工程结构运维多场景的敏感服役指标智能识别

作     者：刘宇飞 齐玉 李保罗 冯楚乔 丁一凡 聂鑫 樊健生 LIU Yufei;QI Yu;LI Baoluo;FENG Chuqiao;DING Yifan;NIE Xin;FAN Jiansheng

作者机构：清华大学土木工程系北京100084 清华大学土木工程安全与耐久教育部重点实验室北京100084 

出 版 物：《建筑结构学报》 (Journal of Building Structures)

年 卷 期：2022年第43卷第10期

页      面：1-15,F0002页

核心收录：

学科分类：0710[理学-生物学] 1002[医学-临床医学] 1001[医学-基础医学(可授医学、理学学位)] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081304[工学-建筑技术科学] 0837[工学-安全科学与工程] 0813[工学-建筑学] 0801[工学-力学（可授工学、理学学位）] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(52192662 51978376)。 

主　　题：工程结构 结构诊断 检测鉴定 监测 敏感指标 智能识别 

摘      要：随着我国土木工程行业由建造向运维逐渐转型,工程结构服役安全保障需求陡增,提质增效的结构智能诊断方法成为研究热点。结构服役性态指标是表征工程结构安全水平的要素,是工程结构诊断养护技术体系以及结构健康监测研究的基础,判断结构服役性态的敏感指标并进一步实现指标的智能识别是工程结构诊断智能化的首要任务。为此,围绕工程结构运维公共建筑、地铁隧道、公路桥梁、公路路面等多个场景中的敏感服役指标的智能识别开展综述研究;梳理关键敏感指标,进一步对指标的智能化识别方法进行归纳总结。结果表明,以深度学习为代表的新一代人工智能技术有效推动了结构服役敏感指标的感知识别研究与应用,其中数字图像方法与深度学习算法在工程结构变形、表面病害智能识别中取得了良好的效果,展现了全面的应用优势。