建筑結構安全智能化監測研究現狀及展望

李笑林， 楊 璐， 許 鎮， 黃雅楠， 代 鵬

(1. 北京工業大學 城市與工程安全減災教育部重點實驗室， 北京 100124； 2. 北京科技大學 土木與資源工程學院， 北京 100083)

建筑結構在設計、施工過程中可能由于設計承載力不足或者施工方法不規范等因素導致結構的損傷和破壞，在運行維護階段由于疲勞、環境影響或者材料老化等因素也可能造成結構的損傷累積和破壞[1]。由結構損傷引起的工程事故不僅會造成巨大的經濟損失，還可能造成人員重大傷亡。因此，為預防工程事故發生及最大程度保障生命財產安全，建筑結構在施工及運行維護階段的安全健康監測受到廣泛關注。為確保建筑結構的安全性及耐久性，建立一套操作簡便、穩定性好、準確可靠的結構安全評定方案是十分必要的。而傳統建筑結構安全監測系統中，多因為傳感網絡損壞、失效或者損傷判定方法不夠完善等原因，無法實現實時、長期、穩定的結構安全監測過程。

隨著新型材料的涌現、傳感技術和通信技術的快速發展以及損傷識別理論的完善，智能化的結構安全監測方案應運而生并逐步應用到實際工程當中。目前在實現建筑結構安全監測智能化方面，主要研究方向是通過采用更精確便捷的傳感技術、更穩定快速的數據傳輸方法以及更準確高效的建筑結構安全診斷與評定方法等來提高監測效率及穩定性，相比于傳統監測方法具有突出的優勢[2]。本文從傳感設備選擇、數據傳輸以及結構安全評定方法等方面對建筑結構智能化安全監測方法的相關研究進行了總結和歸納，闡述了該方法的優劣勢，并對其未來的研究趨勢進行了展望。

1 新型傳感設備與技術

傳感網絡是建筑結構安全監測中最基礎的模塊，根據監測內容的不同，選擇合適的傳感設備十分關鍵。在傳統監測系統中，多采用以電信號作為傳輸信號的傳感器。由于溫度影響帶來的普通傳感元器件的零點漂移問題將導致數據測量誤差較大；此外傳感器損壞以及環境對信號的干擾導致數據傳輸不夠穩定，而且傳感器維修不便，所以實際工程中的結構安全監測系統往往不夠可靠，且無法發揮其實際作用。近年來，出現了不少測量準確穩定、操作便捷的傳感設備和測量技術，具有較好的工程應用前景。本文根據建筑結構監測內容的不同，從局部和整體監測兩方面對相關傳感設備和測量技術進行了總結與歸納。

1.1 局部監測

傳統的結構局部監測傳感設備因為本身材質及傳感原理的問題易受到電磁干擾，環境腐蝕等侵害且埋設困難，布線過于復雜，壽命低，無法保持實時、在線、穩定的測量，所以需要性能更加良好，操作更加便捷的傳感設備。

智能材料[3]是集感知、驅動和信息處理于一體，具備自感知、自診斷、自適應、自修復等功能的一類材料。在建筑結構的安全監測過程中，利用各種智能材料特性制作的智能傳感器相比于傳統傳感器，具有性價比更高、精確度更高、可靠性更高、功能更多樣、集成度更高等優勢。目前應用較為廣泛的智能材料傳感器包括光纖光柵傳感器、壓電材料傳感器、形狀記憶合金等。

1.1.1 光纖光柵傳感器

光纖傳感器是基于光信號傳輸過程中其強度、波長、相位、頻率、偏振態等光學性質會受到溫度和應力等環境因素的影響而發生變化的工作原理。通過分析經調制后的光信號，即可分析出溫度、應力等參數的大小。光纖光柵傳感器(Fiber Bragg Grating，FBG)是一種波長調制型光纖傳感器，由于光纖光柵采用波長調制，因此不受光強、相位和功率等參數的干擾，是目前應用最廣泛的一種光纖傳感器。

FBG傳感器具有質量輕、體積小、靈敏度高、耐腐蝕、抗電磁干擾等優勢，同時由于光波的傳輸頻帶較寬，便于時分和頻分多路復用，可實現多種信號、大量數據的實時監測。將FBG傳感器按照各種拓撲結構排列實現多路復用，可以對沿光纖傳輸路徑上的空間分布和隨時間變化的信息進行準分布式測量，工作原理如圖1所示。Mendez等[4]在混凝土結構安全監測中，首次嘗試采用了FBG傳感器，并取得了良好的效果[5]；美國LaLs Cruces 10號洲際高速公路的鋼結構橋梁上安裝FBG傳感器，用于監測橋梁在車輛等動態荷載作用下的響應和損傷情況等；香港青馬大橋采用FBG傳感器實現了對結構的應變及溫度響應的實時監測[6]。

圖1 光纖光柵傳感器分布式測量原理

另外FBG傳感器耐腐蝕的特性，使其在惡劣環境下仍能有效準確地進行數據采集，比如大壩或油氣管道安全的實時監測[7,8]。趙廷超等[9]討論和分析了在機敏結構中埋入FBG傳感器，對結構內部狀態參數的無損檢測以及對結構整體性、安全性評估的方法，賦予了建筑結構感知特性，推動了FBG傳感器在國內的相關研究以及在建筑智能化領域的應用。

FBG傳感器的封裝技術同樣關鍵，在起到保護作用的同時不能對監測數據產生影響，國內外學者通過不同的封裝方法，提高 FBG傳感器的壽命并保證信號傳輸的穩定性。梁磊等[10]研究了FBG傳感器與混凝土結構的相容性，并研制出一種利用環氧保護層的新型FBG傳感器，使傳感器能適應惡劣環境，并在建筑結構發生大變形的情況下不會斷裂。Sheng等[11]研制了一種新型的FBG壓力傳感器，將傳感器封裝于填充了硅橡膠聚合物的金屬管中，外界壓力可通過壓縮聚合物使內部FBG產生軸向應變。

FBG傳感器多用來監測結構的應力、應變和溫度等參數，因為光纖監測參數頻率范圍有限，一般用于監測靜態或者低頻信號，多用于評估診斷結構的振動、強度、變形、裂縫、損傷、鋼筋銹蝕以及施工質量。但光纖傳感器依然存在不少待解決的問題，一方面是光纖傳感器布設的輔助設備需求多，布控存在困難，本征型光纖傳感器的造價還是相對較高；另一方面目前光纖傳感器的分布式測量還停留在線式，無法上升到面和體的分布式測量，后續還需要進一步研究。

1.1.2 壓電材料傳感器

壓電材料傳感器是一種基于壓電效應的傳感器，壓電效應[12]根據壓電轉換機理可分為正壓電效應和逆壓電效應。壓電材料傳感器多利用正壓電效應對壓力、變形等進行監測，利用逆壓電效應制成的壓電材料驅動器可以用來實現結構的主動控制，對結構外部擾動和結構反應實現聯機實時跟蹤和預測，并通過驅動器對結構施加控制力來改變結構的系統特性，使結構和系統性能滿足一定的優化準則[13]。

壓電材料主要包括壓電晶體、壓電陶瓷、壓電薄膜、壓電聚合物和壓電復合材料，目前研究和應用較多的是壓電陶瓷材料傳感器。壓電材料響應速度快、頻響范圍寬、靈敏度較高、監測結果準確可靠，由于壓電材料輸出的是電荷信號，信號強度不受傳輸線路長度影響，且不存在零點飄移問題，穩定性更好，具有明顯的優勢[14]。

壓電陶瓷傳感器監測根據有無激勵元可分主動和被動監測。Gu等[15]將多個壓電陶瓷傳感器嵌入混凝土結構中不同截面處，形成網絡，利用輸出波幅值大小可有效監測混凝土內部裂縫開展情況。黃泳水[16]采用埋設或貼附壓電陶瓷傳感器的方式，根據檢測的應力波信號變化對木結構內部含水量及表面裂縫空洞進行了有效監測。在主動監測中除了監測輸出信號的方法還可通過測量壓電陶瓷的電阻抗變化進行結構監測。Ayres等[17]采用壓電陶瓷傳感器對鋼橋模型節點連接質量進行監測，利用電阻抗變化作為損傷識別參數有效監測了螺栓連接節點松動引起的局部損傷。Tseng等[18]利用壓電陶瓷傳感器對鋁板上不同損傷進行監測，根據PZT換能器導納(阻抗的倒數)的變化，確定損傷位置及程度。

被動監測多利用外界的環境激勵作為輸入信號，無需單獨設置激勵元。石榮等[19]采用壓電陣列對柔性結構的損傷進行監測，根據傳感器所得到的結構應變信息來反映結構的損傷位置和程度。Song等[20]將壓電陶瓷傳感器埋入混凝土梁中，用來監測高速路橋上超載貨車撞擊響應，發現壓電陶瓷傳感器可有效反映結構在撞擊荷載下響應，且信號輸出隨荷載增大呈線性增長。

壓電陶瓷具有高阻抗性，對于測量頻率太低的被測量及靜態量，由于信號變化過小甚至無變化，無法有效進行識別，所以壓電陶瓷傳感器更適于測量動態力學量，因此一般壓電陶瓷傳感器多用于結構動態參數測量和結構所受沖擊荷載的識別與定位[21]。

1.1.3 形狀記憶合金

形狀記憶合金(Shape Memory Alloy，SMA)是一種同時具有自感知、驅動和耗能特性的多功能材料，SMA廣泛應用于航空航天、機械電子、生物醫療等領域。近年來隨著材料加工技術創新和工業生產能力的提高，SMA開始在土木工程領域得到應用，利用SMA的多功能特性可以實現土木工程結構的一些智能特性。目前，形狀記憶合金主要應用于裂縫、損傷變形、振動的主動控制方面的研究以及砌體結構、鋼筋混凝土結構的被動抗震設計研究。

Park等[22]利用壓電材料的感知能力與SMA的驅動能力，研制了一種能夠自動感測螺栓損傷并且能夠恢復損失預拉力的螺栓連接器。Li等[23]利用SMA智能阻尼器的感知特性提出具有損傷自監測和自修復特性的智能結構，并通過試驗驗證了SMA的自感知特性、耗能特性和驅動特性。楊文靜等[24]利用SMA的特性來彌補FRP混凝土框架結構延性性能差、耗能能力不足的缺點，有效提高了該類結構的抗震性能。

智能材料一般分為兩大類：第一類是對外界條件或者結構本身應力、應變、溫度、光、磁和輻射等具有感知能力，可用來制作傳感器。另外一類是對于外界條件改變做出響應，具有執行能力，可用來制作驅動器。隨著智能材料的研究與發展，智能結構也被提了出來，智能結構是將傳感元件、驅動元件和控制系統結合或者融合在基體材料中所形成的一種材料(器件復合結構)，其以仿生的方式感知結構系統內部狀態和外部環境，并能夠及時對自身的行為做出判斷和響應。

上文介紹的壓電材料和形狀記憶合金同時具備感知能力與驅動能力，可使智能化結構監測與自我調節修復能力集成化程度更高。雖然該類型智能材料目前還處于研究階段，工程中實際應用較少，但應用于智能結構是未來必然的發展趨勢。智能材料傳感器與驅動器的結合將使結構自診斷自修復成為可能[25]。比如大型混凝土結構中一些關鍵部位對于裂縫和損傷極其敏感，一旦出現損傷很容易造成重大事故，利用SMA、壓電材料等對于應變敏感、電阻抗高的特點及驅動功能，再結合微處理器即可實現完整的監測控制系統。當裂縫開展或者損傷出現時，微處理器會判斷損傷程度及位置，通過識別判斷損傷信號是否達到設置的閾值，如果超過閾值，微機控制系統會自動釋放控制信號。可通電加熱使SMA發生變形，裂縫處SMA產生的恢復力隨裂縫寬度增大而增加，可使裂縫閉合或者減小，為了簡化該過程也有利用SMA本身的偽彈性實現自主控制。對于壓電材料來說，可通過對其施加不同形式激勵實現驅動功能，原理與SMA相同。將結構的安全監測系統上升到自感知、自診斷、自修復的智能結構層面是未來建筑結構工程的重要發展方向。

1.2 整體監測

在建筑結構安全監測過程中，除了要對結構的關鍵部位或重要構件進行局部監測以外，還需要對結構的撓度、位移或者振動進行整體監測與控制，目前常見的傳統監測儀器包括水準儀、經緯儀、激光測距儀和全站儀等。這些傳統的幾何變形監測方式雖然精度、準確性等都能得到保障，但是耗時耗力且無法實現動態、連續、實時在線的建筑結構安全監測模式。

隨著電子技術、空間定位技術、自動控制技術、遠程通信技術的不斷發展，攝影測量法、GPS(Global Positioning Syste)測量技術、測量機器人等現代儀器結合通信網絡的新型監測技術成為結構自動長期監測的發展趨勢。這一類新型傳感器以及測量技術減少了工程測量監測工作的人力與物力投入，使監測工作更加便利、準確，更趨向智能化。

1.2.1 攝影及視頻測量技術

攝影測量技術指通過攝影獲取被測對象的二維圖像，根據不同角度的圖像，建立三維模型，以此獲取被測對象幾何參數及空間坐標等信息。攝影測量技術是一種高效、非接觸、無損的三維測量方法。視頻測量技術其原理上與攝影測量相同，即根據視頻圖像挖掘信息，得到監測點的空間位置變化。初始的視頻監控測量方法多是采用人工判斷目標位置變化情況，但對于復雜環境很難實現，另外視頻錄制過程受到噪聲的影響像素值波動較大難以進行定位[26]。但隨著攝影測量技術、數字圖像處理與三維地理信息系統等技術的快速發展，為視頻監控測量提供了支持，近年來被逐步應用到建筑工程結構施工中，不僅能保證工程的施工質量，還可以利用視頻監控為施工安全提供保障。

攝影測量技術相比于普通大地測量技術有很多優勢：(1)可以在瞬間精確地記錄下被測對象的幾何信息，及時建立起各測點的空間位置關系，根據監測目的具有很強的靈活操作性；(2)記錄的圖像信息非常豐富，客觀顯示參數信息，適用于各種形狀的監測對象；(3)可以對靜態或動態不同形式的對象進行測量；(4)監測時不需要接觸被測對象，所以可以在一些危險環境下進行監測；(5)與傳統工程測量方法相比可減少作業強度；(6)便于將不同階段被測對象工作狀態的信息長期保存記錄，方便后期進行分析比對。

目前，攝影測量技術的主要問題還是精確度和穩定性無法得到保證，國內外學者也提出了大量理論來消除和減小誤差，其中圖像邊緣提取、相機參數標定、鏡頭畸變和三維模型重建等是主要的研究方向[27]。近年來，無人機傾斜攝影測量技術的提出不僅彌補了傳統航空測量只能垂直拍攝的缺陷，同時進一步提升了攝影測量技術的測量范圍與效率，吳熠文等[28]對該技術的相關研究進行了綜述并對其在數字城市建設、橋梁滑坡監測與地形圖測繪等工程領域的應用進行了總結。由于攝影測量的專用相機價格比較昂貴而且不夠便利，為了適應工程建設需要，國內外不少專家學者在攝像機選擇方面做了研究，通過使用普通的數碼相機甚至是手機進行攝影測量，加快推動該技術在工程應用中的普及。

1.2.2 GPS技術

GPS技術[29]是指通過接收衛星信號，并對信號計算處理得出被測對象空間位置信息。該技術具有實時、連續、自動化程度高、不受氣候條件影響等優勢，隨著整周自由度問題的解決，精度也能夠得到保證，而且GPS測量時不需要保證各測站的通視，是相互獨立的觀測值，目前廣泛應用于邊坡、高層結構、橋梁等大型建筑結構的變形監測中。

GPS系統主要包括三部分：GPS衛星、地面監控系統和GPS信號接收機。觀測人員只需要將GPS信號接收機安裝定位，觀測過程中監視儀器保持工作狀態，后續的信號采集、分析過程都是系統能自動運行的，操作十分便利。GPS根據參考點的選擇不同可分為絕對定位和相對定位。絕對定位又稱單點定位，一般利用偽距差分法來定位測點，靜態絕對定位的精度能夠得到保證。但是在動態絕對定位時，因為測點是運動的，衛星軌道誤差、衛星和接收機鐘差、GPS信號傳播誤差等會對精確度產生嚴重影響。

基于載波相位差分的相對定位即GPS-RTK(Real-Time Kinematic)技術被提出來，其工作機理是設置一個基站若干流動站同時監測衛星信號，每個測站產生誤差大概相同，利用差分組合可消除或者削減測量誤差[30]。法國Normandy大橋、英國的Humber大橋和日本的Askashi Kaikyo大橋等均采用了GPS 技術；國內大連世貿大廈[31]采用GPS-RTK技術成功實現了對強風下結構的震動特性的觀測；香港青馬大橋[32]采用GPS-RTK技術實時在線監測橋身水平和垂直方向位移，發現該方法具有良好的測量精度。GPS技術可以在建筑結構受到強風、地震、溫度變化影響的情況下準確測量變形，反映結構的工作狀態。“3S技術”基于GPS、GIS(Geographic Information System)和RS(Remote Sensing)的高集成化地理信息管理系統將會是未來發展趨勢，真正意義上實現完整的空間信息采集工作。

1.2.3 測量機器人

全站儀作為一種傳統且應用廣泛的測量儀器，具有操作簡便、高效、精確度高等特點，在建筑工程測量工作中發揮著不可替代的作用。雖然操作簡便，但全站儀需要在照準目標的基礎上進行距離和角度的測量，這一步驟需要測量人員的直接參與。為了簡化工作需要賦予全站儀自動識別目標與定位的新功能，智能全站儀被提出來。

智能全站儀在傳統全站儀的基礎上集成了CCD(Charge Coupled Device)攝像機和馬達伺服機構，具有自動照準、測量、數據存儲傳輸的功能，使整個測量過程更加智能化，也被稱作測量機器人(Measurement Robot)或稱測地機器人(Georobot)[33]。目前應用的智能全站儀中，瑞士徠卡公司生產的TCA型全站儀在操作、自動化、精確度及可靠性等各方面都有著更加突出的表現。

張學莊等[34]利用Georobot系統對五強溪大壩的變形情況進行監測，取得了良好的結果，也是國內Georobot技術現場監測的首次成功試驗。王夢恕等[35]采用Georobot技術對地鐵隧道施工圍巖變形進行監測，避免了傳統方法鋼尺收斂計對施工的影響，同時也提高了測量精度與效率。張正祿等[36]分別采用Georobot與GPS技術對三峽工程近壩庫岸滑坡的變形進行監測，通過對比分析發現Georobot適用于對精度要求較高的情況，而GPS技術適用于對邊長和地面通視有一定要求且滑坡范圍較大的情況。所以近年來在實際工程中也有不少將GPS技術與測量機器人結合起來進行結構的監測，擴大可測量范圍并保證較高的測量精度。目前大多數的Georobot需要照準目標上設置的棱鏡來進行測量，而根據物體的特征點、輪廓線和紋理進行測量的方法還無法保證較高的精度，需進一步研究。

在實際工程監測中，可根據監測對象的特性以及監測需求，綜合利用不同的傳感設備及監測技術，發揮各自的優勢，保證測量精度的同時，簡化測量工作提高效率，使監測過程更加智能化。

2 數據的智能傳輸與處理

對于大型建筑結構監測時由于需要布置大量傳感器，傳統的有線傳感器網絡在電路和數據傳輸路線布設和維護上耗費大量人力物力，而且傳輸線路過長可能會影響數據傳輸的穩定性，在某些特殊環境下還可能存在無法布設網絡的情況。隨著傳感器技術、無線通信技術和微機電系統的不斷完善，無線傳感網絡發展起來。無線傳感網絡[37](Wireless Sensor Network，WSN)的傳感節點集成了傳感器、數據處理單元以及無線通信模塊，并通過無線信道相連接，能夠實時感知、監測、采集目標信息并實現初步處理，通過網絡自組織和多條路由傳輸至網關處，最終可通過多種方式(如互聯網，局域網，移動網絡)實現外部網絡通信傳輸至觀測者處，如圖2所示。

圖2 無線傳感網絡原理

無線傳感網絡日趨成熟，同時推動了物聯網技術在土木領域的應用與發展。物聯網[38](The Internet of Things，IOT)目前最主流的定義是：通過信息傳感設備，按照約定的協議，將任何物品與互聯網連接起來，進行信息交換和通信，以實現智能化識別、定位、跟蹤、監控和管理的一種網絡。物聯網不僅在建筑結構安全監測中能夠發揮巨大的作用，同時也為整個建筑施工及運維階段的“四管三控一協調”等各方面工作提供了巨大的便利，而物聯網在建筑工程領域的應用，也標志著建筑智能化時代的正式到來。這里只對物聯網在建筑結構安全監測方面的應用展開說明。

張全升[39]指出利用物聯網技術建立完善的結構安全監測體系是未來結構監測的重要發展趨勢。朱仕村等[40]就橋梁監測過程對海量數據存儲分析的問題，提出基于物聯網的云計算技術，將不同監測結構的數據存儲于云端，由第三方來管理，大大簡化了數據分析的難度和軟硬件技術投入。這是國內提出利用物聯網進行結構監測最早的一批學者。

物聯網技術在建筑結構監測中的應用帶來的不只是單一結構監測過程中數據傳輸、存儲和分析的便利，更重要的是隨著物聯網技術的發展，實現工程結構區域化集群監測將成為可能。所有工程結構監測數據都存儲于云數據庫，由第三方運營商統一進行分析處理和后期的管理工作，不僅能夠節省人力物力，還能夠根據經驗簡化監測模式，并根據不同結構類型制定標準的監測方案。距離這一目標的實現還有很長的路要走，要想實現萬物互聯的關鍵是海量的連接與低延遲，而近來5G技術的發展為其提供了可能。5G無線網絡相較于4G具有更高的速率及更大的容量，由于其低時延、廣域覆蓋、超密集組網、海量鏈接等技術特點，在未來一定能夠滿足物聯網的需求[41]。

3 結構損傷識別

按照監測范圍，結構的損傷識別可分為局部法和整體法。利用局部法對結構整體進行安全評價還存在很多問題，一方面，大量的儀器設備成本、安裝費用過高，另外局部法對于某些不易接近的損傷部位無法勝任。整體法是通過對比結構全局參數與模型理論數據，基于結構整體的物理參數與模態參數變化，來進行損傷識別，目前在建筑工程健康監測中應用最為廣泛。Giraldo[42]在其博士論文中將結構整體的損傷檢測與識別分成三種類型：基于動力、靜力特性的方法以及結構的直接檢測方法，這里不對直接檢測法進行說明。

3.1 基于動力參數的損傷識別

當建筑結構運維使用階段發生損傷時，會不同程度地引起結構參數如質量、剛度和阻尼的變化，進而導致結構自振頻率、振型和阻抗的變化，基于動力特性的結構損傷識別技術早在20世紀80年代就開始應用于土木工程領域。常見的有根據結構模態頻率、模態振型、曲率模態、模態應變能、柔度矩陣和頻響函數的損傷識別方法。

Cawley等[43]提出基于結構固有頻率的變化來識別結構的損傷情況，通過鋁板和碳纖維復合板的實驗驗證了如何利用固有頻率實現對結構單一損傷的監測、定位和量化分析。Salawu等[44]對根據頻率的結構損傷方法進行總結歸納，論證了固有頻率對于建筑結構完整的敏感性。國內也有多位學者[45～47]利用實驗對基于頻率損傷識別的可行性及準確性進行了驗證。但是固有頻率一般對于整體結構的損傷較敏感，在識別局部微小損傷和多損傷問題上，目前多采用多階頻率組合和頻率變化量的靈敏度來進行識別。

West等[48]利用基于振型變化的損傷識別方法進行飛機尾部艙壁的安全檢測。基于振型變化的損傷識別方法按照判別依據一般分為模態保證準則[49]和坐標模態保證準則[50]，這種方法不僅能夠識別局部的損傷，對于確定多損傷位置也具有良好的效果。但結構損傷狀態下振型一般在高階模態中才會有明顯變化，實際監測過程中高階振型不易測量而且受到噪聲的影響精確度也無法保證，因而兩種判別準則識別誤差較大，限制了基于振型變化的損傷識別方法的發展。

Pandey等[51]提出基于曲率模態變化的損傷識別方法，利用懸臂梁和簡支梁兩種模型，驗證了曲率模態變化與損傷的聯系。曲率模態是根據振型模態采用中心差分法求得，相比基于振型的損傷識別法省去了模態信息處理的過程，無需結構本身的參數信息，可直接進行損傷診斷。該方法對于局部損傷敏感，但在損傷微小的情況識別效果不是很理想，對于損傷位置過多的情況可能會出現誤判。國內外學者[52～56]通過聯合頻率和曲率模態，采用多種曲率指標及不同階曲率模態等方式改善了基于曲率模態的損傷識別方法。

Chen等[57]提出利用模態應變能的變化來檢測大型空間結構的損傷情況，結構的單元模態應變能與單元剛度和單元振型分量有關，相比于單一采用模態信息進行損傷識別的方法具有一定優勢。賀國京等[58]發現在結構損傷定位中，采用模態應變能的方法只需要得到1，2階模態即可得到很好的效果，高階模態可用來進一步提高精度。基于模態應變能的損傷識別方法目前主要分為基于位移模態和應變模態兩種模態應變能損傷定位法。經大量實驗研究和數值模擬發現模態應變能對局部損傷敏感度高于位移類型的損傷識別指標，具有更好的抗噪性能。

與剛度矩陣相比，利用柔度矩陣進行結構損傷識別時，低階模態起主導作用，在實際測量中更容易獲取，另外柔度矩陣不會隨結構質量的變化而改變，這就避免了模型誤差的影響。Pandey等[59]首先提出了基于柔度矩陣的損傷識別法，但在研究中發現無法有效定位多點損傷。Bernal等[60,61]提出基于柔度矩陣變化的損傷定位向量法和隨機激勵下的損傷定位向量法，解決了多點損傷定位問題，推動了該方法在損傷識別中的應用。Catbas、唐小兵和李永梅等[62～64]采用柔度曲率進行損傷識別，提高了識別精度，而且識別過程不需要原始結構模態信息，更便于實際應用。

Yam等[65]研究了動力參數對于板式結構損傷的敏感性，發現結構的曲率模態和應變頻響函數具有更好的魯棒性，而利用應變頻響函數進行損傷識別更簡單、更有效。Liu等[66]對基于頻響函數的損傷識別方法進行了詳細的理論和推導，并指出該方法能夠直接利用測量數據無需模態識別的過程。Maia等[67]提出基于頻響函數曲率的損傷識別方法，論證了該方法能有效識別損傷位置和程度，但是對于多損傷問題無法準確定位損傷位置。郭惠勇等[68]提出了一種二階段損傷識別方法，在確定損傷前結構頻響函數的前提下，只需要測量損傷后一列的頻響函數，即可實現損傷的初步定位，再根據推導出的損傷定量分析公式實現精確定位和程度判定，對于多損傷識別具有良好的效果。然而，頻響函數在人為激勵下，采用標準的信號輸入輸出才能測得，對于某些大型建筑結構采用環境激勵的方式無法直接測量頻響函數，這一點制約了該方法在工程損傷檢測中的應用。

3.2 基于靜力參數的損傷識別

建筑結構發生損傷時，剛度會發生退化，相同靜載下結構的靜力響應如位移、應變等參數會發生變化，也能反映出內部損傷情況。基于靜力參數的損傷識別方法中，要達到足夠的精度對測點數目和位置有嚴格要求，對于特定結構的不同靜載下，不敏感的構件還可能無法做出損傷反應，但是識別原理比較簡單、監測成本較低，靜力特性如位移和應變等數據的測量也非常容易，在建筑工程損傷識別中具有廣闊的應用前景。

Snayaei等[69]基于有限元提出一種在靜載作用下線彈性結構的剛度參數識別方法，結構單元剛度可以通過施加的靜載和在結構的主自由度子集上測得的位移數據來確定，但該方法中施加的靜載和測量的位移必須要求在同一自由度子集上。Snayaei等[70]后續又提出在兩組不同的自由度上施加力和測量位移，這兩組自由度可以完全重疊、部分重疊或不重疊。這種迭代求解和其收斂速度取決于函數的網絡拓撲結構、獨立測量數量和待識別參數，經試驗驗證選擇更多獨立的測量和對未知參數更加敏感的自由度可以加速收斂，準確識別參數。Yam等[65]研究了靜、動力參數對于板狀結構損傷的敏感性，在靜力分析中，基于有限元模型對比分析了平面外撓度、撓度斜率和曲率三種靜力參數在損傷前后的變化情況，發現撓度曲率是信息含量最大的參數。

崔飛等[71]針對橋梁安全監測問題，提出了基于靜態應變及位移的結構剛度參數識別方法，通過數值模擬分析證明，只要有足夠多的可靠結構參數信息，基于結構靜態響應的參數識別效果相當理想。陳孝珍等[72]將灰色相關理論應用于基于結構靜力參數的損傷檢測方法，利用靜態位移曲率判定結構是否發生損傷，通過最小二乘法求解非線性優化問題確定損傷程度。蔡晶等[73]基于結構靜態參數在損傷前后的變化，提出了概率分析方法進行損傷識別，根據分析模型與實際結構之間主要存在的誤差提出兩種參數識別方法，并通過對比分析了在測量誤差存在時兩種方法的性能，最后利用假設試驗驗證了概率參數識別算法的有效性和準確性。

3.3 動靜參數相結合的損傷識別

基于動力、靜力特性損傷識別方法都存在各自優勢及局限性，表1是兩種方法的優缺點對比。在基于結構動力特性和靜力特性的損傷識別方法研究基礎上，一些學者同時采用動靜力參數進行結構的損傷識別。

表1 動、靜損傷識別方法優缺點的比較

由于結構的高階模態不易測量，無法達到良好的損傷識別效果，Hajela等[74]提出利用低階頻率和振型以及在靜力作用下的位移來近似模擬結構的高階模態信息，從而提高損傷識別結果的準確性。

陳晗[75]利用鋼桁架模型的動力和靜力試驗研究，得到了其模態參數、荷載-位移特性等力學參數變化，并驗證了結構一階固有頻率和結構靜剛度具有一一對應的關系，根據誤差分析確定頻率變化4.8%為該損傷識別方法的最小分辨率。

王茂龍等[76]研究了動-靜結合的損傷識別法在砌體結構損傷識別中應用的可行性，采用頻率變化值Δω和靜態位移變化值Δμ定義損傷信號DS為：

(1)

發現依據有限元分析及實測得到的位移、頻率定義的損傷識別指標可有效識別出結構的破損位置。

徐典[77]提出利用動靜態結合的新指標進行結構損傷識別，利用桁架結構損傷的有限元分析，分別對動態、靜態及動靜結合三種指標變化進行對比，發現動靜態結合的新指標更加敏感，而且可以在一定程度上去除非損傷單元對識別的影響。

4 結構安全診斷與評定的智能算法

根據上文提到的結構損傷識別方法不難看出，大部分損傷識別方法多基于物理模型，利用監測信號在結構安全及受損狀態下的差異性進行對比，從而確定損傷位置及損傷程度；或者利用結構可監測信息推導出結構單元剛度矩陣進行結構損傷分析。結構損傷識別可以看作是利用反映結構損傷信息的指標參數變化來識別結構物理參數的改變，進而評定結構損傷及破壞情況。隨著大數據時代的到來，人工智能算法被逐步應用到建筑結構的安全監測與評定上，常用的方法有神經網絡法、遺傳算法、貝葉斯網絡、專家系統、灰度理論和模糊理論等[78]。

神經網絡具有強大的特征提取與抽象能力，在數據處理方面具有巨大優勢，神經網絡在損傷識別中應用的原理是：根據結構在不同損傷狀態下的反應，通過特征抽取，根據工程測量數據或仿真分析數據建立損傷分類訓練樣本集，用于訓練神經網絡，利用神經網絡自學習、自適應識別和聯想記憶特性，建立結構損傷識別指標與損傷狀態之間的復雜映射關系，這是傳統的數據擬合方法不易做到的。通過映射關系我們可以將結構安全監測中損傷指標的識別問題，轉換為某些易于獲取的結構參數的測量，大大簡化了監測過程，所以神經網絡法在建筑結構安全監測方面的應用有著巨大的優勢。

雖然神經網絡具有良好的魯棒性，但網絡結構的收斂情況以及分析模型的有效性與穩定性還是會受到參數測量誤差和分析模型建模誤差的影響。針對誤差的問題，大量學者通過損傷識別指標選擇和分級識別的方法進行了研究。Elkordy等[79]將結構損傷前后振型差或振型比作為損傷識別指標，以減小有限元分析模型建模誤差的影響。于德介等[80,81]考慮到結構高階模態不易測量的問題，分別以結構損傷前后柔度變化和殘余力向量變化作為損傷識別指標。杜德潤等[82]提出基于神經網絡法的兩級結構損傷識別方法，研究表明，由于神經網絡數據分析的良好魯棒性及兩級識別策略，在解決模型和測量誤差等外界因素的影響以及提高損傷診斷效率方面有重要的作用。

Barai等[83]利用神經網絡法對桁架橋進行損傷檢測，以在下弦桿移動荷載作用下節點位移響應作為神經網絡的輸入參數，用各桿件面積變化表示損傷狀態并作為網絡的輸出參數，但識別過程發現節點的選取非常關鍵，以少量的節點信息作為網絡輸入的網絡性能反而更好。李林等[84]發現大型復雜結構由于訓練數據過多，計算量巨大，容易造成網絡不易收斂和泛化能力較差的問題，在分步識別基礎上，作者提出通過優化測點，利用不完整的、局部的、多種測量信息來分析結構整體損傷情況的方法。

理論上為識別若干組待識別參數建立完全線性無關的若干組關系方程十分困難，傳統數據處理方法中大部分情況都會出現方程的病態問題或奇異解的問題，而對于神經網絡法可能出現不收斂情況；另外實際測量過程中如果監測點過多傳感器不方便布設而且成本也非常高，測點之間也會出現互相干擾的情況。測點優化是非常重要的研究內容，需要滿足：(1)通過最少的測點獲取最全面準確的結構參數信息；(2)所測得的模態與分析結果有對應關系；(3)對于重點部位合理增設測點；(4)測點布設要使數據分析結果具有魯棒性。目前應用于測點優化的方法包括：(1)模態動能法：根據所測結構每一個目標振型繪出相應的模態動能分布圖，然后將測點設置在模態動能較大的位置上，這將有利于參數識別，并為模態識別提供更高的信噪比；(2)有效獨立法[85]：通過實驗和理論分析，消除對目標模態向量線性無關、貢獻最小的自由度；(3)遺傳算法[86]：基于基因多點突變，輔以交叉變異，使算法可以推出全局最優，還包括Guyan模型縮減法、奇異值分解法等。

貝葉斯網絡是運用概率推理的方法建立變量集合之間依賴關系的網絡結構，是一種常用的信息融合方法[87]，也是目前不確定性知識表達和概率推理領域中最有效的理論模型之一。在建筑結構施工及長期的運行維護過程中，會產出多源信息，參數種類多且雜亂，而貝葉斯網絡在處理參數間不確定性上具有很大的優勢。在結構安全監測過程中，設備可能發生損壞會造成部分數據缺失，極大影響了結構安全診斷效果。而貝葉斯網絡可以通過對有效信息處理從而對缺失數據進行估算和修補，能夠保障建筑結構安全監測系統的長期、穩定運行[88]。只有綜合利用好各信息源的互補性才能真正實現準確穩定的結構安全評定，目前在實際結構監測中對于不同結構、不同構件、不同材料的參數采集往往是多種信息源，不具有統一評判標準，而貝葉斯網絡作為綜合性極強的數據源系統處理方式，可以依據其中條件獨立，條件推理等概率評估方式合理有效地實現結構的安全評定[89]。與神經網絡法相類似，由于該方法的有效性極大依賴于網絡結構的建立，而在土木領域結構性多樣且復雜，沒有一個統一的網絡結構設計標準和規范，目前該方法的主要研究方向在于利用改進算法或結合專家系統等方式來提高網絡性能[90,91]。

遺傳算法在建筑結構損傷識別的應用方法是：將已知的損傷問題表示為染色體，組成染色體群，置于問題中，選擇交叉變異等操作來逼近全局最優解，通過模擬或者經驗確定所有可能的損傷，對比監測數據來確定實際損傷情況。但是這種方法的原理導致其計算量非常大，無論是有限元模擬還是工程測量都需要花費大量精力，所以在大型結構中不容易實現應用。但該方法全局優化的特點避免了算法優化過程陷入局部最小的問題。所以很多學者將遺傳算法與神經網絡法相結合，利用遺傳算法優化神經網絡結構和權重，學者梁化樓等[92～94]也證明了該方法可同時具有神經網絡廣泛的映射能力和遺傳算法的全局收斂性能，相比于傳統神經網絡法具有明顯優勢。

專家系統是人工智能的一個重要分支，是“知識庫”與“推理機”結合的產物，可以被視作一種具有特定領域專業知識的智能計算機程序，根據該領域專家知識及長期的實踐經驗，推理并求解某些復雜問題。在建筑結構安全監測中應用的專家系統整合存儲了大量工程案例、結構設計規范、安全法規和專家知識等，專家系統在求解過程中將問題與數據庫中的知識相匹配來進行診斷。目前該方法在國內外大壩與橋梁的結構安全監測中發揮了重要作用，但這種方法的求解還存在以下問題：(1)受限于數據庫中知識的數量及質量，很多工程經驗很難用規則來描述；(2)適應能力差，因為建筑結構的安全影響因素過于復雜，一旦問題涉及的知識與數據庫的知識稍有偏差，便無法得出可靠的結論；(3)學習能力差，無法在診斷過程中吸取經驗進行自我學習和完善[95]。鑒于以上問題，專家系統由基于案例規則逐步發展為基于模型與網絡的構建模式，神經網絡的自學習、自適應性恰恰能彌補專家系統的不足，兩者的結合也是當前最為流行的[96]。但神經網絡對于訓練樣本數據有較高的要求，而且其推理過程及依據無法解釋實際意義，這些問題還有待進一步探究和完善。

灰色系統理論主要針對于“小樣本、貧信息、不確定”的研究對象，通過對現有數據進行整理重生成，弱化其隨機性來找規律進行建模，可根據殘差分析來提高精度。在砌體結構、木結構等結構體系的安全監測過程中，由于影響結構安全的因素非常多，其中不少因素具有模糊性和隨機性，可以認為該類結構安全評價是一個灰色系統[97,98]，所以灰色系統理論在結構的安全監測與評定中具有其獨特的優勢。該方法更專注于推理的結果，而不會對推理過程進行解釋，與神經網絡相類似存在“黑匣子”現象，所以目前不少學者將模糊數學與灰色理論相結合，建立了基于模糊灰色的綜合評價方法[99]，同時彌補了模糊數學的信息丟失和灰色理論無法解釋評價規則的缺點。

在故障診斷過程中，由于某些引起故障的因素無法用準確的數學模型進行表示，因此模糊理論診斷方法采用隸屬度來表示各特征因素的模糊界限。如果說神經網絡法是在微觀結構上模擬了人腦的經驗思維，那么模糊理論就是從宏觀上模擬了人腦的邏輯思維。建筑結構安全的影響因素非常多且復雜，有些因素還不易量化，需要人們主觀因素的摻入，所以模糊理論在土木工程結構安全監測方面有著很大的潛力。其應用原理也非常簡單，利用隸屬函數和模糊關系矩陣的概念建立結構損傷與引起損傷因素的關系。模糊診斷方法中因為有了人為因素的摻入，所以需要嚴格把握隸屬函數的選擇，模糊關系確定也比較困難。近年來模糊神經網絡逐漸展露其優勢，通過在神經網絡系統中加入模糊概念，不但解決了模糊關系確定的問題，還能提高神經網絡的啟發性和透明性，使其能夠表達定性知識和推理的邏輯性。學者韓小云等[100,101]利用模糊神經網絡對混凝土梁進行了準確的故障診斷，驗證了該方法的有效性。胡志堅等[102]利用模糊神經網絡對混凝土梁橋的健康狀態進行評估，以贛州市一條路橋為工程背景，驗證了評估方法的有效性與可行性。

5 結論與展望

本文主要從建筑結構監測傳感網絡以及結構安全診斷與評定方法方面來論述目前建筑結構安全智能化監測方面的相關研究。

(1)傳感設備采集數據以及數據傳輸穩定性問題直接影響到監測結果的準確性和有效性，所以本文總結了目前性能優良的新型傳感設備與技術，并闡述了物聯網為建筑結構安全監測提供的巨大便利。其中智能材料傳感器的應用不僅優化了傳感網絡的性能，還為具有自感知、自診斷和自修復功能的智能結構的發展提供了技術支撐，這是未來工程建筑智能化的重要發展方向。

(2)針對目前基于結構動、靜態特性的損傷識別理論及方法進行了總結與歸納，論述了利用不同損傷指標進行結構安全評定方法的優劣勢。其中，動、靜態結合的損傷識別方法綜合了動測法的精確性與靜測法的便捷性；智能算法在結構損傷識別中的引入，優化了數據處理模式，簡化了損傷識別模式無需過分依賴物理模型，基于數據的損傷識別將得到進一步的突破和應用。結構安全診斷與評定方法也隨著人工智能算法的融合使用提供了一種新的研究方向，將各種算法互相協作取長補短，發揮出算法更大的作用與優勢。

(3)智能傳感網絡、智能化的監測數據傳輸方式以及引入了智能算法的結構安全評定方法在保證監測結果準確性的前提下，大大降低了工程監測的成本和工作量，同時帶來了巨大的便利性。在建筑結構安全監測實現長期、實時和在線監測的同時，實現安全監測的智能化，可及時對監測數據進行處理分析、快速診斷并給出風險預防措施，具有重要意義。