桥梁监测的集群化

文/图　辽宁省交通规划设计院有限责任公司公路养护技术研发中心 张冠华

根据各类桥梁的实际情况，开发和应用集群化桥梁安全监测系统，积极推进“互联网+”、大数据等信息化手段在行业内的应用，并将之与传统模型相结合，更大程度地发挥桥梁监测和养护数据的价值，保障桥梁的安全运营。

随着我国公路桥梁事业的发展，桥梁数量越来越多，截止到2017年末，全国公路桥梁共计83.25万座，比2016年增加了2.72万座。在全部桥梁中，特大桥梁4646座、大桥91777座，绝大部分为中小跨径桥梁。而对于数量众多的桥梁，其安全监测，目前仍主要应用人工检测的方法，包括定期检查和评估等。但实践证明仅仅依靠人工检测，将出现诸如检测周期长导致桥梁信息获取的滞后，检测情况难以量化，造成相关人员不能准确了解桥梁的运行状况等问题。随着这些问题的出现，桥梁结构安全监测技术越来越受到桥梁管理者的重视。

通过在桥梁上安装安全监测系统，能够实时监测桥梁的实际运行情况，量化监测数值，便于定期维护。当桥梁出现状况时可以及时发布预警，做好应对措施。因此，通过人工检测与安全监测相结合的方式对桥梁进行长期监测，便能够及时发现并解决桥梁的安全隐患。

中小跨径桥梁监测不足

根据相关资料，目前我国安装设计较完备、传感器齐全的安全监测系统的桥梁不到300座。而导致桥梁安全监测技术未能广泛应用的原因主要有两方面。其一是安全监测系统费用昂贵。由组图可知，无论是普通公路桥梁还是高速公路桥梁，中小跨径桥梁都占据主要地位，而占主要地位的中小跨径桥梁却无法承受高昂的监测费用。但大桥由于重要性等级较高，建设和养护的经费充足，因此，安全监测系统只在占很小比例的大跨径桥梁中应用较多。基于此，应该更加重视中小跨径桥梁集群化监测技术的应用，因为中小跨径桥梁同样需要安全监测。其二是技术的成熟度不够，安全监测系统涉及到传感器的应用、信息传输与采集、数据存储与分析等信息技术，虽然云平台和大数据分析技术也逐渐兴起，并积极地尝试应用，但某些技术还不是很成熟，限制了其推广应用。

组图：辽宁省公路桥梁分布情况

集群化桥梁安全监测系统工作示意图

集群化监测系统

面对中小跨径桥梁监测成本高的问题，将众多分散的桥梁进行集成化管理，实现远程监控，扩大监测范围，涵盖更多的桥梁，节约人力和开发的成本，保证桥梁的安全运营，这就是集群化桥梁安全监测系统。该系统可根据每座桥梁的实际情况制定监测方案，选定针对性的监测参数，使用相应的传感器采集数据，并存储和传输数据，通过太阳能供电和无线网络传输技术，将数据传输到统一的平台，实现信息的共享，并可对采集的数据进行相应的分析和处理。

系统的总体设计

集群化桥梁安全监测系统研究主要包括四部分：桥梁安全监测系统总体设计、关键监测参数的确定、传感器的选型和试验及多传感器集成设备的研制。桥梁安全监测系统总体设计包括四个子系统即传感器子系统、数据采集与传输子系统、数据库管理子系统和监测与评估子系统。传感器子系统主要为传感器元器件及其附属保护设施，接受监控中心发出的指令，采集各种响应参数。传感器“感知”这些参数幅值，并通过内置感应电路将这些参数值转换为电压、电流信号及数字信号，并传输给现场工作站的采集计算机，完成信号数据的采集。

数据采集与传输子系统由分布在全桥的多个采集工作站、通信光缆和控制软件等组成，主要是通过光缆将采集数据输送到监控中心的服务器，具备信号数据的预处理、临时归档、显示和及时存储等功能。数据库管理子系统为监控中心系统的“数据信息心脏”。主要是管理和储存整个系统的静态资料信息和动态监测数据。监测与评估子系统主要是利用各种监测数据、分析算法和评估理论完成桥梁监测信息的发布、结构状态评估等工作。通过对现有桥梁病害的调研，以及对病害类型的统计分析，了解安全重要控制部件和位置，分析影响桥梁安全的各种关键因素，确定安全监测的关键参数，根据相关规程设置监测参数布点。

传感器的选型及试验

为了确定何种类型的传感器更适合进行位移的长期静态监测，分别使用加速度传感器、倾角仪及静力水准仪三种传感器进行位移的测试试验。试验结果表明，加速度传感器测试位移，误差较大，影响因素多，不适于位移的长期位移监测；倾角仪换算位移，精度较好，但受温度影响大，成本较高，适用于动态监测；水准仪测试精度最高，更适用于长期静态监测。多传感器集成设备的研制包括硬件设备的集成、相关软件的编制及加速度采集卡的研制等。这些设备能够支持系统控制、数据调度、数据采集与传输及数据断点续传。减小了体积且安装方便，也解决了兼容性问题，同时降低了成本。

实际工程的应用

在实际应用中，以预应力混凝土连续箱梁为例，其病害主要表现为下挠过大、腹板易产生裂缝，所以确定关键监测参数为跨中竖向变形及腹板裂缝宽度。除此之外，将混凝土应变、振动特性和纵向位移、体外索应变及梁内温度作为辅助监测参数。安装静力水准仪、裂缝计、拾振器、混凝土应变计、钢索计等传感器，以及系统控制箱、太阳能控制器等相关集成设备，进行现场调试，开发可视化界面，实现对桥梁相关数据的实时监测。

大数据的分析与应用

随着云平台、大数据等技术的出现，以及现有数据质和量的复杂性变化，在分析桥梁安全监测数据时，需要新的信息技术。通过统计学、机器学习及大数据分析等手段，分析相应的数据。

集成桥梁的监测与养护数据

大数据的分析过程主要包括数据预处理、特征提取以及数据挖掘过程。在数据预处理过程中主要包括数据的清洗和集成。数据清洗是为了消除错误、冗余和数据噪音，将不同的、不兼容的规则所得的各种数据集一致化。数据集成是为了合并多个数据源的数据，将其存放到一个一致的数据存储中。目前，在桥梁监测数据的分析过程中，主要就是将桥梁的健康监测数据和桥梁养护数据进行集成。在特征提取阶段，需要将机器学习算法不能识别的原始数据转化为可识别的数值特征。比如通过统计分析提取的统计特征，模态识别提取的模态特征等。

在数据挖掘过程中，主要包括分类、聚类、关联度分析，异常检测等算法。每一种算法又包含不同的方法，比如分类方法中包括贝叶斯、神经网络、支持向量机、决策树、组合分类、基于规则分类等方法；聚类算法中有层次方法、高级聚类、基于密度方法、基于网格方法等，为了取得更好的效果，根据实际问题选择相应的方法。

集群化桥梁安全监控中心（研究中心）

数据融合技术尚未成熟

目前，大数据分析方法在桥梁安全监测中的应用情况主要有四个方面：包括对监测数据的分类、聚类分析、小波变换和神经网络等方法的数据预测，关联度分析和异常数据识别，以及数据的融合。通过对不同测点的数据进行分类、聚类分析可得到不同工况下的结果，从而评估桥梁结构的安全状态；应用小波变换等方法能够得出结构监测数据的发展趋势，从而预测桥梁未来一段时间的运行状态；关联度分析则能够探究不同类型监测参数之间的相互作用规律，通过对异常数据的识别，了解桥梁的运行状态，从而做出预警；数据融合，即融合桥梁设计、施工、运营中的病害、事故、书籍、论文等信息，但受制于技术的发展，该方向更偏向于理论研究，尚未成熟。

大数据分析与桥梁监测

将集群化公路桥梁结构安全监测得到的数据进行大数据分析，主要包括四个部分，即数据处理、数据存储、数据分析和数据展示。数据处理过程主要是将传感器数据导入到分布式数据库中，进行异常值过滤和离群点检测，采用线性二次平滑补全数据，并将数据归一。

数据存储过程是将来自各个传感器和数据库的结构化和非结构化数据进行统一数据存储，采用分布式数据库对监测数据进行存储和访问。在数据分析阶段，采用相关大数据组件进行关联规则挖掘、异常数据分类和时间序列数据预测。在关联度分析过程中，首先开展数据的预处理工作，构建频繁项集，在可能的延迟时间内，找出潜在的关联关系，也可以根据实际情况及养护经验进行参数的选择和数值的离散化，再通过FP-GROWTH算法挖掘频繁项集，从而找出不同类型传感器或者同一类型传感器的关联关系。

对于未来的桥梁养护和管理，除了关注桥梁安全监测内容和技术的发展以外，同时要加大力度进行数据的分析和评价，还可以尝试将气象数据、交通数据等多源数据引入，做更多的分析和处理。在此基础上，开阔思路，横向分析，探索同类型桥梁的共性，应用新方法和新技术，为桥梁的养护和管理提供新思路。