文｜孟利波&1 崔哲&2 尚治宇3 贡力2 刘路慧3 高凡3

（1.招商局重庆交通科研设计院有限公司；2.复旦大学；3.中外建设信息有限责任公司）（&共同第一作者）

1.我国桥梁监测发展与标准化

桥梁是我国城市、乡村、山地交通基础设施建设的重要组成部分，我国的桥梁数量多、种类多、个性突出，部分城市桥梁交通流量大、使用频繁、位置关键、负载较重、承受能力较弱。城市桥梁与市民的生命财产安全密切相关，如果发生安全事故，将会造成恶劣影响。目前，随着物联网技术应用，在桥梁运维与养护决策中引入了桥梁管理、健康监测，这些都对桥梁维护起到了积极的作用。

与其他民用基础设施(如高层建筑、大跨度体育场馆、隧道、高坝)相比，高柔性的大跨度桥梁更容易受到动荷载、疲劳荷载和材料老化的破坏。因此，针对BHM(桥梁健康监测系统)发展了各种先进的技术和方法。例如，设计了各种基于电阻、压电陶瓷和光纤光栅的传感器，并在实际桥梁上进行了测试。这些技术和方法使BHM 更加有效、可靠、低成本和智能化。在中国超过165 座主跨超过300 米的桥梁配备了长期BHM 系统，以应对各种不同的情况。下表列出了一些选定的BHM 系统在其寿命期内被用于评估结构性能的案例。

表1列出了部分桥梁所使用的传感器，来大体呈现我国现有桥梁的类型和长度。

表1 桥梁使用的传感器类型

一个典型的BHM 系统一般由传感器子系统、数据采集与传输子系统、数据管理子系统和状态评估子系统四大部分组成。在国内，BHM 标准化的重要性得到了研究人员和最终用户的认可，并在这方面做出了很大的努力。目前，我国已经颁布了许多可用于指导桥梁监测的标准。BHM 标准可以用来指导桥梁监测的实施。这些标准的基本情况列于以下表格表2。

表2 桥梁等级标准

2.系统平台的功能模块设计

2.1 传感器

由于桥梁建筑和结构所处的环境不同、构造不同、建筑用料不同、智能设备种类不一，有着诸多的不确定性，因此应充分考虑各类因素和满足不同工作环境下，选取和部署传感器。从传感器的具体应用上可分箱梁线形与桥墩沉降监测、混凝土应变与温度监测、车辆荷载监测、桥墩船撞监测。具体功能分析如下：

2.1.1 箱梁线形与桥墩沉降监测

测点的布置主要依据桥梁混凝土箱梁的受力变形特点，以及桥梁运营期内的实际线形变化情况，一般采用挠度传感器和静力水平仪进行监测。

2.1.2 混凝土应变与温度监测

依据桥梁混凝土箱梁的受力，为监测混凝土箱梁各主要截面的温度变化，相应的温度测点位置选取与应变测点布置保持一致，一般使用振弦式应变传感器进行监测。

2.1.3 车辆荷载监测

依据大桥的交通通行特点，一般采用动态称重系统进行监测。

2.1.4 桥墩船撞、车撞监测

依据大桥的通航特点或者桥下车流量情况，采用双向加速度传感器进行监测。

2.2 数据采集与传输

基于物联网、大数据、云计算技术下的桥梁监测系统，对于监测桥梁结构的安全运营起着重要意义，对数据、信息的采集与传输，通过分析处理，来掌握并监测桥梁健康状态，从而直观和准确地对科学养护桥梁做出相关的指导，进行大数据存储处理，实现对桥梁监测系统的完善和发展。

2.2.1 基于NB-IoT 的智能传感网络

通过降低速率和移动性能，来支持低功耗设备在广域网的蜂窝数据连接，获取面向低功耗广域物联网的承载能力。另外，NB-IoT 部署在现有授权频谱上，无需重新组网，射频和天线也基本上都能够复用，降低了运营使用成本。

2.2.2 基于LoRa 的智能传感网络

LoRa 是一种基于扩频技术的远距离无线传输技术，具有传输距离远、抗干扰能力强、功率消耗低等传输优点。LoRa 技术有效地解决了有效解决了物联网组网过于复杂和功耗过高的问题，延长了电池的使用寿命，成功地实现了低功耗下的远距离通信。

2.3 数据预处理

2.3.1 可信度评估

数据可信度评估主要是判断监测数据是否满足对称位置的相关性，连续数据的一致性等评估准则。可以通过计算异常点数占数据段总数据点数的比例来进一步判定标签的可靠性。

2.3.2 异常数据清洗

在物联网(IoT)中，在进行数据处理前进行合适的异常数据清洗，能够显著地提升数据质量和模型效果。清洗监测数据中异常数据的方法研究众多，有基于统计学习的方法(如马尔可夫模型、离群点检测、多元模型和事件序列分析等)、基于数据挖掘的方法(如邻近性度量)、基于人工智能的方法(如神经网络、聚类和模糊逻辑等)。

2.3.3 缺失数据填充

由于对异常数据的剔除和数据遗漏，为便于后续信号分析，需要对缺失数据进行填充。

2.3.4 噪声处理

桥梁健康监测数据中往往混合了原始监测值、环境噪声、人为激励等，会导致数据中出现大量毛刺。为了使监测数据能够真实地反映桥梁的状态，得到光滑的函数图像。需要对数据处理毛刺、还原平滑曲线，这一过程被称为曲线的平滑滤波，需要对监测数据进行平滑去噪处理。

2.4 数据处理

传统的机器学习方法适用于样本数据较少的情况，常见的方法如聚类、SVM、决策树等。随着计算速度的提高和样本数的增加，需要庞大算力的深度学习方法，也日益成为了桥梁健康监测领域的一个热点，如CNN，目标检测，深度置信网络等深度学习方法。

2.4.1 基于卷积神经网络的加速度数据处理

随着监测技术的发展,桥梁监测数据库的样本量日趋庞大,同时具备着非常复杂的多元异构特征,传统的机器学习方法结构,在处理样本数极大的数据集时的分类效果不理想,发展陷入瓶颈,而深度神经网络的表现随着样本数的增多而更加增强,在特征提取时的表现也较为优秀

2.4.2 基于计算机视觉的目标检测

近年来，随着计算机视觉研究的不断更新，基于图像的非接触式结构健康监测方法也在不断推陈出新，并且在实际的场景应用中也达到了期望的效果。基于图像分割技术，通过矩形选框确定感兴趣的区域，对该区域进行特征提取，从而对提取的特征进行检测分类。目标检测与目标分类、语义分割、实例分割存在着一定联系，在桥梁监测具有重要意义。

2.4.3 深度置信网络

深度置信网络（DBN）是一种由多层受限玻尔兹曼机组合而成的网络模型，在提取特征和处理非线性的高维数据等方面具有显著的优势，DBN 的模型不是传统的判别模型，而是一种基于样本数据与标签之间的联合分布的概率生成模型。DBN 生成模型通过学习神经元间的权重分布来最大概率来生成训练数据,从而提升神经网络的分类效果。

2.4.4 信息管理和归集

利用BIM 技术、监测信息等，实现桥梁监测的模板创建、设计、实例化的全流程，收集巡检报告、终端设备信息等，构建桥梁监测系统，有效地提高工作效率、节省资源、降低成本。

2.4.5 数据融合

建立桥梁监测系统、检查报告和视频监控等数据间的互联互通。当发生异常报告时，生成异常警报给相关部门，从而进行病害人工确认。通过监控查看桥梁异常位置，建立数据关联，提高维护效率。

3.云平台建设

3.1 平台概述

云端协同的物联网系统监控管理平台设计的目的是能够统一管理系统内的终端设备、边缘设备和服务器，可以使新的设备简单快捷地接入到系统中，并对系统内各个设备的工作状态进行监控，实现了数据的可视化查询，能够将系统运行过程中出现的异常情况和错误信息进行收集整理发送告警，实时监测整个系统内各部分运行的稳定性，该监控管理平台对于保障整个系统的稳定性有着不可或缺的作用。

3.2 功能划分

平台部署成功后，即可根据需求开发相关的功能，为满足基本的应用场景需求，云边端协同的物联网系统的监控管理平台应包含设备管理模块、用户管理模块、数据管理模块和监控告警模块，后面应用到更为丰富的场景时可根据需要拓展更多功能。

3.3 系统配置模块

系统配置模块可以为使用该系统的企业和个人创建账号。在用户初次使用时，需要向该平台管理员表明用户身份并提交用户登录信息包括“姓名”、“用户名”和“登录密码”，平台管理员根据用户登录信息为用户创建账户，之后用户可以通过“用户名”和“登陆密码”直接登录监控管理平台。

3.4 设备管理模块

通过设备管理模块可以快速将新接入云边端协同的物联网系统的设备上线到监控管理平台，实现对系统内所有设备的统一管理和实时监控。一个新的设备接入进该监控管理平台，需要经过注册和认证，才能统一管理，而这一步也是应用监控管理平台的重要原因。

3.5 数据管理模块

数据管理模块是该监控管理平台的主要功能模块，管理员和获得相关权限的用户可以在平台上直接查看相关的数据信息包括设备实例信息、设备运行状态、设备物模型、设备告警设置等，通过这些数据可以很好的掌握每个设备的信息和实时状态。

3.6 监控告警模块

监控告警模块是该监控管理平台的主要功能模块，在平台上对物联网设备配置告警规则可以在设备数据达到阈值或触碰告警设置条件时进行告警通知，通知相关人员进行维护。

3.7 可视化呈现

通过三维技术、虚拟现实技术等对数据进行处理和重构，让数据展现更为直观和容易理解。

4.应用案例

4.1 基本情况

重庆黄花园大桥是重庆市中环干道的关键工程，全长 4.4 公里。重庆年平均气温在 18℃左右，极端气温最高41.9℃，最低-1.7℃，无霜期长、雨量充沛、常年降雨量1000－1450 毫米，年平均雾日 104 天。从环境温度年变化来看，黄花园大桥处年温度变化较大，温度的变化将影响大桥混凝土箱梁的应变变化。因此，需要采用监测手段对大桥各箱梁截面的温度变化及温度场进行监测，获得大桥箱梁由温度变化引起的截面应变变化。

4.2 监测系统建设

重庆黄花园大桥桥梁结构健康监测系统的涵盖范围为大桥主桥上、下游幅。通过建立黄花园大桥桥梁结构健康监测系统，收集有效信息对大桥的状态和安全性进行评估，以实时了解结构的安全状态，并实施有效的预防性养护、维修与加固工作，保证大桥检查维修策略及时、高效，为养护需求、养护措施提供科学的决策依据。

根据桥梁结构监测需求，将桥梁结构健康监测系统划分为4 个子系统，监测系统总体结构及功能见表3所示。

表3 系统总体架构划分

5.总结

随着近年来我国经济的快速发展，为保证桥梁的安全运营，很多城市开展了桥梁结构健康监测系统建设，并纳入市政专项维护工程。本文通过调研我国桥梁建设情况、桥梁监测系统应用等，进一步梳理桥梁健康监测系统功能、数据采集、平台建设等，并依托应用案例进行分析。可以看出，通过物联网、云计算、大数据等新一代信息技术的应用，能够有效支撑桥梁的智慧化管理，为桥梁的健康监测赋能。