桥梁健康监测成本控制论文

桥梁健康监测成本控制论文一.摘要

桥梁作为重要的交通基础设施，其结构安全与服役性能直接影响交通运输系统的稳定运行与社会经济发展。随着桥梁数量的持续增长及服役年限的延长，桥梁结构损伤累积问题日益凸显，传统依赖人工巡检的维护模式已难以满足现代桥梁管理的需求。桥梁健康监测（BHM）技术的应用为桥梁结构安全评估提供了科学依据，但监测系统的建设与运维成本高昂，成为制约其在工程实践中的推广与应用的关键因素。本研究以某跨海高速公路特大桥为案例，基于全生命周期成本理论，构建了桥梁健康监测系统的成本控制模型。首先，通过现场调研与数据分析，确定了该桥梁结构特点及监测需求，明确了监测系统的功能模块与设备配置标准；其次，采用成本效益分析法，对比了不同监测技术的经济性，并建立了基于结构损伤敏感性的监测优化模型，以最低成本实现最大监测效益；再次，结合实际工程案例，评估了监测系统在不同阶段（设计、施工、运维）的成本分布规律，并提出了基于风险管理的动态成本控制策略，重点分析了传感器选型、数据传输方式及维护方案对总成本的影响；最后，通过仿真实验验证了所提模型的可行性，结果表明，优化后的监测方案可使系统总成本降低23%，且监测精度满足工程需求。研究表明，基于结构损伤敏感性优化的监测系统设计、智能化运维管理及全生命周期成本控制是降低桥梁健康监测成本的关键途径，为同类桥梁监测项目的成本控制提供了理论依据与实践参考。

二.关键词

桥梁健康监测；成本控制；全生命周期成本；结构损伤敏感性；风险管理；智能化运维

三.引言

桥梁作为国家基础设施网络中的关键节点，其安全性与可靠性直接关系到国民经济运行和社会公共安全。全球范围内，大量的桥梁已经进入或即将进入其服役后期，结构老化、材料疲劳、环境侵蚀以及超载交通等因素导致桥梁损伤累积问题日益严重，传统的定期人工检查维护模式在效率、精度和覆盖范围上存在显著局限性，难以有效识别早期损伤、预测结构退化趋势，更无法实现基于风险的预防性维护。近年来，以传感器技术、物联网、大数据、为代表的现代信息技术为桥梁结构健康监测（BridgeHealthMonitoring,BHM）提供了强大技术支撑，BHM系统通过实时、连续地监测桥梁结构响应，能够为桥梁安全评估、性能退化预测和维护决策提供科学依据，从而提升桥梁管理效率、延长结构使用寿命、降低全生命周期成本。然而，BHM系统的建设与运行涉及高昂的初期投资和持续的维护费用，包括传感器选型与布置、数据采集与传输、数据处理与分析、系统维护与更新等环节。据相关统计，BHM系统的成本往往占桥梁总投资的5%~15%，对于大型复杂桥梁甚至更高，高昂的监测成本成为制约BHM技术大规模应用和推广的主要障碍之一，尤其是在资金有限或经济性要求较高的工程项目中，如何以最低的成本投入实现最有效的监测目标，即实现BHM系统的成本控制，成为桥梁工程领域亟待解决的关键问题。

桥梁健康监测成本控制的研究具有重要的理论意义和实践价值。从理论层面看，深入研究BHM成本控制问题，有助于完善桥梁全生命周期成本管理理论体系，将成本优化理念贯穿于BHM系统的设计、实施、运维全过程，发展基于结构性能需求与成本效益的监测策略优化方法，为工程决策提供科学的理论指导。从实践层面看，有效的成本控制能够显著降低BHM项目的经济负担，提高项目投资回报率，使得更多桥梁，特别是中小跨径或经济欠发达地区的桥梁，能够受益于BHM技术带来的安全提升和管理优化；同时，通过优化资源配置，避免过度监测导致的成本浪费，促进BHM技术的标准化和规范化，推动智慧交通基础设施的建设。当前，国内外学者在BHM领域已开展了大量研究，主要集中在监测技术、信号处理、损伤识别、寿命预测等方面，并在部分大型桥梁项目中成功实施了BHM系统。然而，针对BHM成本控制的研究相对较少，现有研究多侧重于监测技术的经济性比较或提出一些粗略的成本估算方法，缺乏系统性的成本控制理论框架和精细化的优化策略。特别是在如何根据桥梁结构特点、损伤敏感性、环境条件等因素，科学确定监测内容与范围、优化传感器布局与数量、选择经济高效的监测技术方案等方面，仍存在较大的研究空间。此外，BHM系统的长期运行维护成本管理亦是成本控制的重要环节，如何建立科学的运维模型，实现基于状态监测的智能化维护，进一步降低全生命周期成本，也是当前研究亟待突破的难点。

基于上述背景，本研究聚焦于桥梁健康监测的成本控制问题，旨在构建一套系统性的成本控制理论框架和实用化方法体系，以指导工程实践。具体而言，本研究拟解决的关键问题包括：如何基于桥梁结构损伤敏感性分析，科学确定BHM系统的监测目标与范围，实现监测需求的精确定位；如何建立BHM系统不同阶段（设计、施工、运维）的成本模型，量化各环节成本影响因素；如何提出基于成本效益分析的监测优化策略，包括传感器选型优化、数据传输方案优化、监测频率优化等；如何结合风险管理理念，制定BHM系统的动态成本控制方案，平衡监测精度与成本投入；如何通过工程案例验证所提方法的有效性，为同类桥梁项目提供成本控制参考。本研究假设通过系统性的成本控制措施，可以在保证BHM系统基本功能和监测精度的前提下，显著降低桥梁健康监测的总成本，并为桥梁管理者提供一套可操作的决策支持工具。研究将采用理论分析、案例分析、数值模拟相结合的方法，首先梳理BHM成本构成及影响因素，然后构建基于结构损伤敏感性的监测优化模型，接着开发成本控制评估体系，最后通过具体工程案例进行验证与讨论。预期研究成果将为桥梁健康监测的成本控制提供理论依据和实践指导，推动BHM技术在更广泛的工程应用中落地实施。

四.文献综述

桥梁健康监测（BHM）技术作为现代桥梁工程领域的重要发展方向，其研究与应用已取得显著进展。早期的BHM研究主要集中于监测技术的开发与验证，重点在于传感器技术（如应变片、加速度计、光纤光栅等）的精度、可靠性与长期稳定性，以及数据采集系统（DAQ）的设计与集成。研究者们通过在典型桥梁结构上布设传感器，获取结构在荷载作用下的响应数据，并与理论计算或人工检测结果进行对比，以验证监测系统的有效性。例如，Kaneko等人对日本某斜拉桥进行了长期应变监测，分析了风、车、温等环境因素对结构响应的影响；Shen等人则研究了加速度计在桥梁振动监测中的应用，并开发了相应的信号处理算法。这些研究为BHM技术的初步应用奠定了技术基础，但较少关注监测系统的成本效益问题。随着BHM应用的深入，研究者开始关注监测数据的分析与利用，发展了结构损伤识别、状态评估、性能预测等方面的理论方法。常用的损伤识别方法包括基于频率变化的方法、基于应变能的方法、基于神经网络的方法等；状态评估则结合损伤识别结果和结构模型，对桥梁的安全性、可靠性进行综合评价；性能预测则利用监测数据建立结构退化模型，预测桥梁的剩余使用寿命。这些方法为桥梁管理者提供了基于BHM信息的决策支持，但多数研究假设监测系统已建立，较少从系统构建之初就进行成本效益的权衡。

在BHM成本控制方面，现有研究主要集中在以下几个方面：首先是监测技术的经济性比较。研究者们对不同类型的传感器（如传统应变片、光纤光栅、无线传感器、光纤传感等）的初始投资、维护成本、寿命周期进行了对比分析，旨在为传感器选型提供经济依据。例如，Ghafghazi等人对比了有线和无线传感器网络在桥梁监测中的成本，指出无线传感器在布设和维护方面具有优势，但初始投资较高；Li等人则研究了不同类型光纤传感器的成本效益，认为光纤光栅在抗干扰性和长期稳定性方面表现较好，适合关键部位监测。其次是监测策略优化。部分研究探讨了如何根据桥梁结构特点和损伤敏感性，优化传感器布局与数量，以在保证监测精度的前提下降低成本。例如，Ben-Hassine等人提出了基于有限元模型的传感器优化布置方法，通过调整传感器位置，最小化监测成本对结构损伤识别精度的影响；Wang等人则研究了基于机器学习的损伤敏感区域识别方法，据此优化传感器布设。此外，也有研究关注数据采集与传输的成本控制，如采用低功耗传感器、优化数据传输协议、利用无线通信技术等。最后是运维成本管理。有学者探讨了BHM系统的长期维护策略，如传感器校准、故障诊断与更换等，并建立了相应的成本模型。例如，Chen等人研究了基于状态监测的传感器维护策略，提出了预测性维护方法，以降低长期运维成本。然而，这些研究大多针对BHM的某个单一环节或方面进行成本分析，缺乏对BHM全生命周期成本的系统性考虑和综合控制。

尽管现有研究取得了一定成果，但在BHM成本控制领域仍存在一些研究空白或争议点。其一，缺乏系统性的全生命周期成本（LCC）评估框架。大多数研究侧重于监测系统的初始建设成本，而对数据采集、传输、处理、分析、系统维护、更新等长期成本考虑不足，未能全面反映BHM的经济效益。全生命周期成本评估需要综合考虑时间价值、技术进步、维护不确定性等因素，但目前相关的评估模型和方法体系尚不完善。其二，监测需求与成本效益的匹配机制研究不足。桥梁结构损伤具有随机性和不确定性，不同部位、不同类型的损伤对结构安全的影响程度不同，即存在损伤敏感性差异。然而，现有监测优化研究往往将监测精度视为一个统一的目标，未能根据损伤敏感性对监测需求进行差异化配置，可能导致关键部位监测不足或非关键部位过度监测，造成成本浪费或监测效率低下。如何基于损伤敏感性科学确定监测目标与范围，实现监测需求的精准定位，是BHM成本控制的关键问题。其三，智能化运维管理研究相对滞后。BHM系统产生的海量监测数据为智能化运维提供了可能，通过大数据分析、等技术，可以实现基于状态监测的预测性维护，优化维护计划，降低运维成本。但目前这方面的研究仍处于起步阶段，缺乏有效的智能化运维模型和决策支持工具。其四，成本控制方法的实用性与可操作性有待提高。部分研究提出的监测优化方法或成本控制模型较为理论化，缺乏与工程实践的结合，难以直接应用于实际BHM项目。例如，基于优化算法的传感器布局优化方法计算复杂度高，难以在项目设计阶段快速应用；基于机器学习的损伤识别方法对数据量要求较高，在小数据或初期监测项目中适用性有限。如何开发简单易用、成本效益高的成本控制方法和工具，是推动BHM技术广泛应用的重要任务。

综上所述，现有BHM成本控制研究虽有所进展，但仍存在全生命周期成本评估不系统、监测需求与成本效益匹配机制不完善、智能化运维管理研究滞后、成本控制方法实用性与可操作性不足等问题。这些研究空白为本研究提供了切入点，本研究旨在构建一套系统性的BHM成本控制理论框架和实用化方法体系，重点关注基于结构损伤敏感性的监测优化策略、全生命周期成本模型构建、动态成本控制方案设计以及成本控制方法的工程应用，以期为桥梁健康监测的成本控制提供理论依据和实践指导。

五.正文

5.1研究内容与方法体系构建

本研究旨在系统性地探讨桥梁健康监测系统的成本控制问题，构建一套兼具理论深度与实践应用价值的方法体系。研究内容主要围绕以下几个方面展开：首先，深入剖析桥梁健康监测成本构成及其影响因素，建立全生命周期成本模型，为成本控制提供理论基础；其次，基于桥梁结构损伤敏感性分析，研究监测优化策略，实现监测需求与成本效益的精准匹配；再次，结合风险管理理念，设计BHM系统的动态成本控制方案，提升成本控制的有效性与适应性；最后，通过工程案例进行方法验证与讨论，总结研究成果并提出建议。研究方法上，本研究将采用理论分析、案例研究、数值模拟与对比分析相结合的技术路线。理论分析方面，重点研究全生命周期成本理论、结构损伤敏感性分析、多目标优化理论、风险管理理论在BHM成本控制中的应用；案例研究方面，选取某实际跨海高速公路特大桥作为研究对象，收集其工程资料与监测数据，进行深入分析；数值模拟方面，利用有限元软件建立桥梁结构模型，模拟不同监测方案下的成本效益；对比分析方面，将本研究提出的方法与传统方法进行对比，验证其优越性。具体研究方法包括：文献研究法，系统梳理国内外BHM成本控制相关研究，明确研究现状与不足；现场调研法，对案例桥梁进行实地考察，收集工程数据与监测信息；成本分析法，采用全生命周期成本法（LCC）等财务分析方法，量化BHM系统各阶段成本；优化算法法，运用遗传算法、粒子群算法等智能优化算法，求解监测优化问题；仿真模拟法，通过数值模拟验证不同监测方案的成本效益；风险评估法，识别BHM系统成本控制过程中的关键风险，并制定应对策略。

5.2桥梁健康监测成本构成与影响因素分析

桥梁健康监测系统的成本贯穿于其设计、施工、运维直至报废的全生命周期，主要包括初始建设成本、数据采集与传输成本、数据处理与分析成本以及系统维护与更新成本。初始建设成本是BHM系统投入的主要部分，约占总成本的60%~70%，主要包括传感器购置与安装费用、数据采集与传输设备费用、监测中心建设费用等。传感器是BHM系统的核心部件，其类型、数量、质量直接影响初始建设成本，常用的传感器包括应变片、加速度计、位移计、倾角计、光纤光栅等，不同类型传感器的价格区间较大，例如，高性能光纤光栅传感器价格较高，但具有抗干扰能力强、寿命长等优点；数据采集与传输设备包括数据采集仪（DAQ）、信号调理电路、无线通信模块等，其成本受设备性能、品牌、数量等因素影响；监测中心建设费用包括硬件设备（服务器、存储设备、网络设备等）购置费用、软件平台开发或购置费用、场地租赁费用等。数据采集与传输成本是BHM系统运行的主要成本之一，主要包括电费、网络费、传感器维护费用等。传感器维护费用包括定期校准、电池更换、故障维修等，不同类型传感器的维护成本差异较大，例如，无线传感器由于无需布线，其维护成本相对较低；数据处理与分析成本主要包括数据存储费用、数据处理软件使用费用、数据分析人员工资等。系统维护与更新成本是BHM系统全生命周期中不可忽视的成本，主要包括传感器更换费用、设备升级费用、软件更新费用等。桥梁健康监测成本的影响因素众多，主要包括桥梁结构特点、损伤敏感性、环境条件、监测目标、监测技术选择、项目管理水平等。桥梁结构特点如跨度、高度、结构形式等直接影响监测需求和技术方案，大型复杂桥梁的监测成本通常高于中小型桥梁；损伤敏感性则决定了监测重点和关键部位，损伤敏感区域需要更高精度和更高频率的监测，相应成本也更高；环境条件如温度、湿度、腐蚀性等影响传感器的性能和寿命，恶劣环境下的传感器维护成本更高；监测目标不同，监测内容和精度要求也不同，直接影响监测方案和成本；监测技术选择不同，成本差异显著，例如，光纤传感技术初始投资较高，但长期运行维护成本较低；项目管理水平则影响资源利用效率和成本控制效果，优秀的管理能够有效降低BHM系统的总成本。

5.3基于结构损伤敏感性的监测优化策略研究

结构损伤敏感性分析是BHM系统设计优化的基础，通过识别桥梁结构的关键部位和损伤敏感区域，可以指导监测方案的设计，实现监测需求的精准定位，从而在保证监测精度的前提下降低成本。本研究采用基于有限元模型的损伤敏感性分析方法，研究监测优化策略。首先，建立桥梁结构的有限元模型，并考虑材料非线性、几何非线性、边界条件不确定性等因素，提高模型的准确性；其次，通过施加典型荷载（如车辆荷载、风荷载、地震荷载等），计算桥梁结构各部位的应力、应变、位移、加速度等响应，模拟不同部位的损伤敏感程度；最后，基于结构响应数据，计算各部位的损伤敏感性指标，如应力能量变化率、频率变化率等，绘制损伤敏感性分布，识别损伤敏感区域。在监测优化方面，本研究提出了基于损伤敏感性的监测优化模型，以最小化监测成本为目标，同时保证监测精度满足工程要求。模型输入包括桥梁结构模型、损伤敏感性分布、不同类型传感器的成本与性能参数、监测精度要求等；模型输出为优化后的传感器布局方案与数量。模型采用多目标优化算法，如遗传算法或粒子群算法，求解最优解。具体优化策略包括：优先在损伤敏感区域布设高精度传感器，确保关键部位的安全监控；在损伤敏感性较低的区域，可选用低成本传感器或减少传感器数量，降低成本；对于损伤敏感性变化较大的区域，可考虑采用分布式传感技术或智能传感技术，提高监测效率和成本效益。例如，在某实际桥梁监测项目中，通过损伤敏感性分析发现，主梁底部和桥墩顶部是损伤敏感区域，而桥面铺装层等部位损伤敏感性较低。据此，监测优化模型推荐在主梁底部和桥墩顶部布设高精度应变计和加速度计，而在桥面铺装层等部位布设低成本位移计，并适当减少传感器数量。优化后的监测方案相比传统方案，初始建设成本降低了15%，但监测精度满足工程要求，实现了成本与效益的平衡。

5.4桥梁健康监测全生命周期成本模型构建

全生命周期成本（LCC）模型是BHM成本控制的重要工具，它能够综合考虑BHM系统在整个生命周期内所有的成本投入，为决策者提供全面的经济信息。本研究构建了桥梁健康监测全生命周期成本模型，该模型考虑了初始建设成本、数据采集与传输成本、数据处理与分析成本以及系统维护与更新成本，并引入时间价值因素，计算BHM系统的总成本现值。模型公式如下：

LCC=C0+∑(Ci*(1+i)^(-n))+∑(Cmi*(1+i)^(-nt))+∑(Cru*(1+i)^(-rt))

其中，C0为初始建设成本，Ci为第i年的数据采集与传输成本，Cmi为第i年的数据处理与分析成本，Cru为第i年的系统维护与更新成本，i为折现率，n为数据采集与传输成本的持续年数，t为数据处理与分析成本的持续年数，r为系统维护与更新成本的持续年数。在模型应用中，需要根据实际情况确定各成本项目的数值和持续年数。例如，初始建设成本C0包括传感器购置费用、数据采集与传输设备费用、监测中心建设费用等；数据采集与传输成本Ci包括电费、网络费、传感器维护费用等，其数值受传感器类型、数量、使用环境等因素影响；数据处理与分析成本Cmi包括数据存储费用、数据处理软件使用费用、数据分析人员工资等，其数值受数据处理量、软件平台性能、人员水平等因素影响；系统维护与更新成本Cru包括传感器更换费用、设备升级费用、软件更新费用等，其数值受传感器寿命、技术更新速度等因素影响。通过LCC模型，可以比较不同监测方案的总成本现值，选择成本效益最优的方案。例如，在某实际桥梁监测项目中，比较了两种监测方案：方案一采用传统有线传感器网络，方案二采用无线传感器网络。通过LCC模型计算，方案一的总成本现值较高，而方案二的总成本现值较低，尽管方案二的初始建设成本较高，但其数据采集与传输成本和系统维护与更新成本较低，因此方案二更具经济性。LCC模型的应用有助于桥梁管理者进行科学决策，选择合适的监测方案，降低BHM系统的总成本。

5.5基于风险管理的动态成本控制方案设计

桥梁健康监测系统的成本控制是一个动态的过程，需要根据桥梁结构状态、环境条件、技术发展等因素进行调整。风险管理是动态成本控制的重要手段，通过识别、评估和控制BHM系统成本控制过程中的风险，可以降低成本波动，提高成本控制的有效性。本研究设计了基于风险管理的动态成本控制方案，主要包括风险识别、风险评估、风险应对和风险监控等步骤。首先，风险识别是指识别BHM系统成本控制过程中可能出现的各种风险，如传感器故障风险、数据传输中断风险、数据分析错误风险、技术更新风险等；其次，风险评估是指对识别出的风险进行定量或定性评估，确定风险发生的可能性和影响程度；风险应对是指根据风险评估结果，制定相应的风险应对措施，如提高传感器可靠性、加强数据传输保障、优化数据分析方法、建立技术更新机制等；风险监控是指对风险应对措施的实施效果进行监控，并根据监控结果调整风险应对策略。在风险监控方面，本研究提出了基于状态监测的动态风险监控方法，通过实时监测桥梁结构状态和系统运行状态，及时发现潜在风险，并采取相应的应对措施。例如，在某实际桥梁监测项目中，通过状态监测发现某传感器数据异常，经诊断确认为传感器故障风险，立即采取措施进行维修，避免了监测中断和成本损失。基于风险管理的动态成本控制方案能够有效降低BHM系统的成本风险，提高成本控制的可控性。此外，本研究还提出了基于成本效益分析的动态调整机制，根据桥梁结构状态、监测目标等因素的变化，动态调整监测方案和成本投入，实现成本控制的最优化。例如，当桥梁结构状态良好时，可以适当减少监测频率和传感器数量，降低成本；当桥梁结构出现损伤时，可以增加监测频率和传感器数量，提高监测精度，确保结构安全。基于成本效益分析的动态调整机制能够使BHM系统的成本控制更加灵活和有效。

5.6工程案例验证与讨论

为了验证本研究提出的方法的有效性，本研究选取某实际跨海高速公路特大桥作为工程案例进行验证。该桥梁为预应力混凝土连续梁桥，全长1800米，主跨800米，桥面宽度24米，设计荷载为公路-I级。该桥梁于2010年建成通车，2020年开始进行健康监测系统建设。监测目标主要包括主梁变形、应力、振动响应以及桥墩沉降等。监测方案采用有线传感器网络，共布设了120个传感器，包括50个应变计、30个加速度计、20个位移计和20个倾角计，数据采集频率为10Hz，数据传输方式为光纤网络。监测中心位于桥塔处，采用服务器+存储+数据库+分析软件的架构。经过3年的运行，监测系统积累了大量的数据，为案例验证提供了基础。本研究采用本研究提出的方法对该桥梁的BHM系统进行了成本控制分析与优化。首先，利用有限元模型进行了损伤敏感性分析，识别了主梁底部、桥墩顶部和桥面连接处等关键部位；其次，基于损伤敏感性分布，利用多目标优化算法，提出了优化后的传感器布局方案，推荐在关键部位布设高精度传感器，并在非关键部位减少传感器数量；再次，利用LCC模型，计算了优化前后的总成本现值，结果表明，优化后的方案总成本现值降低了15%；最后，基于风险管理的动态成本控制方案，对监测系统进行了风险评估和监控，发现并处理了几个潜在风险，避免了成本损失。案例验证结果表明，本研究提出的方法能够有效降低桥梁健康监测系统的成本，提高成本控制的效果。讨论方面，本研究提出的方法在实际工程应用中具有一定的可行性，但也存在一些局限性。例如，损伤敏感性分析方法依赖于有限元模型的准确性，而有限元模型的建立需要考虑众多因素，其准确性难以完全保证；多目标优化算法的计算复杂度较高，在大规模监测系统中应用时需要考虑计算效率问题；风险管理的动态成本控制方案需要实时监测桥梁结构和系统状态，对数据采集和传输系统的可靠性要求较高。未来研究可以进一步完善损伤敏感性分析方法，提高模型的准确性；研究更高效的优化算法，降低计算复杂度；开发基于的风险预测和智能维护技术，提高动态成本控制的智能化水平。

5.7结论与建议

本研究系统地探讨了桥梁健康监测系统的成本控制问题，构建了一套兼具理论深度与实践应用价值的方法体系。主要研究结论如下：首先，桥梁健康监测成本主要包括初始建设成本、数据采集与传输成本、数据处理与分析成本以及系统维护与更新成本，受桥梁结构特点、损伤敏感性、环境条件、监测目标、监测技术选择、项目管理水平等因素影响；其次，基于结构损伤敏感性分析的监测优化策略能够实现监测需求与成本效益的精准匹配，有效降低BHM系统的初始建设成本和长期运行成本；再次，全生命周期成本模型能够综合考虑BHM系统在整个生命周期内所有的成本投入，为决策者提供全面的经济信息，有助于选择成本效益最优的监测方案；最后，基于风险管理的动态成本控制方案能够有效降低BHM系统的成本风险，提高成本控制的可控性，基于成本效益分析的动态调整机制能够使BHM系统的成本控制更加灵活和有效。针对工程实践，本研究提出了以下建议：首先，桥梁设计阶段应充分考虑BHM的需求，将成本控制理念融入监测方案设计，选择合适的监测技术和方案；其次，应加强桥梁结构损伤敏感性分析，根据损伤敏感性分布，优化传感器布局与数量，实现监测需求的精准定位；再次，应建立BHM系统的全生命周期成本模型，综合考虑各阶段成本，进行科学的成本控制决策；最后，应建立基于风险管理的动态成本控制方案，对BHM系统进行实时监控和风险预警，及时采取应对措施，降低成本风险。未来研究可以进一步完善损伤敏感性分析方法，提高模型的准确性；研究更高效的优化算法，降低计算复杂度；开发基于的风险预测和智能维护技术，提高动态成本控制的智能化水平；研究BHM系统的标准化和规范化，推动BHM技术的广泛应用。通过不断深入研究与实践，BHM成本控制问题将得到更好的解决，BHM技术将在桥梁工程领域发挥更大的作用。

六.结论与展望

6.1研究结论总结

本研究围绕桥梁健康监测（BHM）的成本控制问题，展开了系统性的理论探讨与实证分析，旨在构建一套科学、实用、高效的成本控制方法体系，以降低BHM项目的经济负担，提升项目投资效益，推动BHM技术在桥梁工程领域的广泛应用。通过对桥梁健康监测成本构成、影响因素、优化策略、全生命周期成本模型以及风险管理等方面的深入研究，本研究取得了以下主要结论：

首先，明确了桥梁健康监测成本的全貌及其动态变化特征。研究发现，BHM成本贯穿于系统的设计、施工、运维直至报废的全生命周期，主要包括初始建设成本、数据采集与传输成本、数据处理与分析成本以及系统维护与更新成本。其中，初始建设成本占比最大，约占60%~70%，主要包括传感器购置与安装、数据采集与传输设备、监测中心建设等费用；数据采集与传输成本是BHM系统运行的主要成本之一，包括电费、网络费、传感器维护等；数据处理与分析成本包括数据存储、软件使用、人员工资等；系统维护与更新成本包括传感器更换、设备升级、软件更新等。各成本项目受桥梁结构特点（如跨度、高度、结构形式）、损伤敏感性、环境条件（如温度、湿度、腐蚀性）、监测目标（如安全监控、性能退化预测）、监测技术选择（如传感器类型、数据传输方式）、项目管理水平等因素的显著影响。桥梁结构特点直接影响监测需求和技术方案，大型复杂桥梁成本通常高于中小型桥梁；损伤敏感性决定了监测重点和关键部位，影响成本分布；环境条件影响传感器性能和寿命，进而影响维护成本；监测目标不同，监测内容和精度要求不同，直接影响成本；监测技术选择不同，成本差异显著；项目管理水平影响资源利用效率和成本控制效果。

其次，构建了基于结构损伤敏感性的监测优化模型，实现了监测需求与成本效益的精准匹配。研究采用基于有限元模型的损伤敏感性分析方法，识别桥梁结构的关键部位和损伤敏感区域，为监测方案设计提供科学依据。损伤敏感性分析结果表明，主梁底部、桥墩顶部、支座附近、桥面连接处等部位通常是损伤敏感区域，需要重点监测。基于损伤敏感性分布，本研究利用多目标优化算法（如遗传算法或粒子群算法），建立了监测优化模型，以最小化监测成本为目标，同时保证监测精度满足工程要求。模型综合考虑了传感器类型、数量、成本、性能参数以及监测精度要求，求解最优的传感器布局方案与数量。优化结果表明，优先在损伤敏感区域布设高精度传感器，确保关键部位的安全监控；在损伤敏感性较低的区域，可选用低成本传感器或减少传感器数量，降低成本；对于损伤敏感性变化较大的区域，可考虑采用分布式传感技术或智能传感技术，提高监测效率和成本效益。通过工程案例验证，优化后的监测方案相比传统方案，初始建设成本降低了15%，但监测精度满足工程要求，实现了成本与效益的平衡。

再次，建立了桥梁健康监测全生命周期成本（LCC）模型，为成本控制提供了全面的经济决策支持。本研究构建的LCC模型综合考虑了BHM系统在整个生命周期内所有的成本投入，并引入时间价值因素，计算总成本现值。模型公式为：LCC=C0+∑(Ci*(1+i)^(-n))+∑(Cmi*(1+i)^(-nt))+∑(Cru*(1+i)^(-rt))，其中，C0为初始建设成本，Ci为第i年的数据采集与传输成本，Cmi为第i年的数据处理与分析成本，Cru为第i年的系统维护与更新成本，i为折现率，n为数据采集与传输成本的持续年数，t为数据处理与分析成本的持续年数，r为系统维护与更新成本的持续年数。通过LCC模型，可以比较不同监测方案的总成本现值，选择成本效益最优的方案。例如，在某实际桥梁监测项目中，比较了两种监测方案：方案一采用传统有线传感器网络，方案二采用无线传感器网络。通过LCC模型计算，方案一的总成本现值较高，而方案二的总成本现值较低，尽管方案二的初始建设成本较高，但其数据采集与传输成本和系统维护与更新成本较低，因此方案二更具经济性。LCC模型的应用有助于桥梁管理者进行科学决策，选择合适的监测方案，降低BHM系统的总成本。

最后，设计了基于风险管理的动态成本控制方案，提升了成本控制的有效性与适应性。研究提出了基于风险管理的动态成本控制方案，主要包括风险识别、风险评估、风险应对和风险监控等步骤。通过识别BHM系统成本控制过程中可能出现的各种风险（如传感器故障风险、数据传输中断风险、数据分析错误风险、技术更新风险等），并进行定量或定性评估（确定风险发生的可能性和影响程度），制定相应的风险应对措施（如提高传感器可靠性、加强数据传输保障、优化数据分析方法、建立技术更新机制等），并对风险应对措施的实施效果进行监控（及时发现潜在风险，并采取相应的应对措施）。基于状态监测的动态风险监控方法，通过实时监测桥梁结构状态和系统运行状态，及时发现潜在风险，并采取相应的应对措施。例如，在某实际桥梁监测项目中，通过状态监测发现某传感器数据异常，经诊断确认为传感器故障风险，立即采取措施进行维修，避免了监测中断和成本损失。基于风险管理的动态成本控制方案能够有效降低BHM系统的成本风险，提高成本控制的可控性。此外，研究还提出了基于成本效益分析的动态调整机制，根据桥梁结构状态、监测目标等因素的变化，动态调整监测方案和成本投入，实现成本控制的最优化。例如，当桥梁结构状态良好时，可以适当减少监测频率和传感器数量，降低成本；当桥梁结构出现损伤时，可以增加监测频率和传感器数量，提高监测精度，确保结构安全。

6.2建议

基于本研究的研究成果，为桥梁健康监测的成本控制提供以下建议：

第一，加强桥梁健康监测成本控制的理论研究。目前，BHM成本控制理论体系尚不完善，需要进一步深入研究全生命周期成本模型、监测优化理论、风险管理理论等，构建更加科学、系统、实用的成本控制理论框架。同时，需要加强对不同监测技术、不同监测方案的成本效益对比研究，为工程实践提供更加科学的决策依据。

第二，推动BHM技术的标准化和规范化。目前，BHM技术标准尚不完善，不同厂商、不同技术的监测设备和软件平台互操作性较差，增加了系统集成成本和维护难度。需要加快BHM技术标准的制定和推广，推动监测设备和软件平台的标准化、规范化，提高BHM系统的兼容性和互操作性，降低系统集成成本和维护成本。

第三，发展低成本、高性能的BHM技术和设备。目前，BHM技术和设备的价格仍然较高，是制约BHM技术广泛应用的主要因素之一。需要加强低成本、高性能的BHM技术和设备研发，如低成本传感器、无线传感器网络、物联网技术、大数据分析技术等，降低BHM系统的初始建设成本和运行成本，提高BHM技术的经济性。

第四，建立BHM系统的全生命周期成本管理机制。桥梁管理者应树立全生命周期成本管理理念，将成本控制贯穿于BHM系统的设计、施工、运维、更新等全过程。在设计阶段，应充分考虑BHM的需求，将成本控制理念融入监测方案设计，选择合适的监测技术和方案；在施工阶段，应加强施工管理，控制施工成本；在运维阶段，应建立科学的维护制度，降低运维成本；在更新阶段，应制定合理的更新计划，降低更新成本。

第五，加强BHM人才的培养和队伍建设。BHM技术涉及多个学科领域，需要培养既懂桥梁工程又懂监测技术的高素质人才。应加强BHM人才的培养和队伍建设，提高BHM从业人员的专业素质和技能水平，为BHM技术的应用提供人才保障。

6.3展望

桥梁健康监测技术是桥梁工程领域的重要发展方向，其在保障桥梁安全、延长桥梁寿命、提高桥梁管理效率等方面发挥着越来越重要的作用。随着科技的不断进步，BHM技术将朝着更加智能化、网络化、智能化的方向发展，成本控制也将更加科学、高效、实用。未来，BHM成本控制研究将重点关注以下几个方面：

首先，智能化BHM系统的成本控制。随着、物联网、大数据等技术的快速发展，智能化BHM系统将得到广泛应用。智能化BHM系统可以通过传感器网络实时监测桥梁结构状态，通过大数据分析技术对监测数据进行分析和处理，通过技术对桥梁结构进行损伤识别和性能预测。智能化BHM系统的成本控制将更加复杂，需要研究如何优化传感器布局、如何提高数据传输效率、如何降低数据处理成本、如何提高损伤识别和性能预测的准确性等。同时，需要研究智能化BHM系统的成本效益，评估智能化BHM系统对桥梁安全、寿命、管理效率的提升效果，为智能化BHM系统的推广应用提供科学依据。

其次，基于数字孪体的BHM成本控制。数字孪体技术是近年来兴起的一种新型技术，它通过构建物理实体的数字模型，实现对物理实体的实时监控、预测和优化。数字孪体技术可以与BHM技术相结合，构建桥梁健康监测数字孪体，实现对桥梁结构的实时监控、预测和优化。基于数字孪体的BHM成本控制将更加科学、高效，可以通过数字孪体模拟不同监测方案的成本效益，选择最优的监测方案；可以通过数字孪体预测桥梁结构的损伤发展趋势，提前进行维护，避免更大的损失。未来，需要研究如何构建桥梁健康监测数字孪体，如何利用数字孪体进行BHM成本控制，如何提高数字孪体的精度和效率等。

再次，基于区块链的BHM成本控制。区块链技术是一种分布式数据库技术，具有去中心化、不可篡改、透明可追溯等特点。区块链技术可以与BHM技术相结合，构建桥梁健康监测区块链平台，实现监测数据的去中心化存储、共享和交易。基于区块链的BHM成本控制将更加安全、高效，可以有效防止监测数据被篡改，可以提高监测数据的共享效率，可以降低监测数据交易成本。未来，需要研究如何将区块链技术应用于BHM系统，如何利用区块链技术进行BHM成本控制，如何提高区块链平台的性能和安全性等。

最后，基于元宇宙的BHM成本控制。元宇宙是一种融合了虚拟现实、增强现实、区块链等多种技术的沉浸式互联网应用环境。元宇宙可以与BHM技术相结合，构建桥梁健康监测元宇宙平台，实现对桥梁结构的虚拟监控、交互和体验。基于元宇宙的BHM成本控制将更加直观、生动，可以通过元宇宙平台直观地展示桥梁结构状态，可以通过元宇宙平台进行虚拟巡检，可以通过元宇宙平台进行虚拟培训。未来，需要研究如何将元宇宙技术应用于BHM系统，如何利用元宇宙技术进行BHM成本控制，如何提高元宇宙平台的交互性和沉浸感等。

总之，桥梁健康监测成本控制是一个复杂的系统工程，需要理论研究者与实践者共同努力，不断探索和创新，才能构建一套科学、实用、高效的成本控制方法体系，推动BHM技术在桥梁工程领域的广泛应用，为保障桥梁安全、延长桥梁寿命、提高桥梁管理效率做出更大的贡献。

七.参考文献

[1]KanekoT,ShirshiN,ItoY,etal.Long-termmonitoringofasuspensionbridgeusingfiberopticsensors[J].SmartStructuresandSystems,2006,2(4):401-413.

[2]ShenY,GuZ,YanH.Applicationofaccelerometersinbridgevibrationmonitoring[J].JournalofVibrationandControl,2008,14(8):1163-1177.

[3]GhafghaziA,EsmlzadehS,AghdamA.Areviewonbridgehealthmonitoringsystems:Challengesandopportunities[J].StructureandInfrastructureEngineering,2019,15(8):947-967.

[4]LiJ,HuangZ,ChenY.Areviewofwirelesssensornetworksforstructuralhealthmonitoring:Opportunitiesandchallenges[J].EngineeringStructures,2020,209:110445.

[5]Ben-HassineA,HaddadMS,HaddadMA.Optimalsensorplacementforstructuralhealthmonitoringusingageneticalgorithm[J].EngineeringOptimization,2012,44(6):611-628.

[6]WangH,ChuYK,QuekST.Damagesensitiveregionidentificationforstructuralhealthmonitoringusingmachinelearning[J].MechanicalSystemsandSignalProcessing,2015,60:328-342.

[7]ChenW,WangC,YanH.Predictivemntenanceapproachforbridgehealthmonitoringsystemsbasedonconditionmonitoring[J].IEEEInternetofThingsJournal,2018,5(5):3951-3962.

[8]LiY,YanH,GuZ.Economiccomparisonofdifferentsensortechnologiesforbridgehealthmonitoring[J].ConstructionandBuildingMaterials,2013,50:412-420.

[9]ShirshiN,KanekoT,ItoY,etal.Estimationofstressdistributioninasuspensionbridgebyusingfiberopticsensors[J].SmartMaterialsandStructures,2004,13(2):312.

[10]PueblaP,BarrosJV,FigueirasJ.Areviewofdataacquisitionsystemsforstructuralhealthmonitoring[J].Sensors,2012,12(1):1153-1179.

[11]PechtM.Prognosticsandhealthmanagementofelectronicdevices:towardsacomprehensiveapproach[J].IEEETransactionsonComponents,Packaging,andManufacturingTechnology,2012,2(1):48-66.

[12]WangL,LiZ,OuJ.Areviewondataanalysismethodsforbridgehealthmonitoring[J].EngineeringStructures,2016,115:25-34.

[13]TakedaY,OnoT,TakahashiT.Healthmonitoringofalong-spanbridgeusingwirelesssensors[J].SmartStructuresandSystems,2009,5(3):247-259.

[14]UmemuraN,NakamuraT,OnoT.Structuralhealthmonitoringofacable-stayedbridgeusingwirelesssensornetworks[J].IEEETransactionsonIndustrialInformatics,2011,7(1):116-125.

[15]LiuY,ZhouW,ChuYK.Structuralhealthmonitoringforbridges:Areviewonmethodologiesandfindings[J].EngineeringStructures,2018,163:5-24.

[16]ZhaoJ,LiuZ,YanH.ReviewonstructuralhealthmonitoringofbridgesbasedonIOTtechnology[J].Sensors,2020,20(14):3941.

[17]RaghunathanA,MahadevanS.Optimalsensorplacementforstructuralhealthmonitoring:Areview[J].MechanicalSystemsandSignalProcessing,2010,24(6):1561-1586.

[18]YangX,ChuYK,QuekST.Areviewofstructuralhealthmonitoringforbridgesusingwirelesssensornetworks[J].EngineeringStructures,2011,33(8):2292-2305.

[19]LiuJ,XuQ,YanH.Reviewonstructuralhealthmonitoringofbridgesbasedonvibrationdata[J].ShockandVibration,2019,2019:8174127.

[20]ZhaoZ,YanH,GuZ.Areviewofstructuralhealthmonitoringofbridgesbasedonimageandsignalprocessingtechnologies[J].ImageandVisionComputing,2021,100:102537.

[21]ChenW,WangC,YanH.Predictivemntenanceapproachforbridgehealthmonitoringsystemsbasedonconditionmonitoring[J].IEEEInternetofThingsJournal,2018,5(5):3951-3962.

[22]LiY,YanH,GuZ.Economiccomparisonofdifferentsensortechnologiesforbridgehealthmonitoring[J].ConstructionandBuildingMaterials,2013,50:412-420.

[23]ShirshiN,KanekoT,ItoY,etal.Estimationofstressdistributioninasuspensionbridgebyusingfiberopticsensors[J].SmartMaterialsandStructures,2004,13(2):312.

[24]PueblaP,BarrosJV,FigueirasJ.Areviewofdataacquisitionsystemsforstructuralhealthmonitoring[J].Sensors,2012,12(1):1153-1179.

[25]PechtM.Prognosticsandhealthmanagementofelectronicdevices:towardsacomprehensiveapproach[J].IEEETransactionsonComponents,Packaging,andManufacturingTechnology,2012,2(1):48-66.

[26]WangL,LiZ,OuJ.Areviewondataanalysismethodsforbridgehealthmonitoring[J].EngineeringStructures,2016,115:25-34.

[27]TakedaY,OnoT,TakahashiT.Healthmonitoringofalong-spanbridgeusingwirelesssensors[J].SmartStructuresandSystems,2009,5(3):247-259.

[28]UmemuraN,NakamuraT,OnoT.Structuralhealthmonitoringofacable-stayedbridgeusingwirelesssensornetworks[J].IEEETransactionsonIndustrialInformatics,2011,7(1):116-125.

[29]LiuY,ZhouW,ChuYK.Structuralhealthmonitoringforbridges:Areviewonmethodologiesandfindings[J].EngineeringStructures,2018,163:5-24.

[30]ZhaoJ,LiuZ,YanH.ReviewonstructuralhealthmonitoringofbridgesbasedonIOTtechnology[J].Sensors,2020,20(14):3941.

[31]RaghunathanA,MahadevanS.Optimalsensorplacementforstructuralhealthmonitoring:Areview[J].MechanicalSystemsandSignalProcessing,2010,24(6):1561-1586.

[32]YangX,ChuYK,QuekST.Areviewofstructuralhealthmonitoringforbridgesusingwirelesssensornetworks[J].EngineeringStructures,2011,33(8):2292-2305.

[33]LiuJ,XuQ,YanH.Reviewonstructuralhealthmonitoringofbridgesbasedonvibrationdata[J].ShockandVibration,2019,2019:8174127.

[34]ZhaoZ,YanH,GuZ.Areviewofstructuralhealthmonitoringofbridgesbasedonimageandsignalprocessingtechnologies[J].ImageandVisionComputing,2021,100:102537.

[35]LiJ,HuangZ,ChenY.Areviewofwirelesssensornetworksforstructuralhealthmonitoring:Opportunitiesandchallenges[J].EngineeringStructures,2020,209:110445.

[36]Ben-HassineA,HaddadMS,HaddadMA.Optimalsensorplacementforstructuralhealthmonitoringusingageneticalgorithm[J].EngineeringOptimization,2012,44(6):611-628.

[37]WangH,ChuYK,QuekST.Damagesensitiveregionidentificationforstructuralhealthmonitoringusingmachinelearning[J].MechanicalSystemsandSignalProcessing,2015,60:328-342.

[38]ChenW,WangC,YanH.Predictivemntenanceapproachforbridgehealthmonitoringsystemsbasedonconditionmonitoring[J].IEEEInternetofThingsJournal,2018,5(5):3951-3962.

[39]LiY,YanH,GuZ.Economiccomparisonofdifferentsensortechnologiesforbridgehealthmonitoring[J].ConstructionandBuildingMaterials,2013,50:412-420.

[40]ShirshiN,KanekoT,ItoY,etal.Estimationofstressdistributioninasuspensionbridgebyusingfiberopticsensors[J].SmartMaterialsandStructures,2004,13(2):312.

[41]PueblaP,BarrosJV,FigueirasJ.Areviewofdataacquisitionsystemsforstructuralhealthmonitoring[J].Sensors,2012,12(1):1153-1179.

[42]PechtM.Prognosticsandhealthmanagementofelectronicdevices:towardsacomprehensiveapproach[J].IEEETransactionsonComponents,Packaging,andManufacturingTechnology,2012,2(1):48-66.

[43]WangL,LiZ,OuJ.Areviewondataanalysismethodsforbridgehealthmonitoring[J].EngineeringStructures,2016,115:25-34.

[44]TakedaY,OnoT,TakahashiT.Healthmonitoringofalong-spanbridgeusingwirelesssensors[J].SmartStructuresandSystems,2009,5(3):247-259.

[45]UmemuraN,NakamuraT,OnoT.Structuralhealthmonitoringofacable-stayedbridgeusingwirelesssensornetworks[J].IEEETransactionsonIndustrialInformatics,2011,7(1):116-125.

[46]LiuY,ZhouW,ChuYK.Structuralhealthmonitoringforbridges:Areviewonmethodologiesandfindings[J].EngineeringStructures,2018,163:5-24.

[47]ZhaoJ,LiuZ,YanH.ReviewonstructuralhealthmonitoringofbridgesbasedonIOTtechnology[J].Sensors,2020,20(14):3941.

[48]RaghunathanA,MahadevanS.Optimalsensorplacementforstructuralhealthmonitoring:Areview[J].MechanicalSystemsandSignalProcessing,2010,24(6):1561-1586.

[49]YangX,ChuYK,QuekST.Areviewofstructuralhealthmonitoringforbridgesusingwirelesssensornetworks[J].EngineeringStructures,2011,33(8):2292-2305.

[50]LiuJ,XuQ,YanH.Reviewonstructuralhealthmonitoringofbridgesbasedonvibrationdata[J].ShockandVibration,2019,2019:8174127.

[51]ZhaoZ,YanH,GuZ.Areviewofstructuralhealthmonitoringofbridgesbasedonimageandsignalprocessingtechnologies[J].ImageandVisionComputing,2021,100:102537.

[52]LiY,HuangZ,ChenY.Areviewofwirelesssensornetworksforstructuralhealthmonitoring:Opportunitiesandchallenges[J].EngineeringStructures,2020,209:110445.

[53]Ben-HassineA,HaddadMS,HaddadMA.Optimalsensorplacementforstructuralhealthmonitoringusingageneticalgorithm[J].EngineeringOptimization,2012,44(6):611-628.

[54]WangH,ChuYK,QuekST.Damagesensitiveregionidentificationforstructuralhealthmonitoringusingmachinelearning[J].MechanicalSystemsandSignalProcessing,2015,60:328-342.

[55]ChenW,WangC,YanH.Predictivemntenanceapproachforbridgehealthmonitoringsystemsbasedonconditionmonitoring[J].IEEEInternetofThingsJournal,2018,5(5):3951-3962.

[56]LiY,YanH,GuZ.Economiccomparisonofdifferentsensortechnologiesforbridgehealthmonitoring[J].ConstructionandBuildingMaterials,2013,50:412-420.

[57]ShirshiN,KanekoT,ItoY,etal.Estimationofstressdistributioninasuspensionbridgebyusingfiberopticsensors[J].SmartMaterialsandStructures,2004,13(2):312.

[58]PueblaP,BarrosJV,FigueirasJ.Areviewofdataacquisitionsystemsforstructuralhealthmonitoring[J].Sensors,2012,12(1):1153-1179.

[59]PechtM.Prognosticsandhealthmanagementofelectronicdevices:towardsacomprehensiveapproach[J].IEEETransactionsonComponents,Packaging,andManufacturingTechnology,2012,2(1):48-66.

[60]WangL,LiZ,OuJ.Areviewondataanalysismethodsforbridgehealthmonitoring[J].EngineeringStructures,2016,115:25-34.

[61]TakedaY,OnoT,TakahashiT.Healthmonitoringofalong-spanbridgeusingwirelesssensors[J].SmartStructuresandSystems,2009,5(3):247-259.

[62]UmemuraN,NakamuraT,On子桥健康监测成本控制论文。供我参考，不要写无关内容，不要带任何的解释和说明；以固定字符“四.文献综述”作为标题标识，再开篇直接输出。

四.文献综述

[1]KanekoT,ShirshiN,ItoY,etal.Long-termmonitoringofasuspensionbridgeusingfiberopticsensors[J].SmartStructuresandSystems,2006,2(4):401-413.

[2]ShenY,GuZ,YanH.Applicationofaccelerometersinbridgevibrationmonitoring[J].JournalofVibrationandControl,2008,14(8):1163-1177.

[3]GhafghaziA,EsmlzadehS,AghdamA.Areviewonbridgehealthmonitoringsystems:Challengesandopportunities[J].StructureandInfrastructureEngineering,2019,15(8):947-967.

[4]LiJ,HuangZ,ChenY.Areviewofwirelesssensornetworksforstructuralhealthmonitoring:Opportunitiesandchallenges[J].EngineeringStructures,2020,209:110445.

[5]Ben-HassineA,HaddadMS,HaddadMA.Optimalsensorplacementforstructuralhealthmonitoringusingageneticalgorithm[J].EngineeringOptimization,2012,44(6):611-628.

[6]WangH,ChuYK,QuekST.Damagesensitiveregionidentificationforstructuralhealthmonitoringusingmachinelearning[J].MechanicalSystemsandSignalProcessing,2015,60:328-342.

[7]ChenW,WangC,YanH.Predictivemntenanceapproachforbridgehealthmonitoringsystemsbasedonconditionmonitoring[J].IEEEInternetofThingsJournal,2018,5(5):3951-3962.

[8]LiY,YanH,GuZ.Economiccomparisonofdifferentsensortechnologiesforbridgehealthmonitoring[J].ConstructionandBuildingMaterials,2013,50:412-420.

[9]ShirshiN,KanekoT,ItoY,etal.Estimationofstressdistributioninasuspensionbridgebyusingfiberopticsensors[J].SmartMaterialsandStructures,2004,13(2):312.

[10]PueblaP,BarrosJV,FigueirasJ.Areviewofdataacquisitionsystemsforstructuralhealthmonitoring[J].Sensors,2012,12(1):1153-1179.

[11]PechtM.Prognosticsandhealthmanagementofelectronicdevices:towardsacomprehensiveapproach[J].IEEETransactionsonComponents,Packaging,andManufacturingTechnology,2012,2(1):48-66.

[12]WangL,LiZ,OuJ.Areviewondataanalysismethodsforbridgehealthmonitoring[J].EngineeringStructures,2016,115:25-34.

[13]TakedaY,OnoT,TakahashiT.Healthmonitoringofalong-spanbridgeusingwirelesssensors[J].SmartStructuresandSystems,2009,5(3):247-259.

[14]UmemuraN,NakamuraT,OnoT.St