人工免疫算法在橋梁健康監(jiān)測中的應(yīng)用

吳 軍，陳偉民

（1.西南醫(yī)科大學(xué)醫(yī)學(xué)信息與工程學(xué)院，四川瀘州646000；2.重慶大學(xué)光電技術(shù)與系統(tǒng)教育部重點實驗室，重慶400044）

人工免疫算法在橋梁健康監(jiān)測中的應(yīng)用

吳 軍1，陳偉民2

（1.西南醫(yī)科大學(xué)醫(yī)學(xué)信息與工程學(xué)院，四川瀘州646000；2.重慶大學(xué)光電技術(shù)與系統(tǒng)教育部重點實驗室，重慶400044）

橋梁健康監(jiān)測中故障樣本不易獲取，模型試驗不僅成本高，而且通過模型試驗建立的故障樣本與實際橋梁相差甚遠(yuǎn)。為此提出了一種基于人工免疫算法，以撓度、應(yīng)變等橋梁靜態(tài)數(shù)據(jù)的角度進(jìn)行分析，并從橋梁健康運行時的長期歷史數(shù)據(jù)中尋找有效信息的數(shù)據(jù)評估方法。經(jīng)過在菜園壩長江大橋一年期的試運行和實踐，證明了基于人工免疫算法的橋梁狀態(tài)評估方法的有效性，其有效率達(dá)到了40%。

橋梁健康監(jiān)測；狀態(tài)評估；人工免疫

在現(xiàn)代公路、鐵路交通中，橋梁是最重要和常見的基礎(chǔ)設(shè)施之一。如果橋梁發(fā)生安全問題，將會造成重大的財產(chǎn)損失及人員傷亡。傳統(tǒng)土木工程行業(yè)對橋梁故障診斷采取的方法是測試動態(tài)數(shù)據(jù)，即模態(tài)、振型等［1］。低階模態(tài)對故障反應(yīng)不夠靈敏，需要采用高階模態(tài)來進(jìn)行橋梁故障診斷，但高階模態(tài)往往難以提取。所以，從另一個角度來看，可從靜態(tài)數(shù)據(jù)的角度來進(jìn)行橋梁健康監(jiān)測的數(shù)據(jù)評估及故障診斷。所謂靜態(tài)數(shù)據(jù)是指應(yīng)變［2－3］、撓度、索力等。靜態(tài)數(shù)據(jù)具有采集方便、處理較為容易等優(yōu)點，因此可采用智能算法、數(shù)據(jù)挖掘、機器學(xué)習(xí)等進(jìn)行數(shù)據(jù)評估和故障模式識別。另一個重要的實際問題就是橋梁故障診斷不像機械故障診斷，比較容易獲得故障樣本，橋梁的故障診斷和模式識別中不能從實際橋梁中獲取故障樣本，如果做模型試驗，成本太高，而且模型很難做到與實際橋梁的情況相一致。設(shè)計正常的橋梁在大部分時間應(yīng)該處于正常運行，所以本文提出了一種從橋梁長期運行的數(shù)據(jù)中獲取橋梁正常運行的數(shù)據(jù)模式，從而發(fā)現(xiàn)異常模式的橋梁故障識別方法。

橋梁健康診斷技術(shù)發(fā)展至今已經(jīng)歷了3個發(fā)展階段：第1階段是以土木工程領(lǐng)域?qū)＜业母泄俸蛯I(yè)經(jīng)驗為基礎(chǔ)的經(jīng)驗診斷技術(shù)，對診斷信息只能作簡單的數(shù)據(jù)處理；第2階段是以傳感器技術(shù)和動態(tài)測試技術(shù)為手段，以信號處理和建模技術(shù)等為基礎(chǔ)的現(xiàn)代診斷技術(shù)，在工程中已得到了廣泛的應(yīng)用；第3階段為智能診斷技術(shù)階段。近年來，為了滿足大型復(fù)雜結(jié)構(gòu)的健康診斷要求，診斷技術(shù)進(jìn)入了以知識處理為核心，數(shù)據(jù)處理、信號處理與知識處理相融合的智能化數(shù)據(jù)處理階段，智能化故障模式識別和遠(yuǎn)程橋梁健康監(jiān)測已經(jīng)成為橋梁故障診斷的發(fā)展趨勢和研究熱點［4］。因此，目前國內(nèi)外已展開大量基于橋梁故障診斷的傳感器技術(shù)、物聯(lián)網(wǎng)和故障識別方法等的研究。

橋梁健康監(jiān)測和故障診斷的主要特點有：①橋梁結(jié)構(gòu)復(fù)雜，所處環(huán)境惡劣；②橋梁健康監(jiān)測系統(tǒng)是一套長期的、在線的監(jiān)測系統(tǒng)，包含多種傳感器［5－9］，每種傳感器數(shù)量也很多，分別布設(shè)在不同的自由度；③必須實現(xiàn)無損檢測，即橋梁健康監(jiān)測系統(tǒng)不能對結(jié)構(gòu)本身性能產(chǎn)生任何不良影響；④屬于多學(xué)科領(lǐng)域交叉的研究。橋梁故障診斷靜態(tài)數(shù)據(jù)識別方法必須考慮臺風(fēng)、地震、車載及溫度等環(huán)境參數(shù)變化對橋梁結(jié)構(gòu)效應(yīng)的影響，因此在進(jìn)行橋梁數(shù)據(jù)評估之前需要先剔除這些噪聲和干擾信息。本研究從長期的歷史信息和數(shù)據(jù)中，挖掘橋梁正常運行時的健康模式樣本，即把橋梁健康監(jiān)測中采集到的靜態(tài)數(shù)據(jù)視為時間序列，從長期正常運行的數(shù)據(jù)中進(jìn)行統(tǒng)計學(xué)習(xí)和分析，不需要建立故障模式樣本或?qū)＜規(guī)斓?。如果出現(xiàn)異常數(shù)據(jù)，即給出預(yù)警信息。故本方法屬于上述的第3階段橋梁故障診斷方法。根據(jù)所提出的需求，最近十幾年來出現(xiàn)的一種新的智能仿生算法——人工免疫算法比較符合本文思想和方法的實際需要［10－12］。因此，提出了一種基于人工免疫算法的新的橋梁健康監(jiān)測數(shù)據(jù)評估方法。

1 橋梁健康監(jiān)測中的兩類錯誤

在橋梁健康監(jiān)測中存在兩類錯誤，如下所示：

第1類錯誤：當(dāng)橋梁出現(xiàn)劣化的時候，應(yīng)該預(yù)警的時候而沒有給出預(yù)警，它的概率如式（1）所示。

式中：符號“｜”表示條件概率；A表示橋梁健康監(jiān)測系統(tǒng)給出預(yù)警；B則表示橋梁已經(jīng)發(fā)生了劣化。

第2類錯誤：當(dāng)橋梁在正常運行的狀態(tài)下，健康監(jiān)測系統(tǒng)給出虛假預(yù)警信號的概率，如式（2）所示。

式（1）表示橋梁已經(jīng)出現(xiàn)故障，監(jiān)測系統(tǒng)卻未給出預(yù)警信號的概率；式（2）則表示橋梁還未出現(xiàn)故障，監(jiān)測系統(tǒng)卻給出預(yù)警信號的概率。由此可知，第2類錯誤可適當(dāng)容忍，第1類錯誤卻需要盡量避免。兩類錯誤屬于此消彼長的關(guān)系，即降低第1類錯誤的概率，就會增加第2類錯誤的概率；反之亦然。因此，本文橋梁健康監(jiān)測系統(tǒng)故障診斷的目標(biāo)，就是在控制第1類錯誤的同時，盡量降低第2類錯誤的概率。

2 橋梁健康監(jiān)測數(shù)據(jù)的預(yù)處理

在橋梁長期運行的監(jiān)測數(shù)據(jù)中，包含了活荷載效應(yīng)、溫差效應(yīng)、風(fēng)載效應(yīng)、劣化效應(yīng)和噪聲。活荷載效應(yīng)是指由車流所造成的效應(yīng)。對于溫差效應(yīng)，本文只考慮日溫差變化所造成的效應(yīng)，而年溫差不予考慮（因為對橋梁來說，未達(dá)到滿載運行的情況下，日溫差將是主要的荷載因素）。噪聲包含傳感器的測量噪聲、電噪聲等。要對橋梁的靜態(tài)數(shù)據(jù)進(jìn)行健康評估，就需要事先剔除無用的活荷載信息（隨機信息與車流有關(guān)）和周期性的溫度信息（隨機信息與氣溫有關(guān)）。

本文以重慶菜園壩長江大橋的健康監(jiān)測和故障診斷為例進(jìn)行分析。菜園壩長江大橋全橋跨徑為800 m，是全國最早采用健康監(jiān)測系統(tǒng)的橋梁之一，在橋上布置有撓度傳感器、索力傳感器、應(yīng)變傳感器等。菜園壩長江大橋?qū)儆诠皹?，分兩層，上層為公路，下層為重慶軌道交通3號線。圖1中以其中跨跨中節(jié)點為例，給出了撓度數(shù)據(jù)的活荷載效應(yīng)提取結(jié)果。因為活荷載作用的時間尺度較短，因此本文采用了多尺度分析的方法剔除橋梁活荷載效應(yīng)［13］。

圖1采用了集合經(jīng)驗?zāi)B(tài)分解法（Ensemble Empirical Mode Decomposition，EEMD）剔除橋梁活荷載效應(yīng)，經(jīng)過對比分析和實際驗證發(fā)現(xiàn)，采用EEMD法比采用小波分析法效果更好，活荷載效應(yīng)剔除得更“干凈”。圖2則給出了中跨跨中節(jié)點的日溫差效應(yīng)提取及剔除日溫差效應(yīng)后的結(jié)果。由于橋梁的日溫差效應(yīng)具有與日氣溫變化同樣的規(guī)律，因此本文采用了以一天24 h的時間為窗口，進(jìn)行加窗傅里葉變換，剔除掉與日溫差變化頻率相同的信息。

圖2中給出的剩余荷載效應(yīng)即為剔除了活荷載效應(yīng)、日溫差效應(yīng)后的預(yù)處理結(jié)果，即“殘余信息”。這個“殘余信息”中主要包含了劣化效應(yīng)和各種噪聲信號，噪聲屬于白噪聲，從長期運行數(shù)據(jù)的結(jié)果來看無關(guān)緊要，因此最重要的是劣化效應(yīng)。劣化效應(yīng)包含了橋梁健康狀況劣化及承載力下降的信息，因此本文將以該預(yù)處理后的“殘余信息”作為人工免疫算法分析和處理的對象。

圖1 菜園壩長江大橋跨中節(jié)點的撓度活荷載效應(yīng)提取

圖2 菜園壩長江大橋跨中節(jié)點的撓度日溫差效應(yīng)提取

3 人工免疫算法及其在橋梁健康監(jiān)測中的應(yīng)用

3.1 人工免疫算法簡介

自從1991年比利時學(xué)者Bersini和法國學(xué)者Varela首次使用人工免疫算法來解決問題［14－15］以來，人工免疫算法已經(jīng)得到了飛速發(fā)展，國外大批學(xué)者投入了該領(lǐng)域的研究。在最近的十年里，人工免疫算法在國內(nèi)也逐漸成為研究熱點之一［16］。

人工免疫算法是受人體免疫系統(tǒng)的體細(xì)胞理論和網(wǎng)絡(luò)理論啟發(fā)而提出的一種仿生智能計算方法，它通過模擬人體免疫系統(tǒng)的自然防御機理和學(xué)習(xí)機制，提供了噪聲容忍、無導(dǎo)師學(xué)習(xí)、自組織、記憶等進(jìn)化學(xué)習(xí)機理，融合了分類器、神經(jīng)網(wǎng)絡(luò)和機器推理等許多智能算法的優(yōu)點。生命體的免疫系統(tǒng)是一個自組織、自調(diào)節(jié)的控制系統(tǒng)，人工免疫算法就是模擬其功能的一種智能仿生算法。人工免疫算法是一種自適應(yīng)算法，對異常數(shù)據(jù)的識別能力較強，識別率也較高。因此，在橋梁健康監(jiān)測中，人工免疫算法可以保證在控制第1類錯誤的同時盡量降低第2類錯誤。

3.2 抗原和抗體

抗原：是指能刺激和誘導(dǎo)機體的免疫系統(tǒng)使其產(chǎn)生免疫應(yīng)答，并能與相應(yīng)的免疫應(yīng)答產(chǎn)物在體內(nèi)或體外發(fā)生特異性反應(yīng)的物質(zhì)。在人工免疫系統(tǒng)中，一般指問題及其約束，與進(jìn)化算法中與適應(yīng)度函數(shù)類似。具體地是問題目標(biāo)的函數(shù)，是人工免疫系統(tǒng)算法的始動因子及重要的度量標(biāo)準(zhǔn)［17］。

抗體：是指免疫系統(tǒng)受抗原刺激后，免疫細(xì)胞轉(zhuǎn)化為漿細(xì)胞并產(chǎn)生能與抗原發(fā)生特異性結(jié)合的免疫球蛋白，該免疫球蛋白即為抗體。在人工免疫系統(tǒng)中一般指問題的候選解，與進(jìn)化算法中的個體相似，抗體的集合稱為抗體群。在實踐中，一般抗體以編碼的形式出現(xiàn)，常用的編碼形式有二進(jìn)制和十進(jìn)制。

抗體和抗原的親和力：為兩個字符串（或向量）之間的距離，如歐氏距離等［18］。

3.3 免疫和免疫系統(tǒng)

免疫（immune）是指生物體的一種特異性生理反應(yīng)，它能夠識別并清除抗原性物質(zhì)，“通過免疫可以使機體維持在健康的免疫平衡狀態(tài)”。

免疫系統(tǒng)（immune system）是機體產(chǎn)生免疫應(yīng)答反應(yīng)的物質(zhì)基礎(chǔ)，是生物體執(zhí)行免疫功能的組織機構(gòu)。各種淋巴細(xì)胞、T細(xì)胞和B細(xì)胞等各種免疫細(xì)胞共同組成了免疫系統(tǒng)。

免疫應(yīng)答的基本過程可分為3個階段。首先是感應(yīng)階段，抗原信息通過提成細(xì)胞交給淋巴細(xì)胞，T細(xì)胞和B細(xì)胞通過其表面抗原識受體進(jìn)行識別。然后是反應(yīng)階段，淋巴細(xì)胞識別后開始分化、增殖，其中B細(xì)胞將產(chǎn)生記憶細(xì)胞，以便后期能夠迅速識別相同抗原。最后是效應(yīng)階段，T細(xì)胞直接對抗體進(jìn)行攻擊，B細(xì)胞合成、分泌大量抗體并清除抗原。從免疫系統(tǒng)應(yīng)答的過程可以看出，免疫系統(tǒng)包括初次應(yīng)答、再次應(yīng)答和交叉應(yīng)答等方式。

3.4 特征向量的提取

撓度傳感器采用光電液位傳感器，而應(yīng)變則將光纖應(yīng)變傳感器預(yù)埋進(jìn)混凝土中獲得。撓度傳感器布置在主跨（中跨）跨中、主跨1／4節(jié)點處及邊跨跨中等位置，本文的數(shù)據(jù)分析均以主跨跨中處的傳感器為例。在每個監(jiān)測節(jié)點處均配置有撓度傳感器和應(yīng)變傳感器，應(yīng)變傳感器設(shè)置在上下表面處各兩個，上下應(yīng)變均取這兩個應(yīng)變傳感器的平均值。本文的監(jiān)測數(shù)據(jù)均為撓度、應(yīng)變等靜態(tài)數(shù)據(jù)，且2 h采集一次，采集數(shù)據(jù)按時間順序排列成隨機時間序列。本文取差分系數(shù)作為評價指標(biāo)，差分系數(shù)定義如式（3）所示。ii－

本文分別用字母s1、p、s2代表上應(yīng)變、撓度、下應(yīng)變。于是ti時刻的3個差分系數(shù)構(gòu)成向量為

式（4）所示的向量就構(gòu)成了橋梁健康監(jiān)測中靜態(tài)數(shù)據(jù)的特征向量。

3.5 人工免疫算法在橋梁健康監(jiān)測中的應(yīng)用

一般的機械故障診斷，需要提前建立故障樣本庫，然后進(jìn)行模式匹配。因為橋梁造價較高，不能進(jìn)行破壞試驗，所以橋梁的故障樣本不易獲取。而人工免疫算法可以在實時運行中自動識別橋梁撓度和應(yīng)變的粗大值或異常值等。正常橋梁的撓度變化范圍一般與跨度有關(guān)，跨度越大的橋梁撓度值也就越大。所以在土木工程中衡量撓度變化范圍一般不是一個具體的數(shù)值，而是一個百分?jǐn)?shù)（撓度和跨度的比值）。本文對撓度和應(yīng)變均采用了差分值來進(jìn)行計算，在程序中所設(shè)定的閾值為10‰（該數(shù)值根據(jù)歷史數(shù)據(jù)的經(jīng)驗得出）。

本文先采用K－鄰域均值法篩選出最初的核心抗體群（歷史信息中橋梁健康正常運行時的數(shù)據(jù)樣本），然后把采集到的新數(shù)據(jù)作為抗原加入到健康監(jiān)測系統(tǒng)中進(jìn)行識別。算法設(shè)計如圖3所示。

圖3中的“親和突變”是為了能更好地尋找全局最優(yōu)解，以免陷入局部最優(yōu)解。新采集到的數(shù)據(jù)經(jīng)過有限次迭代之后，如果能匹配將加入到新的抗體群，再用它們來識別新的抗原。如此循環(huán)，直至不能匹配為止，將給出警報信號。

圖3 橋梁健康監(jiān)測中的人工免疫算法設(shè)計

3.6 監(jiān)測結(jié)果

經(jīng)過一年時間的測試運行，診斷結(jié)果如表1所示。

表1 人工免疫算法在橋梁健康監(jiān)測中的診斷結(jié)果

4 結(jié)論和展望

從表1中的結(jié)果可得：采用人工免疫算法，從橋梁長期正常運行的歷史數(shù)據(jù)中去尋找有用信息是可行的，而且是一種值得深入研究的橋梁健康監(jiān)測數(shù)據(jù)評估方法。但其有效性是否具有統(tǒng)計學(xué)意義，還需要在其他橋梁中做進(jìn)一步的研究和觀察。主要問題是傳感器的壽命與橋梁設(shè)計使用年限相比相差太遠(yuǎn)，橋梁遠(yuǎn)未出現(xiàn)問題時，傳感器已經(jīng)發(fā)生了故障。因此，研究如何提高傳感器的使用壽命是一個非常重要的課題。

橋梁健康監(jiān)測中的方法都是從機械故障診斷中移植過來的，雖現(xiàn)在機械故障診斷中已經(jīng)得到了一些有效的應(yīng)用，但由于橋梁的復(fù)雜性高、結(jié)構(gòu)較大等特點和所處自然環(huán)境變化較多等實際情況，橋梁健康監(jiān)測也有許多自己的獨特之處，需要根據(jù)實際情況具體進(jìn)行處理，并對各種診斷算法進(jìn)行改進(jìn)才能應(yīng)用到橋梁健康監(jiān)測中。

橋梁健康監(jiān)測系統(tǒng)作為人工檢查和維護(hù)的輔助手段是有效的，雖然目前橋梁健康監(jiān)測系統(tǒng)還不能達(dá)到完全不需人工檢查的地步，還僅僅是土木專業(yè)人工檢查的輔助手段，但橋梁健康監(jiān)測還是一個值得研究的課題和方向，不過還需進(jìn)一步研究如何提高其有效性和準(zhǔn)確性。

因為人工免疫算法是一種仿生智能算法，所以其收斂性是可以保證的，該算法對異常數(shù)據(jù)也較為敏感。因此從理論上分析和一年的試運行性結(jié)果來看，確實能夠做到在控制第1類錯誤的同時降低第2類錯誤發(fā)生的概率，即漏報率比誤報率要低得多。但是，兩類錯誤概率的理論值還需要進(jìn)一步進(jìn)行分析和計算，并需長期觀察實際運行的結(jié)果與理論值是否能夠保持一致。

［1］ 葛玉梅，邵帥，潘輝，等.泰州大橋懸索橋南錨碇基礎(chǔ)的變形及超載安全度分析［J］.科技導(dǎo)報，2013，31（26）：35－39.

［2］ 孫陽陽，王源，章征林，等.表面粘貼式光纖布拉格光柵應(yīng)變傳遞規(guī)律分析與實驗研究？［J］.功能材料，2016，47（7）：07046－07050.

［3］ 王源，章征林，孫陽陽，等.不同表面粘貼方式對光纖光柵應(yīng)變傳遞的影響［J］.壓電與聲光，2016（1）：106－110.

［4］ 董聰，楊培捷.城市橋梁智能健康診斷研究與進(jìn)展［J］.科技導(dǎo)報，1999，19（10）：57－59，60.

［5］ 盧凱，黃文，劉思祎，等.基于PVDF的柔性壓力傳感器陣列的制備及仿真研究［J］.電子元件與材料，2016，35（3）：40－43.

［6］ 母坤，童杏林，胡畔，等.氫氣傳感器的技術(shù)現(xiàn)狀及發(fā)展趨勢［J］.激光雜志，2016（5）：1－5.

［7］ 劉林鋒，郭平，趙娟，等.無線傳感器網(wǎng)絡(luò)中基于移動sink最優(yōu)路徑的數(shù)據(jù)收集策略［J］.四川兵工學(xué)報，2015，36（1）：118－121.

［8］ 李梅菊.水下無線傳感器網(wǎng)絡(luò)綜述［J］.重慶理工大學(xué)學(xué)報（自然科學(xué)），2016（8）：92－98，121.

［9］ 唐海松，陳亦新，倪立新.現(xiàn)代轉(zhuǎn)矩轉(zhuǎn)速傳感器在電機能效測試應(yīng)用中的技術(shù)［J］.電機與控制應(yīng)用，2016，43（1）：95－100.

［10］DIAO Y X，PASSION K M.Fault diagnosis for a turbine engine［J］.Control Engineering Practice，2004（12）：1151－1165.

［11］竇唯，劉樹林，孫明，等.生物免疫機理在往復(fù)壓縮機在線狀態(tài)監(jiān)測中的應(yīng)用［J］.流體機械，2004，32（5）：16－19.

［12］XIONG H，SUN C X.Artificial Immune Network Classification Algorithm for Fault Diagnosis of Power Transformer［J］.IEEE Transactions on Power Delivery，2007，22（2）：930－935.

［13］WU J，CHENW M.An Extraction Method for Live-Load Effect of Bridge Based on EEMD［J］.Applied Mechanics＆Materials，2011，105／107：1144－1148.

［14］BERSINIH，VARELA F J.Hints for adaptive problem solving gleaned from immune networks［M］／／Parallel Problem Solving from Nature.2006：343－354.

［15］BERSINIH.Immune network and adaptive control［C］／／Proceedings of the 1stEuropean Conference on Artificial Life.1991：217－226.

［16］欒林林.基于人工免疫算法的故障診斷方法研究［D］.上海：華東理工大學(xué)，2011：86－88.

［17］岑健.基于人工免疫系統(tǒng)的機組復(fù)合故障診斷技術(shù)研究［D］.廣州：華南理工大學(xué)，2010：78－92.

［18］段海濱，張祥銀，徐春芳.仿生智能計算［M］.北京：科學(xué)出版社，2011：168－188.

（責(zé)任編輯楊文青）

Application of Artificial Immune Algorithm in Bridge Health Monitoring

WU Jun1，CHENWei-min2
（1.College of Medical Informatics Engineering，Southwest Medical University，Luzhou 646000，China；2.Key Lab of Ministry of Education for Optoelectronic Technology＆System，Chongqing University，Chongqing 400044，China）

The fault samples in bridge health monitoring are difficult for acquisition.The cost of model test of bridge is very high，and the fault samples which are got from model test are far from the actual bridge.For these factors，a method of data assessment based on artificial immune is proposed，which analyzes from the perspective of static data，such as deflection，strain，and so on.The historical information is very effective when bridge is running healthfully for a long time.In a year of commissioning and trial in Caiyuanba Yangtz River Bridge，it is proved that the method of bridge state assessment based on artificial immune algorithm is effective and feasible.And the effective rate reached 40%.

bridge health monitoring；state assessment；artificial immunity

TP39

A

1674－8425（2016）12－0129－06

10.3969／j.issn.1674－8425（z）.2016.12.020

2016－05－25

遵義醫(yī)學(xué)院博士啟動資金資助（F－741）

吳軍（1977—），男，博士，副教授，主要從事智能儀器與測試、數(shù)據(jù)分析與大數(shù)據(jù)處理等方面研究，E-mail：wj2135187＠126.com。

吳軍，陳偉民.人工免疫算法在橋梁健康監(jiān)測中的應(yīng)用［J］.重慶理工大學(xué)學(xué)報（自然科學(xué)），2016（12）：129－134.

format：WU Jun，CHEN Wei-min.Application of Artificial Immune Algorithm in Bridge Health Monitoring［J］.Journal of Chongqing University of Technology（Natural Science），2016（12）：129－134.