2025 年 9 月 27 日，在桥梁科技两江论坛--第三届桥梁工程安全与韧性学术会议中，济通股份产品经理伍大成高级工程师做了如题的大会学术报告。

其核心观点：通过对结构约束体系（力与变形）的持续测量，能够利用温度、车辆荷载等多源自然激励，并通过物理信息神经网络技术（PINN），在无需直接测量激励源（即“盲源”反演）的情况下，同时揭示结构真实的荷载效应（Load Effects）与抗力（Resistance）并执行实时的结构承载能力评定（Load Rating）。更进一步，该系统基于约束主动控制能力，能够动态优化结构内力，实现从被动评估到主动提升结构韧性的跨越。

报告及展示内容概括如下：

一、盲源反演及自适应数字孪生的可行性验证

报告首先通过展示一个纯机器学习的DEMO平台（2 跨连续梁桥模型），展示了“从结果约束同时反推作用与状态”的可行性。该平台不使用任何物理公式，而是仅凭神经网络推导（基于有限元正算形成的数据集训练），证明并展示了仅需输入支座反力这一单一数据源，系统就能可靠地反演出：

·荷载状态：包括恒载、活荷载（假设为车辆）及其位置。

·约束状态：精确发现并量化了由0.4毫米（该值未经测量，仅由系统反演得出）的微小不均匀沉降所导致的严重内力不均；并通过作动器主动优化内力后，该等效沉降值趋近于零。

·荷载效应：动态生成弯矩图及历史包络线，进而可通过与结构抗力的实时对比，可动态地量化结构的安全裕度。

基于纯机器学习的DEMO平台演示：动载识别及历史包络线更新

二、利用自然激励实现“物理约束下的盲源解耦”

反演无需直接使用桥梁所承受的、难以计量的复杂激励源（温度场、车载、风等），激励源测量仅用于提升算法鲁棒性。实际桥梁远比DEMO平台信息更丰富，因为它无时无-刻不处在温度梯度、车辆荷载等激励源的“不知疲倦的激励”之下。

通过为物理信息神经网络（PINN）巧妙地设置物理约束（如温度变化的昼夜节律和空间平滑性， ），系统能够“智能地”将这些作为“盲源”的激励效应自然解耦。基于此，我们可以从全局性的约束响应（以约束力为主，约束变形为辅）中，精确反演出整个力学系统，包括梁刚度、约束刚度，以及结构的“综合几何缺陷”（融合了沉降、初始变形、施工误差等因素的叠加态）。该方法对噪音不敏感，以力学测量为锚点，变形参数仅测量变化值，也能实现可靠反演。

三、几何缺陷及等效及重塑“荷载包络线”的哲学意义

实桥分析：基于现有手段无法识别的结构几何缺陷（上部结构应力残余导致的初始变形），以等效于支座沉降的方式被系统准确识别，并发现了远低于国际规范（AASHTO、AS9100）最低要求的支座反力欠载问题。

基于反演出的真实力学系统和已解耦的真实荷载历史，报告展示了如何生成“历史荷载包络线”。这代表的是结构实际发生过的内力分布状态，它与设计规范中基于“假定”和“概率”的“设计包烙线”在哲学上有着本质区别。通过对比两者（先验 vs 后验），可以量化评估出现有设计方法的保守性与盲区，为更精细化的设计与评估提供数据和方法基础。

四、揭示传统“金标准”--荷载试验的内在局限性

报告通过与“简化版代谢应激测试”（如糖耐量测试）的类比，指出了荷载试验（美国：AASHTO MBE 中的 Load testing, 中国：《公路桥梁承载能力检测评定规程》（JTG/T J21-2011）的 Z2 方法）的两大天生盲区：

1.忽略“存量”：它只能测量对标准卡车这个“增量”刺激的响应，却忽略了结构已存在的“存量”基础负荷。

2.应激源单一：它仅反映对“卡车”的响应，无法评估结构对温度、风等其他真实世界荷载的脆弱性。

这种局限性可能导致“假阴性”的风险，即一个濒临极限的系统依然可能“通过测试”，从而产生虚假的安全感。而结构约束测控的方法，配合 PINN 形成的数字孪生系统（TWINSA®）则类比于“动态血糖监测+自动胰岛素泵”组成的人工胰腺系统，实现了从诊断到闭环健康管理的进步。

五、约束力测量的原位校准—全球性计量挑战与突破

报告强调，任何数字孪生都建立在可信数据之上。报告提出约束力监测在全球范围内的计量挑战--即在役结构无法进行原位校准的难题。TWINSA®通过智能力学装备实现了这一技术突破。目前，交通部公路院与济通合作，将原位校准的计量要求写入国家计量标准。

六、从“测”到“控”--约束状态原位调节的价值与突破

报告展示了约束状态原位调节技术的颠覆性应用：在创新的墩顶转体球铰体系中，济通通过原位约束力调节技术，开创了一种全新的施工范式。

·效率与经济性：以不到50吨的微小动力（仅为球铰承载力的数百分之一），即实现了从转体球铰到永久支座的平稳体系转换，并将昂贵的球铰完整取出、可供下次复用，将一次性的结构转体工程，彻底“服务化”。

·安全与可控性：整个过程力分配完全受控，不影响结构安全，完美诠释了原位调节在不中断交通的状态下实现高精度、低成本、高安全性的结构内力优化方面的巨大价值与需求。

总结：

本报告的核心，是展示了一个以力学为核心的物理世界人工智能模型，以及其支撑的自适应数字孪生系统。系统基于三个核心技术支撑：

1.数据基石：通过创新的原位校准技术，获得计量可信的全寿命约束力测量数据。

2.物理洞察：利用“盲源反演”的方法，将温度、交通等自然激励视为信息的来源而非干扰，实现了对系统状态的无病态解耦。

3.闭环控制：系统不止于“测”与“评”，更能“控”与“调”，将诊断结果转化为主动内力优化，实现了从“被动看病”到“主动健身”的进步。

济通股份还在大会上展示了基于纯机器学习的DEMO平台，产品经理伍大成、AI技术负责人徐蕴、技术售前负责人胡盟、拓展负责人刘乃刚、刘洋等同事， 携公司创新平台特聘专家陈列教授级高工、龙跃教授、张永杰顾问等，向多位参会专家展示、讲解系统并深入交流。