李笑林， 杨 璐， 许 镇， 黄雅楠， 代 鹏

(1. 北京工业大学 城市与工程安全减灾教育部重点实验室， 北京 100124； 2. 北京科技大学 土木与资源工程学院， 北京 100083)

建筑结构在设计、施工过程中可能由于设计承载力不足或者施工方法不规范等因素导致结构的损伤和破坏，在运行维护阶段由于疲劳、环境影响或者材料老化等因素也可能造成结构的损伤累积和破坏[1]。由结构损伤引起的工程事故不仅会造成巨大的经济损失，还可能造成人员重大伤亡。因此，为预防工程事故发生及最大程度保障生命财产安全，建筑结构在施工及运行维护阶段的安全健康监测受到广泛关注。为确保建筑结构的安全性及耐久性，建立一套操作简便、稳定性好、准确可靠的结构安全评定方案是十分必要的。而传统建筑结构安全监测系统中，多因为传感网络损坏、失效或者损伤判定方法不够完善等原因，无法实现实时、长期、稳定的结构安全监测过程。

随着新型材料的涌现、传感技术和通信技术的快速发展以及损伤识别理论的完善，智能化的结构安全监测方案应运而生并逐步应用到实际工程当中。目前在实现建筑结构安全监测智能化方面，主要研究方向是通过采用更精确便捷的传感技术、更稳定快速的数据传输方法以及更准确高效的建筑结构安全诊断与评定方法等来提高监测效率及稳定性，相比于传统监测方法具有突出的优势[2]。本文从传感设备选择、数据传输以及结构安全评定方法等方面对建筑结构智能化安全监测方法的相关研究进行了总结和归纳，阐述了该方法的优劣势，并对其未来的研究趋势进行了展望。

1 新型传感设备与技术

传感网络是建筑结构安全监测中最基础的模块，根据监测内容的不同，选择合适的传感设备十分关键。在传统监测系统中，多采用以电信号作为传输信号的传感器。由于温度影响带来的普通传感元器件的零点漂移问题将导致数据测量误差较大；此外传感器损坏以及环境对信号的干扰导致数据传输不够稳定，而且传感器维修不便，所以实际工程中的结构安全监测系统往往不够可靠，且无法发挥其实际作用。近年来，出现了不少测量准确稳定、操作便捷的传感设备和测量技术，具有较好的工程应用前景。本文根据建筑结构监测内容的不同，从局部和整体监测两方面对相关传感设备和测量技术进行了总结与归纳。

1.1 局部监测

传统的结构局部监测传感设备因为本身材质及传感原理的问题易受到电磁干扰，环境腐蚀等侵害且埋设困难，布线过于复杂，寿命低，无法保持实时、在线、稳定的测量，所以需要性能更加良好，操作更加便捷的传感设备。

智能材料[3]是集感知、驱动和信息处理于一体，具备自感知、自诊断、自适应、自修复等功能的一类材料。在建筑结构的安全监测过程中，利用各种智能材料特性制作的智能传感器相比于传统传感器，具有性价比更高、精确度更高、可靠性更高、功能更多样、集成度更高等优势。目前应用较为广泛的智能材料传感器包括光纤光栅传感器、压电材料传感器、形状记忆合金等。

1.1.1 光纤光栅传感器

光纤传感器是基于光信号传输过程中其强度、波长、相位、频率、偏振态等光学性质会受到温度和应力等环境因素的影响而发生变化的工作原理。通过分析经调制后的光信号，即可分析出温度、应力等参数的大小。光纤光栅传感器(Fiber Bragg Grating，FBG)是一种波长调制型光纤传感器，由于光纤光栅采用波长调制，因此不受光强、相位和功率等参数的干扰，是目前应用最广泛的一种光纤传感器。

FBG传感器具有质量轻、体积小、灵敏度高、耐腐蚀、抗电磁干扰等优势，同时由于光波的传输频带较宽，便于时分和频分多路复用，可实现多种信号、大量数据的实时监测。将FBG传感器按照各种拓扑结构排列实现多路复用，可以对沿光纤传输路径上的空间分布和随时间变化的信息进行准分布式测量，工作原理如图1所示。Mendez等[4]在混凝土结构安全监测中，首次尝试采用了FBG传感器，并取得了良好的效果[5]；美国LaLs Cruces 10号洲际高速公路的钢结构桥梁上安装FBG传感器，用于监测桥梁在车辆等动态荷载作用下的响应和损伤情况等；香港青马大桥采用FBG传感器实现了对结构的应变及温度响应的实时监测[6]。

图1 光纤光栅传感器分布式测量原理

另外FBG传感器耐腐蚀的特性，使其在恶劣环境下仍能有效准确地进行数据采集，比如大坝或油气管道安全的实时监测[7,8]。赵廷超等[9]讨论和分析了在机敏结构中埋入FBG传感器，对结构内部状态参数的无损检测以及对结构整体性、安全性评估的方法，赋予了建筑结构感知特性，推动了FBG传感器在国内的相关研究以及在建筑智能化领域的应用。

FBG传感器的封装技术同样关键，在起到保护作用的同时不能对监测数据产生影响，国内外学者通过不同的封装方法，提高 FBG传感器的寿命并保证信号传输的稳定性。梁磊等[10]研究了FBG传感器与混凝土结构的相容性，并研制出一种利用环氧保护层的新型FBG传感器，使传感器能适应恶劣环境，并在建筑结构发生大变形的情况下不会断裂。Sheng等[11]研制了一种新型的FBG压力传感器，将传感器封装于填充了硅橡胶聚合物的金属管中，外界压力可通过压缩聚合物使内部FBG产生轴向应变。

FBG传感器多用来监测结构的应力、应变和温度等参数，因为光纤监测参数频率范围有限，一般用于监测静态或者低频信号，多用于评估诊断结构的振动、强度、变形、裂缝、损伤、钢筋锈蚀以及施工质量。但光纤传感器依然存在不少待解决的问题，一方面是光纤传感器布设的辅助设备需求多，布控存在困难，本征型光纤传感器的造价还是相对较高；另一方面目前光纤传感器的分布式测量还停留在线式，无法上升到面和体的分布式测量，后续还需要进一步研究。

1.1.2 压电材料传感器

压电材料传感器是一种基于压电效应的传感器，压电效应[12]根据压电转换机理可分为正压电效应和逆压电效应。压电材料传感器多利用正压电效应对压力、变形等进行监测，利用逆压电效应制成的压电材料驱动器可以用来实现结构的主动控制，对结构外部扰动和结构反应实现联机实时跟踪和预测，并通过驱动器对结构施加控制力来改变结构的系统特性，使结构和系统性能满足一定的优化准则[13]。

压电材料主要包括压电晶体、压电陶瓷、压电薄膜、压电聚合物和压电复合材料，目前研究和应用较多的是压电陶瓷材料传感器。压电材料响应速度快、频响范围宽、灵敏度较高、监测结果准确可靠，由于压电材料输出的是电荷信号，信号强度不受传输线路长度影响，且不存在零点飘移问题，稳定性更好，具有明显的优势[14]。

压电陶瓷传感器监测根据有无激励元可分主动和被动监测。Gu等[15]将多个压电陶瓷传感器嵌入混凝土结构中不同截面处，形成网络，利用输出波幅值大小可有效监测混凝土内部裂缝开展情况。黄泳水[16]采用埋设或贴附压电陶瓷传感器的方式，根据检测的应力波信号变化对木结构内部含水量及表面裂缝空洞进行了有效监测。在主动监测中除了监测输出信号的方法还可通过测量压电陶瓷的电阻抗变化进行结构监测。Ayres等[17]采用压电陶瓷传感器对钢桥模型节点连接质量进行监测，利用电阻抗变化作为损伤识别参数有效监测了螺栓连接节点松动引起的局部损伤。Tseng等[18]利用压电陶瓷传感器对铝板上不同损伤进行监测，根据PZT换能器导纳(阻抗的倒数)的变化，确定损伤位置及程度。

被动监测多利用外界的环境激励作为输入信号，无需单独设置激励元。石荣等[19]采用压电阵列对柔性结构的损伤进行监测，根据传感器所得到的结构应变信息来反映结构的损伤位置和程度。Song等[20]将压电陶瓷传感器埋入混凝土梁中，用来监测高速路桥上超载货车撞击响应，发现压电陶瓷传感器可有效反映结构在撞击荷载下响应，且信号输出随荷载增大呈线性增长。

压电陶瓷具有高阻抗性，对于测量频率太低的被测量及静态量，由于信号变化过小甚至无变化，无法有效进行识别，所以压电陶瓷传感器更适于测量动态力学量，因此一般压电陶瓷传感器多用于结构动态参数测量和结构所受冲击荷载的识别与定位[21]。

1.1.3 形状记忆合金

形状记忆合金(Shape Memory Alloy，SMA)是一种同时具有自感知、驱动和耗能特性的多功能材料，SMA广泛应用于航空航天、机械电子、生物医疗等领域。近年来随着材料加工技术创新和工业生产能力的提高，SMA开始在土木工程领域得到应用，利用SMA的多功能特性可以实现土木工程结构的一些智能特性。目前，形状记忆合金主要应用于裂缝、损伤变形、振动的主动控制方面的研究以及砌体结构、钢筋混凝土结构的被动抗震设计研究。

Park等[22]利用压电材料的感知能力与SMA的驱动能力，研制了一种能够自动感测螺栓损伤并且能够恢复损失预拉力的螺栓连接器。Li等[23]利用SMA智能阻尼器的感知特性提出具有损伤自监测和自修复特性的智能结构，并通过试验验证了SMA的自感知特性、耗能特性和驱动特性。杨文静等[24]利用SMA的特性来弥补FRP混凝土框架结构延性性能差、耗能能力不足的缺点，有效提高了该类结构的抗震性能。

智能材料一般分为两大类：第一类是对外界条件或者结构本身应力、应变、温度、光、磁和辐射等具有感知能力，可用来制作传感器。另外一类是对于外界条件改变做出响应，具有执行能力，可用来制作驱动器。随着智能材料的研究与发展，智能结构也被提了出来，智能结构是将传感元件、驱动元件和控制系统结合或者融合在基体材料中所形成的一种材料(器件复合结构)，其以仿生的方式感知结构系统内部状态和外部环境，并能够及时对自身的行为做出判断和响应。

上文介绍的压电材料和形状记忆合金同时具备感知能力与驱动能力，可使智能化结构监测与自我调节修复能力集成化程度更高。虽然该类型智能材料目前还处于研究阶段，工程中实际应用较少，但应用于智能结构是未来必然的发展趋势。智能材料传感器与驱动器的结合将使结构自诊断自修复成为可能[25]。比如大型混凝土结构中一些关键部位对于裂缝和损伤极其敏感，一旦出现损伤很容易造成重大事故，利用SMA、压电材料等对于应变敏感、电阻抗高的特点及驱动功能，再结合微处理器即可实现完整的监测控制系统。当裂缝开展或者损伤出现时，微处理器会判断损伤程度及位置，通过识别判断损伤信号是否达到设置的阈值，如果超过阈值，微机控制系统会自动释放控制信号。可通电加热使SMA发生变形，裂缝处SMA产生的恢复力随裂缝宽度增大而增加，可使裂缝闭合或者减小，为了简化该过程也有利用SMA本身的伪弹性实现自主控制。对于压电材料来说，可通过对其施加不同形式激励实现驱动功能，原理与SMA相同。将结构的安全监测系统上升到自感知、自诊断、自修复的智能结构层面是未来建筑结构工程的重要发展方向。

1.2 整体监测

在建筑结构安全监测过程中，除了要对结构的关键部位或重要构件进行局部监测以外，还需要对结构的挠度、位移或者振动进行整体监测与控制，目前常见的传统监测仪器包括水准仪、经纬仪、激光测距仪和全站仪等。这些传统的几何变形监测方式虽然精度、准确性等都能得到保障，但是耗时耗力且无法实现动态、连续、实时在线的建筑结构安全监测模式。

随着电子技术、空间定位技术、自动控制技术、远程通信技术的不断发展，摄影测量法、GPS(Global Positioning Syste)测量技术、测量机器人等现代仪器结合通信网络的新型监测技术成为结构自动长期监测的发展趋势。这一类新型传感器以及测量技术减少了工程测量监测工作的人力与物力投入，使监测工作更加便利、准确，更趋向智能化。

1.2.1 摄影及视频测量技术

摄影测量技术指通过摄影获取被测对象的二维图像，根据不同角度的图像，建立三维模型，以此获取被测对象几何参数及空间坐标等信息。摄影测量技术是一种高效、非接触、无损的三维测量方法。视频测量技术其原理上与摄影测量相同，即根据视频图像挖掘信息，得到监测点的空间位置变化。初始的视频监控测量方法多是采用人工判断目标位置变化情况，但对于复杂环境很难实现，另外视频录制过程受到噪声的影响像素值波动较大难以进行定位[26]。但随着摄影测量技术、数字图像处理与三维地理信息系统等技术的快速发展，为视频监控测量提供了支持，近年来被逐步应用到建筑工程结构施工中，不仅能保证工程的施工质量，还可以利用视频监控为施工安全提供保障。

摄影测量技术相比于普通大地测量技术有很多优势：(1)可以在瞬间精确地记录下被测对象的几何信息，及时建立起各测点的空间位置关系，根据监测目的具有很强的灵活操作性；(2)记录的图像信息非常丰富，客观显示参数信息，适用于各种形状的监测对象；(3)可以对静态或动态不同形式的对象进行测量；(4)监测时不需要接触被测对象，所以可以在一些危险环境下进行监测；(5)与传统工程测量方法相比可减少作业强度；(6)便于将不同阶段被测对象工作状态的信息长期保存记录，方便后期进行分析比对。

目前，摄影测量技术的主要问题还是精确度和稳定性无法得到保证，国内外学者也提出了大量理论来消除和减小误差，其中图像边缘提取、相机参数标定、镜头畸变和三维模型重建等是主要的研究方向[27]。近年来，无人机倾斜摄影测量技术的提出不仅弥补了传统航空测量只能垂直拍摄的缺陷，同时进一步提升了摄影测量技术的测量范围与效率，吴熠文等[28]对该技术的相关研究进行了综述并对其在数字城市建设、桥梁滑坡监测与地形图测绘等工程领域的应用进行了总结。由于摄影测量的专用相机价格比较昂贵而且不够便利，为了适应工程建设需要，国内外不少专家学者在摄像机选择方面做了研究，通过使用普通的数码相机甚至是手机进行摄影测量，加快推动该技术在工程应用中的普及。

1.2.2 GPS技术

GPS技术[29]是指通过接收卫星信号，并对信号计算处理得出被测对象空间位置信息。该技术具有实时、连续、自动化程度高、不受气候条件影响等优势，随着整周自由度问题的解决，精度也能够得到保证，而且GPS测量时不需要保证各测站的通视，是相互独立的观测值，目前广泛应用于边坡、高层结构、桥梁等大型建筑结构的变形监测中。

GPS系统主要包括三部分：GPS卫星、地面监控系统和GPS信号接收机。观测人员只需要将GPS信号接收机安装定位，观测过程中监视仪器保持工作状态，后续的信号采集、分析过程都是系统能自动运行的，操作十分便利。GPS根据参考点的选择不同可分为绝对定位和相对定位。绝对定位又称单点定位，一般利用伪距差分法来定位测点，静态绝对定位的精度能够得到保证。但是在动态绝对定位时，因为测点是运动的，卫星轨道误差、卫星和接收机钟差、GPS信号传播误差等会对精确度产生严重影响。

基于载波相位差分的相对定位即GPS-RTK(Real-Time Kinematic)技术被提出来，其工作机理是设置一个基站若干流动站同时监测卫星信号，每个测站产生误差大概相同，利用差分组合可消除或者削减测量误差[30]。法国Normandy大桥、英国的Humber大桥和日本的Askashi Kaikyo大桥等均采用了GPS 技术；国内大连世贸大厦[31]采用GPS-RTK技术成功实现了对强风下结构的震动特性的观测；香港青马大桥[32]采用GPS-RTK技术实时在线监测桥身水平和垂直方向位移，发现该方法具有良好的测量精度。GPS技术可以在建筑结构受到强风、地震、温度变化影响的情况下准确测量变形，反映结构的工作状态。“3S技术”基于GPS、GIS(Geographic Information System)和RS(Remote Sensing)的高集成化地理信息管理系统将会是未来发展趋势，真正意义上实现完整的空间信息采集工作。

1.2.3 测量机器人

全站仪作为一种传统且应用广泛的测量仪器，具有操作简便、高效、精确度高等特点，在建筑工程测量工作中发挥着不可替代的作用。虽然操作简便，但全站仪需要在照准目标的基础上进行距离和角度的测量，这一步骤需要测量人员的直接参与。为了简化工作需要赋予全站仪自动识别目标与定位的新功能，智能全站仪被提出来。

智能全站仪在传统全站仪的基础上集成了CCD(Charge Coupled Device)摄像机和马达伺服机构，具有自动照准、测量、数据存储传输的功能，使整个测量过程更加智能化，也被称作测量机器人(Measurement Robot)或称测地机器人(Georobot)[33]。目前应用的智能全站仪中，瑞士徕卡公司生产的TCA型全站仪在操作、自动化、精确度及可靠性等各方面都有着更加突出的表现。

张学庄等[34]利用Georobot系统对五强溪大坝的变形情况进行监测，取得了良好的结果，也是国内Georobot技术现场监测的首次成功试验。王梦恕等[35]采用Georobot技术对地铁隧道施工围岩变形进行监测，避免了传统方法钢尺收敛计对施工的影响，同时也提高了测量精度与效率。张正禄等[36]分别采用Georobot与GPS技术对三峡工程近坝库岸滑坡的变形进行监测，通过对比分析发现Georobot适用于对精度要求较高的情况，而GPS技术适用于对边长和地面通视有一定要求且滑坡范围较大的情况。所以近年来在实际工程中也有不少将GPS技术与测量机器人结合起来进行结构的监测，扩大可测量范围并保证较高的测量精度。目前大多数的Georobot需要照准目标上设置的棱镜来进行测量，而根据物体的特征点、轮廓线和纹理进行测量的方法还无法保证较高的精度，需进一步研究。

在实际工程监测中，可根据监测对象的特性以及监测需求，综合利用不同的传感设备及监测技术，发挥各自的优势，保证测量精度的同时，简化测量工作提高效率，使监测过程更加智能化。

2 数据的智能传输与处理

对于大型建筑结构监测时由于需要布置大量传感器，传统的有线传感器网络在电路和数据传输路线布设和维护上耗费大量人力物力，而且传输线路过长可能会影响数据传输的稳定性，在某些特殊环境下还可能存在无法布设网络的情况。随着传感器技术、无线通信技术和微机电系统的不断完善，无线传感网络发展起来。无线传感网络[37](Wireless Sensor Network，WSN)的传感节点集成了传感器、数据处理单元以及无线通信模块，并通过无线信道相连接，能够实时感知、监测、采集目标信息并实现初步处理，通过网络自组织和多条路由传输至网关处，最终可通过多种方式(如互联网，局域网，移动网络)实现外部网络通信传输至观测者处，如图2所示。

图2 无线传感网络原理

无线传感网络日趋成熟，同时推动了物联网技术在土木领域的应用与发展。物联网[38](The Internet of Things，IOT)目前最主流的定义是：通过信息传感设备，按照约定的协议，将任何物品与互联网连接起来，进行信息交换和通信，以实现智能化识别、定位、跟踪、监控和管理的一种网络。物联网不仅在建筑结构安全监测中能够发挥巨大的作用，同时也为整个建筑施工及运维阶段的“四管三控一协调”等各方面工作提供了巨大的便利，而物联网在建筑工程领域的应用，也标志着建筑智能化时代的正式到来。这里只对物联网在建筑结构安全监测方面的应用展开说明。

张全升[39]指出利用物联网技术建立完善的结构安全监测体系是未来结构监测的重要发展趋势。朱仕村等[40]就桥梁监测过程对海量数据存储分析的问题，提出基于物联网的云计算技术，将不同监测结构的数据存储于云端，由第三方来管理，大大简化了数据分析的难度和软硬件技术投入。这是国内提出利用物联网进行结构监测最早的一批学者。

物联网技术在建筑结构监测中的应用带来的不只是单一结构监测过程中数据传输、存储和分析的便利，更重要的是随着物联网技术的发展，实现工程结构区域化集群监测将成为可能。所有工程结构监测数据都存储于云数据库，由第三方运营商统一进行分析处理和后期的管理工作，不仅能够节省人力物力，还能够根据经验简化监测模式，并根据不同结构类型制定标准的监测方案。距离这一目标的实现还有很长的路要走，要想实现万物互联的关键是海量的连接与低延迟，而近来5G技术的发展为其提供了可能。5G无线网络相较于4G具有更高的速率及更大的容量，由于其低时延、广域覆盖、超密集组网、海量链接等技术特点，在未来一定能够满足物联网的需求[41]。

3 结构损伤识别

按照监测范围，结构的损伤识别可分为局部法和整体法。利用局部法对结构整体进行安全评价还存在很多问题，一方面，大量的仪器设备成本、安装费用过高，另外局部法对于某些不易接近的损伤部位无法胜任。整体法是通过对比结构全局参数与模型理论数据，基于结构整体的物理参数与模态参数变化，来进行损伤识别，目前在建筑工程健康监测中应用最为广泛。Giraldo[42]在其博士论文中将结构整体的损伤检测与识别分成三种类型：基于动力、静力特性的方法以及结构的直接检测方法，这里不对直接检测法进行说明。

3.1 基于动力参数的损伤识别

当建筑结构运维使用阶段发生损伤时，会不同程度地引起结构参数如质量、刚度和阻尼的变化，进而导致结构自振频率、振型和阻抗的变化，基于动力特性的结构损伤识别技术早在20世纪80年代就开始应用于土木工程领域。常见的有根据结构模态频率、模态振型、曲率模态、模态应变能、柔度矩阵和频响函数的损伤识别方法。

Cawley等[43]提出基于结构固有频率的变化来识别结构的损伤情况，通过铝板和碳纤维复合板的实验验证了如何利用固有频率实现对结构单一损伤的监测、定位和量化分析。Salawu等[44]对根据频率的结构损伤方法进行总结归纳，论证了固有频率对于建筑结构完整的敏感性。国内也有多位学者[45～47]利用实验对基于频率损伤识别的可行性及准确性进行了验证。但是固有频率一般对于整体结构的损伤较敏感，在识别局部微小损伤和多损伤问题上，目前多采用多阶频率组合和频率变化量的灵敏度来进行识别。

West等[48]利用基于振型变化的损伤识别方法进行飞机尾部舱壁的安全检测。基于振型变化的损伤识别方法按照判别依据一般分为模态保证准则[49]和坐标模态保证准则[50]，这种方法不仅能够识别局部的损伤，对于确定多损伤位置也具有良好的效果。但结构损伤状态下振型一般在高阶模态中才会有明显变化，实际监测过程中高阶振型不易测量而且受到噪声的影响精确度也无法保证，因而两种判别准则识别误差较大，限制了基于振型变化的损伤识别方法的发展。

Pandey等[51]提出基于曲率模态变化的损伤识别方法，利用悬臂梁和简支梁两种模型，验证了曲率模态变化与损伤的联系。曲率模态是根据振型模态采用中心差分法求得，相比基于振型的损伤识别法省去了模态信息处理的过程，无需结构本身的参数信息，可直接进行损伤诊断。该方法对于局部损伤敏感，但在损伤微小的情况识别效果不是很理想，对于损伤位置过多的情况可能会出现误判。国内外学者[52～56]通过联合频率和曲率模态，采用多种曲率指标及不同阶曲率模态等方式改善了基于曲率模态的损伤识别方法。

Chen等[57]提出利用模态应变能的变化来检测大型空间结构的损伤情况，结构的单元模态应变能与单元刚度和单元振型分量有关，相比于单一采用模态信息进行损伤识别的方法具有一定优势。贺国京等[58]发现在结构损伤定位中，采用模态应变能的方法只需要得到1，2阶模态即可得到很好的效果，高阶模态可用来进一步提高精度。基于模态应变能的损伤识别方法目前主要分为基于位移模态和应变模态两种模态应变能损伤定位法。经大量实验研究和数值模拟发现模态应变能对局部损伤敏感度高于位移类型的损伤识别指标，具有更好的抗噪性能。

与刚度矩阵相比，利用柔度矩阵进行结构损伤识别时，低阶模态起主导作用，在实际测量中更容易获取，另外柔度矩阵不会随结构质量的变化而改变，这就避免了模型误差的影响。Pandey等[59]首先提出了基于柔度矩阵的损伤识别法，但在研究中发现无法有效定位多点损伤。Bernal等[60,61]提出基于柔度矩阵变化的损伤定位向量法和随机激励下的损伤定位向量法，解决了多点损伤定位问题，推动了该方法在损伤识别中的应用。Catbas、唐小兵和李永梅等[62～64]采用柔度曲率进行损伤识别，提高了识别精度，而且识别过程不需要原始结构模态信息，更便于实际应用。

Yam等[65]研究了动力参数对于板式结构损伤的敏感性，发现结构的曲率模态和应变频响函数具有更好的鲁棒性，而利用应变频响函数进行损伤识别更简单、更有效。Liu等[66]对基于频响函数的损伤识别方法进行了详细的理论和推导，并指出该方法能够直接利用测量数据无需模态识别的过程。Maia等[67]提出基于频响函数曲率的损伤识别方法，论证了该方法能有效识别损伤位置和程度，但是对于多损伤问题无法准确定位损伤位置。郭惠勇等[68]提出了一种二阶段损伤识别方法，在确定损伤前结构频响函数的前提下，只需要测量损伤后一列的频响函数，即可实现损伤的初步定位，再根据推导出的损伤定量分析公式实现精确定位和程度判定，对于多损伤识别具有良好的效果。然而，频响函数在人为激励下，采用标准的信号输入输出才能测得，对于某些大型建筑结构采用环境激励的方式无法直接测量频响函数，这一点制约了该方法在工程损伤检测中的应用。

3.2 基于静力参数的损伤识别

建筑结构发生损伤时，刚度会发生退化，相同静载下结构的静力响应如位移、应变等参数会发生变化，也能反映出内部损伤情况。基于静力参数的损伤识别方法中，要达到足够的精度对测点数目和位置有严格要求，对于特定结构的不同静载下，不敏感的构件还可能无法做出损伤反应，但是识别原理比较简单、监测成本较低，静力特性如位移和应变等数据的测量也非常容易，在建筑工程损伤识别中具有广阔的应用前景。

Snayaei等[69]基于有限元提出一种在静载作用下线弹性结构的刚度参数识别方法，结构单元刚度可以通过施加的静载和在结构的主自由度子集上测得的位移数据来确定，但该方法中施加的静载和测量的位移必须要求在同一自由度子集上。Snayaei等[70]后续又提出在两组不同的自由度上施加力和测量位移，这两组自由度可以完全重叠、部分重叠或不重叠。这种迭代求解和其收敛速度取决于函数的网络拓扑结构、独立测量数量和待识别参数，经试验验证选择更多独立的测量和对未知参数更加敏感的自由度可以加速收敛，准确识别参数。Yam等[65]研究了静、动力参数对于板状结构损伤的敏感性，在静力分析中，基于有限元模型对比分析了平面外挠度、挠度斜率和曲率三种静力参数在损伤前后的变化情况，发现挠度曲率是信息含量最大的参数。

崔飞等[71]针对桥梁安全监测问题，提出了基于静态应变及位移的结构刚度参数识别方法，通过数值模拟分析证明，只要有足够多的可靠结构参数信息，基于结构静态响应的参数识别效果相当理想。陈孝珍等[72]将灰色相关理论应用于基于结构静力参数的损伤检测方法，利用静态位移曲率判定结构是否发生损伤，通过最小二乘法求解非线性优化问题确定损伤程度。蔡晶等[73]基于结构静态参数在损伤前后的变化，提出了概率分析方法进行损伤识别，根据分析模型与实际结构之间主要存在的误差提出两种参数识别方法，并通过对比分析了在测量误差存在时两种方法的性能，最后利用假设试验验证了概率参数识别算法的有效性和准确性。

3.3 动静参数相结合的损伤识别

基于动力、静力特性损伤识别方法都存在各自优势及局限性，表1是两种方法的优缺点对比。在基于结构动力特性和静力特性的损伤识别方法研究基础上，一些学者同时采用动静力参数进行结构的损伤识别。

表1 动、静损伤识别方法优缺点的比较

由于结构的高阶模态不易测量，无法达到良好的损伤识别效果，Hajela等[74]提出利用低阶频率和振型以及在静力作用下的位移来近似模拟结构的高阶模态信息，从而提高损伤识别结果的准确性。

陈晗[75]利用钢桁架模型的动力和静力试验研究，得到了其模态参数、荷载-位移特性等力学参数变化，并验证了结构一阶固有频率和结构静刚度具有一一对应的关系，根据误差分析确定频率变化4.8%为该损伤识别方法的最小分辨率。

王茂龙等[76]研究了动-静结合的损伤识别法在砌体结构损伤识别中应用的可行性，采用频率变化值Δω和静态位移变化值Δμ定义损伤信号DS为：

(1)

发现依据有限元分析及实测得到的位移、频率定义的损伤识别指标可有效识别出结构的破损位置。

徐典[77]提出利用动静态结合的新指标进行结构损伤识别，利用桁架结构损伤的有限元分析，分别对动态、静态及动静结合三种指标变化进行对比，发现动静态结合的新指标更加敏感，而且可以在一定程度上去除非损伤单元对识别的影响。

4 结构安全诊断与评定的智能算法

根据上文提到的结构损伤识别方法不难看出，大部分损伤识别方法多基于物理模型，利用监测信号在结构安全及受损状态下的差异性进行对比，从而确定损伤位置及损伤程度；或者利用结构可监测信息推导出结构单元刚度矩阵进行结构损伤分析。结构损伤识别可以看作是利用反映结构损伤信息的指标参数变化来识别结构物理参数的改变，进而评定结构损伤及破坏情况。随着大数据时代的到来，人工智能算法被逐步应用到建筑结构的安全监测与评定上，常用的方法有神经网络法、遗传算法、贝叶斯网络、专家系统、灰度理论和模糊理论等[78]。

神经网络具有强大的特征提取与抽象能力，在数据处理方面具有巨大优势，神经网络在损伤识别中应用的原理是：根据结构在不同损伤状态下的反应，通过特征抽取，根据工程测量数据或仿真分析数据建立损伤分类训练样本集，用于训练神经网络，利用神经网络自学习、自适应识别和联想记忆特性，建立结构损伤识别指标与损伤状态之间的复杂映射关系，这是传统的数据拟合方法不易做到的。通过映射关系我们可以将结构安全监测中损伤指标的识别问题，转换为某些易于获取的结构参数的测量，大大简化了监测过程，所以神经网络法在建筑结构安全监测方面的应用有着巨大的优势。

虽然神经网络具有良好的鲁棒性，但网络结构的收敛情况以及分析模型的有效性与稳定性还是会受到参数测量误差和分析模型建模误差的影响。针对误差的问题，大量学者通过损伤识别指标选择和分级识别的方法进行了研究。Elkordy等[79]将结构损伤前后振型差或振型比作为损伤识别指标，以减小有限元分析模型建模误差的影响。于德介等[80,81]考虑到结构高阶模态不易测量的问题，分别以结构损伤前后柔度变化和残余力向量变化作为损伤识别指标。杜德润等[82]提出基于神经网络法的两级结构损伤识别方法，研究表明，由于神经网络数据分析的良好鲁棒性及两级识别策略，在解决模型和测量误差等外界因素的影响以及提高损伤诊断效率方面有重要的作用。

Barai等[83]利用神经网络法对桁架桥进行损伤检测，以在下弦杆移动荷载作用下节点位移响应作为神经网络的输入参数，用各杆件面积变化表示损伤状态并作为网络的输出参数，但识别过程发现节点的选取非常关键，以少量的节点信息作为网络输入的网络性能反而更好。李林等[84]发现大型复杂结构由于训练数据过多，计算量巨大，容易造成网络不易收敛和泛化能力较差的问题，在分步识别基础上，作者提出通过优化测点，利用不完整的、局部的、多种测量信息来分析结构整体损伤情况的方法。

理论上为识别若干组待识别参数建立完全线性无关的若干组关系方程十分困难，传统数据处理方法中大部分情况都会出现方程的病态问题或奇异解的问题，而对于神经网络法可能出现不收敛情况；另外实际测量过程中如果监测点过多传感器不方便布设而且成本也非常高，测点之间也会出现互相干扰的情况。测点优化是非常重要的研究内容，需要满足：(1)通过最少的测点获取最全面准确的结构参数信息；(2)所测得的模态与分析结果有对应关系；(3)对于重点部位合理增设测点；(4)测点布设要使数据分析结果具有鲁棒性。目前应用于测点优化的方法包括：(1)模态动能法：根据所测结构每一个目标振型绘出相应的模态动能分布图，然后将测点设置在模态动能较大的位置上，这将有利于参数识别，并为模态识别提供更高的信噪比；(2)有效独立法[85]：通过实验和理论分析，消除对目标模态向量线性无关、贡献最小的自由度；(3)遗传算法[86]：基于基因多点突变，辅以交叉变异，使算法可以推出全局最优，还包括Guyan模型缩减法、奇异值分解法等。

贝叶斯网络是运用概率推理的方法建立变量集合之间依赖关系的网络结构，是一种常用的信息融合方法[87]，也是目前不确定性知识表达和概率推理领域中最有效的理论模型之一。在建筑结构施工及长期的运行维护过程中，会产出多源信息，参数种类多且杂乱，而贝叶斯网络在处理参数间不确定性上具有很大的优势。在结构安全监测过程中，设备可能发生损坏会造成部分数据缺失，极大影响了结构安全诊断效果。而贝叶斯网络可以通过对有效信息处理从而对缺失数据进行估算和修补，能够保障建筑结构安全监测系统的长期、稳定运行[88]。只有综合利用好各信息源的互补性才能真正实现准确稳定的结构安全评定，目前在实际结构监测中对于不同结构、不同构件、不同材料的参数采集往往是多种信息源，不具有统一评判标准，而贝叶斯网络作为综合性极强的数据源系统处理方式，可以依据其中条件独立，条件推理等概率评估方式合理有效地实现结构的安全评定[89]。与神经网络法相类似，由于该方法的有效性极大依赖于网络结构的建立，而在土木领域结构性多样且复杂，没有一个统一的网络结构设计标准和规范，目前该方法的主要研究方向在于利用改进算法或结合专家系统等方式来提高网络性能[90,91]。

遗传算法在建筑结构损伤识别的应用方法是：将已知的损伤问题表示为染色体，组成染色体群，置于问题中，选择交叉变异等操作来逼近全局最优解，通过模拟或者经验确定所有可能的损伤，对比监测数据来确定实际损伤情况。但是这种方法的原理导致其计算量非常大，无论是有限元模拟还是工程测量都需要花费大量精力，所以在大型结构中不容易实现应用。但该方法全局优化的特点避免了算法优化过程陷入局部最小的问题。所以很多学者将遗传算法与神经网络法相结合，利用遗传算法优化神经网络结构和权重，学者梁化楼等[92～94]也证明了该方法可同时具有神经网络广泛的映射能力和遗传算法的全局收敛性能，相比于传统神经网络法具有明显优势。

专家系统是人工智能的一个重要分支，是“知识库”与“推理机”结合的产物，可以被视作一种具有特定领域专业知识的智能计算机程序，根据该领域专家知识及长期的实践经验，推理并求解某些复杂问题。在建筑结构安全监测中应用的专家系统整合存储了大量工程案例、结构设计规范、安全法规和专家知识等，专家系统在求解过程中将问题与数据库中的知识相匹配来进行诊断。目前该方法在国内外大坝与桥梁的结构安全监测中发挥了重要作用，但这种方法的求解还存在以下问题：(1)受限于数据库中知识的数量及质量，很多工程经验很难用规则来描述；(2)适应能力差，因为建筑结构的安全影响因素过于复杂，一旦问题涉及的知识与数据库的知识稍有偏差，便无法得出可靠的结论；(3)学习能力差，无法在诊断过程中吸取经验进行自我学习和完善[95]。鉴于以上问题，专家系统由基于案例规则逐步发展为基于模型与网络的构建模式，神经网络的自学习、自适应性恰恰能弥补专家系统的不足，两者的结合也是当前最为流行的[96]。但神经网络对于训练样本数据有较高的要求，而且其推理过程及依据无法解释实际意义，这些问题还有待进一步探究和完善。

灰色系统理论主要针对于“小样本、贫信息、不确定”的研究对象，通过对现有数据进行整理重生成，弱化其随机性来找规律进行建模，可根据残差分析来提高精度。在砌体结构、木结构等结构体系的安全监测过程中，由于影响结构安全的因素非常多，其中不少因素具有模糊性和随机性，可以认为该类结构安全评价是一个灰色系统[97,98]，所以灰色系统理论在结构的安全监测与评定中具有其独特的优势。该方法更专注于推理的结果，而不会对推理过程进行解释，与神经网络相类似存在“黑匣子”现象，所以目前不少学者将模糊数学与灰色理论相结合，建立了基于模糊灰色的综合评价方法[99]，同时弥补了模糊数学的信息丢失和灰色理论无法解释评价规则的缺点。

在故障诊断过程中，由于某些引起故障的因素无法用准确的数学模型进行表示，因此模糊理论诊断方法采用隶属度来表示各特征因素的模糊界限。如果说神经网络法是在微观结构上模拟了人脑的经验思维，那么模糊理论就是从宏观上模拟了人脑的逻辑思维。建筑结构安全的影响因素非常多且复杂，有些因素还不易量化，需要人们主观因素的掺入，所以模糊理论在土木工程结构安全监测方面有着很大的潜力。其应用原理也非常简单，利用隶属函数和模糊关系矩阵的概念建立结构损伤与引起损伤因素的关系。模糊诊断方法中因为有了人为因素的掺入，所以需要严格把握隶属函数的选择，模糊关系确定也比较困难。近年来模糊神经网络逐渐展露其优势，通过在神经网络系统中加入模糊概念，不但解决了模糊关系确定的问题，还能提高神经网络的启发性和透明性，使其能够表达定性知识和推理的逻辑性。学者韩小云等[100,101]利用模糊神经网络对混凝土梁进行了准确的故障诊断，验证了该方法的有效性。胡志坚等[102]利用模糊神经网络对混凝土梁桥的健康状态进行评估，以赣州市一条路桥为工程背景，验证了评估方法的有效性与可行性。

5 结论与展望

本文主要从建筑结构监测传感网络以及结构安全诊断与评定方法方面来论述目前建筑结构安全智能化监测方面的相关研究。

(1)传感设备采集数据以及数据传输稳定性问题直接影响到监测结果的准确性和有效性，所以本文总结了目前性能优良的新型传感设备与技术，并阐述了物联网为建筑结构安全监测提供的巨大便利。其中智能材料传感器的应用不仅优化了传感网络的性能，还为具有自感知、自诊断和自修复功能的智能结构的发展提供了技术支撑，这是未来工程建筑智能化的重要发展方向。

(2)针对目前基于结构动、静态特性的损伤识别理论及方法进行了总结与归纳，论述了利用不同损伤指标进行结构安全评定方法的优劣势。其中，动、静态结合的损伤识别方法综合了动测法的精确性与静测法的便捷性；智能算法在结构损伤识别中的引入，优化了数据处理模式，简化了损伤识别模式无需过分依赖物理模型，基于数据的损伤识别将得到进一步的突破和应用。结构安全诊断与评定方法也随着人工智能算法的融合使用提供了一种新的研究方向，将各种算法互相协作取长补短，发挥出算法更大的作用与优势。

(3)智能传感网络、智能化的监测数据传输方式以及引入了智能算法的结构安全评定方法在保证监测结果准确性的前提下，大大降低了工程监测的成本和工作量，同时带来了巨大的便利性。在建筑结构安全监测实现长期、实时和在线监测的同时，实现安全监测的智能化，可及时对监测数据进行处理分析、快速诊断并给出风险预防措施，具有重要意义。