建立了两阶段的桥梁健康监测数据快速处理与分析评估方法：1）数据快速处理。首先对原始监测数据进行异常检测，剔除异常数据，提高数据质量。其次，将筛选出的正常数据，通过数据压缩与还原网络进行高精度的数据压缩与还原，从而降低数据传输压力；2）结构分析评估。相比于原始数据，经过优化后的监测数据在数据质量上有了明显的提升。在此基础上，与桥梁结构性能直接相关的关键参数可通过优化后的监测数据进行快速有效地分析，从而进一步提高了桥梁健康监测的效率。

（1）监测数据快速处理

桥梁健康监测数据的快速处理包括数据异常检测和数据压缩两个步骤，流程框架如图所示。

传感采集设备的故障或损坏是导致监测数据异常的主要原因之一，这类异常数据无法真实的反应结构响应且会影响结构分析的可靠性，因此需要进行剔除或修正。针对这类一维的异常数据，建立基于卷积网络的异常数据检测方法，将原始的监测数据段输入至网络并通过逐层的一维卷积核提取其高维特征，随后预测输入数据段的分类。同时，采用均方误差函数作为网络的损失函数。与此同时，在训练数据的基础上，通过 Adam 优化算法迭代更新网络的参数。

由于异常数据压缩后难以再进行还原，因此数据压缩在数据异常检测之后进行。在借鉴传统的基于字典的数据压缩方法的基础上，提出基于卷积自编码网络的数据压缩方法，主要分为数据压缩网络和数据重建网络两个部分。数据压缩网络用于把输入的原始时间序列数据压缩到指定大小，其中仅包含卷积层，非线性激活层和批正则化层，不包含全连接层。重建网络用于把压缩后的数据进行还原，首先将压缩数据通过全连接层调整数据尺寸，随后将压缩数据和数据标签信息输入至重建网络，并通过数层连续反卷积层输出还原数据。

（2）基于监测数据的结构快速评估

及时准确的对目标桥梁进行评估是桥梁健康监测的最终目的，桥梁监测系统为此提供了可靠的数据支持。如何充分地利用系统中各类型监测数据，并从中提取出与结构性能直接相关的信息，是实现快速有效结构性能评估的关键。在长期运营中，桥梁结构会随着时间的推移产生各类结构问题，并由此导致其刚度的降低，从而影响其承载能力。因此，准确识别桥梁刚度，对于桥梁承载能力的合理评价具有重要的意义。传统的评估方法通常需要部署大量的传感器并导致交通的中断，因而效率低下、成本高昂。为此，融合车载信息和监测数据建立了一套快速、低成本、高效率的结构评估方法，可对连续梁桥区域分布刚度进行准确的识别。

结构监测区域的平均刚度可由的力矩包络面积（Moment Envelope Area，MEA）和曲率包络面积（Curvature Envelope Area，CEA）共同计算。

融合桥面车载信息和桥下变形监测数据的结构刚度识别方法提供了一种新的思路，通过利用不同来源的监测数据，可对结构性能进行快速、有效的评估。相比之下，传统的结构分析方法往往需要投入大量的人力、物力和时间，这种基于监测数据融合的方法使得SHM系统的应用成本和能源消耗均得到了降低。

中交路桥科技结合多年行业先进经验，融合数字经济和国家安全体系发展需求，构建“智能监测、科技领先、智慧城市、数字赋能”的品牌战略，形成了工程检测、城市安全监测、数字化研发运维三大业务板块。公司技术实力雄厚，当前拥有一支高素质工程医生团队，囊括了铁道工程、城市道路与公路、桥梁工程、隧道工程、建筑工程、水利工程、工程物探、安全技术、电力、信号、集成电路、智能科学等专业。公司试验、检测、监测仪器设备齐全，用于试验检测、测绘的仪器设备共计千余套，为试验检测、监测数据的科学、准确提供了硬件保证。