人工智能在桥梁管理与养护中的应用分析

邓国瑞

（天津滨海旅游区基础设施建设有限公司，天津300000）

1 引言

对于结构日趋复杂的现代桥梁，桥梁管理和养护的难度不断提升。在自然环境侵蚀、交通荷载与流量增加作用下，各地桥梁“老龄化”、病害等问题较为严重，这对桥梁的结构安全和运营安全造成严重负面影响。为较好地应对这种现象，必须设法提升桥梁管理与养护工作水平，这正是本文研究的主要内容。

2 桥梁管理与养护中人工智能的应用路径

2.1 桥梁巡检

混凝土裂缝、钢结构腐蚀等属于长期服役桥梁的常见外观病害。混凝土结构、钢结构的内在品质能够由此得到一定程度的反映，如无法及时发现和处理这类外观病害，继续发展的病害会严重破坏桥梁结构并对服役性能造成负面影响。人工测量属于传统桥梁巡检的主要方式，如标尺测量、望远镜观测，由此开展的人工识别存在可控制性强等特点，但同时存在效率低下等不足，基于主观经验的人工判断也存在较低的准确率。人工智能在桥梁巡检中多采用计算机视觉识别技术，通过机器学习算法和数字图像处理算法，预先学习典型病害特征照片的计算机能够分类和预测输入的样本，桥梁结构部构件的智能识别、各类病害的定量分析能够顺利实现，高质量、高效的检测需求也能够顺利满足，卷积神经网络算法、连续小波变换的检测算法均可用于桥梁巡检相关领域[1]。

2.2 健康监测

为保证桥梁安全，必须设法保障桥梁结构健康，通过将挠度传感器、温度湿度传感器、应力应变传感器等设置于桥梁结构关键部位，即可实现全天候的桥梁结构状况自动监测。在桥梁运营状异常、特殊交通条件或气候条件下，智能传感器能够自动发出预警信号，为桥梁安全提供保障。结合实际调研可以发现，近年来，我国桥梁健康监测领域发展迅速，这种发展主要体现在系统集成、无线传输、智能传感、大数据存储等方面，但由于仅能够开展简单的关联分析和趋势分析，现有桥梁健康监测无法较好地用于信息量巨大的复杂特大型桥梁，监测数据的有效整合、关键信息的高质量提取难以实现。在人工智能支持下，人工神经网络算法、遗传算法等可以用于桥梁健康监测中的状态分析、损伤识别、预测和评估，辅以大数据，人工智能可以智能、全面分析处理各类异构感知数据，桥梁的智能化健康状态评估、损伤诊断、健康管理可顺利开展[2]。

2.3 管理养护

在桥梁的管理和养护工作中，相关决策较为复杂。一般基于检测监测数据和过往经验，并结合桥梁结构、地理特点、运营环境、结构物材料等因素进行人工决策，决策的效率较低且会受到人为因素影响，不全面、准确率不高等问题很容易出现。在人工智能支持下，专家系统能够为桥梁管理养护决策提供支持，通过存储的专业知识和经验，这种人工智能技术能够用于复杂专业问题的快速处理，“知识+推理”的专家系统由推理机、解释机、数据库、知识库、交互界面组成，停工提取管理养护数据特征、训练学习，即可为管理养护决策和预测提供辅助，管理和养护的效率与质量能够在专家系统支持下大幅提升[3]。

3 桥梁管理与养护中人工智能的具体应用

3.1 基于BP 神经网络的应用

桥梁智能养护可采用BP 神经网络，结合桥梁养护特点，BP 神经网络应引入模拟退火算法进行优化，以此得到最优的初始阈值、权值，之后开展针对性的训练。具体采用3 层结构，基于16 个桥梁安全评估指标，采用16 个输入层个数，隐藏层个数基于定量确定，共33 个，同时设置1 个输出层个数。初始参数通过模拟退火算法优化，以此得到最优初始阈值、权值并进行训练。隐藏层输出计算需采用式（1）：

式中，bh、wij、xi分别为阈值、隐藏层和输入层连接权值、输入层数据；f(Ij)、i、j 分别为隐藏层激活函数、输入层节点、隐藏层节点；Ij为隐藏层；e 为网络预测误差。

开展输出层计算，采用式（2）：

式中，bo、vj分别为阈值、输出层与隐藏层的连接权值；O 为网络预测输出。

进一步开展误差计算，基于实际输出T 和网络预测输出O，可完成网络预测误差e 的计算，并以此对连接权值wij、vj进行修正，可得到：

对网络误差是否满足要求进行判断，不满足需重复进行输出层计算。具体流程如图1 所示。

图1 BP 神经网络算法优化流程

基于优化后的算法，开展桥梁安全评估系统建设，即可依托人工智能评估桥梁结构安全状态，辅以智能化的数据收集，即可快速开展桥梁损伤预测，桥梁安全评估结果也能够高质高效获得，以此对桥梁健康情况进行实时判断，养护作业将获得充足依据。

3.2 基于BIM 技术的应用

BIM 技术同样可用于桥梁智能管理和养护，需依托BIM技术建立可视化平台用于桥梁管理和养护信息的输入、调研及存储，智能化桥梁管理和养护可同时结合现有桥梁管理系统实现。通过BIM 桥梁数据库用于桥梁各类信息的存储和调用，具体分类以桥梁管理养护过程为依据，以此建立涵盖养护策略信息、加固维修记录、运营检测信息、几何信息、材料信息的一体化多元信息集群，数据需支持桥梁运行期间动态信息的更新、共享及创建，同时需提供权限控制、用户管理等功能，以此保证权限范围内用户能够灵活交换数据，数据的完整性和一致性也需要同时得到保障，以此实现数据冗余减少、数据冲突规避。通过在网页浏览器中嵌入可视化控件（BIM 模型），可视化展示桥梁管理和养护信息及三维模型，即可满足便捷、快速的数据查询需要。可采用B/S 架构的可视化平台设计，在浏览器中基于三维展现技术生成三维模型，并提供三维图形界面，满足BIM 数据的交互式操作需要，数据基于不同权限的修改和查询也需要结合使用者职能划分，以此实现相关信息最大化提供。

在BIM 技术的应用中，还需要建立智能化桥梁管理养护模块，以此得到程序化的桥梁管理养护系统，智能化、自动化的管理和养护工作能够在特定功能模块支持下实现，人为原因引发的各类问题能够有效规避，管理和养护效率也能够大幅提升，具体设计如图2 所示。

结合图2 进行分析可以发现，智能化桥梁管理养护模块由6 项功能组成：（1）养护计划提醒功能：包括定期检查、日常巡检、专项检查、检修记录。由此可定时进行养护计划提醒，需求能够实现程序化满足，通过设定启动值于BIM 模型中，自动化的养护计划预警也能够顺利实现，使得运营维修计划的精准制订可同时获得有力支持。（2）4D 模型展示功能：由裂缝展开图、病害渐变展示、关键参数时间曲线3 部分组成。通过时间因素的引入，随时间渐变的桥梁病害展示得以实现，裂缝宽度、桥梁基频、关键截面挠度、裂缝三维展开图等随时间变化的曲线也能够顺利获取，这能够为预测结构状态和病害发展提供充足依据。（3）结构性能评估功能：由安全性评估、技术状态评估、耐久性评估3 部分组成。由此模块能够实现智能化评估，具体评估采用上文提及的BP 神经网络算法。（4）风险预警功能：由安全性风险、耐久性风险、使用性风险3 部分组成。通过预设结构状态限值于BIM 平台中，在超出设定临界值的基本数据检测收集到后，预警系统会自动触发并实时汇报给管理部门，相应措施可及时应用。（5）养护方案优选功能：由工程量计算、加固方案模拟、方案成本核算3 部分组成。在大量管理和养护数据及BIM 桥梁精细化模型支持下，开展针对性的可视化分析，即可在宏观完成养护方案优选、工程量计算、成本控制，养护计划的科学制订能够获得充足依据，桥梁智能化管理和养护水平也能够大幅提升。（6）辅助决策功能：由养护计划和养护建议组成。结合桥梁状态实时监测数据，由专家和管理部门开展针对性的分析与评估，即可给出决策建议，而结合模块辅助决策功能，智能和人工的两级管理能够有序开展。

图2 智能化桥梁管理养护模块

基于上述模块，可形成如图3 所示的智能化桥梁管理和养护技术，该技术具备直观化、便捷化、集成化特点。在BIM技术具备的信息可视化、集成化优势支持下，桥梁管理系统功能模块与BIM 模型间的信息输入、输出得以实现，数据传递顺利开展。对于养护过程中桥梁出现的各类病害，BIM 技术的应用能够针对性地分析病害成因，并找出关键特征指标用于反映病害发展程度。同时，结合过往经验和桥梁结构特点，即可全面整理分析桥梁在长期运营过程中可能出现的病害，管理和养护方法优选也能够同时完成，管理和养护决策能够获得充足依据。基于养护数据开展BIM 成果转化，并在桥梁管理系统中输入数据，桥梁和管理报告将自动生产，具体的管理和养护工作能够获得依据。此外，桥梁BIM 模型可依托实施管理和养护方案后的数据进行修正及更新，管理和养护工作的效率与质量可由此实现持续性提升，BIM 技术在桥梁智能化管理和养护中的应用价值可见一斑。

图3 智能化桥梁管理和养护技术

4 结语

综上所述，人工智能可较好用于桥梁管理与养护。在此基础上，本文涉及的BIM 技术、BP 神经网络等内容，则直观展示了人工智能的应用路径。为更好地服务于桥梁管理与养护，各类新型技术的积极应用、行业人才的积极引进同样需要得到重视。