近日，冯若强教授课题组黄咏琪博士在SCI期刊《Engineering Structures》 (影响因子5.5,中科院1区期刊)发表题为“Computer vision-based real-time deflection monitoring of complex and sizeable steel structures”的研究论文。

挠度作为一种直观的指标，在评估复杂、大型钢结构的承载能力和结构完整性方面起着至关重要的作用。尽管如此，传统的接触式测量仅限于静态挠度，需要工作台和手动读数。因此，它阻碍了动态挠度的实现，不能满足实时、长期监测的工程要求。利用计算机视觉技术的进步，我们提出了一种用于复杂和大型钢结构的实时变形监测的创新系统，特别适用于长期加载引起的单调变形。具体来说，采用了基于离轴的位移测量方法，克服了要求摄像机光轴垂直于目标的限制。此外，利用逆组合高斯-牛顿(IC-GN)算法和基于种子点扩散的并行计算，提高了匹配和计算效率，实现了多点实时监测。为了验证该系统的有效性，我们对南京阿里巴巴江苏总部工程中一根高29.5m、每跨长16.5m的贝雷梁支撑体系进行了静载监测试验。收集的测试数据与激光位移传感器和ABAQUS模型的结果进行了比较。结果表明，该系统不仅能够实现高精度、实时的挠度监测，而且能够实现非接触式、快速、直接的安装。该系统为建造复杂和大型钢结构的健康监测提供了一种成熟的解决方案，并进一步有助于实现施工智能化。

研究思路

结构和测量点的布局和细节:(a)正面视图;(b)贝雷片的信息;(c)侧视图;(d)测点实际位置及散斑尺寸(单位:mm)

大型贝雷梁非接触式整体变形实时监测示意图

83型桥墩与贝雷梁组合结构的有限元模型及相应的相互作用、边界条件和加载方案

考虑温度和堆叠载荷的有限元模型变形云图：(A)阶段1；(B)阶段2；(C)阶段3