安全质量技术知识
已有多位专家提出了需要建立基于BIM的结构养护管理系统。这是一种三维数字模型平台，可以输入和输出相关数据。开发基于数据工程的端口系统，可以对设计、建造、运行和维护过程中产生的大量数据进行监测和记录，但是这种基于模型的数据管理将超过单个结构的范围。
最近提出了一种新的概念，叫数字孪生模型（以下简称DTM）。这种模型可以对诸如机械产品等多个目标进行性能监测，并能够预测其在未来运行期间的性能变化。即使对于需要进行长期、持续性养护管理的缆索承重桥梁来说，DTM也是一种有效的方法，就像人体的健康护理一样。监测系统通过收集桥梁对各种事件响应的数据，并将其进行语言转换与数字模型链接，从而实现模型分析和系统更新。
库存与编码系统
目前，桥梁信息一般采用多份报表的方式进行管理。桥梁数据的积累、整理和使用也需要按照基于数字化模型流程进行有效管理。一般来说，悬索桥和斜拉桥的构成主要包括：缆索、塔架、加劲梁、锚碇和基础。基于模型的数据库系统需要与相关的三维数字模型进行关联。
全数据链的数字模型为移动、增强现实设备（AR）、无人机扫描和通过人工智能技术实现的自动化损伤检测等养护实践，提供了创新性解决方案。为了达到这些目的，在项目交付时，需要对已编码的养护系统数字模型进行修改。对于移动设备来说，更简洁的模型将更适合完成更多种类的任务。桥梁业主在决定模型使用时，需要考虑养护系统的主要功能。
损伤定义
美国公路战略研究计划报告2指出，服役超过100年的桥梁要在3个方面进行验证。一、因为桥梁极其重要的地位或高昂的重建成本，这些桥梁在100年服役寿命中必须得到良好的维修与养护。二、桥梁使用功能性改变和极限服役状态要求的适用性。三、在早期设计阶段，这些桥梁就已经进行了超安全标准的设计。为了能够从过去的事故中汲取经验教训，对数字孪生模型（DMT）的损伤相关信息进行定义就显得十分必要，例如破坏来源、破坏机理、破坏模型和失效模式。
破坏模型为桥梁构成部分、构件和子系统的使用寿命，提供了定量预测。但是，这些模型非常具有局限性，因为它们大多都基于实验室经验。这些数学模型和经验模型，需要利用斜拉桥在长期运营过程中积累的数据，进行修正或校准。数字孪生模型及其构件关联数据，提供了特定条件下性能的数据湖。数据湖是政府考虑到数据安全性而提出的一个开放的数据平台，可以用于定义缺陷故障树并帮助制定信息需求计划。
自建立桥梁检测工作指南以来，桥梁业主积累了大量的检测数据。但是，对于那些想开发一种基于现场性能的桥梁退化模型的科研人员来说，这些数据是不可用的。为了解决这个问题，提出了如图2所示的损伤代码系统。
缆索承重桥信息要求应考虑长期和临界现象的关键问题，有待进一步明确。这些要求是由工程师和桥梁信息管理人员提供，图4描述了一个桥梁信息交付计划的示例。现行的桥梁养护措施均需遵循项目移交时制定的特定指南。多数缆索承重桥服役使用时间长，系统文档的数字化程度不高。但是，这些检测和评估历史数据对新的维修系统至关重要。为了能够将信息纳入数字化模型之中，需要根据建议的信息架构，将信息进行仔细筛选和管理。
缆索承重桥各组成部分的数字孪生模型,其定义会根据模型的不同用途而有所区别。图5显示的是一个悬索桥加劲梁模型。在模型制作阶段,就应当考虑设计规范中的相关条款和准则作为约束条件。参数化建模技术可以实现基于规则的构件尺寸,连接和公差建模。智能模型为工程师提供了更多的节段或细节替代方案,实现了更高效的设计。
在当前的实际桥梁工程中，负责桥梁设计、制造、施工和养护的单位都不相同，数字孪生模型需要所有参与单位的协同合作，这也是模型定义过程中最困难的挑战。幸运的是，制造企业开始使用三维计算机辅助设计（3D CAD）来进行机械制造和构件规格质量控制。为了能够生产出预制尺寸的构件，承包商使用更新后的3D模型来进行施工管理。
试验性应用
除了有限元分析的互通性外，韩国的一座斜拉桥已经开发出初代数字孪生模型。通过为期两年的信息和要求调查，大桥管养部门已经开发出一套试验性养护系统，截止到目前，一直处在测试阶段。桥梁管养过程中最费时的工作是实地检测和信息收录。同时，大桥管养部门还开发了一个利用移动设备收集损伤情况的现场检测设备，可以实现在现场和办公室同时进行工程养护作业，并使用增强现实设备（AR）进行可视化和记录。但是对于加劲梁内部的检测，还存在一定的局限性。第二版数字孪生模型是为一座悬索桥开发的。该系统中有两个具有挑战性的技术。一个是通过点云数据来检测更真实的模型以及自动损伤识别。二是与监测系统相链接关联分析的互操作性，传感器数据可用于桥梁模型的更新升级。
对于韩国的缆索承重桥梁来说，初代健康监测系统目前已经无法满足需要，必须进行升级，而且部分传感器也需要进行替换。对于桥梁业主而言，他们最关心的是疲劳、腐蚀和连接失效等局部损伤问题。这些更先进的监测系统，需要搭配能够对桥梁性能进行实时评估的分析模型。于是，大家把目光锁定在了数码孪生模型上。数码孪生模型不仅可以满足新的要求，还可以进行更好的桥梁养护。桥梁的局部性能可以通过与数字孪生模型连接的有限元模型进行分析。在初代数字孪生模型中，由于有限元分析模型是基于校直的参数模型，所以可以直接导出有限元分析模型。桥梁当前的退化和损伤改变了有限元分析模型的输入结构参数，这种情况下，材料模型也出现了下降。在这次的二代数字孪生模型中，将嵌入来自监测系统传感器数据作为有限元分析模型结构性能的现场验证。输入结构参数的全面更新，不仅降低了材料模型，还降低了固有频率、加速度响应、索张拉力，甚至整体模态振型。通过传感器数据和分析之间的相互作用，可以记录局部应力，以便进行疲劳评估和分析模型更新。
缆索承重桥有限元分析模型由框架单元和约束单元组成。每一个3D数字模型的分析参数都有属性定义。在数字模型中，除了像悬索桥主缆等一些特定桥梁构成外，其他参数数据集都可以自动生成。
对于分析互操作性的另外一个比较有挑战性的问题，是通过更新数字模型参数来模拟退化模型。由于局部损伤对整体或桥梁各部的影响尚未完全确定，当桥梁发现了新的损伤，这些新的监测数据就需要继续输入模型。有了现场性能数据将极大改善基于实验室试验的材料或构件退化模型。
内容源于网络，旨在分享，如有侵权，请联系删除