桥梁检测与监测技术的发展趋势.pdfVIP

发展，既有桥梁受环境与自身寿命的影响，需要在运营过程中定期进行管理与养

护。现阶段桥梁检测和监测技术发展中的瓶颈进行概括总结，包括理念的瓶颈、

标准体系的瓶颈、方法工具及装备的瓶颈以及数据分析的瓶颈。同时，针对诸多

发展瓶颈给出了目前的突破方法和研究技术，最后对未来桥梁的检测和监测发展

趋势进行预测，以期为桥梁检测和监测方向的研究人员和工程技术人员提供参考。

关键词：桥梁检测；监测技术；发展趋势

引言

随着国民经济的发展，与之相配套的交通基础设施建设规模逐步扩大，其中

桥梁占据较大比重。但桥梁建设领域普遍存在安全性和质量问题，例如部分既有

桥梁在设计与施工阶段便存在隐患，随着运营时间的延长，设计荷载难以满足现

阶段的车辆通行需求，桥梁长期处于超载运营状态，外界环境对桥梁造成持续性

损伤。对此，需准确掌握桥梁现阶段的实际使用情况，以便采取针对性的处理措

施，切实提高桥梁的通行服务能力。通过桥梁健康监测系统的应用，则能够给工

程人员分析桥梁实际状况提供可靠的“窗口”。

1桥梁检测与监测技术的发展瓶颈

1.1理念瓶颈

精细化、全寿命的设计理念是欧美发达国家在桥梁设计中的主导思想，强调

在结构设计阶段应充分考虑桥梁养护、检修等情况，为相关工作预留空间或设置

构造措施。目前国内的桥梁设计中总体缺乏对桥梁养护阶段的考虑，导致在桥梁

检测与监测中难以做到“可达、可检、可修”，更别说“易达、易检、易修”，

这反映了当前桥梁设计中全局性理念的缺失。例如，在国内，除了跨江、跨海的

大型、特大型桥梁设计有专门的检修通道，其他类型桥梁一般没有相应的检修通

了很大的难度，部分区域难以到达，从而难以进行有效的检测与监测。若采用桥

梁检测车进行检查，一方面占用车道、影响交通；另一方面也增加了检测工作的

经济投入，与桥梁检测“低成本”的发展目标相矛盾。

1.2方法、工具与装备瓶颈

检测与监测中所采用方法、设备的合理性和有效性是确保桥梁健康评估结果

准确性的关键保障。目前，桥检车与无人机是进行检测的常用设备，但桥检车工

作时不仅影响道路交通，而且存在较高的安全隐患；而无人机在操控的便利性、

续航能力、噪声测试等方面也存在较大的问题，这些问题始终未能得到完善的解

决。另外，桥墩、基础等构件常常需要水下检测，而目前水下检测主要依靠潜水

员水下摸排及观察。一方面，潜水员检测效果受光照、水质等因素影响较大；另

一方面，潜水员往往不是桥梁工程师，难以对水下观测结果做出直接判断，需要

再次进行行业术语转换，然后判断结构的损伤程度，二次转换过程必然会导致部

分信息丢失，不够准确，从而降低了检测的效率。在无损检测方面，目前所能采

用的手段尚不完善，存在大量难检项目。例如，对桥梁缆索的腐蚀断丝检测仍大

量采用开窗法进行，否则无法观察内部情况，而这又对缆索护套造成了损伤。同

时，混凝土中的实际预应力检测、孔道压浆密实度检测等也一直很难取得突破性

进展。现场试验是用来评价桥梁承载力的重要手段，但传统荷载试验方法费时费

力，对交通影响大，成本代价高。试验检测过程数据录入虽然实现了信息化，但

操作不便、实际效率很低。另外，现行健康监测系统虽在通信和数据存储上的发

展已能满足需求，未来5G的应用也会加速提升性能，但在数据采集与获取方面

存在着传感器使用寿命远小于桥梁设计使用年限，点式传感器的信号与结构损伤

之间的逻辑性和联系性较弱，监测系统的实施安装缺少行业标准等系列问题。

2桥梁检测与监测技术的发展趋势

2.1机器学习与数据挖掘技术

数据挖掘以丰富的数据体系为前提，借助算法从中汲取富有价值的信息。数

据挖掘的实现应得到计算机技术的支持，具体涉及在线统计与分析、机器学习、

率论、逼近论、凸分析、算法复杂度理论等。机器学习的主要目的在于模拟人类

面对事物时所做出的学习行为，从中汲取新的知识或技能，逐步完善知识结构。

在桥梁健康监测领域，各项数据挖掘工作的顺利开展也正得益于机器学习的支持。

深度学习是基于机器学习而衍生出的新方式，其基本目的在于模拟人脑的机制从

而对图像、文本等各类形式的信息作出解释，并从中发掘信息的价值。在深度学

习的发展领域，卷积神经网络颇具代表性。在桥梁健康监测领域，深度学习的方

式可以在海量数据中深挖具有价值的信息，将其汇总于一体，从而构建完善的大

数据云平台，并使用机器学习与深度学习工具完成桥梁健康状态的评估与预测。

2.2技术趋势准确把握

如何保障桥梁的安全性、耐久性和使用功能已成为目前桥梁工程界的巨大挑

战。桥梁工程