改革开放40年来，随着我国经济的不断发展，我国的基础设施建设经历了大规模发展。这一方面反映了我国改革开放以来取得的巨大成就，另一方面也对我们土木工程结构健康监测提出了新的挑战。在桥梁方面，随着桥梁建设的不断发展，桥梁结构的形式与功能日趋复杂，人们对现代桥梁的质量和寿命越来越重视。经过长期使用，桥梁结构难免会发生各种各样的损伤，加上近些年，地震、洪水、暴风等自然灾害也对这些建筑物和结构造成不同程度的损伤，还有一些人为的爆炸等破坏性行为。因此，对桥梁结构性能进行监测和诊断，及时地发现结构的损伤，对可能出现的灾害提前预警，评估其安全性己经成为未来工程的必然要求，也是土木工程学科发展的一个重要领域。
1 结构健康监测概述
结构健康监测（structural health monitoring，SHM）是指利用现场的无损传感技术，通过包括结构响应在内的结构系统特性分析，达到检测结构损伤或退化的目的。结构健康监测技术研究的目的就是通过结构中的传感器网络来实时获取结构对环境激励(人为的或自然的)的响应，并从中提取结构的损伤和老化信息，为结构的使用和维护工作提供参考，因而可降低维护费用，预报灾难性事件的发生，将损失降低至最小。
对于结构健康监测的关键，就技术上而言，主要是先进传感器的优化布设和信息的高效传输；就理论上而言，主要是结构识别理论和状态评估理论的发展。因此，健康检测有可能将目前广泛采用的离线、静态、被动的损伤检测，转变为在线、动态、实时的监测与控制，这将导致结构工程安全监控、减灾防灾领域的一场革命。可见，结构健康监测是一门综合性技术，涉及到结构动力学、信息技术（如信号的传输、处理、存贮与管理）、传感器技术、优化设计等多个学科。一个完善的智能健康检测专家系统简单来说可以分为3个部分，即信号采集、信号处理和损伤诊断。其中，损伤诊断是健康监测的核心问题，是对结构进行安全性评估和维护决策的基础。
桥梁健康监测其实是属于土木结构安全监测的范畴，它是指利用各种类型的传感器对桥梁结构状态进行无损探伤或者监测，对桥梁结构状态的整体行为进行定时或不定时的监测，通过数据分析进而诊断出损伤所发生的位置和程度。
2 桥梁结构健康监测技术发展
在桥梁方面，国外应用这项技术较早。在80年代中后期开始各种规模的桥梁健康监测系统的建立。例如，英国在总长522 m的三跨变高度连续钢箱梁桥Foyle桥上布设传感器，监测大桥运营阶段在车辆与风载作用下主粱的振动、挠度和应变等响应，同时监测环境风和结构温度场．该系统是最早安装的较为完整的监测系统之一，它实现了实时监测、实时分析和数据网络共享。而后还有丹麦的Faroe跨海斜拉大桥、墨西哥的Tampico斜拉桥、美国主跨440m的Sunshine Skyway Bridge斜拉桥等，均建立了桥梁健康监测系统。反观国内，虽然起步较晚，但是脚步迈得很快。我国自90年代起也在一些大型重要桥梁上建立了不同规模的结构监测系统，如香港的青马大桥、汲水门大桥和汀九大桥，内地的上海徐浦大桥以及江阴长江大桥等。东海大桥项目技术上引进美国NI公司的PXI数据采集卡，配上相应的风速计、加速度等传感器等对桥梁整体参数进行采集，在方案中还采用了GPS授时完成数据无线同步采集。
3 关于桥梁结构健康监测技术一些进展
3.1 物联网环境下的桥梁结构健康检测技术
伴随着现阶段物联网技术的发展，人们不断在倡导智慧结构、智慧城市、智慧地球，将物联网技术引入到结构健康监测领域也碰撞出了学科交叉的火花。基于物联网的SHM系统具有以下特点：1）测试节点具有独立性（开放性），包含时间地点等具体信息；2）能够随时被各种系统提取并使用，因而需要对数据进行标准化处理。物联网技术的应用，使得测试数据实现了自动的关联与共享，大大降低了数据分析的成本。但是，也存在行政管理制约，信息安全隐患方面的问题。目前，上海市的多座建筑与桥梁已经成功运用SHM系统进行了灾害监测与模拟分析。如上海闵浦二桥的多灾种监测与安全评估系统。
3.2 用于结构健康监测的荷载与响应模型
荷载与响应模型是进行桥梁健康监测警报的重要内容。桥梁除了受到正常的交通荷载和环境荷载外，还有可能受到重车、船撞、大风、海浪和其他异常荷载的影响。荷载识别方法的研究成果目前还很难有效应用于大型桥梁中，主要困难包括：大型桥梁模型本身比较复杂，影响因素多；实测的信号并不单纯是移动荷载引起的，还包括温度、风和噪声的影响；动力学逆问题求解困难。
3.3 混合监测（hybrid monitoring）——监测与数值模拟的结合
混合监测，指的是通过有限元模型和实际监测数据的有机结合，来丰富监测信息，并以此研究桥梁在正常运营状态下的各种结构行为和机理。如图1所示，将离散的测点数据与惊喜的有限元计算结果进行结合，最终就可以得到完备的结构信息。

图1  混合监测原理
混合监测的主要研究课题有以下四点。
1）不同关注因素下的多尺度建模
不同的因素会在结构不同的尺度层面上产生相应，因而单一尺度的建模不能精确地反应各因素的影响。多尺度有限元模型指的是对不同区域或不同尺度层次应用不同的物理规律建立模型，从而能够反应不同因素的影响。此外，由于模型的各节段尺度不同，因此需要通过不同的约束方程来实现不同尺度模型之间的变形协调。
2）有限元模型修正和模型确认
结合实测数据，研究模型的修正策略，从而使有限元模型更接近于实桥的真实状态。由于每次模型修正都基于某次特定的实验结果进行的，因此不具备不确定性。故还需考虑不确定性对模型进行进一步的修正。
3）荷载及环境因素
根据实测数据建立交通荷载及温度的统计模型，并考虑材料参数、日照、温度、风速、边界条件等因素对结构行为进行多因素作用的分析。
4）数据可视化
选择合适的数据可视化技术，实现多终端访问、共享和互动的数据展示。其次，利用可视化技术中实现监测结果和有限元模拟结果的综合展示，提高健康监测系统的效率和易用性。
3.4 健康监测大数据分析
随着结构健康监测系统的日益普及，传感器数量渐趋增多，数据积累速度越来越快。一般认为，大数据具备4V特征，即数据体量大（Volume）、种类多（Variety）、增速快（Velocity）、价值密度低（Value）。4V特征并没有明确地限定大数据的体量规模，因而可广泛适用于各个行业。目前桥梁长期健康监测面临着传统的离线监测系统无法胜任海量数据的存储、管理和分析等数据处理功能，且桥梁损伤识别和模型修正的计算规模大且复杂，因此发展数据处理和计算的高效的计算方法进行大数据分析收到学者们的重视。大数据分析的流程包括：数据提取、数据存储、数据清洗、数据挖掘（数据融合、数据将为、特征提取、模式识别、预测）、数据可视化。具体如图2所示：

图2  大数据分析流程
大数据处理和分析的终极目标是借助对数据的挖掘，对结构作出合理的预测和判断。运用大数据的“样本=总体”的全新概念的本质功能也是预测，通过数据融合和数据挖掘方法达到预测桥梁损伤的目的。随着大数据时代的到来，桥梁健康监测技术也会有突飞猛进的发展，从而构建一个全国性的大中小型桥梁的健康、病害、预防、诊治一体化管理的用于分析、整合、规范、指导的信息数据链交互平台，提供一个可靠、高效、并能够不断优化服务的健康与安全保障系统。
3.5 基于平行坐标图的模式识别（PCP）
PCP通过N个平行坐标轴将N维数据投射到二维空间中，每个数据点被表示为PCP中的一条线段，由此原始的高维数据集可被表示为一个几何系统。PCP能够呈现数据间的相关关系，因而具有模式识别功能，这也体现了大数据“追求相关关系而非因果关系”的思维方式。PCP的模式识别功能由三个重要的可视化特征实现，分别为以下几方面：
（1）线段夹角，表明变量间的正负相关关系，图3（a）中线段交汇于一点，表示两变量间具有强负相关关系，图3（c）中线段彼此平行，表示两个变量间具有强正相关关系。
（2）线段交点区域，表明变量间相关关系的强弱，图3（b）线段交汇于一个区域，表示两变量间具有弱负相关关系。
（3）线段分布，表明趋势模式或异常点模式。趋势模式对应密集区域的线段，异常点则是稀疏区域的线段。图3(d)下方的线段可判断为趋势，上方的线段为异常点。

图3 平行坐标图
在数据驱动的方法下，桥梁结构损伤或异常识别与状态评估大都可归类于模式识别问题。传统数据驱动的分析中，模式识别前一般要先对多通道、多种类的传感器时间序列数据进行降维，以提升机器学习方法的效率和准确性。然而降维存在定阶的问题，即需要确定最终的变量个数，尽可能多地保留原始数据中的信息。此外，损伤识别、传感器故障识别等问题常缺乏足够的标注数据，使得有监督学习方法很难被应用；无监督学习虽不使用标注数据但对参数设定敏感，且很容易陷入局部最优解。PCP将人的认知能力融入到数据分析中，为无法使用有监督学习及无监督学习不稳定情况下的模式识别提供了新的思路，并可直接对原始高维数据进行可视化。
4 结论
如今现阶段桥梁的集中建设必定将导致某一时期问题的集中爆发，对桥梁健康监测来说这既是机遇也是挑战。目前以人工智能为主导的数据化、智慧化的工业4.0时代正在到来，借助人工智能、云计算等新技术的成果，相信在不远的将来桥梁健康监测技术将不断深化和完善，而我们的桥梁结构将得到更好的保护，为人类造福。