雷 鷹,劉麗君,鄭翥鵬

(廈門大學(xué)建筑與土木工程學(xué)院，福建 廈門 361005)

結(jié)構(gòu)健康監(jiān)測(cè)(SHM)是利用現(xiàn)場(chǎng)傳感系統(tǒng)和相關(guān)分析技術(shù)來(lái)監(jiān)測(cè)結(jié)構(gòu)的行動(dòng)和性能(結(jié)構(gòu)可操作性、安全性和耐久性).在所有操作條件下，利用先進(jìn)的數(shù)據(jù)分析技術(shù)，如基于人工智能的智能數(shù)據(jù)分析確定結(jié)構(gòu)特征參數(shù)和損壞狀況，在超出監(jiān)測(cè)標(biāo)準(zhǔn)時(shí)發(fā)出適當(dāng)?shù)木瘓?bào)，進(jìn)行結(jié)構(gòu)性能評(píng)估和損壞預(yù)后，進(jìn)行結(jié)構(gòu)健康等級(jí)和結(jié)構(gòu)壽命預(yù)測(cè)，并對(duì)維修、改造和更換等結(jié)構(gòu)干預(yù)措施提供決策支持[1].SHM包括兩類科學(xué)問題，即“傳感”和“數(shù)據(jù)”：傳感包括各種傳感器及其傳感原理，監(jiān)測(cè)結(jié)構(gòu)載荷和環(huán)境、整體結(jié)構(gòu)響應(yīng)、局部響應(yīng)；數(shù)據(jù)包括數(shù)據(jù)收集和傳輸?shù)睦碚?、方法、硬件和軟件、?shù)據(jù)管理、數(shù)據(jù)挖掘和分析、結(jié)構(gòu)識(shí)別和損傷檢測(cè)以及結(jié)構(gòu)維護(hù)決策[2].SHM系統(tǒng)一般包括：1)傳感和儀器系統(tǒng)，2)數(shù)據(jù)采集、管理、傳輸、處理和控制系統(tǒng)，3)結(jié)構(gòu)狀態(tài)和結(jié)構(gòu)診斷的識(shí)別；4)結(jié)構(gòu)性能評(píng)估和預(yù)后.

SHM方法成為國(guó)內(nèi)外研究的熱點(diǎn).國(guó)內(nèi)外尤其是我國(guó)的學(xué)者及工程技術(shù)人員在各種SHM領(lǐng)域取得了許多成果[2-9].但SHM在其構(gòu)成的4個(gè)方面均存在許多挑戰(zhàn)，還有許多科學(xué)問題與工程技術(shù)難題有待解決.本課題組近年在SHM領(lǐng)域開展了系列研究及應(yīng)用，主要包括：1)在深入分析現(xiàn)有幾種卡爾曼濾波(Kalman filter,KF)及最新改進(jìn)方法基礎(chǔ)上，針對(duì)方法的不足提出了基于數(shù)據(jù)融合的未知輸入下的卡爾曼濾波(KF-UI)、未知輸入下的擴(kuò)展卡爾曼濾波(EKF-UI)、未知輸入下的無(wú)跡卡爾曼濾波(UKF-UI)、區(qū)間卡爾曼濾波(IKF-UI)、未知輸入下的區(qū)間擴(kuò)展卡爾曼濾波(IEKF-UI)方法；2)研發(fā)物理和信息融合的智能防災(zāi)減災(zāi)結(jié)構(gòu)系統(tǒng)云架構(gòu)；研究結(jié)構(gòu)多變量監(jiān)測(cè)、腐蝕監(jiān)測(cè)等物理子系統(tǒng)，抗風(fēng)抗震自適應(yīng)與分散控制算法、腐蝕識(shí)別與控制算法、基于超聲導(dǎo)波技術(shù)的鋼筋混凝土腐蝕監(jiān)測(cè)技術(shù)、智能控制驅(qū)動(dòng)物理子系統(tǒng)；3)基于建筑信息模型(BIM)+3D地理信息系統(tǒng)(3D GIS)的城市基礎(chǔ)設(shè)施物理信息融合智能化管理，研究BIM+3D GIS+物聯(lián)網(wǎng)(IOT)技術(shù)相結(jié)合的信息物理系統(tǒng)(CPS)智能化管理平臺(tái)的系統(tǒng)架構(gòu)及平臺(tái)的功能需求和價(jià)值，為智慧城市建設(shè)提供技術(shù)平臺(tái)；4)參與編制國(guó)際智能基礎(chǔ)設(shè)施結(jié)構(gòu)健康檢測(cè)學(xué)會(huì)(ISHMIJ)的SHM標(biāo)準(zhǔn)，為基礎(chǔ)設(shè)施SHM提供國(guó)際性標(biāo)準(zhǔn).

1 基于數(shù)據(jù)融合的系列KF新方法

由Kalman提出的KF方法[10]不僅能基于部分觀測(cè)對(duì)結(jié)構(gòu)狀態(tài)遞推估計(jì)，即只要獲知上一時(shí)刻狀態(tài)的估計(jì)值以及當(dāng)前狀態(tài)的觀測(cè)值，就可計(jì)算當(dāng)前狀態(tài)的最優(yōu)估計(jì)值，適用于實(shí)時(shí)在線對(duì)結(jié)構(gòu)狀態(tài)進(jìn)行估計(jì)；而且可考慮模型的不確定性及觀察噪聲影響，因而應(yīng)用廣泛.包括機(jī)器人導(dǎo)航、控制和傳感器數(shù)據(jù)融合甚至在軍事方面的雷達(dá)系統(tǒng)以及導(dǎo)彈追蹤等.近年來(lái)更被應(yīng)用于計(jì)算機(jī)圖像處理，例如頭臉識(shí)別、圖像分割、圖像邊緣檢測(cè)等.然而，KF要求結(jié)構(gòu)的外部輸入信息已知(或假定為寬帶白噪聲)，而實(shí)際結(jié)構(gòu)外輸入信息常難以全觀測(cè)，為克服傳統(tǒng)KF的局限性[11-13]，本課題組提出了基于數(shù)據(jù)融合的系列未知輸入下的KF新方法及其應(yīng)用(圖1).

圖1 系列KF新方法及應(yīng)用

1.1 KF-UI和GKF-UI新方法及結(jié)構(gòu)動(dòng)位移實(shí)時(shí)估計(jì)

研究未知輸入處的加速度響應(yīng)被觀測(cè)的情況，采用觀測(cè)數(shù)據(jù)融合解決了識(shí)別結(jié)果的漂移問題，提出了同時(shí)識(shí)別結(jié)構(gòu)狀態(tài)和未知輸入的KF-UI理論新方法[14]，而且進(jìn)一步研究未知輸入處的加速度響應(yīng)未被觀測(cè)的復(fù)雜情況，提出了更適用于一般情況下能同時(shí)識(shí)別結(jié)構(gòu)狀態(tài)和未知輸入的GKF-UI理論新方法[15-16].

研究考慮加速度與速度傳感器的觀測(cè)偏差，分別將偏差歸入觀測(cè)方程或運(yùn)動(dòng)方程的“未知輸入”，分別采用上述KF-UI、GKF-UI方法及數(shù)據(jù)的多速率融合實(shí)時(shí)估計(jì)結(jié)構(gòu)動(dòng)位移，提出了基于觀測(cè)數(shù)據(jù)驅(qū)動(dòng)與融合的結(jié)構(gòu)動(dòng)位移實(shí)時(shí)估計(jì)方法[17].

1.2 EKF-UI和GEKF-UI新方法及線性結(jié)構(gòu)局部損傷識(shí)別

研究輸入處的加速度響應(yīng)被觀測(cè)的情況，提出了同時(shí)識(shí)別結(jié)構(gòu)狀態(tài)、結(jié)構(gòu)參數(shù)和未知輸入的EKF-UI理論新方法[18]；研究輸入處的加速度響應(yīng)未被觀測(cè)的復(fù)雜情況，提出了更適于一般情況下的GEKF-UI理論新方法[19].研究對(duì)大型結(jié)構(gòu)中局部損傷的多尺度識(shí)別，將結(jié)構(gòu)其他部分對(duì)目標(biāo)子結(jié)構(gòu)的作用視為“未知輸入”，將GEKF-UI和KF-UI的相結(jié)合，通過(guò)子結(jié)構(gòu)精細(xì)化建模及多種觀測(cè)數(shù)據(jù)融合，對(duì)局部損傷進(jìn)行識(shí)別.

1.3 UKF-UI和GUKF-UI新方法及非線性結(jié)構(gòu)局部損傷識(shí)別

研究未知輸入處的加速度響應(yīng)觀測(cè)和未被觀測(cè)的情況下，提出了識(shí)別非線性結(jié)構(gòu)系統(tǒng)和未知輸入的UKF-UI新方法，進(jìn)一步研究輸入處的加速度響應(yīng)未被觀測(cè)的復(fù)雜情況，提出適合于一般情況的UKF-UI新方法.借鑒前面研究，研究將大型結(jié)構(gòu)其他部分對(duì)目標(biāo)子結(jié)構(gòu)作用視為“未知輸入”，與已有方法相比，可以在不觀測(cè)子結(jié)構(gòu)間界面響應(yīng)的情況下，對(duì)非線性目標(biāo)子結(jié)構(gòu)的局部損傷進(jìn)行識(shí)別[20].

1.4 IKF-UI和IEKF-UI及線性結(jié)構(gòu)局部損傷概率分析

借鑒KF-UI的研究，考慮實(shí)際工程的不確定性和未知輸入，將已有的區(qū)間卡爾曼濾波(IKF)推廣至IKF-UI.借鑒EKF-UI的研究，提出IEKF-UI進(jìn)行未知輸入下的結(jié)構(gòu)局部損傷概率分析.

2 物理和信息融合的智能防災(zāi)減災(zāi)結(jié)構(gòu)系統(tǒng)

當(dāng)前結(jié)構(gòu)防災(zāi)減災(zāi)管理系統(tǒng)往往是靜態(tài)系統(tǒng)，缺乏監(jiān)測(cè)信息的反饋和基于反饋信息的自動(dòng)控制功能，物理與信息融合系統(tǒng)是通過(guò)監(jiān)測(cè)與控制高度融合實(shí)現(xiàn)結(jié)構(gòu)實(shí)時(shí)精準(zhǔn)防災(zāi)減災(zāi)的智能管控技術(shù).該技術(shù)在智慧交通、智慧城市等研究較多，但在結(jié)構(gòu)防災(zāi)減災(zāi)領(lǐng)域的研究尚處于空白[21].

地震作用是建筑結(jié)構(gòu)最具破壞性的外部激勵(lì)之一.當(dāng)結(jié)構(gòu)受到的地震作用時(shí)，可利用安裝在結(jié)構(gòu)上的SHM系統(tǒng)獲得的結(jié)構(gòu)動(dòng)力響應(yīng)，采用逆問題識(shí)別地震激勵(lì).但由于監(jiān)測(cè)系統(tǒng)采集的是結(jié)構(gòu)絕對(duì)響應(yīng)，現(xiàn)有方法存在不能實(shí)時(shí)識(shí)別與識(shí)別結(jié)果漂移的問題[22-23].本課題組提出基于多元監(jiān)測(cè)數(shù)據(jù)融合的地震作用識(shí)別方法.通過(guò)對(duì)未知地震激勵(lì)采取一階保持(FOH)假設(shè)，在狀態(tài)方程中引入未知激勵(lì)項(xiàng)，推導(dǎo)未知地面激勵(lì)下廣義擴(kuò)展卡爾曼濾波(GEKF-UI)方法，消除對(duì)觀測(cè)位置的限制并實(shí)現(xiàn)實(shí)時(shí)識(shí)別[24-25].

以往人們都分別研究結(jié)構(gòu)監(jiān)測(cè)與振動(dòng)控制方法，但實(shí)際工程中結(jié)構(gòu)監(jiān)測(cè)與振動(dòng)控制相結(jié)合，更經(jīng)濟(jì)更有利于開發(fā)智能建筑結(jié)構(gòu)[26-27].雖然已發(fā)展了一些結(jié)構(gòu)識(shí)別和振動(dòng)控制的綜合方法[26-29]，但未知地震作用下結(jié)構(gòu)監(jiān)測(cè)識(shí)別與振動(dòng)控制相結(jié)合還存在不足.因此，提出基于所提出的GEKF-UI系統(tǒng)識(shí)別方法，提出實(shí)時(shí)結(jié)構(gòu)識(shí)別與基于線性二次高斯(LQG)的半主動(dòng)控制算法相結(jié)合的方法，并且采用MR阻尼器作為半主動(dòng)控制設(shè)備，達(dá)到結(jié)構(gòu)抗震自適應(yīng)控制目的[25].

2.1 基于監(jiān)測(cè)數(shù)據(jù)的線性結(jié)構(gòu)地震作用識(shí)別

實(shí)時(shí)掌握結(jié)構(gòu)狀態(tài)信息和地震激勵(lì)信息是進(jìn)行結(jié)構(gòu)抗震安全評(píng)估和優(yōu)化振動(dòng)控制的前提.地震激勵(lì)較弱的情況下，結(jié)構(gòu)仍處于線性階段，過(guò)去已有很多學(xué)者提出了利用實(shí)測(cè)結(jié)構(gòu)響應(yīng)識(shí)別未知激勵(lì)的方法[30].地震發(fā)生時(shí)，SHM系統(tǒng)測(cè)得的是絕對(duì)響應(yīng)，有些識(shí)別方法選擇直接在絕對(duì)坐標(biāo)系下建立運(yùn)動(dòng)方程，但往往需要建立近似假設(shè)，故只適用于剪切型結(jié)構(gòu)的識(shí)別.現(xiàn)有的識(shí)別地震激勵(lì)的方法通常建立在相對(duì)坐標(biāo)系下，需要觀測(cè)結(jié)構(gòu)相對(duì)響應(yīng)，而在未知地震激勵(lì)下無(wú)法獲得結(jié)構(gòu)的相對(duì)加速度，故使用上受到一定限制.因此，作者提出了應(yīng)用于未知地震激勵(lì)的GEKF-UI.該法在相對(duì)坐標(biāo)下建立運(yùn)動(dòng)方程，利用絕對(duì)加速度建立觀測(cè)方程，解決前述問題的同時(shí)可以在地面激勵(lì)未知情況下，僅觀測(cè)結(jié)構(gòu)絕對(duì)響應(yīng)實(shí)現(xiàn)對(duì)結(jié)構(gòu)的狀態(tài)、參數(shù)和未知地面激勵(lì)的實(shí)時(shí)識(shí)別.

一個(gè)自由度為n的結(jié)構(gòu)受未知激勵(lì)，運(yùn)動(dòng)方程為：

(1)

(2)

(3)

(4)

在對(duì)未知激勵(lì)進(jìn)行線性化時(shí)，采用FOH假定，則經(jīng)過(guò)線性化和離散化后的狀態(tài)方程可寫為

其中，wk代表均值為0、方差為Q的模型誤差矩陣，Ak、gk|k、Bk和Bk+1分別為

Ak=eGk|kΔt，

(6)

Bk=[Ak-(Ak-I)(Gk|kΔt)-1]

(Gk|kΔt)-1(Ek|kΔt),

Bk+1=[(Ak-I)(Gk|kΔt)-1-

I](Gk|kΔt)-1(Ek|kΔt).

(7)

觀測(cè)方程的形式為：

(8)

(9)

(10)

這樣可以將觀測(cè)方程線性化得到：

(11)

結(jié)構(gòu)及未知地面激勵(lì)識(shí)別

hk+1|k)，

(12)

然后對(duì)誤差運(yùn)用最小二乘法求解未知激勵(lì)：

(13)

(14)

(15)

通過(guò)觀測(cè)部分結(jié)構(gòu)響應(yīng)可實(shí)現(xiàn)結(jié)構(gòu)狀態(tài)、參數(shù)和未知地震激勵(lì)的準(zhǔn)確識(shí)別(圖2).

圖2 基于GEKF-UI的未知地震激勵(lì)識(shí)

2.2 未知地面激勵(lì)下廣義模態(tài)拓展卡爾曼濾波(GMEKF-UI)

高層建筑因其多自由度的特點(diǎn)，往往存在計(jì)算過(guò)程復(fù)雜，識(shí)別誤差易累積等問題.有學(xué)者提出將模態(tài)展開和EKF-UI結(jié)合的方法，雖然減少了結(jié)構(gòu)狀態(tài)的維度，但卻增加了未知激勵(lì)的維度.因此，提出了將模態(tài)展開和GEKF-UI方法結(jié)合的新方法--廣義未知激勵(lì)的模態(tài)拓展卡爾曼濾波(GMEKF-UI).利用部分觀測(cè)絕對(duì)加速度完成線性高層系統(tǒng)和未知地面激勵(lì)的識(shí)別工作，降低狀態(tài)維度的同時(shí)不增加未知激勵(lì)維度[16].

模態(tài)空間坐標(biāo)下的運(yùn)動(dòng)方程：

(16)

(17)

對(duì)狀態(tài)方程將進(jìn)行離散化和線性化，其中

(18)

(19)

觀測(cè)絕對(duì)加速度時(shí)，觀測(cè)方程為

(20)

同樣，對(duì)觀測(cè)方程進(jìn)行離散化和線性化，其中：

(21)

結(jié)構(gòu)及未知地面激勵(lì)識(shí)別的過(guò)程可見2.1節(jié)，并根據(jù)合適正交分解(POD)方法確定截?cái)嗄B(tài)數(shù).一個(gè)受El-Centro地震波作用的線性高層建筑，通過(guò)部分觀測(cè)可實(shí)現(xiàn)結(jié)構(gòu)狀態(tài)、參數(shù)和未知地震激勵(lì)的準(zhǔn)確識(shí)別(圖3).

圖3 地震激勵(lì)識(shí)別

2.3 基于監(jiān)測(cè)數(shù)據(jù)的非線性結(jié)構(gòu)地震作用識(shí)別

對(duì)于強(qiáng)震作用下的非線性結(jié)構(gòu)的運(yùn)動(dòng)方程可寫為：

(22)

(23)

將狀態(tài)方程線性化和離散化后可表示為：

Zk+1=AkZk+BkfS,k+Bk+1fS,k+1+gk|k+wk.

(24)

觀測(cè)方程可寫為：

(25)

(26)

式中，

(27)

基于GEKF-UI的迭代過(guò)程與2.1節(jié)類似，此處不再贅述.

一個(gè)層非線性剪切框架，假定非線性模型為Bouc-Wen模型，非線性滯回分量滿足：

(28)

圖4 非線性結(jié)構(gòu)地震激勵(lì)的識(shí)別

2.4 未知地震作用下具有時(shí)變參數(shù)的智能結(jié)構(gòu)的自適應(yīng)控制

對(duì)于智能結(jié)構(gòu)的發(fā)展，采用在線監(jiān)測(cè)系統(tǒng)，開展智能數(shù)據(jù)處理是重要的.SHM系統(tǒng)和振動(dòng)控制系統(tǒng)是建立智能結(jié)構(gòu)的兩個(gè)重要組成部分.在過(guò)去的幾十年中，對(duì)結(jié)構(gòu)監(jiān)測(cè)和振動(dòng)控制都進(jìn)行了許多研究[30-31].然而，在大多數(shù)已有的研究中，這兩個(gè)領(lǐng)域是單獨(dú)研究的，不符合成本效益，因?yàn)橹悄芙Y(jié)構(gòu)需要SHM系統(tǒng)和振動(dòng)控制系統(tǒng)[32].為此作者進(jìn)一步提出了基于GEKF-UI時(shí)變系統(tǒng)識(shí)別與振動(dòng)控制一體化方法，并將其應(yīng)用在未知地震激勵(lì)且觀測(cè)絕對(duì)加速度響應(yīng)的情況[32-34].

2.4.1 基于GEKF-UI的受控時(shí)變系統(tǒng)識(shí)別

受控時(shí)變結(jié)構(gòu)在未知地震激勵(lì)下的運(yùn)動(dòng)方程可以表示為

(29)

η*f*(t)+ηcU(t).

(30)

并將此虛擬力f*(t)與未知地震激勵(lì)結(jié)合為一新的未知外激勵(lì)，記為fu(t)，其定位矩陣為ηu,則式(30)可表示為

(31)

再將式(31)轉(zhuǎn)化為狀態(tài)空間方程

(32)

觀測(cè)部分絕對(duì)加速度度響應(yīng)與部分層間位移響應(yīng)，則觀測(cè)方程可表示為

DcUk+1+vk+1,

(33)

其中，ak+1和dk+1分別為部分絕對(duì)加速度響應(yīng)與部分層間位移響應(yīng).

2.4.2 用于時(shí)變系統(tǒng)的自適應(yīng)半主動(dòng)控制

瞬時(shí)最優(yōu)控制算法能使任意時(shí)刻內(nèi)的控制性能指標(biāo)都保持最小，比較適合時(shí)變系統(tǒng)的控制，因此，采用瞬時(shí)最優(yōu)控制算法對(duì)時(shí)變系統(tǒng)的控制力進(jìn)行計(jì)算.

系統(tǒng)的控制方程可以表示為

EU(t).

(34)

J(t)=XT(t)W1X(t)+UT(t)W2U(t)，

(35)

則瞬時(shí)最優(yōu)控制力可以表示為

(36)

類似地，采用MR阻尼器為結(jié)構(gòu)提供半主動(dòng)控制力.第i層所施加的半主動(dòng)控制力可表示為：

(37)

一個(gè)6層剪切框架受到未知地震激勵(lì)作用，結(jié)構(gòu)的第2層層間剛度發(fā)生20%的突變.圖5展示了所提出的算法與傳統(tǒng)的半主動(dòng)控制算法(已知結(jié)構(gòu)參數(shù)及時(shí)變情況且外激勵(lì)已知)的控制效果對(duì)比，結(jié)果表明提出的一體化控制算法能達(dá)到最優(yōu)控制效果.

圖5 一體化控制算法與傳統(tǒng)控制算法的控制效果對(duì)比

2.5 基于超聲導(dǎo)波的鋼筋混凝土腐蝕監(jiān)測(cè)技術(shù)

研發(fā)基于超聲導(dǎo)波技術(shù)的鋼筋混凝土腐蝕監(jiān)測(cè)技術(shù)，可在較大范圍內(nèi)監(jiān)測(cè)鋼筋混凝土的腐蝕開展及狀況.研究混凝土的裹覆對(duì)鋼筋的導(dǎo)波傳播特性的影響[35].對(duì)于埋置在混凝土的鋼筋，混凝土的存在并不會(huì)影響到其速度頻散曲線，而僅僅影響到其衰減頻散曲線.通過(guò)對(duì)波數(shù)實(shí)部與虛部的分析，研究了鋼筋混凝土剪切模量比、密度比、泊松比之比對(duì)鋼筋頻散曲線的影響，分析了鋼筋在空氣中、不同混凝土約束下、不同鋼筋直徑條件下的導(dǎo)波衰減特性.針對(duì)能量泄露導(dǎo)致接收信號(hào)極其微弱的問題，采用小波分析方法，將小波變換的時(shí)頻局部化特性應(yīng)用到鋼筋混凝土腐蝕監(jiān)測(cè)領(lǐng)域，通過(guò)合理選取小波基函數(shù)以及相應(yīng)的尺度，實(shí)現(xiàn)了導(dǎo)波應(yīng)用于鋼筋混凝土構(gòu)件中腐蝕缺陷的識(shí)別(圖6～7)[36-38].

圖6 不同尺度的檢測(cè)信號(hào)小波變換

進(jìn)一步研究了基于非頻散基階扭轉(zhuǎn)導(dǎo)波T(0,1)的應(yīng)用，結(jié)果表明：與傳統(tǒng)的縱波監(jiān)測(cè)方法相比，扭轉(zhuǎn)導(dǎo)波對(duì)鋼筋表面與淺表面缺陷更加敏感，并對(duì)鋼筋均勻腐蝕缺陷位置定位分析更加準(zhǔn)確；采用扭轉(zhuǎn)導(dǎo)波的監(jiān)測(cè)方法能更好地對(duì)鋼管內(nèi)外以及管壁內(nèi)部的單一缺陷進(jìn)行周向定位、定量分析(圖8).

3 基于BIM+3D GIS的城市基礎(chǔ)設(shè)施物理信息融合智能化管理

作為各種參與者之間信息交流的相互渠道，BIM可以在整個(gè)建筑生命周期中發(fā)揮關(guān)鍵作用.結(jié)合BIM在結(jié)構(gòu)監(jiān)測(cè)數(shù)據(jù)動(dòng)態(tài)利用中的研究[39-40]，對(duì)基于BIM平臺(tái)的CPS智能防災(zāi)減災(zāi)系統(tǒng)進(jìn)行初步研究.根據(jù)結(jié)構(gòu)防災(zāi)減災(zāi)的特點(diǎn)，研究建立基于云平臺(tái)的CPS智能結(jié)構(gòu)體系架構(gòu)，所構(gòu)建的CPS基于多源信息精確傳感和智能控制技術(shù)[41-43].由通信和控制驅(qū)動(dòng)，研究深度集成實(shí)時(shí)識(shí)別方法以及工程系統(tǒng)的控制策略.因此，利用網(wǎng)絡(luò)化CPS，可以在智能監(jiān)測(cè)和實(shí)時(shí)精度方面提高結(jié)構(gòu)防災(zāi)減災(zāi)能力.硬件、軟件、網(wǎng)絡(luò)和平臺(tái)是CPS的4大核心技術(shù).CPS是一個(gè)深度嵌入的實(shí)時(shí)系統(tǒng)，集傳感、控制、計(jì)算和網(wǎng)絡(luò)技術(shù)于一體，通過(guò)網(wǎng)絡(luò)連接信息子系統(tǒng)和物理子系統(tǒng)而形成的具有大型異構(gòu)特征的分布式實(shí)時(shí)系統(tǒng).該系統(tǒng)可分為以下3個(gè)子系統(tǒng)/層[44-47].

3.1 感知和控制子系統(tǒng)/層

該子系統(tǒng)/層是閉環(huán)數(shù)據(jù)流的起點(diǎn)和終點(diǎn).感知的本質(zhì)是物理世界的數(shù)字化.控制是基于數(shù)據(jù)采集、傳輸、存儲(chǔ)、分析和挖掘的精確執(zhí)行.

1)物理感知層：包括智能感知傳感器組件及技術(shù)、集成感知組件自感知、視頻圖像、移動(dòng)群感知、多監(jiān)測(cè)、多尺度共線監(jiān)測(cè)、腐蝕監(jiān)測(cè)等.該層的傳感器節(jié)點(diǎn)采用時(shí)間驅(qū)動(dòng)和實(shí)時(shí)調(diào)度方案.

2)物理控制層：包括虛擬與真實(shí)融合、精密控制技術(shù)和設(shè)備.事件觸發(fā)模型使用聚合節(jié)點(diǎn)、控制節(jié)點(diǎn)和執(zhí)行單元的任務(wù)，這一部分使用事件驅(qū)動(dòng)和實(shí)時(shí)調(diào)度解決方案.

3.2 通信子系統(tǒng)/層

在穩(wěn)定性、可信度、實(shí)時(shí)性和安全性方面，CPS對(duì)網(wǎng)絡(luò)通信技術(shù)有很高的要求.

通信層包括各種現(xiàn)有和先進(jìn)的網(wǎng)絡(luò)技術(shù)，如有線網(wǎng)絡(luò)、無(wú)線傳感器網(wǎng)絡(luò)、通用分組無(wú)線電業(yè)務(wù)、互聯(lián)網(wǎng)等；一個(gè)清晰的層次結(jié)構(gòu)需要CPS網(wǎng)絡(luò)的開放性和靈活性，以實(shí)現(xiàn)異構(gòu)網(wǎng)絡(luò)和異構(gòu)系統(tǒng)之間的跨平臺(tái)互聯(lián)和融合；CPS是一種具有實(shí)時(shí)網(wǎng)絡(luò)支持、實(shí)時(shí)網(wǎng)絡(luò)協(xié)議和實(shí)時(shí)網(wǎng)絡(luò)處理算法的分布式實(shí)時(shí)系統(tǒng).

3.3 信息子系統(tǒng)/層智能算法

包括分布式計(jì)算、并行計(jì)算、實(shí)用計(jì)算、網(wǎng)絡(luò)存儲(chǔ)、虛擬化和負(fù)載均衡、數(shù)據(jù)驅(qū)動(dòng)、大數(shù)據(jù)分析處理、機(jī)器學(xué)習(xí)等.信息子系統(tǒng)/層通過(guò)智能算法實(shí)現(xiàn)結(jié)構(gòu)在地震、風(fēng)災(zāi)害和腐蝕下的結(jié)構(gòu)狀態(tài)識(shí)別和控制.

3.4 基于BIM+3D GIS集成的物理信息融合云平臺(tái)

從基礎(chǔ)物理數(shù)字化到信息互聯(lián)網(wǎng)+IOT+云計(jì)算基礎(chǔ)的發(fā)展模式是智慧城市基礎(chǔ)設(shè)施物理信息管理智能化建設(shè)的發(fā)展趨勢(shì).BIM與GIS的融合可以實(shí)現(xiàn)從微觀到宏觀的多尺度城市管理.所提出的城市基礎(chǔ)設(shè)施物理信息融合智能化管理平臺(tái)架構(gòu)是從中央管控的整體管理思路出發(fā)，集成物理設(shè)備的實(shí)時(shí)動(dòng)態(tài)數(shù)據(jù)，結(jié)合云計(jì)算、大數(shù)據(jù)挖掘等技術(shù)，針對(duì)基礎(chǔ)設(shè)施的生命周期、結(jié)構(gòu)信息、養(yǎng)護(hù)信息以及運(yùn)行信息進(jìn)行深度挖掘、關(guān)聯(lián)與預(yù)測(cè)，建立基礎(chǔ)設(shè)施管養(yǎng)模型，并通過(guò)BIM+GIS技術(shù)集成將基礎(chǔ)設(shè)施物理監(jiān)測(cè)信息可視化，進(jìn)行物理信息融合，為管養(yǎng)部門提供強(qiáng)有力的養(yǎng)護(hù)決策和支持.如圖9所示，基礎(chǔ)設(shè)施物理信息智能化管理平臺(tái)共劃分為4個(gè)子系統(tǒng)，分別是環(huán)境物理設(shè)備監(jiān)控系統(tǒng)、BIM+3DGIS系統(tǒng)、運(yùn)維平臺(tái)和信息數(shù)據(jù)分析系統(tǒng).

4 國(guó)際智能基礎(chǔ)設(shè)施結(jié)構(gòu)健康監(jiān)測(cè)學(xué)會(huì)的結(jié)構(gòu)健康監(jiān)測(cè)第一級(jí)標(biāo)準(zhǔn)(草案)

作者最近參與國(guó)際智能基礎(chǔ)設(shè)施結(jié)構(gòu)健康監(jiān)測(cè)學(xué)會(huì)(ISHMII)的結(jié)構(gòu)健康監(jiān)測(cè)第一級(jí)標(biāo)準(zhǔn)(ISHMII SHM Code Level 1)的制定.該標(biāo)準(zhǔn)是作為基礎(chǔ)設(shè)施的SHM準(zhǔn)則設(shè)計(jì)的，為SHM技術(shù)和系統(tǒng)提供一般和全面的方法，用來(lái)彌補(bǔ)SHM系統(tǒng)的研究和實(shí)際應(yīng)用之間的差距.為基礎(chǔ)設(shè)施SHM提供了國(guó)際標(biāo)準(zhǔn)規(guī)范(ISHMII系列標(biāo)準(zhǔn)).

4.1 ISHMII SHM Code Level 1的特點(diǎn)

1)此標(biāo)準(zhǔn)足夠廣泛，并且對(duì)SHM中的相關(guān)人員具有可訪問性(即可理解性).

2)包括既有結(jié)構(gòu)及新建結(jié)構(gòu)的SHM系統(tǒng)(綜合生命周期監(jiān)測(cè)系統(tǒng)).

3)適用于單一結(jié)構(gòu)和結(jié)構(gòu)群的SHM系統(tǒng).

4)SHM在性能預(yù)測(cè)和生命周期維護(hù)方面的能力和潛力.

5)包括傳統(tǒng)與最新技術(shù)，如新傳感技術(shù)、人工智能使能技術(shù)、深度學(xué)習(xí)、大數(shù)據(jù)管理等.

4.2 ISHMII SHM Code Level 1的主要內(nèi)容包括：

該標(biāo)準(zhǔn)的內(nèi)容圍繞結(jié)構(gòu)健康監(jiān)測(cè)的主要內(nèi)容，包含較多的具體內(nèi)容，主要包括：

1 介紹

1.1 標(biāo)準(zhǔn)化的范圍

1.2 基本概念

1.3 結(jié)構(gòu)類別及SHM系統(tǒng)

1.4 SHM的目標(biāo)

1.5 NDT與SHM的關(guān)系

2 SHM系統(tǒng)的組成、功能、策略與設(shè)計(jì)

2.1 SHM系統(tǒng)組成

2.2 SHM系統(tǒng)的功能

2.3 SHM監(jiān)控策略

2.4 具有監(jiān)測(cè)策略的結(jié)構(gòu)類別

3 傳感器/傳感系統(tǒng)

3.1 傳感器

3.2 傳感器類別

3.3 傳感器選擇準(zhǔn)則

3.4 傳感器的布置

4 數(shù)據(jù)采集和管理系統(tǒng)

4.1 數(shù)據(jù)采集系統(tǒng)

4.2 數(shù)據(jù)管理系統(tǒng)

5 網(wǎng)絡(luò)、溝通和控制

5.1 聯(lián)網(wǎng)和數(shù)據(jù)通信

5.2 數(shù)據(jù)處理與控制系統(tǒng)

6 數(shù)據(jù)分析、結(jié)構(gòu)狀態(tài)識(shí)別與診斷

6.1 系統(tǒng)錯(cuò)誤的類型和來(lái)源

6.2 分析誤差的校準(zhǔn)

7 結(jié)構(gòu)性能評(píng)估、損傷預(yù)測(cè)和健康評(píng)級(jí)

7.1 結(jié)構(gòu)性能評(píng)價(jià)

7.2 結(jié)構(gòu)損傷預(yù)后

7.3 結(jié)構(gòu)健康等級(jí)

8 SHM系統(tǒng)維護(hù)

8.1 一般范圍

8.2 傳感器的檢查和維護(hù)

8.3 數(shù)據(jù)傳輸設(shè)備的檢查與維護(hù)

8.4 數(shù)據(jù)管理系統(tǒng)的檢查和維護(hù)

附錄A 主要結(jié)構(gòu)的SHMS

A1 橋梁的SHM系統(tǒng)

A2 高層建筑和高層結(jié)構(gòu)的SHM系統(tǒng)

A3 大型空間結(jié)構(gòu)的SHM系統(tǒng)

A4 隧道的SHM系統(tǒng)

A5 鐵路的SHM系統(tǒng)

附錄B 單個(gè)結(jié)構(gòu)和結(jié)構(gòu)群的SHMS實(shí)例

B1 區(qū)域分布式感知的概念

B2 單個(gè)結(jié)構(gòu)的例子

B3 城際公路和軌道交通結(jié)構(gòu)群實(shí)例

附錄C 傳感器

5 總 結(jié)

本文綜述了本課題組近年在若干國(guó)家自然科學(xué)基金、國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目等資助下，在SHM研究工作中取得的系列研究進(jìn)展及應(yīng)用.在理論方法方面，主要提出了基于數(shù)據(jù)融合的KF-UI、EKF-UI、UKF-UI、IKF-UI等系列未知輸入下KF新方法，并將該系列創(chuàng)新方法應(yīng)用于結(jié)構(gòu)狀態(tài)-參數(shù)-未知荷載的同時(shí)識(shí)別，包括未知地震作用下線性及非線性結(jié)構(gòu)狀態(tài)-參數(shù)-未知地震作用的同時(shí)識(shí)別、大型結(jié)構(gòu)中子結(jié)構(gòu)狀態(tài)及損傷的識(shí)別、智能結(jié)構(gòu)中的結(jié)構(gòu)識(shí)別與振動(dòng)控制的一體化.在構(gòu)建物理和信息融合的智能防災(zāi)減災(zāi)結(jié)構(gòu)系統(tǒng)方面，發(fā)展了對(duì)多源信息精準(zhǔn)感知、大規(guī)模結(jié)構(gòu)物理系統(tǒng)實(shí)時(shí)識(shí)別和智能控制技術(shù).提出的基于非頻散基階扭轉(zhuǎn)導(dǎo)波監(jiān)測(cè)對(duì)比傳統(tǒng)的縱波，能更好地對(duì)鋼筋和鋼管的表面與淺表面缺陷行進(jìn)行檢測(cè)；研發(fā)的基于BIM+3DGIS+IOT技術(shù)的智能監(jiān)控云平臺(tái)，為構(gòu)建物理和信息融合系統(tǒng)提供了技術(shù)平臺(tái)；參加編制的ISHMII學(xué)會(huì)的SHM標(biāo)準(zhǔn)內(nèi)容廣泛, 反映了SHM和智能基礎(chǔ)設(shè)施的最新知識(shí)與實(shí)踐，彌補(bǔ)了研究SHM與實(shí)踐間的差距.