近日，昆明理工大学建筑工程学院“云南省教育厅基础设施智能运维科技创新团队”在桥梁智慧运维与健康监测领域取得多项科研进展，相关成果发表在结构健康监测领域老牌权威期刊Structural Health Monitoring、Structural Control and Health Monitoring，实现了建筑工程学院在两本期刊的首次发表。

随着我国基础设施规模持续扩大，结构健康监测（SHM）在工程运维中的作用日益突出。SHM通过持续采集和分析结构状态数据，为桥梁等关键工程提供安全预警和决策支持。然而，实际应用中常因桥梁服役环境恶劣、传感器故障、通信中断等问题导致监测数据出现丢失，这种数据的不完整性严重制约了后续桥梁结构健康状况评估的准确性和可靠性。

针对这一难题，研究团队将数据重构建模为矩阵填充问题，提出一种基于时间序列专用神经网络的桥梁监测数据重构方法。通过构造掩码矩阵模拟数据包随机丢失和传感器通道完全丢失等复杂场景，构建并对比多种深度神经网络深入挖掘缺失数据前后的时空关联，实现高精度重构。特别对Informer网络进行了结构优化，以提升其对数据重构任务的适应性。结果显示，所提出方法有效提升了复杂环境下的SHM数据完整性，为后续的数据分析与挖掘奠定基础。

昆明理工大学2022级硕士研究生刘攀平为本论文第一作者，建筑工程学院教师唐志一博士为论文通讯作者。该项研究工作获得了云南省科技厅、云南省教育厅以及昆明理工大学等机构的基金项目支持。

随着我国长大桥梁数量持续增长，地震等突发自然灾害对桥梁结构安全构成严重威胁。针对传统结构健康监测系统在识别地震事件时受传感器故障、环境噪声等干扰的问题，研究团队提出一种基于多输入端到端深度学习的地震事件自动识别方法。将振动加速度信号根据方向分别转换为时域、频域和概率密度图像，构建三通道图像神经网络输入，并设计特征融合与决策融合两种策略提升鲁棒性。同时，采用全局投票机制整合多图像集识别结果，进一步增强识别稳定性。方法在真实大跨度桥梁地震数据中的验证中展示出良好的准确性与一致性，为地震事件自感知识别与预警提供了高效解决方案。

期刊介绍：

《Structural Health Monitoring》（SHM）由SAGE出版，是结构健康监测领域的重要国际期刊。致力于发布高质量的研究成果，涵盖传感技术、数据分析、损伤识别与长期监测策略等主题。期刊倡导跨学科融合，聚焦基础理论、实验研究及实际工程中的应用案例，是该领域学者的重要交流平台。

《Structural Control and Health Monitoring》（SCHM）由Wiley出版，是国际结构控制与监测学会（ISSCM）主办的官方会刊。专注于结构控制、健康监测与智能系统等交叉领域的前沿研究。期刊广泛刊载涵盖理论研究与工程实践的高水平成果，在结构智能化与抗灾韧性研究方向具有重要学术影响力。

团队介绍：

“云南省教育厅基础设施智能运维科技创新团队”聚焦大型土木市政基础设施的智能运维理论与技术研究。近年已在Computer‐Aided Civil and Infrastructure Engineering、Water Resources Research、Reliability Engineering & System Safety、Structural Health Monitoring、Structural Control and Health Monitoring、Expert Systems with Applications、Construction and Building Materials、Measurement等中科院TOP、1区、2区学术期刊上发表一系列高水平论文，获得了国内外广泛关注。

论文链接：

https://journals.sagepub.com/doi/abs/10.1177/14759217251321760

https://onlinelibrary.wiley.com/doi/10.1155/stc/9966359

（供稿：建筑工程学院）