桥梁健康监测系统的损伤识别，是通过采用桥梁结构实测的静、动力响应(排除外环境噪声对力学参数的影响)，开展桥梁损伤识别、损伤定位、损伤程度分析、结构总体性能预测的过程。根据数学算法的性质，桥梁结构损伤监测算法，可分为基于模型修正的算法和基于非模型修正的算法(又称基于监测数据驱动的算法)。前者通过比较数学模型参数与真实结构测量数据来监测桥梁的健康状态；后者无须建立结构模型，仅依据监测数据实时分析桥梁的方式来评估桥梁的健康状态。相比较而言，前者需要具有专业的桥梁建模知识，且模型修正计算工作量较大。

1、依托模型的探索

基于模型修正的损伤识别方法，旨在通过比较被监测桥梁的数学模型参数(通常采用有限元建模技术)与传感器在实际结构上的实时监测数据，判断结构的变异性。根据有限元质量矩阵、刚度矩阵及阻尼矩阵的修正策略，可分为局部修正法和全局修正法。前者仅针对有限元模型进行局部物理参数的修正，后者则对有限元模型的整体质量矩阵和刚度矩阵进行重建。

基于有限元模型修正的损伤识别研究表明，以下问题值得进一步探索：一是为获得合理的有限元模型与健康监测数据进行对比，通常采取室内试验的实测数据对模型进行修正，这些研究讨论外界环境或荷载对实测数据带来的影响较小，修正后的有限元模型在实际工程应用中，是否会因为环境改变而发生预警误判仍需加以研究。二是虽然采用实测数据对模型进行了修正校对，但为了避免已有损伤对结构监测带来的影响，此修正工作常选择在新桥监测阶段进行，且涉及监测年限较短，理论上修正后模型具有损伤预警的可能，但暂未发现时间跨度较大、能够追踪损伤发展的损伤判定实例。三是目前的研究以桥梁静力测试参数作为修正指标，然而在进行静力指标检测时，通常只有当桥梁的健康状态严重退化时，该项指标才会发生显著变化，应选择对结构损伤敏感的力学指标进行修正与对比，以达到损伤预警的目的。

当然，修正模型时对修正参数数量和类型的选择，是有限元模型修正中最具挑战性的工作之一，需要选择最优参数，让模型计算结果快速收敛并满足计算精度的要求。

2、机器学习唱“主角”

基于监测数据驱动的算法是依靠机器学习的算法。人工神经网络法(ANNs)是20世纪80年代以来人工智能领域兴起的研究热点，为当代最强大的机器学习算法之一，亦是目前各种神经网络模型的基础。随着ANNs的快速发展，基于监测数据驱动的损伤识别方法更新迅速，此类方法仅依靠桥梁的力学行为变化，便可以分析结构安全状态，而无须建立复杂的桥梁有限元模型，可结合健康监测系统为桥梁管理人员提供简单、快捷的结构实时状态分析结果。近年来在原有基础上，卡尔曼滤波法、蜂群算法、贝叶斯算法、大数据和人工智能等多种算法，被应用于结构损伤识别中。

神经网络及改进算法中模型结构的选择是一个重要问题。根据样本训练策略的不同，在桥梁监测领域常用的神经网络，可进一步分为前馈神经网络(FFNN)、后向传播神经网络(BPNN)和概率神经网络(PNN)。在此基础上，针对其特点，又发展出各种改进网络模型，如长短期记忆网络(LSTM)、回声状态网络(ESN)、残差网络(ResNet)等。神经网络及改进方法可以近似成任何函数，但未与桥梁模型直接相关，因此该方法所建立的属性模型是一个黑箱模型，无法代表桥梁的物理结构。基于神经网络的损伤监测方法，只依赖于从桥梁结构上采集到的数据，而并不需要建立桥梁有限元模型的专业知识。鉴于目前尚无选择神经网络最优结构的标准方法，因此在实际工程中需要自行选择合适的神经网络，并定义训练数据的最佳算法，以实现训练阶段的快速收敛。

基于监测数据的损伤识别研究表明，在不受外界环境因素干扰的情况下，经过训练的神经网络理论上能够以较高准确率识别结构损伤的发生、位置及失效程度；但在实际工程中,不断变化的环境条件(如空气温度、风和交通）会对桥梁的力学响应产生强烈影响，使得神经网络的性能随着采集信号中噪声的增加和桥梁的车辆负载而下降；神经网络的准确性取决于训练时所采用的数据,应变、频率、振型比加速度数据更适宜作为神经网络的训练数据,且随着训练数据样本的减少，人工神经网络损伤监测精度下降,虚假预警比例则上升；对特定工程选择最合适的神经网络进行数据训练,而神经网络的选择需要根据待测系统人工进行调整,且准确性受损伤发生位置的影响较显著，在桥梁关键截面监测结果较准确，反之则适用度不高。

为了充分发挥各类算法的优势，弥补不足，必须形成新型复合的多层级耦合算法。此算法可采用多尺度方法处理不同来源的数据，优化模型修正的过程，提升结构安全预测的准确率。研究表明，将基于模型的算法和基于监测数据驱动的算法互相融合，可更有效识别结构损伤程度。但目前大多数研究不考虑外界环境影响的室内模型试验，预测结果仅限于判定结构损伤的存在、位置，损伤程度的评判结果有欠准确，亦无法预测桥梁的未来行为。当实际结构受到环境或荷载因素干扰时，虚假预警可能出现。

由以上分析可以看出，目前无论采用哪种损伤识别算法都能识别出桥梁结构上损伤的存在，并判定损伤的大体位置。实践证明，绝大多数算法在推断损伤类型、损伤程度、预测桥梁剩余寿命和未来力学行为等精度方面仍有提高的空间，而推断或预测的可靠性也缺乏直接证据。针对此类问题，需要在识别出结构损伤位置的前提下，补充关于结构外观损伤和内部缺陷的无损检测内容，进一步确定结构损伤的类型和程度，为下一步制定管理策略提供支持。

中交路桥科技结合多年行业先进经验，融合数字经济和国家安全体系发展需求，构建“智能监测、科技领先、智慧城市、数字赋能”的品牌战略，形成了工程检测、城市安全监测、数字化研发运维三大业务板块。公司技术实力雄厚，当前拥有一支高素质工程医生团队，囊括了铁道工程、城市道路与公路、桥梁工程、隧道工程、建筑工程、水利工程、工程物探、安全技术、电力、信号、集成电路、智能科学等专业。公司试验、检测、监测仪器设备齐全，用于试验检测、测绘的仪器设备共计千余套，为试验检测、监测数据的科学、准确提供了硬件保证。