多尺度桥梁监测综述:一种融合探地雷达、分布式光纤传感与卫星遥感的信息中心框架,用于桥梁数字孪生

《Sensors》:Review of Multi-Scale Bridge Monitoring: An Information-Centric Framework Integrating Ground-Penetrating Radar, Distributed Optical-Fibre Sensing, and Satellite Remote Sensing for Bridge Digital Twins

【字体: 大 中 小 】 时间:2026年09月20日 来源:Sensors 4.0

编辑推荐:

  全球范围内的桥梁基础设施正面临来自资产老化、日益增长的交通需求、环境恶化以及对更有效生命周期管理需求的压力。尽管桥梁监测技术发展迅速,但现有研究大多聚焦于单一传感技术,而对跨不同空间尺度的异构信息整合关注相对较少。本综述从信息中心的视角审视智能桥梁监测,并聚焦

  
全球范围内的桥梁基础设施正面临来自资产老化、日益增长的交通需求、环境恶化以及对更有效生命周期管理需求的压力。尽管桥梁监测技术发展迅速,但现有研究大多聚焦于单一传感技术,而对跨不同空间尺度的异构信息整合关注相对较少。本综述从信息中心的视角审视智能桥梁监测,并聚焦于三种代表性技术,这些技术在材料、结构和网络尺度上提供互补信息:用于评估材料状况的探地雷达(Ground-Penetrating Radar,GPR)、用于监测结构响应的分布式光纤传感(distributed optical-fibre sensing,DOFS)以及用于提供网络尺度信息的卫星遥感。本综述并非仅基于传感原理对这些技术进行比较,而是考虑它们在桥梁工程中的互补作用,并提出一个材料-结构-网络(Material-Structural-Network,M-S-N)框架,以跨尺度组织监测信息。本文还回顾了多源信息融合、基于人工智能(AI)的解译、互联监测系统、自主监测以及自我进化的数字孪生等领域的最新进展。这些进展共同表明,监测领域正从单纯收集监测数据转向整合信息、提取工程知识以及支持智能决策。基于此视角,本文提出了一个多尺度集成框架,用以说明如何结合不同尺度的观测结果,从而更全面地理解桥梁状况、结构性能以及基础设施网络背景。未来的桥梁监测应超越孤立的传感和数据收集,转向多尺度信息的生成与整合,以支持整个桥梁网络的预测性维护、韧性资产管理和智能生命周期决策。

论文主体内容总结

3. 桥梁数字孪生与多尺度信息需求
3.1. 桥梁数字孪生:从数字表征到智能基础设施管理
本节阐述了数字孪生(Digital Twin)的概念,强调其与传统数字模型的区别在于,它通过整合传感数据、计算模型和运营信息,在物理资产与其数字表征之间建立持续连接。这种连接使得数字表征能够反映资产状态和行为的变化,并为分析、预测和管理决策提供基础。数字化被理解为从数字模型(digital model)到数字影子(digital shadow)再到数字孪生的演进过程。对于桥梁应用,一个有效的数字孪生依赖于监测系统能否提供描述桥梁不断演变状态所需的工程信息,而非仅仅依赖计算模型和数字基础设施。因此,桥梁监测应被视为获取和更新工程信息的过程,这些信息将物理资产的观测结果与数字表征联系起来。
3.2. 桥梁数字孪生的信息层次
本节提出桥梁数字孪生需要三类互补的工程信息:
3.2.1. 材料状况信息:描述桥梁材料和构件的物理状态,包括腐蚀、开裂、分层、水分侵入和材料退化等劣化机制。探地雷达(GPR)与此类信息高度相关。
3.2.2. 结构响应信息:描述桥梁构件和结构系统在运营和环境荷载下的行为,相关参数包括应变、位移、振动和加速度。分布式光纤传感(DOFS)是此类信息的重要来源。
3.2.3. 网络尺度上下文信息:描述可能影响桥梁性能但超出单个结构范围的环境和地理过程,如区域地面变形、地基沉降、地质灾害等。卫星遥感技术,特别是永久散射体合成孔径雷达干涉测量(PS-InSAR),是获取此类信息的重要手段。
3.3. 桥梁监测信息的多尺度组织
本节定义了三个互补的空间层级,形成材料-结构-网络(M-S-N)框架:
3.3.1. 材料尺度:代表最精细的观测层级,关注单个材料和构件内部的物理过程,主要用于局部劣化和材料状况评估。
3.3.2. 结构尺度:描述桥梁构件和结构系统在荷载下的行为,涉及应变、变形、荷载传递和动力响应等参数。
3.3.3. 网络尺度:代表更广泛的基础设施和环境系统,描述区域变形、地质气候过程和环境灾害。
3.3.4. 多尺度信息集成:强调这三个尺度不应被视为独立的监测层,而是提供关于桥梁状况和性能的互补描述。材料尺度信息可提供局部劣化证据,结构尺度信息描述由此产生的结构响应,网络尺度信息则提供发生这些变化的更广阔背景。
3.4. 尺度-信息-技术映射框架
本节将信息层次和多尺度组织相结合,提供了一个将监测技术与数字孪生信息需求相关联的基础。该框架通过表格形式总结了主要信息类别、其对应空间尺度、代表性传感技术及其在数字孪生中的功能,但指出这是一种组织框架而非严格的分类。
4. 使用探地雷达(GPR)获取材料尺度信息
4.1. 探地雷达(GPR)原理
本节介绍了GPR作为一种无损检测(NDT)技术的原理,即通过发射电磁脉冲并记录来自内部界面的反射信号,来推断地下情况。关键参数是相对介电常数,它决定了电磁波传播速度。天线频率影响分辨率和穿透深度。GPR的主要价值在于将电磁观测转化为材料状况信息。
4.2. 材料尺度状况信息
本节阐述了GPR可提供的几种材料状况信息:
4.2.1. 钢筋定位:这是GPR最成熟的应用之一,可通过分析雷达图像中的双曲线特征来估计钢筋位置、间距和保护层厚度。自动化和深度学习方法已被开发用于提高效率。
4.2.2. 腐蚀评估:GPR不直接测量电化学腐蚀,而是检测与腐蚀相关的电磁变化,如反射振幅衰减。这些指标需谨慎解释,因为它们可能受到水分、氯化物浓度等多种因素影响。
4.2.3. 分层与脱粘检测:GPR对材料界面的电磁特性变化敏感,可用于检测分层和脱粘。薄或不连续的缺陷难以识别,推动了多静态采集和时频分析等先进处理方法的发展。
4.2.4. 水分评估:水分强烈影响电磁波传播,既是重要的评估目标,也是影响其他GPR指标解译的关键混淆因素。定量水分估算仍受材料成分、温度等因素影响。
4.3. 人工智能辅助信息提取
本节讨论了从传统人工解译到机器学习,再到深度学习方法的演进。深度学习减少了对手工特征的依赖,能够自动学习GPR数据的层次化表示,用于钢筋定位、劣化评估等任务。新兴方向包括基于Transformer的架构、物理信息学习和模拟辅助学习,旨在提高模型鲁棒性和可解释性。
4.4. 解译挑战
本节指出了限制GPR作为可靠定量信息来源的几个挑战,包括异常检测与定量评估之间的差距、电磁响应的非唯一性、观测质量与多样性的局限、缺乏标准化基准数据集,以及需要与其他尺度的信息进行整合。
4.5. 探地雷达(GPR)在多尺度桥梁监测框架中的作用
在M-S-N框架下,GPR是材料尺度信息的主要来源,其核心贡献在于表征不可见的次表面几何形状、劣化情况和材料属性。
5. 用于结构响应监测的光纤传感
5.1. 光纤传感(OFS)技术分类
本节区分了点式光纤布拉格光栅(FBG)传感器和分布式光纤传感(DOFS)技术,后者包括布里渊传感、瑞利背向散射/光频域反射仪(OFDR)和分布式声学传感(DAS)。分布式传感的优势在于能保持结构响应信息的空间连续性。
5.2. 光纤传感(OFS)提供的结构响应信息
本节介绍了不同OFS技术提供的结构响应信息:
5.2.1. 光纤布拉格光栅(FBG):离散式光纤传感:FBG传感器精度高、响应快,适用于局部结构响应的精确测量,但其离散性限制了空间覆盖。
5.2.2. 基于布里渊的分布式传感:布里渊传感(如BOTDA/BOTDR)可在千米级长度上进行分布式应变和温度测量,其工程价值在于表征结构响应的空间分布,如荷载传递和应变重分布。
5.2.3. 瑞利背向散射与光频域反射仪(OFDR):OFDR提供极高空间分辨率的分布式测量,特别适用于局部变形和裂缝相关观测,可识别应变集中区域。
5.2.4. 分布式声学传感(DAS):DAS将光纤监测扩展到动态领域,可捕捉由交通、风载等引起的桥梁动态响应,提供分布式振动信息。
5.3. 人工智能辅助的结构响应信息解译
随着分布式光纤系统产生大量时空密集数据,人工智能辅助解译变得愈发重要。其目标是将海量分布式测量数据转化为可解释的结构响应指标,以便融入工程模型。未来趋势是结合数值模型、检查记录等多源信息,采用可解释学习和物理信息建模。
5.4. 当前挑战与未来展望
本节指出了若干挑战,包括结构响应与结构状况之间关系的非唯一性、测量可靠性对安装方式的强依赖性、海量数据处理难题、智能解译模型的迁移局限性,以及结构响应信息需与其他信息协同解译的必要性。
5.5. 光纤传感(OFS)在桥梁数字孪生中的作用
在M-S-N框架下,OFS提供了与GPR获取的材料状况信息互补的结构响应信息。其核心贡献是对桥梁在荷载作用下行为的空间解析观测。
6. 利用卫星遥感获取网络尺度信息
6.1. 卫星遥感作为网络尺度上下文信息的来源
本节介绍了合成孔径雷达干涉测量(InSAR)技术,特别是永久散射体InSAR(PS-InSAR)和小基线集InSAR(SBAS-InSAR),在监测大面积地表形变方面的优势。卫星观测的主要优势是其空间覆盖范围,能提供桥梁及其周边环境的时空背景信息。
6.2. 卫星遥感获取的网络尺度上下文信息
本节将卫星观测获得的信息分为四类:
6.2.1. 地表形变与位移信息:InSAR可揭示与桥梁结构、地基及周围地面相关的空间分布形变。其工程价值在于提供长期运动的观测证据,但不应直接视为结构劣化的诊断指标。
6.2.2. 长期性能演化:时间序列卫星观测可以建立形变历史,有助于区分稳定行为、季节性变化或异常趋势。这种时间维度对于识别缓慢发展的变化尤为宝贵。
6.2.3. 环境与地质灾害背景:卫星遥感可观测影响桥梁性能的区域性环境与地质过程,如地面沉降、滑坡、洪水等。这类信息主要为桥梁行为提供解释背景,支持风险评估。
6.2.4. 网络级基础设施评估与检查优先级排序:卫星遥感的广覆盖能力使其能够对多个桥梁进行统一评估,发现区域性形变模式和行为差异。这有助于识别表现异常的桥梁,从而优先安排详细检查,实现网络级的筛查和管理。
6.3. 网络尺度信息的智能解译
机器学习技术被越来越多地应用于网络级桥梁监测,以处理海量卫星观测数据,识别异常形变模式和空间关系。然而,形变异常不能直接等同于工程结论,必须结合结构、环境和测量不确定性等背景信息进行综合判断。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号