Page 70 - 新时期安全工程技术发展与创新

Development and Innovation of Safety Engineering Technology in the New Era
新时期安全工程技术发展与创新

层建筑或地下结构的深度覆盖，以及强电磁干扰、金属屏蔽严重的工业环境，有
线传输（如以太网、工业现场总线）或光纤传感网络仍具有不可替代的稳定性和
抗干扰优势。为应对海量传感器数据流的挑战，边缘计算（Edge Computing）策

略被引入网络架构。边缘节点在数据源头附近执行初步的滤波降噪、特征提取、
数据压缩甚至简单的模式识别任务，仅将有价值的特征信息或异常数据上传至云
端或中央服务器，此举大幅减轻了通信带宽压力，降低了系统整体延迟，使真正
意义上的“实时”反馈成为可能。例如，基于小波变换的数据压缩算法能在边缘

节点有效剔除冗余信息，保留反映结构状态的关键特征。
传感器网络赋予 SHM 的核心价值在于其强大的实时数据分析与状态评估能
力。采集到的原始时间序列数据需经过复杂的信号处理流程：去噪（采用自适应
滤波或经验模态分解等技术）、模态参数识别（如随机子空间识别 SSI、特征系

统实现算法 ERA）、损伤敏感特征提取（如模态频率、模态振型、曲率模态、
应变模态差、传递函数变化等）。这些特征作为输入，驱动基于数据驱动或模型
驱动的损伤诊断算法。数据驱动方法直接从海量监测数据中挖掘损伤模式，机器
学习算法如支持向量机（SVM）、随机森林（Random Forest）、深度神经网络（DNN）

通过训练历史数据学习正常状态与各类损伤状态的特征映射关系，实现对未知数
据的损伤分类与定位。长短期记忆网络（LSTM）等递归神经网络特别擅长处理
具有强时间依赖性的振动信号序列。模型驱动方法则依赖于结构的精确有限元模
型（FEM），通过不断将实测响应（如模态参数）与模型预测值进行对比，利用

优化算法（如模型修正技术）反演结构物理参数（如刚度、质量分布）的变化，
进而定位并量化损伤程度。贝叶斯更新框架因其能有效融合模型不确定性与测量
噪声，提供损伤概率评估，在该领域日益受到重视。
尽管传感器网络技术极大地推动了 SHM 的发展，实际工程应用中仍面临诸

多挑战。能源供给是制约无线传感网络长期无人值守运行的关键瓶颈，尤其对于
布设在结构内部或难以接近区域的节点。依赖电池更换不仅成本高昂且操作困难，
开发高效的环境能量采集技术（如振动能量采集、太阳能采集、温差发电）与超
低功耗传感电路设计是当前研究热点。传感器自身性能的稳定性与长期可靠性同

样不容忽视，物理封装的老化、环境因素（极端温度、湿度、化学腐蚀、盐雾）
导致的漂移甚至失效，直接影响监测数据的可信度，严格的标定规程与漂移补偿
算法不可或缺。海量异构数据的融合处理构成另一重挑战，来自不同物理原理、

52