文献类型：期刊文章

作　　者：孙利民[1] 尚志强[1] 夏烨[1]

SUN Li-min;SHANG Zhi-qiang;XIA Ye(State Key Laboratory for Disaster Reduction in Civil Engineering,Tongji University,Shanghai 200092,China)

机构地区：[1]同济大学土木工程防灾国家重点实验室

出　　处：《中国公路学报》

基　　金：国家重点研发计划项目(2017YFC1500605);上海市科委“科技创新行动计划”项目(18DZ1201203)

年　　份：2019

卷　　号：32

期　　号：11

起止页码：1-20

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：结构健康监测(SHM)技术在许多大型桥梁的运营养护管理中均有应用,但已有监测系统积累的海量数据并未被充分解读。为将大数据技术引入到桥梁SHM数据的处理分析中,首先总结大数据的概念和构成要素;然后分析SHM数据的工业大数据属性,梳理桥梁SHM大数据的研究方向;随后综述包括处理技术和分析方法在内的大数据技术在桥梁SHM中的应用现状,在由数据预处理、数据融合、特征工程、模式识别、可视化构成的大数据分析流程中提出SHM大数据研究的需求和应用场景;最后对大数据技术在桥梁SHM中的前景与驱动力进行展望和讨论。结果表明:SHM大数据研究应以结构状态评估为落脚点;大数据处理技术在SHM的系统框架搭建及数据分析能力扩展方面虽已得到较多应用,但其并非SHM大数据研究的重点;SHM数据融合对大数据分析方法有迫切需求,以实现桥梁SHM数据与外观检测等多源异构数据的多层面融合;深度学习、集成学习为结构状态敏感特征的提取提供了新的算法;有监督、无监督机器学习方法结合海量SHM数据将对结构状态评估下的模式识别问题形成更全面的认知;异常识别、相关分析、迁移学习等方法可为实桥SHM损伤识别提供支撑。研究结果可为SHM领域的大数据研究提供参考。

关 键 词：桥梁工程 结构健康监测 综述  大数据 结构状态评估 损伤识别

分 类 号：U446.3]