神经网络+人工智能算法“把脉”桥梁健康

一项由澳大利亚大学开展的研究将人工智能算法与神经网络相结合，实现了对桥梁缺陷的实时检测。根据《牛津词典》的定义，神经网络是一种以人脑及其神经系统为模型而构建的计算机系统。

该研究由澳大利亚天主教大学主导，开发出一种用于桥梁结构健康状况实时监测的方法，并已在越南的Chumchup、Gocong、Ongdau和Ongnhieu四座桥梁上进行了实地测试。这种新型人工智能程序通过采集和分析桥梁的振动数据，能够在结构性缺陷发展为严重问题之前，准确识别出微小缺陷，并及时向维护人员发出预警信号。这项多国合作研究由澳大利亚天主教大学计算智能副教授兼“社会公益实验室”女性人工智能项目负责人Niusha Shafiabady博士领导完成。

Niusha Shafiabady博士(右一)

“损耗因子”发出的信号

为开发该机器学习程序，澳大利亚与越南的研究人员引入了“损耗因子”的概念。该因子表示能量在不同振动状态下的耗散过程，是桥梁结构健康状况的重要指标。

Shafiabady博士解释道：“如果想用日常生活来理解‘损耗因子’，可以想象自己在蹦床上跳跃时的情境——你施加的能量一部分用于蹦床的形变和运动，但并非所有的能量都会回馈给你。”

这部分未被回馈的能量即为“损耗”。桥梁结构中的能量耗散过程也与之类似。“损耗因子”测量的就是这种未被回收的能量。损耗的能量通常以热量的形式释放，或以结构内部的摩擦形式体现。研究团队利用损耗因子分析了桥梁的振动模式，以此评估结构的健康状况。

研究结果表明，桥梁运行过程中能量的耗散主要可归因于三类信号来源：结构响应、缺陷相关指征以及噪声干扰。通过持续监测损耗因子随时间的变化，该模型能够有效识别结构劣化的早期迹象。

越南Ongnhieu桥

桥梁“CT”提前预警

为了全面评估桥梁的结构健康状况，本研究在多座桥梁上设置了三种不同的交通载荷情境。Shafiabady表示：“第一种情境是重载车辆通过桥梁，例如载货汽车或集装箱运输车辆，其所承载的重量超过了桥梁的标准设计荷载。第二种情境为轻型车辆负载，通常在非高峰时段出现，以小型汽车和摩托车为主。此时交通压力较低，通行相对顺畅。第三种情境是交通拥堵状态，该研究的部分目标是探索交通管理策略。因此，我们模拟了在桥梁上出现多种类型车辆及公共交通工具的高流量交通场景。”

研究基于四座不同桥梁，在上述三种典型情境下对“损耗因子”进行评估，并通过不同的人工智能算法对结果进行比较分析，从而获取桥梁结构健康的关键数据。

Shafiabady补充道：“当我们观察到损耗因子发生变化时，就可以据此判断桥梁结构可能出现了早期的变化。我们将这种变化视为桥梁某些区域存在疲劳或损伤的潜在信号。”

尽管神经网络可用于识别桥梁中的严重缺陷，Shafiabady指出，本研究的核心目标在于借助人工智能技术及时发出预防性维护的提示，从而在缺陷演化为重大安全隐患之前进行干预。这并不意味着桥梁需要立刻进行干预，而是为了避免在缺乏养护的情况下发生潜在的灾难性事故。

神经网络嵌入于桥梁系统中运行，并与人工智能模型协同工作，通过分阶段决策完成结构性分析任务。Shafiabady进一步解释道：“我们用于分析的人工智能方法是由多个神经网络组成的联合系统，其中一个神经网络负责作出初步判断或部分决策，该决策随后被传递至另一个神经网络进行进一步分析和最终判断。我们希望这一过程能够使人工智能系统得出符合预期的分析结果。”

研究团队认为，应用经过训练的人工神经网络对桥梁缺陷进行检测，有望革新现有的结构安全评估机制，并在潜在结构失效发生前挽救生命。

本文刊载 / 《桥梁》杂志

2025年 第2期 总第124期

来源 / New Civil Engineer网

译 / 国际部 黄馨怡

编辑 / 陈晨

美编 / 赵雯

审校 / 李天颖 王硕 廖玲

联系人：李天颖

联系邮箱：xmt@bridgecn.org

联系电话：13552183635

稿件投递

联系人：王硕

联系邮箱：xmt@bridgecn.org

联系电话：13910070564

联系人：黎伯阳

联系邮箱：xmt@bridgecn.org

联系电话：010-64282959-503

联系人：穆玉

联系邮箱：xmt@bridgecn.org

联系电话：18910480043

《桥梁》云课堂

桥梁人24小时 移动资源库

联系人：曹　烁 17508419606

郭海龙 13051886728

联系邮箱：875543005@qq.com

《桥梁》云课堂课程

桥梁公开课微信公众号

喜欢请转发吧！

点个喜欢吧