1. 引言
桥梁作为交通系统的重要组成部分，随着我国桥梁技术的不断发展，给人们的出行带来了极大的便利。我国目前的桥梁总数已经达到100万座，这一数量已经达到世界第一。由于自然因素(如地震、风灾、水流冲刷等)和人为因素(如超载、疲劳损伤、设计施工缺陷等)的影响，桥梁结构损伤问题日益凸显。建造时间过久的桥梁结构可能会发生损伤，当损伤达到一定阶段，就可能会引起一系列安全事故[1]。因此，对桥梁结构的损伤监测与识别就显得尤为重要。本文旨在综述桥梁损伤的原因，现如今桥梁损伤识别领域的研究现状、主要方法、存在问题及未来发展趋势，以期为桥梁结构的安全评估和维修加固提供科学依据。
2. 桥梁损伤原因分析
桥梁结构损伤是其在运营过程中不断承受外部荷载使其力学性能不断下降，最终导致结构破坏的过程。桥梁损伤的原因有以下几种：
施工水平和材料的影响：在桥梁建设过程中，如果施工水平不高或使用的材料强度不够，会导致桥梁承载能力达不到国家相关标准，进而产生损伤。
自然环境因素：桥梁在日晒雨淋中基础遭到破坏，进而失稳。有害气体的侵蚀也会造成桥梁损伤。
桥下排水能力差：如果桥下排水能力差，会导致桥梁建筑受到危害。
交通运输发展迅速：随着交通运输发展迅速，重载超载车辆增大，超出旧桥梁的承载能力范围内，加剧桥梁的老化，导致不同程度的损害。
结构先天不足：在设计和施工中，结构本身可能存在缺陷，导致在后期的运营和使用中，结构受力不合理而出现损伤和破坏。
维护保养不当：桥梁需要定期进行维护保养，如果维护保养不当，会导致桥梁结构的损伤和破坏。
综上所述，桥梁结构损伤的原因是多方面的，包括施工水平、材料质量、自然环境、交通运输发展、结构设计等因素的影响。因此，在桥梁建设和维护过程中，需要综合考虑各种因素，采取相应的措施来预防和维护桥梁结构的安全和稳定。桥梁健康监测在监控和评估结构状态、验证设计理论、改进设计规范三方面具有重要作用。
3. 桥梁损伤识别方法研究现状
目前，桥梁结构的健康检测主要分为两类：整体法和局部法。其中整体法是对结构整体状态的检测和评估，确定出损伤的区域；局部法则是通过无损检测技术，对结构的特定部位进行精确检测[2]。以土木工程和计算机领域的结合来看，随着机器学习、大数据、深度学习等概念的提出，逐渐丰富了桥梁结构健康监测的传统方法[3]。目前主要的损伤识别方法主要分为结构静力特性参数、动力特性参数、模型修正，智能算法等[4]。
3.1. 基于静力测试的损伤识别
基于静力测试的拉索损伤识别是指结构在静力作用下，以位移、应变、转角等静力响应作为损伤识别的参数，通过参数的变化反分析结构的损伤。静力测试精度较高，理论较为完善，在实际中被广泛应用。
张家弟[5]计算了各种损伤状态下结构的静力位移，以无损伤状态下的静力位移作为基准，通过分析位移的变化，成功地识别了结构的损伤情况，且进一步分析了噪声对识别精度的影响，高精度地识别了整个结构的损伤。
Banan等[6]提出了使用节点力误差和测点位移误差两种算法，用于解决非线性约束优化问题，可根据已知结构静载荷下的实测位移估算有限元模型本构特性，适用于大型复杂结构。
杜永峰[7]理论上证明了挠度差值影响线对结构损伤识别可行性，提出用损伤前后一点的挠度差值来识别损伤，并以一简支梁为例，验证了该方法对损伤位置与损伤程度识别的准确性。紧接着，王艺霖等[8]提出了利用竖向支座反力影响线差值指标确定连续梁桥主梁损伤位置的方法，并验证了该方法的可行性。
何伟，陈淮等[9] [10]提出了采用吊杆张力或结点间位移差的变化来识别吊杆损伤的方法，以京港澳高速郑州黄河大桥为实例，基于摄动有限元理论研究了吊杆损伤时对吊杆系张力的影响，并对其进行了验证，经过验证表明，该方法比较全面地考虑了吊杆实际边界条件，提高了短吊杆和长吊杆张力测试精度，采用本方法对吊杆进行损伤识别，结果准确。
Abdo [11]讨论了利用位移曲率进行结构损伤检测的优缺点，指出测点数目和加载情况是重要影响因素。杨晓等[12]使用相对曲率差识别了桥梁结构的损失位置，随后结合模拟退火算法识别了损伤程度，以简支梁为例进行了数值模拟验证，结果表明，噪声对于损伤识别的影响更为显著。可以看出在损伤识别时，我们要注重研究噪声对损伤的影响，以达到更加接近真实的损伤情况。
综上所述，基于静力测试的损伤识别虽然具有较为成熟的理论与方法，精度也较高，但仍然存在不足，影响该方法的进一步发展与应用。一方面，静力测试通常只能提供位移和应变等有限的测量信息，相对于动态测试而言，这些信息量较少，可能导致难以得到理想的识别结果；另一方面其测试复杂，往往需要封闭交通，不经济且在识别上具有一定的局限性。
3.2. 基于动力测试的损伤识别
结构的动力测试是指与结构动力特征相关的属性，如频率、振型、阻尼、曲率模态、应变模态等等。结构的动力指纹只与其自身结构有关，是结构的固有特性，结构的任何变化都会引起其动力指纹的变化，故结构的损伤会引起其动力特征的改变。常见的动力指纹有结构的振型，频响函数，固有频率，曲率，柔度等。
莫淑华等[13]以前3阶竖向振动的固有频率变化率为参数对复合材料悬臂梁进行了损伤识别研究，成功识别了其损伤位置和程度。Yuen等[14]通过分析计算振型差及振型斜率成功识别了结构的损伤位置，不足之处在于，该方法仅对局部损伤较为敏感，而对整体结构识别精度不足。
徐飞鸿等[15]针对噪声条件下不同损伤工况的简支梁结构，采用有限元分析方式获取位移振型，进行曲率模态分析。利用最小二乘拟合方法估计曲率模态突变区域的面积，以此估计结构的损伤程度，验证了该方法在噪声条件下能够对结构的损伤程度进行有效的估计。模态振型和频率一样可以直接测得，但是其受测试环境，测点位置等的影响较大，噪声对其影响比频率更大，因此单用测量振型来对其进行损伤识别也有较大的局限性。由于频率和振型均较容易获得，这两种指标结合及其衍生量(曲率模态，柔度曲率，模态应变能等)在损伤识别在有极其重要的地位。
孙海蛟[16]将移动质量法与曲率模态法结合，并对基于曲率模态指标进行了改进。但其仍有一些不足，动力测试结构受环境影响较大，难以得到高阶振动信息，此方法需要大量实测信息，如何排除噪声的影响，得到理想的数据也是实际应用中的难点。
Zhao等[17]提出了基于广义均布载荷面曲率法的结构损伤识别方法，并将其与模态柔度曲率法和由模态柔度曲率导出的均匀载荷面曲率法等四种方法进行了比较，结果表明，四种方法均能对损伤位置进行识别，广义均布荷载面曲率对损伤位置识别更接近真实值，因此该方法更具有实际应用价值。李杰等[18]通过构造的广义柔度曲率矩阵对角指标，再对广义柔度曲率矩阵列元素分别求1-范数和2-范数，分别将损伤前后矩阵列范数向量相减得到新的损伤识别指标，以简支梁为例对三个指标进行了验证，究结果表明：3个新指标均能够识别出单损伤和多损伤工况的损伤位置和损伤程度。综合比较，广义柔度曲率矩阵对角指标效果最好；对于变截面梁桥损伤识别，广义柔度曲率矩阵对角指标有很好且稳定的识别效果；且广义柔度曲率矩阵对角指标能识别测点间部分损伤。
唐国源等[19]提出一种将倒数变量与广义柔度矩阵相结合的损伤识别方法，针对测量振型不完整的情况，本文引入一种基于不完整振型的控制方程，并使用基于非负最小二乘法的迭代策略求解损伤识别问题，利用桁架进行验证，与原基于广义柔度矩阵的识别方法相比，倒数变量与广义柔度矩阵相结合的方法识别效果更好。
综上所述，虽然动力指标可以直接进行结构的损伤识别，在数值模拟方面对损伤有着较好的识别效果，但其也存在一定的局限性。第一，在实际工程中，由于各种环境等影响，频率对损伤的敏感性并不强，使得使用该方法在损伤识别时受限；第二，在损伤识别时往往需要无损伤时的动力特性作为基准，对损伤识别造成一定的影响；第三，实测数据受噪声的影响较大，对于提高动力指标的抗噪性方面仍需进一步研究；第四，在实际工程中，高阶振型往往不易获取，这给使用振型、曲率等方法造成干扰，使得其较难应用于大型机复杂的结构。
3.3. 基于智能算法的损伤识别
随着经济社会的不断发展以及传统的损伤识别方法的局限性，智能算法在各种工程场景下得到了不断的应用，由于其优异的非线性能力，被广泛的应用于各个领域。
Zheng等[20]提出了一种基于稀疏深度置信网络的方法，将固有频率和振型作为网络的输入参数，成功在输入数据有限时识别了结构的损伤，当存在建模误差和噪声时，该方法具有较为优异的识别能力。程海根等[21]以竖向加速度为损伤指标，使用深度置信网络对工字钢梁的损伤进行识别，识别结果表明该方法识别精度较高，且随着噪声的增强，其识别准确率能够趋于稳定，抗噪性能好。
Guo等[22]使用卷积神经网络设计了一个具有多尺度模块的网络体系，该模块可在识别损伤时减少噪声污染，加速网络收敛，最后通过数值模拟与试验共同进行了验证，研究表明该方法相对传统方法可提升至少10%识别准确率。
耿超[23]以一座斜拉桥为例，基于BP神经网络，SCG神经网络和RBF神经网络，以拉索的应变为监测量对其拉索进行损伤识别研究。每种方法都有其不同的优劣。但本文并没有考虑噪声，外界荷载，温度等因素对拉索损伤识别的影响。
李帛书[24]从动力参数和优化智能算法两个方面研究斜拉桥的损伤识别，以一简支梁为例进行验证，然后对双塔单索面预应力混凝土箱梁体系的崖门大桥的桥梁和拉索进行损伤识别，可以达到较好的效果。单德山等[25]提出基于联合卷积神经网络(CNN)与长短期记忆(LSTM)深度网络的桥梁损伤识别方法，并用实验数据进行了验证。该方法可有效识别出桥梁的损伤位置和损伤程度，且偏差小。
项长生等[26]针对曲率模态对振型节点附近损伤不敏感，通过引入信息熵将曲率模态与信息熵结合，提出曲率模态信息熵理论，并将其与神经网络结合，以简支梁为算例对该方法进行了验证，所提方法能较好地定位及定量损伤。紧接着，项长生等[27]基于结构模态、信息熵和BP神经网络，提出桥梁损伤识别的新方法，首先将模态应变能与频率结合推出了模态频率应变能变化率等指标用于结构损伤识别研究，接着将模态频率应变能与信息熵结合构造模态频率应变能熵差变化率等指标，将其与神经网络结合很好的对简支梁和连续梁桥进行了识别，为后续研究提供了新思路。
随着机器学习与人工智能的不断发展，基于智能算法的损伤识别方法也得到了前所未有的发展，且其识别也更为准确，具有较高抗噪性，但是仍然存在一定不足。第一，神经网络的识别精度受训练样本的影响较大，一旦训练样本不好便会造成较大误差，具有较大的不确定性；第二，对于神经网络的训练往往需要大量的训练样本，而在实际工程中较难获得大量准确样本，其在实际工程中应用仍较少。
随着损伤识别理论和各种监测设备的不断发展，结构损伤识别的精度也在不断提高，不断地引入新的技术以解决传统方法的不足，但无论是基于动力参数的还是基于机器学习的，还是各种方法进行结合来进行损伤识别，总有一定的局限性。影响损伤识别的因素有很多，都可能对我们的损伤识别一定的困扰，因此我们需要不断的更新方法等以达到较好的识别效果。
4. 研究趋势与展望
近年来，桥梁损伤识别技术取得了一定的进展，图1与图2分别以“桥梁 + 损伤识别”与“损伤识别”为主题词在中国知网数据库进行检索。从图中可以看出，以“桥梁 + 损伤识别”为主题进行检索从1998~2023年的发文量基本呈现出逐年上升趋势，最大发文量达到了每年250篇左右；以“损伤识别”为主题进行检索从1998~2023年的发文量基本也呈现出逐年上升趋势，最大发文量达到了每年500篇左右。对比两图可以看出桥梁的损伤识别发文量占每年损伤识别发文量近一半，进一步说明了桥梁损伤识别在损伤识别领域的重要性与研究者对桥梁损伤的重视。
Figure 1. “Bridge”、“Damage identification” literature statistics
图1. “桥梁”、“损伤识别”文献统计
Figure 2. “Damage identification” literature statistics
图2. “损伤识别”文献统计
图3与图4分别以“桥梁 + 损伤识别”与“损伤识别”为主题词在中国知网数据库进行检索，统计现有文献的主题分布，可以看出当前学者主要仍是围绕“损伤识别”、“结构损伤识别”、“桥梁结构”、“健康监测”等几个方面展开的。
每年有大量学者对桥梁损伤识别进行研究，但现如今再该领域仍然有需要提高的地方。桥梁损伤识别的未来研究趋势将主要围绕提高识别准确性、实现早期损伤预警、以及应对复杂环境和结构变化展开，下面是给出的一些可能的对策与建议。
Figure 3. “Bridge”、“Damage recognition” search the main topic distribution
图3. “桥梁”、“损伤识别”检索主要主题分布
Figure 4. “Damage recognition” search the main topic distribution
图4. “损伤识别”检索主要主题分布
(1) 多体系、多层次的损伤识别方法。结合桥梁工程的全过程信息(施工监控、荷载试验、健康监测和人工巡检等)，建立多体系、多层次的损伤识别方法。这种方法将实现局部与整体、静力与动力的综合考量，提高损伤识别的全面性和准确性。
(2) 环境激励下的结构损伤识别。考虑环境参数变化对结构损伤识别的影响，研究在环境激励下如何有效识别桥梁损伤。这包括研究试验参数变化、环境噪声等因素对损伤识别的影响，并寻找相应的解决策略。
(3) 健康监测设计与开发的统一标准和规程。制定桥梁健康监测与损伤识别的统一标准和规程，确保监测系统的可靠性、稳定性和一致性。这将有助于实现桥梁损伤的早期预警和准确诊断，降低安全风险。
(4) 结构非线性的分析方法。考虑桥梁结构的非线性特性，研究非线性分析方法在损伤识别中的应用。这包括研究结构在损伤状态下的非线性响应特征，以及如何通过非线性分析来准确识别和评估损伤。
(5) 无损检测技术的创新。探索新的无损检测技术，如远红外热成像系统、地面渗透雷达等，以实现桥梁损伤的快速、准确识别。这些技术将提供更为丰富的检测数据和信息，有助于更全面地了解桥梁的结构健康状况。
(6) 智能化与自动化技术。人工智能、机器学习等先进技术依然需要被不断地应用于结构的损伤识别领域，实现桥梁损伤识别的智能化和自动化。并通过不断地训练模型，改进算法，学习桥梁结构的损伤模式，提高损伤识别的准确性和效率。
5. 结论
本文首先对桥梁损伤的原因进行分类讨论，介绍了现今常用的拉索损伤检测方法，随后分别从静动力检测方法、智能算法对结构损伤识别方法在国内外的研究进展进行了综述。基于智能算法的损伤识别研究是现在比较热门的研究方向，其余传统的基于频率，振型，模态曲率等方法的结合进行损伤识别是现在常用的损伤识别方法，对未来研究具有良好的发展前景和应用价值。
虽然桥梁的损伤识别已经进行了很多的理论研究，各种方法也不断地被提出，但在实际的应用中仍然存在许多的问题。因此，在桥梁损伤识别领域仍然有很长的路要走，这需要把多学科领域的技术与方法相结合来应用，为桥梁损伤识别领域发展提供强有力的保障。