用于预应力混凝土桥梁模型验证和传感器布置优化的实验-数值混合框架：一个案例研究

为什么桥梁上的智能传感很重要

我们大多数人每天都会过桥，却很少思考它们如何保持安全。然而，交通、风和时间会逐步改变桥梁的运动和振动特性。工程师现在使用小型运动传感器与计算模型来“听”这些振动，从而及早发现问题。本研究解释了在一座真实混凝土桥上传感器布局如何决定得到的是模糊图像还是清晰图像，并展示了一种实用的传感器布置选择方法。

监听一座在役桥梁

研究者把注意力放在悉尼一座由预应力混凝土梁和钢筋混凝土桥面板组成的繁忙公路桥上。他们没有封闭桥梁或施加专门的试验荷载，而是利用车辆通行产生的自然振动作为激励源。十个测加速度的小型设备安装在路面上，记录车辆经过时桥面微小的垂直、横向和纵向运动。研究团队从这些记录中提取出桥梁的固有振型，这些振型如同其结构健康的指纹。

三种传感器分布方式

为评估传感器布局对工程师能获得信息的影响，团队测试了三种布置。一种将传感器沿桥面几乎全宽分布，提供横向的广覆盖。另两种在数量相同的情况下只在桥面的一半集中布置，分别将一侧边缘与中部条带配对。这类“半宽”布局反映了现实中的限制，如成本、车道封闭和难以接近，在这些情形下不可能在整个桥面上全面部署仪器。

振动揭示了什么

记录的信号从时域转换为频域曲线，显示出桥梁偏好的主要振动频率。对于三种布局，前几阶频率都非常接近，跨度的整体垂直弯曲表现相似。然而，当研究者将现场测得的详细振型与经过精细建模的计算机桥梁模型的振型比较时，出现了显著差异。半宽布局在低阶和高阶振动模式上与模型的匹配更好，许多情况下匹配度超过90%。全宽布局捕捉到了桥梁的总体行为，但由于传感器在桥面上间距更大，部分细节和高阶模态被模糊化了。

用数据科学选择传感点

除了三种试验布局外，团队还探索了如何设计更智能的传感方案。他们从桥面的一份详细数字模型出发，该模型包含成千上万可能发生位移或承受应力的点。使用一种称为k-median的聚类方法，他们将这些点分组，并选择能使每组至少靠近一个传感器的位置。然后加入一个改进：在主要振型中经历较大应力变化的点被赋予更高权重。基于应力的该版本将传感器拉向对安全更为重要的区域，例如荷载集中的位置。一个简单的搜索方法检查了微调传感器位置是否能进一步改善覆盖，但聚类结果已接近最优解。

对日常桥梁的意义

针对这座混凝土桥，研究表明传感器布置强烈影响工程师观察其动力学行为的清晰度。如果目标是理解整个跨度的总体状况，全宽传感布局仍有优势，因为它能一次覆盖结构的更多部分。如果主要关注重载交通对特定车道或高应力区的影响，将传感器集中在桥面的一部分实际上可以提供更清晰的信息并与计算模型更好地一致。此处测试的混合框架将现场测量、数字模型与数据驱动的传感器规划相结合，为更安全、更高效地监测众多日常桥梁提供了切实可行的路径。

引用: Jayasinghe, S.C., Mahmoodian, M., Alavi, A. et al. A hybrid experimental-numerical framework for prestressed concrete bridge model validation and sensor placement optimization: a case study. Sci Rep 16, 15800 (2026). https://doi.org/10.1038/s41598-025-18215-3

关键词: 桥梁监测, 传感器布置, 振动分析, 有限元模型, 结构健康