试论智能桥梁结构的健康检测

　　随着检测技术、计算机技术、电子技术和通讯技术等相关学科的进‘一步深入，桥梁结构健康监测技术正朝着智能化发展。智能桥梁结构健康监测的研究，符合人们希望通过迅速发展中的工程检测、通讯、控制与计算机技术，对采用新技术、新材料、新工艺的新型桥梁结构实施检测和指导养护管理的目的。桥梁结构健康监测是一个复杂的系统，它包括桥梁结构关键部位的测试数据的现场采集、数据与指令的远程传输、数据储存与处理、结构安全状态的评估与预警等。这些齐全的功能特性，使得桥梁结构健康监测不仅仅能够对桥梁结构的安全状态进行监控与评估，它还可能成为桥梁结构研究的“真实试验室”，即通过其在桥梁运营中所获得的结构及环境信息，不仅为桥梁维护、维修与管理决策提供依据和指导，还为桥梁的理论研究与试验、提供最真实的第一手信息，获得实际桥梁结构全面的动、静力性能，加深人们对桥梁在各种交通条件和自然环境下的真实行为的理解，从而验证大桥的理论模型、结构设计、计算假定，指导桥梁结构设计方法、施工工艺与相应的规范标准等的改进。因此桥梁结构健康监测的研究和发展，不仅对桥梁建设、管理具有现实意义，而且更将可能对桥梁设计与研究、特别是将来实现“智能公路、铁路系统”等产生深远的影响。

　　智能桥梁结构概述

　　智能桥梁结构的含义

　　智能桥梁结构是指将智能材料嵌入桥梁结构中，能使桥梁结构感知和处理信息，并执行处理结果，使桥梁结构具有自监测、自诊断、自适应和自修复等仿生功能，确保桥梁结构在外部环境和车辆荷载的作用下安全可靠。

　　2.、智能桥梁结构的特点

　　(1)具有感知与驱动性能的材料经过复合和仿生设计形成传感器与驱动器，并布

　　设于桥梁结构中;

　　(2)对智能感知材料、驱动材料和智能器件进行集成，形成类似于生物体的智能

　　结构;

　　(3)以处理和控制为中心，对感知的信息进行处理，产生决策，控制驱动材料去

　　执行。

　　综上所述，智能桥梁结构就是把目前广泛使用的离线、被动、静态的检测变为在线、动态和实时的监测，并根据感知信息去分析、判断，控制驱动器，使桥梁结构的各方面性能得到改善，这是减灾防灾的思路产生质的飞跃，是实现桥梁结构设计思想的一场革命。

　　二、我国智能桥梁结构健康检测方法

　　桥梁结构健康监测就是要发展一种最小人工干预的在线、实时、连续的结构健康监测、检查与安全评估系统，是根据结构在同一位置上不同的测量结果的变化来识别结构的状态，它与传统的无损检测技术不同，通常传统的无损检测技术是直接测量结构的物理状态，无需结构的历史状态，诊断结果很大程度上依靠测量设备的分辨率和精度，而桥梁结构健康监测是在同一位置上不同时间的测量结构的变化来识别结构的状态，因此历史数据至关重要，识别的精度强烈依赖于传感器和解释算法。正是由于桥梁结构健康监测的上述特点，因此，要求桥梁结构健康监测评估目标是根据获得的大量信息，科学地、客观地评价结构的安全性、耐久性和正常使用性，以给桥梁的管理和维护提供依据，为了实现这一目标，必须用监测到的环境信息与结构反应对大桥的结构状态进行识别和评价，即利用测得的大桥结构特性，如应变、位移、加速度等，对桥梁结构健康状况进行评估。桥梁结构健康监测系统作为一门多学科交叉的综合体系，其理论覆盖到多门学科的综合体系，从国内外的研究来看，目前普遍采用的集系统识别、振动理论、振动测试技术、信号采集分析的试验模态分析方法—整体法，山于桥梁结构复杂、体积庞大、材料的不均匀、冗余度大等特点，难以确定损伤是否发生、损伤的位置和损伤程度等问题。随着现代传感和通信技术的发展，传感器越来越便宜和实用，把传感器布设在桥梁结构的各个最不利位置成为可能，从而为桥梁结构监测的局部法增加了新的活力。桥梁结构监测的局部法，就是把测试传感器布置在结构最不利构件上，根据测试值和结构安全评价指标进行比较完成桥梁结构的安全性判断。因此这个安全评价指标的设定就显得非常重要，如果把安全评价指标取为规范值，测试值往往远远小于安全评价指标，对实际桥梁结构安全预警没有意义;如果采用大型桥梁结构有限元程序进行计算，就必须知道作用在结构上的荷载和环境参数(如温度、湿度等)，虽然我们能用有限元程序计算出荷载产生的结构反应，但是，桥梁结构的影响涉及到温度在整个桥梁结构上的分布情况，如果要通过理论计算得到结构的变形，那么首先必须搞清温度在全结构上的分布和在具体每一个截面上的分布状况，事实上，桥梁结构在24小时之内温度的分布是动态的、持续变化的，且结构变形经常不是对称的，山此要搞清温度在全结构上的分布和在每一个截面上的具体分布近乎不可能，这种温度与变形和应变的复杂关系往往无法用理论计算来精确给出。如何建立温度值和桥梁结构反应的关系模型，建立桥梁安全评价指标就显得非常重要了，我们知道人工神经网络是一门崭新的信息处理学科，是一个高度复杂的非线性动力学系统，它具有大规模并行、分布式存储和处理、自组织、自适应和自学习能力，特别适用于需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。由于人工神经网络强大的非线性映射能力、容错能力和鲁棒性优势，使得人工神经网络在多种交叉学科中得到广泛应用。