引言
以智能化为特征的第四次工业革命已经来临。随着“交通强国”、“数字中国”、“新基建”战略下“全力推进交通基础设施智能运维与智能装备研发”倡议的深入推进，中国工程院战略咨询与研究项目“智能桥梁发展战略研究”、交通运输部交通强国重大科技专项“高质量基础设施：数字孪生与智能建养”、“工程科学与综合交叉”重点专项“桥梁智能建造理论与方法”、“交通基础设施结构智能诊治基础科学问题”等项目的规划和实施，以5G、云计算、人工智能、大数据、物联网等新一代技术深度融合催生的数字经济正加速驱动基础设施的转型升级，以“数字孪生”为核心的新型智能化基础设施建设正面临前所未有的发展机遇。《全球工程前沿》报告指出，“全域全要素的数字孪生城市感知和仿真技术”是土木、水利和建筑领域的TOP10工程开发前沿之一。为保障桥梁工程安全、可靠、高效运行，面向“安全、智能、绿色”三大需求，充分融合工业化、数字化、智能化技术，建立新一代桥梁工程智能建造与智能运维体系的需求与日俱增。在此背景下，为及时学习和把握该方向研究动向，笔者归纳总结了年国内外学者在该领域的研究，围绕桥梁全寿命周期重点展示了桥梁智能设计与建造、智能检测与运维决策两方面的前沿技术和重要成果，并尝试总结了本方向研究热点与前景展望，以期为广大同行开展相关工作提供些许参考和思路。文献远不止所列，挂一漏万之处难免，若未统计到位还望指正。1
桥梁智能设计与建造
近年来，我国桥梁智能化正在稳步向前发展,其中桥梁智能设计与建造一直是该方向下的研究热点。桥梁智能建造是指综合运用新兴前沿技术，如BIM（BuildingInformationModeling，建筑信息模型）技术、物联网技术、3D打印技术、数字孪生技术及计算机视觉技术等，使之相互协调，实现桥梁结构的自动化、可视化、数字化及信息化等[1]，从而在满足经济、美观、环保的基础上，安全、高效、高质量的完成桥梁建造过程。而桥梁的智能规划设计作为桥梁结构全寿命周期内的第一步，更是重中之重。1.1
桥梁智能设计
桥梁设计是一项繁琐、复杂的工程，主要流程包括总体布置、结构尺寸拟定、结构分析和配筋计算等。随着桥梁结构趋向大型化、规模化、复杂化[2]，传统设计方法手段单一、建模效率低、计算误差大、重复性高等问题日益突出，为解决上述问题，以实现桥梁设计信息化、自动化为目标的桥梁智能设计技术应运而生。本节主要针对基于机器学习的桥梁智能设计优化方法、基于BIM的桥梁设计流程与设计软件的开发进行了文献调研与分析。机器学习作为人工智能的核心组成部分，融合了多门学科知识与智能算法，为桥梁智能设计提供了重要理论基础。机器学习中所涵盖的遗传算法、群智能算法、人工神经网络（ANN）等算法的应用极大地提高了桥梁设计优化的效率与质量。遗传算法是一种常用的优化求解方法，具有较强的全局搜索与优化能力。Korus等[3]基于遗传算法，通过可视化编程语言（VPL）建立了一个可视化的规划-遗传算法框架，实现了拱桥几何参数优化过程的自动化，图1展示了优化系统中用户与遗传算法之间的关系。Nour等[4]基于遗传算法，以设计总成本为目标函数，提出了一种针对T型截面梁的截面尺寸及预应力筋配置的优化方法。群智能算法通过模拟生物群体行为实现对目标的优化，唐煜等[5]和Jawad等[6]基于人工蜂群智能算法（ABC），分别提出了桥梁结构有限元模型局部刚度优化方法和平面与空间桁架结构尺寸组合优化算法。徐喆等[7]基于响应面法（RSM）构造结构动力响应的目标函数，通过麻雀搜索算法（SSA）对目标函数进行优化求解，完成有限元模型的高精度修正。孙强等[8]基于数值计算方法，结合蚁群混合遗传算法与Kriging代理模型，提出了一套针对流线型箱梁气动外形的优化方法。人工神经网络通过模拟大脑对信息的处理与记忆方式实现对目标信息的处理。Serwa等[9]基于人工神经网络方法，研发了一个应用神经网络的软件，提出了一种桥梁结构地面激光扫描数据的半自动三维配准方法。图1基于规划-遗传算法优化系统操作流程[3]单一的机器学习算法往往具有一定的短板，例如遗传算法虽有较强全局搜索能力，但局部搜索能力却不理想。因此，应用机器学习算法时往往会结合两种及以上算法或与其他技术手段交互运用，从而弥补单一算法的不足。万华平等[10]分析了地震作用下，支座参数对桥梁结构易损性的影响规律，利用高斯过程模型取代高成本、高时耗的动力时程分析，实现对支座力学参数的优化设计。付雷等[11]结合了响应面模型（RSM）和鲸鱼优化算法（WOA），提出了一种有限元模型修正方法，提高了设计的精度与效率。冀伟等[12]结合响应面法和Fmincon算法，通过构造目标函数并进行迭代计算，实现了对某波形腹板钢箱-混凝土箱梁桥有限元模型的修正。秦世强等[13]基于万有引力搜索算法（GSA）和Kriging模型，利用随机交叉变异方法对GSA进行改进，提出了一种有限元模型的智能优化方法。Musa等[14]基于“教与学”优化算法（TLBO）和“生物地理学”优化算法，通过MATLAB编码并结合SAP-OAPI策略，实现了钢桁架桥离散尺寸的优化设计。桥梁设计中常会面对多目标优化问题，与单一目标优化问题不同，多目标优化结果应该是一个最优解集，而不是唯一最优解。冯帆等[15]基于ANSYS和结构优化理论，建立了某特大桥钢-混结合段的数学模型，并结合多目标遗传算法进行模型优化，确定了最优加载方案。张帅等[16]建立了剪刀式折叠桥梁展桥机构分析模型，通过遗传算法与非线性规划（GA-NLP）混合算法对模型求解，实现了对展桥机构的多目标优化设计。BIM技术是一种新兴技术手段，广泛地运用于建筑领域，其核心是利用参数化方法建立与实际建筑工程一致且工程信息完整的虚拟三维模型。BIM技术具有可视化、精细化、参数化、信息化等特点，可以清晰、准确、实时地反映设计或施工流程中工程的各项信息与属性，从而提高设计与建造效率，有利于工程项目的协同管理。近年来，随着计算机技术在建筑领域中的广泛应用，桥梁工程设计已由人工手绘逐渐过渡为计算机绘图[17]，利用BIM技术可以实现高效自动化出图，郭衡等[18]依托某斜拉桥主塔沉井结构设计，对BIM正向设计、模型建立、图纸绘制进行了深入研究，提出了满足复杂沉井结构设计要求的建模思路以及新型的BIM出图方式，沉井钢壳建模思路如图2所示。模型的建立是桥梁设计流程中的重要一环，基于BIM技术可以建立完整的桥梁工程模型，通过输入工程参数实现设计自动化，提高设计效率。田庆等[19]提出了一种基于BIM的高铁桥梁墩柱模板的设计方法，提高了模板结构的设计精度及自动化设计效率。张宪亮[20]基于OSG引擎，解决了BIM+GIS中模型与导入场景中的坐标一致与模型匹配问题，构建了桥梁设计的自动化与可视化系统。图2沉井钢壳建模思路[18]由于桥梁结构具有大型化、规模化、复杂化的特点，建模过程常伴随工作重复性强、建模效率低、信息传递错误率高等问题，为使建模各阶段数据能顺利传递，提高建模效率，国内外多位学者对BIM模型的建模方式优化进行了深入研究。韩广晖等[21]研究了BIM模型由参数化到智能化的实现过程，基于AI+BIM在桥跨布置中的运用，从仿真分析方面延伸了BIM模型在铁路桥梁工程中的应用。蒋浩鹏等[22]基于IFC标准对桥梁设计的BIM模型进行了优化，运用Revit对某工程BIM模型的设计方式与步骤进行了改进，提高了设计效率。陈华卫等[23]利用Revit+Dynamo建立了适用于T形梁桥的快速建模途径，弥补了Revit在复杂与异型结构建模中的不足。BIM技术虽然有强大的建模能力，却无法对模型进行结构分析，针对该问题，国内外学者对BIM与有限元分析的融合与转化进行了研究。何祥平等[2]通过对BIM模型的二次开发，提出了一种将Revit建立的BIM模型向Midas/Civil有限元模型自动转化的方法，解决了BIM在桥梁结构分析方面的短板。Alexis等[24]开发了一种参数化BIM方法，利用参数化算法在设计软件中完成桥梁建模，并在结构分析软件生成对应模型以实现结构分析。王文芳等[25]基于Revit与ANSYS，利用C#语言完成了BIM模型到有限元模型之间的准确转换，实现了BIM技术与桥梁结构设计的有效融合。目前国内桥梁设计软件多为国外软件，国内多名研究人员基于BIM技术、编程语言等，在原有软件的基础上进行了改良与创新。马汝杰[26]等运用CIS+BIM技术实现了既有桥梁工程结构的还原，在此基础上研发了基于BIM的桥梁自动化设计软件，满足了桥梁结构改扩建设计需求。蔺鹏臻等[27]基于BIM技术，通过Revit二次开发构建了混凝土桥梁结构耐久性数据库，开发了一款桥梁结构耐久性分析与设计软件。刘旭政等[28]基于Python语言，结合多目标约束与优化布载设计，开发了一套索吊桥桥梁荷载试验车辆自动化布载程序（CSBVL）。根据上述内容可知，基于机器学习的智能设计在桥梁模型优化方面取得了不少研究成果，未来的研究方向可以从如下几个方面进行：①进一步深化各种智能算法在模型修正优化中的应用，得到更为高效的设计优化算法；②开展桥梁设计方案比选优化算法的研究，或针对桥梁几何外形优化方案的拓扑算法流程进行探索；③图像化底层设计平台以及国产化仿真分析软件还有待研发。BIM技术在桥梁参数化模型的建立上已较为成熟，但仍然存在下列不足：①BIM技术主要应用在工程模型的建立，但缺少对模型的分析及验证手段，对于模型结构的分析需要通过其他平台实现；②常用有限元软件难以直接从BIM模型中获取结构参数，需要重新建立结构分析模型，导致设计效率低；③针对桥梁工程的BIM技术研究不够深入，研究方向主要集中在自动化设计，缺少相应的行业技术规范与设计标准。1.2
桥梁智能建造
桥梁建造过程中常面临施工控制难、施工精度低、协同管理难、信息共享差等问题，综合运用BIM、数字孪生、物联网、3D打印等新兴技术，是实现桥梁智能建造，提高施工质量与效率的重要途径。本节主要从BIM技术在施工过程中的应用、高效智能建造理论方法、智能施工技术等方面对桥梁智能建造进行阐述。BIM技术在桥梁智能建造的应用主要体现在通过可视化施工模拟，对桥梁工程的施工过程实时监控以实现精准控制，从而提高施工质量与施工效率。孟凡成等[29]基于BIM设计理念，运用Midascivil建立某变截面连续梁桥模型，对模型结构进行了强度、刚度及稳定性验算，实现了对工程施工过程的精确控制。张晖[30]利用Revit平台建立了某悬索桥锚碇的三维可视化模型，在此基础上对模型进行碰撞检查、虚拟漫游（见图3）、施工模拟（见图4）和工程量统计，有效地提高了施工质量与施工效率。杜战军等[31]将BIM技术和信息化平台应用到大跨钢桁架桥梁的施工中，提出了一种基于BIM的精细化建模思路，通过对施工进度进行模拟，实现了对桥梁施工过程的全监控。黄宁等[32]运用BIM技术实现了重力式锚固系统的精准定位，提高了安装精度，确保了施工的质量与效率。张田等[33]运用参数化技术对某系杆拱桥进行了二次开发，建立了相应BIM模型，实现了对桥梁施工过程中的监控数据的信息化与可视化。陶建军等[34]构建了某预制节段梁桥BIM参数化模型，并利用云平台技术对BIM模型进行三维可视化处理，实现了施工过程的协同化管理。王汁汁等[35]运用BIM技术创建了缆索吊装系统的参数化模型，在此基础上进行了施工模拟，实现了施工方案比选信息化。巴怀强等[36]基于三维激光扫描与BIM逆向建模技术，针对大吨位转体桥梁建立了点云和逆向BIM模型，提出了一种高效、可靠的获取转体桥梁自重和不平衡力矩的方法。（a）锚碇内部（b）楼梯平台预埋件高程设计误差
图3锚碇内部虚拟漫游[30]（a）基坑开挖（b）楼梯平台预埋件高程（c）基坑回填
图4锚碇施工模拟[30]数字孪生是指通过数字化方式建立虚拟模型，利用数据反映模拟对象的现实行为，实现虚实交互[37]。随着数字孪生技术的发展与成熟，该技术也被广泛应用于桥梁建设过程中。工程数字孪生技术以BIM为载体，融合了多种信息技术，可以实现对桥梁施工全过程、全要素的智能控制。张鸿等[38]基于工程数字孪生的智能建造概念，针对某斜拉桥提出了全过程自适应几何控制技术体系。物联网技术可以对实时数据进行信息传输与交互，从而对桥梁施工过程中的信息进行精准识别。钟康健等[39]结合BIM技术、数字化技术和物联网技术，针对施工过程中模型信息精确性与时效性较差的问题，建立了智慧桥梁工程施工管理平台。3D打印技术以数字模型为基础，可以利用三维图形生成高精度的实物。Svetlana等[40]采用结构方程建模技术量化了相关因素对测量值的影响，研究了影响3D打印技术在桥梁施工中适应性的因素。李施展[41]将3D打印技术应用到桥梁施工测量中，实现了对施工测量工具的个性化定制。桥梁的预制装配建造是指将桥梁上部或下部结构的部分构件在预制构件厂中进行加工，再运送至施工现场进行拼装。现代化工艺技术的运用可以有效地加快工厂预制速度、提高现场安装精度，实现桥梁建造的工厂化、智能化。唐俊义等[42]对比分析了当前普遍存在的桥梁防撞护栏的优势，提出了一种新型倒U形装配式防撞护栏，提高了护栏的防撞性能。王志刚等[43]对比分析了现浇桥墩和预制管墩在构件轻量化方面的差异，提出了一种高效的装配式桥墩工业化快速建造技术方案。梁栋等[44]基于3D激光扫描技术，提出了一种钢桥塔节段虚拟装配方法，实现了对预制装配构件的数字化检测与调控。姜早龙等[45]基于精益价值链理论，综合考虑装配式桥梁建造的各个阶段，利用BIM、北斗监控等技术，构建了桥梁工程装配式智能建造全过程管理模式的总体架构。Deng[46]等开发出一种新型梁间接头，用于全预制钢-超高性能混凝土（UHPC）轻型组合桥梁（LWCB），这种结构有助于加快桥梁的施工进度，实现智能、快速建造。工业化智能建造装备的使用不仅可以提高施工效率，还能保证施工精度，提高施工质量。胡明等[47]建立了某型架桥车模块化桥节单、双节成桥的有限元模型，基于结构刚度最大对模块化桥节进行拓扑优化，实现了桥节的轻量化设计。夏昊等[48]提出了一种墩梁一体化架设高效施工技术，设计了一体化架桥机，实现了桥梁墩梁的同步施工。高贵等[49]针对CRTS双块式无砟轨道，开发了一种一体化底座模板系统和自动整平设备，实现了底座板施工过程的智能化、信息化。综上可知，BIM技术的应用促进了桥梁智能设计与建造的发展，通过自动化设计建模提高工程设计的质量与效率，通过可视化施工模拟对施工进程进行监控并实现精确控制，同时在BIM建模的参数化、多样化及二次开发中取得了丰硕的研究成果。未来的研究可从以下方面入手：①进一步提高BIM正向设计的精细化水平，提升施工过程控制和管理的准确化程度；②提高三维建模效率和BIM数据的利用率，实现全专业的集方案、施工图、深化设计于一体的信息化设计；③推动BIM建模和有限元分析的结合，赋予BIM模型最高级的力学属性；④深入研究BIM技术的标准化和数字化，使整个桥梁工程能够实现数字化表达；在此基础上，积累大量的样本，形成大数据，并通过这些大数据进行智能化的转换，实现数据真正的有效传递，达到桥梁全寿命期BIM应用。除了BIM技术以外，数字孪生技术、物联网技术、3D打印技术等都在桥梁工程领域广泛应用，为桥梁建造实现工业化、数字化、智能化提供了理论基础，而装配化建造技术的研究与工业化建造装备的研发为智能化建造提供了技术手段。从上述文献调研结果来看，目前针对这些方面的研究还不够完备，理论也不够全面，后续研究可以从以下方面进行：①结合多种现代化技术手段，研究桥梁建造场景多源异构数据的高效融合算法；②基于数字化方法实现预制构部件的检测，从而保证预制拼装施工的质量；③研发新型工业化装配式智能建造装备，实现预制装配式桥梁建造的高效化、绿色化。2
桥梁智能检测与运维决策
国内桥梁数量巨大、历史复杂、环境多样、荷载繁重。由于运维养护理论及技术的限制，面临桥梁病情延误多、状态感知不及时、桥梁病情发展快、病情转移多及处置措施待优化等问题。针对桥梁管养，国内外学者重点从智能检测、智能识别、智能评估、智能预警及智能养护维修四个方面出发，通过检查及诊治实现桥梁管养的数字化、智能化及精细化，从而开展桥梁的“预防”管养、“靶向”管养及“动态”管养，提高桥梁管养的有效性、针对性和科学性，实现桥梁的“诊治”一体化。2.1
桥梁智能检测技术
桥梁检测是桥梁建造、运维过程中不可或缺的重要环节，可以及时发现桥梁在建造和运营中的各种问题。现在国内比较成熟的传统桥梁检测技术包含红外热像仪技术、光纤传感器检测技术、声探测技术等，随着机器人、无人机、雷达技术等智能检测技术及机器学习、神经网络等人工智能技术与传统工程技术相结合[2]，桥梁的检测技术也越来越数字化、智能化、高效化、精准化。在非接触式检测技术方面，Yu等[51]提出两种基于柔性视觉的大跨度桥梁挠度远程检测方法（工作原理见图5）：①通过桥下的摄像头检测桥梁灯光的运动获得结构挠度，提出了一种用于放大系数标定的无工具物体距离测量方法；②对于跨越水面或深峡谷的桥梁，在桥面上的摄像头监测挠度，采用只考虑与垂直位移测量相关的摄像机姿态的监测模型进行干扰校正。这两种方法在各种桥梁和其他大型工程结构的安全评估中都有很大的潜力。Abedin等[52]针对简支和连续跨度钢箱梁桥在各种损伤状态下的行为，提出一种基于非接触式传感器的钢箱梁桥健康监测技术。Qin等[53]开发了一种结构知识InSAR集成方法，提出一种用于跨海桥梁高精度变形监测和风险识别的结构知识合成孔径雷达干涉测量集成方法，用于跨海桥梁的高精度变形监测和可靠风险识别。图5基于视觉的挠度测量方法[51]在无人机检测技术方面，孙金更等[54]发明了一种桥梁智能检测飞行机器人，该发明主要依靠飞行器指引机器人去往指定位置，而后飞行器按传感器指令与爬壁机器人脱离，爬壁机器人将检测的图像数据发送给计算站，该技术为既有运营桥梁评估提供了技术保障。谭国金等[55]研究了一种桥梁挠度智能检测装置及方法，该发明基于激光雷达技术及三维点云模型，选用飞行吸附机器人搭载检测设备实时监测桥梁各位置挠度，避免了人工读数误差及无人机晃动对检测精度的影响，提高了检测精度。Peng等[56]提出了适合无人机图像识别的R-FCN网络和HaarAdaBoost相结合的裂缝识别方法，该方法基于无人机的机器视觉，通过混合特征学习进行桥梁裂缝识别和宽度量化，进而获取裂缝图像（有效像素′）和GPS位置。Zhang等[57]提出一种基于无人机智能岩石定位的桥梁冲刷检测方法，以无人机作为测量地球磁场、桥梁和智能岩石的移动站，配备三轴高分辨率磁强计和全球定位系统（GPS），实现磁场及其相应坐标的同步测量。在RoubidouxCreek大桥进行的6次现场测试表明，该方法精度约为0.3米。Feroz等[58]提出了基于无人机的桥梁状态评估遥感应用方法，分析了视觉图像传感技术与无人机集成用于数据采集的遥感技术，推动了无人机检测及数据分析的发展。由于无人机在移动拍摄条件下，收集的裂缝图像存在清晰度低、背景复杂、光噪声严重干扰等质量缺陷，无法适应对裂缝图像要求高的传统裂缝检测算法。Dan等[59]提出一种基于2D-APES和移动机器视觉的桥梁表面裂缝自动识别的方法，利用二维幅值和相位估计法获得裂缝图像的高精度二维光谱估计，通过过滤低频信息来增强裂缝信息，从而实现裂缝的自动识别。无人机等可移动设备在桥梁的裂缝定位及识别中起了重大作用，无人机具有灵巧，易操作，成本低，维护简单等优点，因此近几年被广泛应用于桥梁检测中，而卷积神经网络（Convolutionalneuralnetwork，CNN）的应用使无人机能够精准定位裂缝位置。但无人机图像受气候及环境影响较大，如何精确分析无人机图像并实现定位仍是一个研究课题。针对实际场景中桥梁裂缝检测精度不高、效率不足等问题，吴向东等[60]提出一种基于卷积神经网络与条件随机场（Conditionalrandomfiled，CRF）的裂缝检测算法，系统框架如图6所示。使用特征提取网络对原图进行处理，提取适合裂缝检测的特征；通过区域推荐网络对原始图片中存在裂缝的候选区域进行初步定位；将得到的候选区域作为分类与回归网络的输入，利用CRF对该区域的空间特性进行建模，综合判定该区域是否属于裂缝。马学志等[61]设计开发了由数据采集、处理两个子系统构成的无人机巡检系统，该系统可以检测毫米级裂缝，对桥梁养护阶段具有重要意义。勾红叶等[62]针对常规无损检测方法效率低的问题，基于卷积神经网络算法提出了一种集超声检测与图像识别于一体的智能检测机器人，为正交异性钢桥面板的桥面裂缝检测提供了一种新方法，智能监测机器人如图7所示。图6桥梁裂缝检测系统框架[60]（a）机器人作业示意（b）机器人样机
图7智能检测机器人[62]近年来，预应力筋以及混凝土内部质量的检测技术快速发展，Liu等[63]提出一种基于随机森林（Randomforest，RF）特征选择和GA-SVM（Geneticalgorithmoptimizationsupportvectormachine）模型的桥梁预应力波纹管整体灌浆密实度检测方法，提取波形的时域和频域特征并使用随机森林筛选重要特征，通过遗传算法对模型进行训练并用于预测。该方法可显著提高检测效率，为缺陷定位和量化做准备。预应力混凝土结构中钢筋束扮演了重要角色，而针对钢筋束故障评估的相关研究较少。为此，Mariniello等[64]研发了一种检测预应力混凝土桥梁中钢筋束故障的布局感知极限学习机（LA-ELM），该程序通过分析应力数据，从而准确检测和定位影响目标PSC桥梁预应力系统的损伤。通过与经典机器学习算法比较，该方法在较短的计算时间内获得了显著的精度，与经典的ELM实现相比，LA-ELM在统计上取得了显著的改进。2.2
智能识别算法
桥梁在使用过程中会因为各种因素，如施工不规范、自然灾害、超载车辆通行等，产生影响桥梁正常使用寿命的病害，基于人工智能算法的数字图像处理技术及信号分析技术，为桥梁病害的识别与分析提供了新的思路。本节从桥梁动力信号识别、桥梁表观病害识别、桥梁结构损伤识别、潜在火灾风险桥梁识别/预警及桥梁三维点云数据的获取等方面对年国内外学者针对桥梁智能识别所做研究进行总结。在桥梁动力信号识别方面，罗烨钶等[65]为识别结构模态参数，基于盲源分离算法中的Fast-ICA算法，对EEMD（EnsembleEmpiricalModeDe转载请注明：http://www.0431gb208.com/sjsbszl/382.html
