
[21]赵煜,李冉冉,周勇军等.基于BP神经网络的桥梁移动荷载识别精度[J].科学技术与工程, 2021, 21(15): 6446-6453.
[22]梁杰明,刘逸平,陈敬松等.基于移动主成分分析特征的智能损伤诊断方
法[J].合肥工业大学学报(自然科学版),2020,43(12):1662-1667.
[23]杨建喜,张利凯,李韧等.联合卷积与长短记忆神经网络的桥梁结构损伤识别研究[J].铁道科学与工程学报,2020,17(08):1893-1902.
[24]袁明贵,辛宇,王佐才等.基于高斯贝叶斯网络的大型钢桁梁桥损伤识别[J/OL].铁道科学与工程学报. 2022 : 1-10.
[25]唐启智,辛景舟,周建庭等.基于AR-GP模型的结构损伤识别方法[J].振
动与冲击,2021, 40(09): 102-109.
[26]周建庭,李晓庆,辛景舟等.基于Kalman-GARCH模型的结构损伤识别[J].振动与冲击, 2020, 39(6): 8.。