高速公路橋梁智能管養研究現狀

陶佳儀

（江蘇蘇通大橋有限責任公司，江蘇 南通 226010）

0 引言

我國公路交通量大、荷載大，面臨嚴峻的檢測養護壓力。交通運輸部《2020年交通運輸行業發展統計公報》顯示，截至2020年年末，我國公路總里程已達519.81 萬km，公路養護里程514.40km，占公路總里程的99%，其中高速公路里程16.10 萬km。隨著我國公路交通基礎設施的不斷完善，高速公路運營里程不斷增加，傳統高速公路橋梁病害的檢測方法效率低、工作量大、高空作業危險、精度低，因此基于計算機視覺技術的高速公路病害檢測技術對行業的發展具有重大意義。本文對目前國內高速公路橋梁病害檢測的智能化方法從智能檢測、圖像識別、機器學習等方面進行了總結。

1 橋梁病害的智能檢測技術

在高速公路病害檢測中，由于橋梁的特殊性，其檢測難度相較于其他結構類型更為復雜困難，目前國內學者對于公路橋梁病害檢測的研究做了大量工作。無人機技術為一種非接觸式檢測技術，由于其在檢測大氣環境作業中效率高、機動靈活、使用方便等優點得到了大力發展，尤其適用于高度大、環境惡劣的復雜環境地區；機器人技術相較于無人機技術具有更高的續航能力、環境適應性強、檢測精度更高、操作簡單等優點，但其靈活性較差，適用性略低于無人機。

機器人檢測方面，魏武等為實現斜拉橋纜索的自動無損檢測，提出了基于蛇形機器人多傳感數據融合的纜索缺陷自動檢測方法，通過數據融合技術對多源數據進行融合，從而實現缺陷自動檢測。該研究方法可降低檢測過程系統的不確定性，有效提高纜索缺陷識別精度和可靠性。Xu 等設計了一種基于安全恢復機構模型的全輪驅動爬坡機器人模型，分析了其爬坡能力和防滑性能，可實現對斜拉橋索的自動檢測。李丙州等提供了一種能夠攀爬障礙物的橋梁檢測機器人，該機器人能探測凸緣上存在的障礙物，在凸緣上（例如沿著橋梁檢測路徑）移動時，爬上/爬下或躲避并爬越障礙物；爬上/爬下或躲避并爬越障礙物時，探測圖像拍攝部，根據障礙物高度產生的高度變化，調節圖像拍攝部的拍攝高度，從而對應于該高度變化，計算出相應高度的z 軸坐標，可實現對拍攝位置坐標x/y/z 的計算，并將連續拍攝的圖像對應其相對應的x/y/z 軸坐標，以此連續確認與圖像相對應的實際裂紋元素，并且由此生成該對應圖像的實際位置坐標的可識別圖像。劉揚等公開了一種智能橋梁檢測機器人，包括一根鋼纜和檢測機器人，檢測機器人設置于一根鋼纜上，可實現對橋梁的下部結構進行檢測，提高檢測效率。Murphy 等對得克薩斯州的Rollover Pass 大橋開展颶風“艾克”過后的結構檢測。通過對車輛進行初步的域分析，開發了用于橋梁檢測的全功能UMV 無人駕駛車輛，設定了七個功能：標準化任務有效載荷、增加健康監測、通過更好的人機交互提高遠程操作、增加3D 避障、改善站位保持、處理大數據集和識別傳感。Abedin 等提出一種基于非接觸式傳感器的鋼箱梁橋健康監測方法，該研究調查了簡支和連續跨度鋼箱梁橋在各種損傷情況下的行為，包括支撐失效和梁斷裂，并開發了基于橋梁動態響應的非接觸橋梁健康監測技術。實驗結果表明，單跨和連續跨橋梁在損傷后的振型都發生了顯著變化。對完整和受損橋梁振型的比較表明，橋梁沿線不同位置的損傷在可用于定位損傷的振型中具有不同的振幅變化。此外，分析表明，對于整個跨度內的大多數位置，單個模態靈敏度或組合靈敏度都是指示性的。結果還表明了每種損傷情況下頻率和振型的清晰變化模式，可用于檢測橋梁沿線的損傷類型、嚴重程度和位置。

無損檢測技術方面，無損檢測是在不損害或不影響被檢測對象使用性能的前提下，采用射線、超聲、紅外、電磁等原理技術儀器對材料、零件、設備進行缺陷、物理、化學參數檢測的技術。目前，無損檢測也廣泛應用在橋梁裂縫的診斷和檢測中。常用的橋梁無損檢測技術主要有：超聲波檢測法、沖擊彈性波檢測法、聲發射檢測法、傳感器檢測法及光纖傳感網絡檢測法。其中前兩種方法主要用來探測混凝土結構內部的裂縫及裂縫深度，但是沖擊彈性波檢測法只能檢測擴展方向與表面垂直且沒有分支的單根裂縫。聲發射檢測法屬動態測量，不能檢測已發生的舊裂縫，而只能檢測出正在發生裂縫的位置、大小、深度、種類以及擴展情況。傳感儀器檢測法通過在混凝土埋設的測縫計等儀器來監測裂縫，控制為0.2～1m，屬點式檢測，故容易造成裂縫的漏檢。光纖傳感網絡檢測法具有靈巧、檢測精度高、可靠耐久、抗電磁干擾能力強等優點，通過將光纖預先埋設在混凝土中，組成自動化遙測系統，便可準確定位裂縫的位置，但其構建比較復雜且成本較高，這也是不容忽視的問題。

2 橋梁病害的智能識別算法

為了提高結構檢測評估的效率和客觀性，國內外研究人員對橋梁自動檢測的進行了長期研究，主要包括基于傳統數字圖像處理的檢測方法和基于深度學習的智能檢測算法。而基于深度學習的智能識別方法目前在國內還處于初始發展階段。

圖像處理技術是傳統的數字圖像檢測技術，可以識別一些特定類型的結構缺陷，如混凝土裂縫、混凝土菠蘿面等結構常見表觀病害。由于裂縫像素形狀比其他紋理圖案更薄，相較于背景顏色也更深，故而圖像處理技術可以基于顯著性假設識別或圖像中的缺陷來識別裂縫。常見的方法包括基于滲透的圖像處理法、閾值法及邊緣檢測法。

基于深度學習的橋梁缺陷檢測識別方法突破了傳統圖像處理技術的概念，使得在復雜環境下的橋梁底部病害自動檢測成為可能。卷積神經網絡的提出是為了解決圖像檢測與分類問題，它能夠識別一幅圖像屬于哪一類，因此早期的缺陷檢測主要是對公路表面病害類型進行分類。Sattar 等比較了公共邊緣檢測器和深度卷積神經網絡（DCNN）在基于圖像的混凝土結構裂縫檢測中的性能，提出了一種將DCNN 和邊緣檢測器相結合的混合方法，將噪聲降低到原來的1/24。使用6 種常見的邊緣檢測方案（Roberts，Prewitt，Sobel，Laplacian of Gaussian，Butterworth，Gaussian）分析了19 幅高清晰度混凝土圖像（3420 幅子圖像，319 幅有裂縫，3101 幅沒有裂縫），首次在單個數據集上比較了每種裂縫檢測方法的相對性能。為未來采用DCNN 方法進行基于圖像的混凝土損傷檢測展現了廣闊的應用前景。邵紅艷等提出了一種基于自編碼神經網絡的結構損傷識別方法，如圖1所示，利用Pycharm 法與Newmark 法相結合的方式，對簡支梁結構進行重構，并通過與相關數據相比較，得到各工況下模型的重構誤差，研究表明所提方法可以較好地識別結構損傷發生的時間及位置。

圖1 自編碼神經網絡及框架示意圖

針對目前我國橋梁基數大，對既有舊橋開展檢測評估及損傷識別的需求與日俱增的現狀，目前國內學者主要采用基于圖像處理技術的方法，利用計算機視覺識別結構損傷圖像。隨著圖像識別方法的不斷發展，目前常用的智能算法如深度卷積神經網絡、人工神經網絡、遷移學習、遺傳算法等已經得到有效應用。同時，計算機技術、5G 技術及大數據技術的發展也為結構智能檢測、識別及評估提供了新的思路。

3 橋梁智能養護

對于結構日趨復雜的現代橋梁，橋梁管理和養護的難度不斷提升。在自然環境侵蝕、交通荷載與流量增加等作用下，橋梁“老齡化”問題突出，這對橋梁結構的安全和運營會產生嚴重的負面影響。為較好應對這種現象，必須從橋梁管理與養護出發，從根源解決問題，提高橋梁的運維性能及服役壽命。

鄧國瑞基于BP 神經網絡和BIM 技術深入探討人工智能的具體應用，基于引入模擬退火算法對BP神經網絡進行優化后的算法，開展橋梁安全評估系統建設，形成如圖2所示的智能化橋梁管理和養護技術。基于BIM 技術建立可視化平臺，建立智能化橋梁管理養護模塊，管理和養護工作的效率與質量可由此實現提升。這些橋梁管理與養護中人工智能的應用路徑，可以應對由于自然環境侵蝕、交通荷載與流量增加等作用下，對橋梁的結構安全和運營安全造成的負面影響。陳雙全認為5G、大數據、物聯網、人工智能等智能化技術加快了交通基礎設施結構的產業升級，將現階段以人工為主、計算機為輔的運維控制方法升級為自調控、自管理、自修復、自適應的智能、數字、網絡、精準的針對交通基礎設施結構的全要素、全過程管理模式，為解決交通運輸行業智能感知、智能識別、智能預測、智能決策的管養一體化技術等關鍵科學問題奠定基礎。

圖2 智能化橋梁管理和養護技術

4 結論

以數字化、信息化及智能化為核心導向，推動高速公路橋梁養護工區智慧轉型，打造智慧工區樣板工程，實現養護工作可視化、資產管理系統化。形成病害數據、發展趨勢、決策模型等數據產品，推廣應用智慧巡檢、智能外設等智能化裝備，發揮養護工區資源集中、輻射周邊作用，全面統籌日常養護計劃、機械設備、材料、人員的調配管理，實現智慧養護作業的全覆蓋。從以下兩點對未來江蘇高速公路橋梁智慧管養進行展望。

其一，建立高速公路橋梁智慧工區管理平臺。以三維模型為核心，融合信息系統數據、物聯網數據、運營數據、智能傳感數據，通過三維場景展示工區模型，打造工區環境管理、能耗管理、設備管理、資產管理、人員管理等功能模塊，通過可視化的方式向管理人員提供直觀的管理手段。平臺采用大數據、人工智能分析技術，為預警提供數據預測、支持和決策參考。

其二，打造高速公路橋梁智慧巡養管理平臺，滿足養護巡查、維修、施工等不同場景的應用需求，充分運用物聯網、云計算、互聯網、人工智能、自動控制等技術，結合智能化、自動化、無人化設備，提高日常巡檢、重點監控、快速檢測、快速施工、路況監控等實施效率，對養護數據進行多維度采集、處理、挖掘與分析，實現養護成效數字化。

通過匯集養護作業施工信息，對橋梁養護設備管理、人員管理、設備參數采集、物料管理等橋梁養護業務進行全方位、全過程管控，促進養護設備能效成本降低和使用效率提升，保障橋梁結構安全，發揮橋梁基礎設施效能，提升高速公路橋梁運行效率和管理水平。