一种桥梁建养全过程智能监测评估预警决策系统及方法
技术领域
[0001] 本
发明涉及
土木工程领域，尤其涉及一种桥梁工程建养全过程监测评估预警决策系统及方法。
背景技术
[0002] 随着交通经济的快速发展，跨越江河、跨越海峡、跨越深山峡谷的桥梁工程得到快速发展。我国成功修建了南浦大桥、苏通长江大桥、东海大桥、杭州湾大桥、港珠澳大桥、坝陵河大桥、北盘江大桥等特大型桥梁，展望未来，跨越琼州海峡、渤海海峡、台湾海峡等三大海峡的巨型超级跨海交通工程正在规划研究。这些特大型桥梁工程规模巨大、结构新颖，而且采用很多技术创新，社会影响很大，但其在施工期和运营期面临着深
水、台
风、巨浪等恶劣海洋环境或山区峡谷大风、陡峭边坡失稳等复杂山区环境影响，面临着巨大的安全挑战，必须通过安全监测技术获取桥梁结构实时信息，并通过评估预警控制技术，保障桥梁结构在施工期和运营期的安全，保障施工期的施工装备和人员安全，以及保障运营期的行车安全。
[0003] 目前，桥梁结构安全监测主要通过光纤传输数据，由于施工阶段光纤布设困难，因此，主要针对桥梁运营阶段开展监测，对施工期的监测内容很少，无法精确获得桥梁建成时的真实受
力状态，也造成了施工期和运营期的监测信息分离。即使在桥梁结构运营期的安全监测中，通常也主要关注桥梁结构自身的监测信息，对桥梁周围环境的监测关注很少，难以预判环境荷载对桥梁结构自身和行车带来的直接和潜在的安全风险。此外，目前的安全监测
精度较低，智能化水平不高，在线实时评估分析和预警能力较弱。以上不足因素，严重制约了桥梁工程安全监测技术的发展，也给桥梁施工期和运营期的安全造成很大隐患。
发明内容
[0004] (一)要解决的技术问题
[0005] 本发明的目的在于提供一种桥梁建养全过程智能监测评估预警决策系统及方法，以解决桥梁建设和运营全过程的高精度、高效率、智能化的安全监测、评估分析和预警决策。
[0006] (二)技术方案
[0007] 本发明提供了一种桥梁建养全过程智能监测评估预警决策系统，其特征在于，该系统包括：
[0008] 智能采集模
块1，用于智能采集桥梁17建养全过程的多源异构多维度高精度信息，并构建BIM模型10；以及
[0009] 智能评估预警决策模块2，与所述智能采集模块1相连接，用于构建多级安全预警指标14和应急决策
数据库15，基于BIM模型10对桥梁17建养全过程的结构和行车的安全性能进行在线实时、高精度、
可视化、智能评估分析和预警决策。
[0010] 在本发明的一些
实施例中，所述智能采集模块1集成
激光雷达三维高精度扫描技术、
建筑信息模型技术、无线智能传感技术和有限元数值模拟技术，包括测量单元3、建模单元4、分析单元5和修正单元6，其中：
[0011] 测量单元3，用于利用激光雷达对所述桥梁17施工期和运营期的结构空间几何信息进行快速、非
接触和高精度
三维扫描测量，桥梁17关键预制构件工厂制造的测量精度误差≤1mm，桥梁17结构现场施工或运营状态的空间几何的测量精度误差≤3mm；
[0012] 建模单元4，用于利用测量单元3获取的桥梁17关键预制构件或桥梁17结构三维扫描测量结果，基于点
云数据的三维模型重建
算法，构建桥梁17关键预制构件或桥梁17结构的三维点云模型16；利用建筑信息模型技术建立的桥梁17关键预制构件或桥梁17结构的三维几何信息和工程进度
质量安全管理信息，构建桥梁17结构的BIM模型10；
[0013] 分析单元5，用于分析比较所述桥梁17结构的三维点云模型16和BIM模型10，其中，BIM模型10基于有限元数值模拟技术考虑结构自重、
汽车活载以及环境荷载的作用效应，所述环境荷载包括地基沉降、风荷载和
温度作用，并通过七参数布尔莎模型坐标转换，即X平移、Y平移、Z平移、X旋转WX、Y旋转WY、Z旋转WZ和尺度变化DM，建立三维点云模型16与BIM模型10的绝对空间
位置对应关系，在此
基础上，获取三维点云模型16和BIM模型10之间的相对空间几何误差向量{Δ}，当{Δ}大于或等于允许空间几何误差向量{Δ0}时，反馈给测量单元3进行重新监测，同时检查完善BIM模型10，直至{Δ}≤{Δ0}；
[0014] 修正单元6，用于根据三维点云模型16的自身精度误差向量{δ}、相对空间几何误差向量{Δ}，对BIM模型10进行修正，修正方法为BIM模型10的几何坐标
叠加α{Δ}，α为考虑三维点云模型自身精度误差时对BIM模型10的修正系数，0≤α≤1，最后以修正的BIM模型10作为智能评估预警决策模块2的工作基础。
[0015] 在本发明的一些实施例中，所述多源异构多维度高精度信息包括环境监测信息7、结构监测信息8和工程进度质量安全管理信息9，其中：
[0016] 所述环境监测信息7，对于跨越海湾的桥梁17，包括：桥位区域的海底地形信息、桥梁17基础周边海床冲刷信息、
水体盐度和含沙量信息、风-浪-流耦合场信息、潮位信息、
地震波信息、空气温湿度和紫外线信息；所述环境监测信息7，对于跨越山区的桥梁17，包括：桥位区域的山体边坡
稳定性信息、桥梁17基础周边
岩石和土体信息、
地下水和溶洞信息、风场信息、
地震波信息、空气温湿度和紫外线信息；
[0017] 所述结构监测信息8包括：结构的空间几何信息、位移信息、倾
角信息、
加速度信息、振动特性信息、
应力信息、拉力信息、压力信息、温度信息、重量信息和桥梁17上行车信息；
[0018] 所述工程进度质量安全管理信息9包括：利用建筑信息模型技术建立的工程勘察设计信息、施工期的技术方案及施工进度质量安全管理信息、运营期的技术方案及养护维护进度质量安全管理信息。
[0019] 在本发明的一些实施例中，所述智能采集模块1还用于采用无线智能传感技术对施工期的环境监测信息7、结构监测信息8和工程进度质量安全管理信息9进行智能采集，采用无线智能传感技术和分布式光纤智能传感技术优化组合技术对运营期的环境监测信息7、结构监测信息8和工程进度质量安全管理信息9进行智能采集，并进行智能化组网，采用北斗卫星或4G通信技术进行广域网连接，同时采用数据重传机制和低噪声功率
放大器提高无线
传感器设备通信传输可靠性，实现桥梁17建养全过程的高精度智能监测。
[0020] 在本发明的一些实施例中，所述智能评估预警决策模块2集成大
数据处理技术、云计算技术、有限元数值模拟技术、
人工神经网络深度学习算法和
虚拟现实VR可视化动态分析技术，包括数据处理单元11、风险评估单元12和预警决策单元13，其中：
[0021] 数据处理单元11，用于采用
大数据处理技术、云计算技术、NoSQL非关系型数据库技术和虚拟现实可视化动态分析技术，将智能采集模块1采集的不同形式存在、不同数据格式、不同
访问方式的多源异构多维度高精度信息进行统一转化、融合集成和共享管理，将数据处理后的监测信息输入根据三维点云模型16修正的BIM模型10，从而构建融合高精度智能监测信息的BIM模型10，其中，所述多源异构多维度高精度信息以结构化数据、图像和视频的形式呈现；
[0022] 风险评估单元12，用于采用有限元数值模拟技术、大数据处理技术、云计算技术、虚拟现实可视化动态分析技术，基于BIM模型10，在线实时评估桥梁17在施工期和运营期的结构安全性能，并通过
机器学习方法，评估预测桥梁17在施工期和运营过程中的性能变化演化规律，评估预测施工期的施工装备和人员安全，评估预测运营期的行车安全性与行车舒适性；其中，所述结构安全性能包括结构
刚度、强度、静力稳定性、动力稳定性、疲劳性能、耐久性和
腐蚀特性，所述机器学习方法包括关联分析和统计过程控制；
[0023] 预警决策单元13，用于评估预测桥梁17在施工期和运营过程中性能变化演化规律的基础上，采用人工神经网络深度学习算法、有限元数值模拟技术、大数据处理技术、云计算技术、虚拟现实和可视化动态分析技术，构建多级安全预警指标14和应急
决策数据库15，所述多级安全预警指标14以控制结构某一性能指标为目标，定义不同的安全系数Ki来评定结构的安全等级，i＝1～M，M≥2，所述应急决策数据库15为结构不同级别安全性能的应急处理措施，基于BIM模型10，对桥梁17建养全过程的结构和行车的安全性能进行在线实时、高精度、可视化和智能预警决策：
[0024] (1)若Ki·σi≤[σi]，i＝1～M，M≥2，其中，σi为结构安全性能指标评估结果，[σi]为结构安全性能预警
阈值，则结构处于安全状态；
[0025] (2)若Ki·σi＞[σi]，i＝1～M，M≥2，则结构处于不安全状态，需要进行预警，同时对桥梁17进行反馈安全控制，直至Ki·σi≤[σi]，i＝1～M，M≥2，并修正BIM模型。
[0026] 本发明的另一方面，还提供了一种桥梁建养全过程智能监测评估预警决策方法，基于以上任一所述的桥梁建养全过程智能监测评估预警决策系统，该方法包括：
[0027] 智能采集桥梁建养全过程的多源异构多维度高精度信息，构建BIM模型；以及[0028] 智能评估预警决策模块构建多级安全预警指标和应急决策数据库，并基于BIM模型对桥梁建养全过程的结构和行车的安全性能进行在线实时、高精度、可视化、智能评估分析和预警决策。
[0029] 在本发明的一些实施例中，所述智能采集模块智能采集桥梁建养全过程的多源异构多维度高精度信息，构建BIM模型，包括：
[0030] 利用激光雷达对所述桥梁施工期和运营期的结构空间几何信息进行快速、非接触和高精度三维扫描测量，桥梁关键预制构件工厂制造的测量精度误差≤1mm，桥梁结构现场施工或运营状态的空间几何的测量精度误差≤3mm；以及
[0031] 利用获取的桥梁关键预制构件或桥梁结构三维扫描测量结果，基于点云数据的三维模型重建算法，构建桥梁关键预制构件或桥梁结构的三维点云模型；利用建筑信息模型技术建立的桥梁关键预制构件或桥梁结构的三维几何信息和工程进度质量安全管理信息，构建桥梁结构的BIM模型。
[0032] 所述智能采集模块智能采集桥梁建养全过程的多源异构多维度高精度信息，构建BIM模型，还包括：分析比较所述桥梁结构的三维点云模型和BIM模型，其中，BIM模型基于有限元数值模拟技术考虑结构自重、汽车活载以及环境荷载的作用效应，所述环境荷载包括地基沉降、风荷载和温度作用，并通过七参数布尔莎模型坐标转换，即X平移、Y平移、Z平移、X旋转WX、Y旋转WY、Z旋转WZ和尺度变化DM，建立三维点云模型与BIM模型的绝对空间位置对应关系，在此基础上，获取三维点云模型和BIM模型之间的相对空间几何误差向量{Δ}，当{Δ}大于或等于允许空间几何误差向量{Δ0}时，反馈并进行重新监测，同时检查完善BIM模型，直至{Δ}≤{Δ0}；以及
[0033] 根据三维点云模型的自身精度误差向量{δ}、相对空间几何误差向量{Δ}，对BIM模型进行修正，修正方法为BIM模型的几何坐标叠加d{Δ}，d为考虑三维点云模型自身精度误差时对BIM模型10的修正系数，0≤α≤1，最后以修正的BIM模型10作为智能评估预警决策模块的工作基础。
[0034] 在本发明的一些实施例中，所述多源异构多维度高精度信息包括环境监测信息、结构监测信息和工程进度质量安全管理信息，其中：
[0035] 所述环境监测信息，对于跨越海湾的桥梁，包括：桥位区域的海底地形信息、桥梁基础周边海床冲刷信息、水体盐度和含沙量信息、风-浪-流耦合场信息、潮位信息、地震波信息、空气温湿度和紫外线信息；所述环境监测信息，对于跨越山区的桥梁，包括：桥位区域的山体边坡稳定性信息、桥梁基础周边岩石和土体信息、地下水和溶洞信息、风场信息、地震波信息、空气温湿度和紫外线信息；
[0036] 所述结构监测信息包括：结构的空间几何信息、位移信息、倾角信息、加速度信息、振动特性信息、应力信息、拉力信息、压力信息、温度信息、重量信息和桥梁上行车信息；
[0037] 所述工程进度质量安全管理信息包括：利用建筑信息模型技术建立的工程勘察设计信息、施工期的技术方案及施工进度质量安全管理信息、运营期的技术方案及养护维护进度质量安全管理信息。
[0038] 在本发明的一些实施例中，所述智能采集模块智能采集桥梁建养全过程的多源异构多维度高精度信息，构建BIM模型，还包括：
[0039] 智能采集模块还采用无线智能传感技术对施工期的环境监测信息、结构监测信息和工程进度质量安全管理信息进行智能采集，采用无线智能传感技术和分布式光纤智能传感技术优化组合技术对运营期的环境监测信息、结构监测信息和工程进度质量安全管理信息进行智能采集，进行智能化组网，采用北斗卫星或4G通信技术进行广域网连接，同时采用数据重传机制和低噪声
功率放大器提高无线传感器设备通信传输可靠性，实现桥梁建养全过程的高精度智能监测。
[0040] 在本发明的一些实施例中，所述智能评估预警决策模块构建多级安全预警指标和应急决策数据库，并基于BIM模型对桥梁建养全过程的结构和行车的安全性能进行在线实时、高精度、可视化、智能评估分析和预警决策，包括：
[0041] 采用大数据处理技术、云计算技术、NoSQL非关系型数据库技术和虚拟现实可视化动态分析技术，将智能采集模块采集的不同形式存在、不同数据格式、不同访问方式的多源异构多维度高精度信息进行统一转化、融合集成和共享管理，将数据处理后的监测信息输入根据三维点云模型修正的BIM模型，从而构建融合高精度智能监测信息的BIM模型，其中，所述多源异构多维度高精度信息以结构化数据、图像和视频的形式呈现；
[0042] 采用有限元数值模拟技术、大数据处理技术、云计算技术、虚拟现实VR可视化动态分析技术，基于BIM模型，在线实时评估桥梁在施工期和运营期的结构安全性能，并通过机器学习方法，评估预测桥梁在施工期和运营过程中的性能变化演化规律，评估预测施工期的施工装备和人员安全，评估预测运营期的行车安全性与行车舒适性；其中，所述结构安全性能包括结构刚度、强度、静力稳定性、动力稳定性、疲劳性能、耐久性和腐蚀特性，所述机器学习方法包括关联分析和统计过程控制；以及
[0043] 评估预测桥梁在施工期和运营过程中性能变化演化规律的基础上，采用人工神经网络深度学习算法、有限元数值模拟技术、大数据处理技术、云计算技术、虚拟现实和可视化动态分析技术，构建多级安全预警指标和应急决策数据库，所述多级安全预警指标以控制结构某一性能指标为目标，定义不同的安全系数Ki来评定结构的安全等级，i＝1～M，M≥2，所述应急决策数据库为结构不同级别安全性能的应急处理措施，基于BIM模型，对桥梁建养全过程的结构和行车的安全性能进行在线实时、高精度、可视化和智能预警决策：
[0044] (1)若Ki·σi≤[σi]，i＝1～M，M≥2，其中，σi为结构安全性能指标评估结果，[σi]为结构安全性能预警阈值，则结构处于安全状态；
[0045] (2)若Ki·σi＞[σi]，i＝1～M，M≥2，则结构处于不安全状态，需要进行预警，同时对桥梁进行反馈安全控制，直至Ki·σi≤[σi]，i＝1～M，M≥2，并修正BIM模型。
[0046] (三)有益效果
[0047] 本发明的桥梁建养全过程高精度智能监测评估预警决策系统及方法，相较于
现有技术，至少具有以下优点：
[0048] 1、本发明集成激光雷达(LinDAR)三维高精度扫描技术、建筑信息模型(BIM)技术、无线智能传感技术、有限元数值模拟技术，建立了由测量单元、建模单元、分析单元、修正单元构成的智能采集模块，将监测时间由传统的桥梁运营期拓展到桥梁施工和运营全过程，将监测的内容由传统的结构监测信息拓展到环境监测信息、结构监测信息并深度融合工程进度质量安全管理信息，将空间几何监测精度由传统的摄影拍照精度提高到激光雷达三维高精度扫描，并基于三维点云模型反馈控制后修正BIM模型信息，从而实现了智能化采集和深度融合桥梁施工和运营全过程的环境监测信息、结构监测信息、工程进度质量安全管理信息等多源异构多维度高精度信息。
[0049] 2、本发明集成大数据处理技术、云计算技术、有限元数值模拟技术、人工神经网络深度学习算法、虚拟现实(VR)可视化动态分析技术，建立了由数据处理单元、风险评估单元、预警决策单元构成的智能评估预警系统，构建了多级安全预警指标和应急决策数据库，在智能采集模块的同一BIM模型上，实现了对桥梁建养全过程的结构和行车的安全性能进行在线实时、高精度、可视化、智能化的评估分析和预警决策。
[0050] 3、本发明既能适用于跨越江河和跨越海峡的桥梁工程，也能适用于跨越深山峡谷的桥梁工程，适用于范围广，创新性强，实用性好，具有广阔的应用推广价值。
附图说明
[0051] 图1为本发明实施例的桥梁工程建养全过程监测评估预警决策系统在桥梁施工期应用的结构示意图。
[0052] 图2为本发明实施例的桥梁工程建养全过程监测评估预警决策系统的实施流程示意图。
[0053] 图3为本发明实施例的智能采集模块三维测量控制的实施流程示意图。
[0054] 图4为本发明实施例的风险评估单元的实施流程示意图。
[0055] 图5为本发明实施例的桥梁工程建养全过程监测评估预警决策方法的步骤示意图。
[0056] 图6为本发明实施例的步骤S1的子步骤示意图。
[0057] 图7为本发明实施例的步骤S2的子步骤示意图。
[0058] 附图说明：
[0059] 1-智能采集模块 2-智能评估预警决策模块
[0060] 3-测量单元 4-建模单元
[0061] 5-分析单元 6-修正单元
[0062] 7-环境监测信息 8-结构监测信息
[0063] 9-工程进度质量安全管理信息 10-BIM模型
[0064] 11-数据处理单元 12-风险评估单元
[0065] 13-预警决策单元 14-安全预警指标
[0066] 15-应急决策数据库 16-三维点云模型
[0067] 17-桥梁
具体实施方式
[0068] 现有安全监测精度较低，智能化水平不高，在线实时评估分析和预警能力较弱，建养监测信息分离，缺乏BIM、
物联网和大数据等新技术的支持，有鉴于此，本发明提供了一种桥梁工程建养全过程智能监测评估预警决策系统及方法，具有高精度、可视化和智能化特点，可显著提高工程建养全过程监测评估预警决策技术水平和效率。
[0069] 为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
[0070] 本发明实施例的一方面，提供了一种桥梁建养全过程智能监测评估预警决策系统，图1为本发明实施例的桥梁工程建养全过程监测评估预警决策系统在桥梁施工期应用的结构示意图。以跨越海湾的桥梁17为例，智能采集模块1采集的环境监测信息7，包括：桥位区域的海底地形信息、桥梁17基础周边海床冲刷信息、水体盐度和含沙量信息、风-浪-流耦合场信息、潮位信息、地震波信息、空气温湿度和紫外线信息等；跨越山区的桥梁17，包括：桥位区域的山体边坡稳定性信息、桥梁17基础周边岩石和土体信息、地下水和溶洞信息、风场信息、地震波信息、空气温湿度和紫外线信息等；
[0071] 智能采集模块1采集的结构监测信息8包括：结构的空间几何信息、位移信息、倾角信息、加速度信息、振动特性信息、应力信息、拉力信息、压力信息、温度信息、重量信息、桥梁17上行车信息等。
[0072] 智能采集模块1采集的工程进度质量安全管理信息9包括：利用建筑信息模型(BIM)技术建立的工程勘察设计信息、施工期的技术方案及施工进度质量安全管理信息、运营期的技术方案及养护维护进度质量安全管理信息。
[0073] 综上，智能采集模块1采集这些多源异构多维度高精度信息，同时构建BIM模型10，进行智能评估预警决策2，对桥梁建养全过程的结构和行车的安全性能进行在线实时、高精度、可视化、智能评估分析和预警决策。
[0074] 图2为本发明实施例的桥梁工程建养全过程智能监测评估预警决策系统的实施流程示意图。桥梁工程建养全过程智能监测评估预警决策系统中的智能采集模块1集成激光雷达(LinDAR)三维高精度扫描技术、建筑信息模型BIM技术、无线智能传感技术、有限元数值模拟技术，其由测量单元3、建模单元4、分析单元5、修正单元6组成，智能采集桥梁建养全过程的环境监测信息7、结构监测信息8、工程进度质量安全管理信息9等多源异构多维度高精度信息，并构建BIM模型10；
[0075] 智能评估预警决策模块2，集成大数据处理技术、云计算技术、有限元数值模拟技术、人工神经网络深度学习算法、虚拟现实(VR)可视化动态分析技术，其由数据处理单元11、风险评估单元12、预警决策单元13组成，构建多级安全预警指标14和应急决策数据库
15，基于BIM模型10，对桥梁建养全过程的结构和行车的安全性能进行在线实时、高精度、可视化、智能评估分析和预警决策。
[0076] 图3为本发明实施例的智能采集模块三维测量控制的实施流程示意图，如图3所示，智能采集模块1的测量单元3，利用激光雷达(LinDAR)对所述桥梁17施工期和运营期的结构空间几何信息进行快速、非接触和高精度三维扫描测量，桥梁17关键预制构件工厂制造的测量精度误差≤1mm，桥梁17结构现场施工或运营状态的空间几何的测量精度误差≤3mm；
[0077] 建模单元4，利用测量单元3获取的桥梁17关键预制构件或桥梁17结构三维扫描测量结果，基于点云数据的三维模型重建算法，构建桥梁17关键预制构件或桥梁17结构的三维点云模型16；利用建筑信息模型(BIM)技术建立的桥梁17关键预制构件或桥梁17结构的三维几何信息和工程进度质量安全管理信息，构建桥梁17结构的BIM模型10；
[0078] 分析单元5，用于分析比较上述桥梁17结构的三维点云模型16和BIM模型10，其中，BIM模型10基于有限元数值模拟技术考虑结构自重、汽车活载以及环境荷载的作用效应，所述环境荷载包括地基沉降、风荷载和温度作用，，并通过七参数布尔莎模型坐标转换，即X平移、Y平移、Z平移、X旋转(WX)、Y旋转(WY)、Z旋转(WZ)和尺度变化(DM)，建立三维点云模型16与BIM模型10的绝对空间位置对应关系，在此基础上，获取三维点云模型16和BIM模型10之间的相对空间几何误差向量{Δ}，当{Δ}大于或等于允许空间几何误差向量{Δ0}时，需反馈给测量单元3进行重新监测，同时检查完善BIM模型10，直至{Δ}≤{Δ0}；
[0079] 修正单元6，根据三维点云模型16的自身精度误差向量{δ}、相对空间几何误差向量{Δ}，对BIM模型10进行修正，修正方法为BIM模型10的几何坐标叠加d{Δ}，α为考虑三维点云模型自身精度误差时对BIM模型10的修正系数，0≤α≤1，一般情况下α可取1/2，最后以修正的BIM模型10作为智能评估预警决策模块2的工作基础。
[0080] 图4为本发明实施例的风险评估单元的实施流程示意图。首先，智能评估预警决策模块2的数据处理单元11，采用大数据处理技术、云计算技术、NoSQL非关系型数据库技术、虚拟现实(VR)可视化动态分析技术，将智能采集模块1采集的结构化数据、图像、视频等不同形式存在、不同数据格式、不同访问方式的多源异构多维度高精度信息进行统一转化、融合集成和共享管理，将处理后的监测信息输入根据三维点云模型16修正的BIM模型10，从而构建融合高精度智能监测信息的BIM模型10。
[0081] 智能评估预警决策模块2的风险评估单元12，采用有限元数值模拟技术、大数据处理技术、云计算技术、虚拟现实(VR)可视化动态分析技术，基于BIM模型10，在线实时评估桥梁17在施工期和运营期的结构安全性能(结构刚度、强度、静力稳定性、动力稳定性、疲劳性能、耐久性、腐蚀特性等)，并通过关联分析、统计过程控制等机器学习方法，评估预测桥梁17在施工期和运营过程中的性能变化演化规律，评估预测施工期的施工装备和人员安全，评估预测运营期的行车安全性与行车舒适性。
[0082] 智能评估预警决策模块2的预警决策单元13，评估预测桥梁17在施工期和运营过程中性能变化演化规律的基础上，采用人工神经网络深度学习算法、有限元数值模拟技术、大数据处理技术、云计算技术、虚拟现实(VR)可视化动态分析技术，构建多级安全预警指标14和应急决策数据库15，多级安全预警指标14以控制结构某一性能指标为目标，定义不同的安全系数Ki，i＝1～M，M≥2来评定结构的安全等级，应急决策数据库15为结构不同级别安全性能的应急处理措施，基于BIM模型10，对桥梁建养全过程的结构和行车的安全性能进行在线实时、高精度、可视化、智能预警决策：
[0083] (1)若Ki·σi≤[σi]，i＝1～M，M≥2，其中，σi为结构安全性能指标评估结果，[σi]为结构安全性能预警阈值，则结构处于安全状态；
[0084] (2)若Ki·σi＞[σi]，i＝1～M，M≥2，则结构处于不安全状态，需要进行预警，同时对桥梁17进行反馈安全控制，直至Ki·σi≤[σi]，i＝1～M，M≥2，并修正BIM模型。
[0085] 本发明实施例的另一方面，还提供了一种桥梁建养全过程智能监测评估预警决策方法，基于前述的桥梁建养全过程智能监测评估预警决策系统，如图5所示，该方法包括以下步骤：
[0086] S1、智能采集桥梁建养全过程的多源异构多维度高精度信息，构建BIM模型；
[0087] 其中，如图6所示，步骤S1可以具体包括以下步骤：
[0088] S11、利用激光雷达对所述桥梁施工期和运营期的结构空间几何信息进行快速、非接触和高精度三维扫描测量，桥梁关键预制构件工厂制造的测量精度误差≤1mm，桥梁结构现场施工或运营状态的空间几何的测量精度误差≤3mm；
[0089] S12、利用获取的桥梁关键预制构件或桥梁结构三维扫描测量结果，基于点云数据的三维模型重建算法，构建桥梁关键预制构件或桥梁结构的三维点云模型；利用建筑信息模型技术建立的桥梁关键预制构件或桥梁结构的三维几何信息和工程进度质量安全管理信息，构建桥梁结构的BIM模型；
[0090] S13、分析比较所述桥梁结构的三维点云模型和BIM模型，其中，BIM模型基于有限元数值模拟技术考虑结构自重、汽车活载以及环境荷载的作用效应，所述环境荷载包括地基沉降、风荷载和温度作用等，并通过七参数布尔莎模型坐标转换，即X平移、Y平移、Z平移、X旋转(WX)、Y旋转(WY)、Z旋转(WZ)和尺度变化(DM)，建立三维点云模型与BIM模型的绝对空间位置对应关系，在此基础上，获取三维点云模型和BIM模型之间的相对空间几何误差向量{Δ}，当{Δ}大于或等于允许空间几何误差向量{Δ0}时，反馈并进行重新监测，同时检查完善BIM模型，直至{Δ}≤{Δ0}；以及
[0091] S14、根据三维点云模型的自身精度误差向量{δ}、相对空间几何误差向量{Δ}，对BIM模型进行修正，修正方法为BIM模型的几何坐标α{Δ}，α为考虑三维点云模型自身精度误差时对BIM模型10的修正系数，0≤α≤1，一般情况下α可取1/2，最后以修正的BIM模型10作为智能评估预警决策模块的工作基础。
[0092] 在一些实施例中，为了实现无线智能传感技术在工程中的应用，步骤S1还可以包括步骤S10、智能采集模块还采用无线智能传感技术对施工期的环境监测信息、结构监测信息和工程进度质量安全管理信息进行智能采集，采用无线智能传感技术和分布式光纤智能传感技术优化组合技术对运营期的环境监测信息、结构监测信息和工程进度质量安全管理信息进行智能采集，进行智能化组网，采用北斗卫星或4G通信技术进行广域网连接，同时采用数据重传机制和低噪声功率放大器提高无线传感器设备通信传输可靠性，实现桥梁建养全过程的高精度智能监测。
[0093] 接着就详细介绍多源异构多维度高精度信息，其包括环境监测信息、结构监测信息和工程进度质量安全管理信息。
[0094] 所述环境监测信息，对于跨越海湾的桥梁，包括：桥位区域的海底地形信息、桥梁基础周边海床冲刷信息、水体盐度和含沙量信息、风-浪-流耦合场信息、潮位信息、地震波信息、空气温湿度和紫外线信息；所述环境监测信息，对于跨越山区的桥梁，包括：桥位区域的山体边坡稳定性信息、桥梁基础周边岩石和土体信息、地下水和溶洞信息、风场信息、地震波信息、空气温湿度和紫外线信息；
[0095] 所述结构监测信息包括：结构的空间几何信息、位移信息、倾角信息、加速度信息、振动特性信息、应力信息、拉力信息、压力信息、温度信息、重量信息和桥梁上行车信息；
[0096] 所述工程进度质量安全管理信息包括：利用建筑信息模型技术建立的工程勘察设计信息、施工期的技术方案及施工进度质量安全管理信息、运营期的技术方案及养护维护进度质量安全管理信息。
[0097] S2、智能评估预警决策模块构建多级安全预警指标和应急决策数据库，并基于BIM模型对桥梁建养全过程的结构和行车的安全性能进行在线实时、高精度、可视化、智能评估分析和预警决策。
[0098] 在一些实施例中，如图7所示，步骤S2可以包括以下子步骤：
[0099] S21、采用大数据处理技术、云计算技术、NoSQL非关系型数据库技术和虚拟现实可视化动态分析技术，将智能采集模块采集的不同形式存在、不同数据格式、不同访问方式的多源异构多维度高精度信息进行统一转化、融合集成和共享管理，将数据处理后的监测信息输入根据三维点云模型修正的BIM模型，从而构建融合高精度智能监测信息的BIM模型，其中，所述多源异构多维度高精度信息以结构化数据、图像和视频的形式呈现；
[0100] S22、采用有限元数值模拟技术、大数据处理技术、云计算技术、虚拟现实VR可视化动态分析技术，基于BIM模型，在线实时评估桥梁在施工期和运营期的结构安全性能，并通过机器学习方法，评估预测桥梁在施工期和运营过程中的性能变化演化规律，评估预测施工期的施工装备和人员安全，评估预测运营期的行车安全性与行车舒适性；其中，所述结构安全性能包括结构刚度、强度、静力稳定性、动力稳定性、疲劳性能、耐久性和腐蚀特性，所述机器学习方法包括关联分析和统计过程控制；以及
[0101] S23、评估预测桥梁在施工期和运营过程中性能变化演化规律的基础上，采用人工神经网络深度学习算法、有限元数值模拟技术、大数据处理技术、云计算技术、虚拟现实和可视化动态分析技术，构建多级安全预警指标和应急决策数据库，所述多级安全预警指标以控制结构某一性能指标为目标，定义不同的安全系数Ki来评定结构的安全等级，i＝1～M，M≥2，所述应急决策数据库为结构不同级别安全性能的应急处理措施，基于BIM模型，对桥梁建养全过程的结构和行车的安全性能进行在线实时、高精度、可视化和智能预警决策：
[0102] (1)若Ki·σi≤[σi]，i＝1～M，M≥2，其中，σi为结构安全性能指标评估结果，[σi]为结构安全性能预警阈值，则结构处于安全状态；
[0103] (2)若Ki·σi＞[σi]，i＝1～M，M≥2，则结构处于不安全状态，
[0104] 需要进行预警，同时对桥梁进行反馈安全控制，直至Ki·σi≤[σi]，i＝1～M，M≥2，并修正BIM模型。
[0105] 综上，本发明的桥梁工程建养全过程监测评估预警决策系统及方法能进行多源异构数据的采集和集成管理，人工神经网络深度学习算法、有限元数值模拟技术、大数据处理技术、云计算技术、虚拟现实(VR)可视化动态分析技术，实现桥梁建养全过程的结构和行车的安全性能进行在线实时、高精度、可视化、智能预警决策。
[0106] 再者，“包含”不排除存在未列在
权利要求中的元件或步骤。位于元件之前的“一”或“一个”不排除存在多个这样的元件。
[0107] 以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何
修改、等同替换、改进等，均应包含在本发明的保护范围之内。
