高速公路橋梁智能管養(yǎng)研究現(xiàn)狀

陶佳儀

（江蘇蘇通大橋有限責(zé)任公司，江蘇 南通 226010）

0 引言

我國(guó)公路交通量大、荷載大，面臨嚴(yán)峻的檢測(cè)養(yǎng)護(hù)壓力。交通運(yùn)輸部《2020年交通運(yùn)輸行業(yè)發(fā)展統(tǒng)計(jì)公報(bào)》顯示，截至2020年年末，我國(guó)公路總里程已達(dá)519.81 萬km，公路養(yǎng)護(hù)里程514.40km，占公路總里程的99%，其中高速公路里程16.10 萬km。隨著我國(guó)公路交通基礎(chǔ)設(shè)施的不斷完善，高速公路運(yùn)營(yíng)里程不斷增加，傳統(tǒng)高速公路橋梁病害的檢測(cè)方法效率低、工作量大、高空作業(yè)危險(xiǎn)、精度低，因此基于計(jì)算機(jī)視覺技術(shù)的高速公路病害檢測(cè)技術(shù)對(duì)行業(yè)的發(fā)展具有重大意義。本文對(duì)目前國(guó)內(nèi)高速公路橋梁病害檢測(cè)的智能化方法從智能檢測(cè)、圖像識(shí)別、機(jī)器學(xué)習(xí)等方面進(jìn)行了總結(jié)。

1 橋梁病害的智能檢測(cè)技術(shù)

在高速公路病害檢測(cè)中，由于橋梁的特殊性，其檢測(cè)難度相較于其他結(jié)構(gòu)類型更為復(fù)雜困難，目前國(guó)內(nèi)學(xué)者對(duì)于公路橋梁病害檢測(cè)的研究做了大量工作。無人機(jī)技術(shù)為一種非接觸式檢測(cè)技術(shù)，由于其在檢測(cè)大氣環(huán)境作業(yè)中效率高、機(jī)動(dòng)靈活、使用方便等優(yōu)點(diǎn)得到了大力發(fā)展，尤其適用于高度大、環(huán)境惡劣的復(fù)雜環(huán)境地區(qū)；機(jī)器人技術(shù)相較于無人機(jī)技術(shù)具有更高的續(xù)航能力、環(huán)境適應(yīng)性強(qiáng)、檢測(cè)精度更高、操作簡(jiǎn)單等優(yōu)點(diǎn)，但其靈活性較差，適用性略低于無人機(jī)。

機(jī)器人檢測(cè)方面，魏武等為實(shí)現(xiàn)斜拉橋纜索的自動(dòng)無損檢測(cè)，提出了基于蛇形機(jī)器人多傳感數(shù)據(jù)融合的纜索缺陷自動(dòng)檢測(cè)方法，通過數(shù)據(jù)融合技術(shù)對(duì)多源數(shù)據(jù)進(jìn)行融合，從而實(shí)現(xiàn)缺陷自動(dòng)檢測(cè)。該研究方法可降低檢測(cè)過程系統(tǒng)的不確定性，有效提高纜索缺陷識(shí)別精度和可靠性。Xu 等設(shè)計(jì)了一種基于安全恢復(fù)機(jī)構(gòu)模型的全輪驅(qū)動(dòng)爬坡機(jī)器人模型，分析了其爬坡能力和防滑性能，可實(shí)現(xiàn)對(duì)斜拉橋索的自動(dòng)檢測(cè)。李丙州等提供了一種能夠攀爬障礙物的橋梁檢測(cè)機(jī)器人，該機(jī)器人能探測(cè)凸緣上存在的障礙物，在凸緣上（例如沿著橋梁檢測(cè)路徑）移動(dòng)時(shí)，爬上/爬下或躲避并爬越障礙物；爬上/爬下或躲避并爬越障礙物時(shí)，探測(cè)圖像拍攝部，根據(jù)障礙物高度產(chǎn)生的高度變化，調(diào)節(jié)圖像拍攝部的拍攝高度，從而對(duì)應(yīng)于該高度變化，計(jì)算出相應(yīng)高度的z 軸坐標(biāo)，可實(shí)現(xiàn)對(duì)拍攝位置坐標(biāo)x/y/z 的計(jì)算，并將連續(xù)拍攝的圖像對(duì)應(yīng)其相對(duì)應(yīng)的x/y/z 軸坐標(biāo)，以此連續(xù)確認(rèn)與圖像相對(duì)應(yīng)的實(shí)際裂紋元素，并且由此生成該對(duì)應(yīng)圖像的實(shí)際位置坐標(biāo)的可識(shí)別圖像。劉揚(yáng)等公開了一種智能橋梁檢測(cè)機(jī)器人，包括一根鋼纜和檢測(cè)機(jī)器人，檢測(cè)機(jī)器人設(shè)置于一根鋼纜上，可實(shí)現(xiàn)對(duì)橋梁的下部結(jié)構(gòu)進(jìn)行檢測(cè)，提高檢測(cè)效率。Murphy 等對(duì)得克薩斯州的Rollover Pass 大橋開展颶風(fēng)“艾克”過后的結(jié)構(gòu)檢測(cè)。通過對(duì)車輛進(jìn)行初步的域分析，開發(fā)了用于橋梁檢測(cè)的全功能UMV 無人駕駛車輛，設(shè)定了七個(gè)功能：標(biāo)準(zhǔn)化任務(wù)有效載荷、增加健康監(jiān)測(cè)、通過更好的人機(jī)交互提高遠(yuǎn)程操作、增加3D 避障、改善站位保持、處理大數(shù)據(jù)集和識(shí)別傳感。Abedin 等提出一種基于非接觸式傳感器的鋼箱梁橋健康監(jiān)測(cè)方法，該研究調(diào)查了簡(jiǎn)支和連續(xù)跨度鋼箱梁橋在各種損傷情況下的行為，包括支撐失效和梁斷裂，并開發(fā)了基于橋梁動(dòng)態(tài)響應(yīng)的非接觸橋梁健康監(jiān)測(cè)技術(shù)。實(shí)驗(yàn)結(jié)果表明，單跨和連續(xù)跨橋梁在損傷后的振型都發(fā)生了顯著變化。對(duì)完整和受損橋梁振型的比較表明，橋梁沿線不同位置的損傷在可用于定位損傷的振型中具有不同的振幅變化。此外，分析表明，對(duì)于整個(gè)跨度內(nèi)的大多數(shù)位置，單個(gè)模態(tài)靈敏度或組合靈敏度都是指示性的。結(jié)果還表明了每種損傷情況下頻率和振型的清晰變化模式，可用于檢測(cè)橋梁沿線的損傷類型、嚴(yán)重程度和位置。

無損檢測(cè)技術(shù)方面，無損檢測(cè)是在不損害或不影響被檢測(cè)對(duì)象使用性能的前提下，采用射線、超聲、紅外、電磁等原理技術(shù)儀器對(duì)材料、零件、設(shè)備進(jìn)行缺陷、物理、化學(xué)參數(shù)檢測(cè)的技術(shù)。目前，無損檢測(cè)也廣泛應(yīng)用在橋梁裂縫的診斷和檢測(cè)中。常用的橋梁無損檢測(cè)技術(shù)主要有：超聲波檢測(cè)法、沖擊彈性波檢測(cè)法、聲發(fā)射檢測(cè)法、傳感器檢測(cè)法及光纖傳感網(wǎng)絡(luò)檢測(cè)法。其中前兩種方法主要用來探測(cè)混凝土結(jié)構(gòu)內(nèi)部的裂縫及裂縫深度，但是沖擊彈性波檢測(cè)法只能檢測(cè)擴(kuò)展方向與表面垂直且沒有分支的單根裂縫。聲發(fā)射檢測(cè)法屬動(dòng)態(tài)測(cè)量，不能檢測(cè)已發(fā)生的舊裂縫，而只能檢測(cè)出正在發(fā)生裂縫的位置、大小、深度、種類以及擴(kuò)展情況。傳感儀器檢測(cè)法通過在混凝土埋設(shè)的測(cè)縫計(jì)等儀器來監(jiān)測(cè)裂縫，控制為0.2～1m，屬點(diǎn)式檢測(cè)，故容易造成裂縫的漏檢。光纖傳感網(wǎng)絡(luò)檢測(cè)法具有靈巧、檢測(cè)精度高、可靠耐久、抗電磁干擾能力強(qiáng)等優(yōu)點(diǎn)，通過將光纖預(yù)先埋設(shè)在混凝土中，組成自動(dòng)化遙測(cè)系統(tǒng)，便可準(zhǔn)確定位裂縫的位置，但其構(gòu)建比較復(fù)雜且成本較高，這也是不容忽視的問題。

2 橋梁病害的智能識(shí)別算法

為了提高結(jié)構(gòu)檢測(cè)評(píng)估的效率和客觀性，國(guó)內(nèi)外研究人員對(duì)橋梁自動(dòng)檢測(cè)的進(jìn)行了長(zhǎng)期研究，主要包括基于傳統(tǒng)數(shù)字圖像處理的檢測(cè)方法和基于深度學(xué)習(xí)的智能檢測(cè)算法。而基于深度學(xué)習(xí)的智能識(shí)別方法目前在國(guó)內(nèi)還處于初始發(fā)展階段。

圖像處理技術(shù)是傳統(tǒng)的數(shù)字圖像檢測(cè)技術(shù)，可以識(shí)別一些特定類型的結(jié)構(gòu)缺陷，如混凝土裂縫、混凝土菠蘿面等結(jié)構(gòu)常見表觀病害。由于裂縫像素形狀比其他紋理圖案更薄，相較于背景顏色也更深，故而圖像處理技術(shù)可以基于顯著性假設(shè)識(shí)別或圖像中的缺陷來識(shí)別裂縫。常見的方法包括基于滲透的圖像處理法、閾值法及邊緣檢測(cè)法。

基于深度學(xué)習(xí)的橋梁缺陷檢測(cè)識(shí)別方法突破了傳統(tǒng)圖像處理技術(shù)的概念，使得在復(fù)雜環(huán)境下的橋梁底部病害自動(dòng)檢測(cè)成為可能。卷積神經(jīng)網(wǎng)絡(luò)的提出是為了解決圖像檢測(cè)與分類問題，它能夠識(shí)別一幅圖像屬于哪一類，因此早期的缺陷檢測(cè)主要是對(duì)公路表面病害類型進(jìn)行分類。Sattar 等比較了公共邊緣檢測(cè)器和深度卷積神經(jīng)網(wǎng)絡(luò)（DCNN）在基于圖像的混凝土結(jié)構(gòu)裂縫檢測(cè)中的性能，提出了一種將DCNN 和邊緣檢測(cè)器相結(jié)合的混合方法，將噪聲降低到原來的1/24。使用6 種常見的邊緣檢測(cè)方案（Roberts，Prewitt，Sobel，Laplacian of Gaussian，Butterworth，Gaussian）分析了19 幅高清晰度混凝土圖像（3420 幅子圖像，319 幅有裂縫，3101 幅沒有裂縫），首次在單個(gè)數(shù)據(jù)集上比較了每種裂縫檢測(cè)方法的相對(duì)性能。為未來采用DCNN 方法進(jìn)行基于圖像的混凝土損傷檢測(cè)展現(xiàn)了廣闊的應(yīng)用前景。邵紅艷等提出了一種基于自編碼神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)損傷識(shí)別方法，如圖1所示，利用Pycharm 法與Newmark 法相結(jié)合的方式，對(duì)簡(jiǎn)支梁結(jié)構(gòu)進(jìn)行重構(gòu)，并通過與相關(guān)數(shù)據(jù)相比較，得到各工況下模型的重構(gòu)誤差，研究表明所提方法可以較好地識(shí)別結(jié)構(gòu)損傷發(fā)生的時(shí)間及位置。

圖1 自編碼神經(jīng)網(wǎng)絡(luò)及框架示意圖

針對(duì)目前我國(guó)橋梁基數(shù)大，對(duì)既有舊橋開展檢測(cè)評(píng)估及損傷識(shí)別的需求與日俱增的現(xiàn)狀，目前國(guó)內(nèi)學(xué)者主要采用基于圖像處理技術(shù)的方法，利用計(jì)算機(jī)視覺識(shí)別結(jié)構(gòu)損傷圖像。隨著圖像識(shí)別方法的不斷發(fā)展，目前常用的智能算法如深度卷積神經(jīng)網(wǎng)絡(luò)、人工神經(jīng)網(wǎng)絡(luò)、遷移學(xué)習(xí)、遺傳算法等已經(jīng)得到有效應(yīng)用。同時(shí)，計(jì)算機(jī)技術(shù)、5G 技術(shù)及大數(shù)據(jù)技術(shù)的發(fā)展也為結(jié)構(gòu)智能檢測(cè)、識(shí)別及評(píng)估提供了新的思路。

3 橋梁智能養(yǎng)護(hù)

對(duì)于結(jié)構(gòu)日趨復(fù)雜的現(xiàn)代橋梁，橋梁管理和養(yǎng)護(hù)的難度不斷提升。在自然環(huán)境侵蝕、交通荷載與流量增加等作用下，橋梁“老齡化”問題突出，這對(duì)橋梁結(jié)構(gòu)的安全和運(yùn)營(yíng)會(huì)產(chǎn)生嚴(yán)重的負(fù)面影響。為較好應(yīng)對(duì)這種現(xiàn)象，必須從橋梁管理與養(yǎng)護(hù)出發(fā)，從根源解決問題，提高橋梁的運(yùn)維性能及服役壽命。

鄧國(guó)瑞基于BP 神經(jīng)網(wǎng)絡(luò)和BIM 技術(shù)深入探討人工智能的具體應(yīng)用，基于引入模擬退火算法對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化后的算法，開展橋梁安全評(píng)估系統(tǒng)建設(shè)，形成如圖2所示的智能化橋梁管理和養(yǎng)護(hù)技術(shù)?；贐IM 技術(shù)建立可視化平臺(tái)，建立智能化橋梁管理養(yǎng)護(hù)模塊，管理和養(yǎng)護(hù)工作的效率與質(zhì)量可由此實(shí)現(xiàn)提升。這些橋梁管理與養(yǎng)護(hù)中人工智能的應(yīng)用路徑，可以應(yīng)對(duì)由于自然環(huán)境侵蝕、交通荷載與流量增加等作用下，對(duì)橋梁的結(jié)構(gòu)安全和運(yùn)營(yíng)安全造成的負(fù)面影響。陳雙全認(rèn)為5G、大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能等智能化技術(shù)加快了交通基礎(chǔ)設(shè)施結(jié)構(gòu)的產(chǎn)業(yè)升級(jí)，將現(xiàn)階段以人工為主、計(jì)算機(jī)為輔的運(yùn)維控制方法升級(jí)為自調(diào)控、自管理、自修復(fù)、自適應(yīng)的智能、數(shù)字、網(wǎng)絡(luò)、精準(zhǔn)的針對(duì)交通基礎(chǔ)設(shè)施結(jié)構(gòu)的全要素、全過程管理模式，為解決交通運(yùn)輸行業(yè)智能感知、智能識(shí)別、智能預(yù)測(cè)、智能決策的管養(yǎng)一體化技術(shù)等關(guān)鍵科學(xué)問題奠定基礎(chǔ)。

圖2 智能化橋梁管理和養(yǎng)護(hù)技術(shù)

4 結(jié)論

以數(shù)字化、信息化及智能化為核心導(dǎo)向，推動(dòng)高速公路橋梁養(yǎng)護(hù)工區(qū)智慧轉(zhuǎn)型，打造智慧工區(qū)樣板工程，實(shí)現(xiàn)養(yǎng)護(hù)工作可視化、資產(chǎn)管理系統(tǒng)化。形成病害數(shù)據(jù)、發(fā)展趨勢(shì)、決策模型等數(shù)據(jù)產(chǎn)品，推廣應(yīng)用智慧巡檢、智能外設(shè)等智能化裝備，發(fā)揮養(yǎng)護(hù)工區(qū)資源集中、輻射周邊作用，全面統(tǒng)籌日常養(yǎng)護(hù)計(jì)劃、機(jī)械設(shè)備、材料、人員的調(diào)配管理，實(shí)現(xiàn)智慧養(yǎng)護(hù)作業(yè)的全覆蓋。從以下兩點(diǎn)對(duì)未來江蘇高速公路橋梁智慧管養(yǎng)進(jìn)行展望。

其一，建立高速公路橋梁智慧工區(qū)管理平臺(tái)。以三維模型為核心，融合信息系統(tǒng)數(shù)據(jù)、物聯(lián)網(wǎng)數(shù)據(jù)、運(yùn)營(yíng)數(shù)據(jù)、智能傳感數(shù)據(jù)，通過三維場(chǎng)景展示工區(qū)模型，打造工區(qū)環(huán)境管理、能耗管理、設(shè)備管理、資產(chǎn)管理、人員管理等功能模塊，通過可視化的方式向管理人員提供直觀的管理手段。平臺(tái)采用大數(shù)據(jù)、人工智能分析技術(shù)，為預(yù)警提供數(shù)據(jù)預(yù)測(cè)、支持和決策參考。

其二，打造高速公路橋梁智慧巡養(yǎng)管理平臺(tái)，滿足養(yǎng)護(hù)巡查、維修、施工等不同場(chǎng)景的應(yīng)用需求，充分運(yùn)用物聯(lián)網(wǎng)、云計(jì)算、互聯(lián)網(wǎng)、人工智能、自動(dòng)控制等技術(shù)，結(jié)合智能化、自動(dòng)化、無人化設(shè)備，提高日常巡檢、重點(diǎn)監(jiān)控、快速檢測(cè)、快速施工、路況監(jiān)控等實(shí)施效率，對(duì)養(yǎng)護(hù)數(shù)據(jù)進(jìn)行多維度采集、處理、挖掘與分析，實(shí)現(xiàn)養(yǎng)護(hù)成效數(shù)字化。

通過匯集養(yǎng)護(hù)作業(yè)施工信息，對(duì)橋梁養(yǎng)護(hù)設(shè)備管理、人員管理、設(shè)備參數(shù)采集、物料管理等橋梁養(yǎng)護(hù)業(yè)務(wù)進(jìn)行全方位、全過程管控，促進(jìn)養(yǎng)護(hù)設(shè)備能效成本降低和使用效率提升，保障橋梁結(jié)構(gòu)安全，發(fā)揮橋梁基礎(chǔ)設(shè)施效能，提升高速公路橋梁運(yùn)行效率和管理水平。