李惠教授讲课，20160229。
结构健康监测（Structural Health Monitoring），相比结构工程，是一个非传统学科。
起源
90年代初，美国NASA首次提出智能结构，定义三大特性：
- 感知
- 决策（自决策）
- 控制（自修复）
国外研究机构：
- NASA，太空土木工程
- Standford University
- Rice University
发展
SHM的主要发展阶段有：
- 传感技术
- 数据管理
- 模型修正
- 损伤识别
传感技术
SHM首先要感知结构的响应与状态，因此最初阶段由土木学者发展了传感技术。
传统传感技术
即一般实验室的传感仪器设备，主要的不足：
- 点式检测，只能获取局部信息；
- 耐久性差，不能长期持久；
光纤传感技术
光纤传感技术，模拟生物的神经系统，感知结构状态。能够实现分布式测量，优势有：
- 光纤很细；
- 分布/准分布式测量；
- 传感与信号传输一体化；
无线传感技术
无限传输数据，解决大型桥梁的数据传输问题，避免很长的数据线。
目前尚未成熟，未来趋势。
面状、立体传感
纳米材料制造smartskin，导电材料溶于有机材料，量子隧道效应产生电流，灵敏度很高。
物理信息必须转换成呢个光、电信号，才能数字化采集。
曾经遇到信号读出问题，现已结局。
小结
传感技术的研发需要高效和企业结合
- 高校研究原理方法；
- 企业将技术做成产品，推广工程界；
数据管理
通过传感技术获取结构响应之后，需要一系列的数据管理过程，从结构响应获取我们关注的信息：
- 传感器，光纤光栅、加速度传感器、风速仪
- 数据采集，软件+硬件，分布式采集系统
- 数据传输，有线、无线传输技术
- 数据管理，数据的存储
- 数据分析，max,min,mean,std,freq
- 深度挖掘，大数据机器学习
- 状态评定
- 预警决策
其中涉及传感科学和数据科学技术。
模型修正
有限元理论模型一般不能反映真实的结构，结构的边界、连接，在有限元中很难真实模拟。有限元模型需要实测数据的修正，更新，这一过程称为模型修正，其关键技术为参数的识别。在本校，段忠东教授最早研究。
常见的参数识别方法：
- 频域分析；
- 随机减量法；
- 随机子空间方法；
- 环境激励法NEXT；
参数识别的数学困难在于不适定，测点和数据很少，需要识别的参数很多，因此参数识别遇到多解问题，如虚假频率、模态。
损伤识别
结构的响应不能直接判定损伤，原因
- 环境、荷载的影响很难分离；
- 传感器的覆盖有限，很多位置没有直接的数据；
损伤判断的依据不是结构的响应，而是结构的固有参数--模态特征$\omega,\phi,\zeta$（频率、振型，阻尼比），对应于结构动力学的参数矩阵$M,C,K$。
困难
损伤识别的方法，源于机械工程的故障诊断。引入土木工程领域，遇到一定的困难：
- 海洋平台
损伤识别方法最早进入海洋平台，试验失败。由于海洋环境下，平台与海水振动耦合，相当于增加了未知的附加质量，结构损伤难以评定。
- 温度影响
试验发现（Australia），简支梁的模态参数识别，对温度变化非常敏感。敏感程度大大超过损伤的影响，难以准确识别模态参数。
未来
现场试验
现代的结构健康监测，在真实的结构，真实的荷载下获得结构响应输出，其实质相当于现场试验（欧进萍院士提出）。
现场试验与传统试验的差别：
- 试验对象，真实结构vs模型构件
- 试验荷载，真实的车辆荷载、风荷载、温度荷载，及荷载效应的耦合vs 实验室理想荷载
- 数据处理，海量数据，大数据方法处理 vs 小量数据，人工处理
结构监测实现的现场试验在内涵上与传统试验完全不同。现场试验将成为与理论、模拟、试验平行的研究手段。
大数据方法
大数据的实质是机器学习方法，在数据中选定特征空间/变量，对数据投影，分类识别
主要的算法：
- 分类算法
- 回归模型
- 神经网络
- 支持向量机SVM
未来的研究是人工智能与深度机器学习。
工程应用
国内的工程应用：
苏通长江大桥
南京长江三桥
2008年雪灾，桥梁单侧限行，导致桥梁横向扭转，监测发现偏移过大，决策双向同行。
问题与质疑
问题
- 有哪些关键的期刊和研究机构？
- 同济大学的SHM研究方向是什么？
- 成功的工程应用有哪些？解决了哪些问题？
质疑
- 智能结构与健康监测由航天领域提出，这样的高端技术真的适合粗线条的土木工程领域吗？
- 美国最早提出健康监测，号召全球一起做。那么健康监测究竟是全球都有的需要，还是美国的需求。发展中国国家是否有必要研究这个领域？
- 美国人出题，中国人做题是否是真实的情况？
- 美国人为何热衷于健康监测？
- 健康监测研究方向能否成为集中全校科技力量的重点方向？
