智能金属结构监测

1/1智能金属结构监测第一部分智能金属结构的健康监测技术 2第二部分传感器技术在金属结构监测中的应用 5第三部分数据采集与处理的算法优化 8第四部分智能预警与故障诊断系统 11第五部分基于机器学习的结构健康评估 14第六部分无线传感器网络在金属结构监测中的应用 16第七部分金属结构监测中的结构力学建模 19第八部分智能金属结构监测系统的集成与应用 22

第一部分智能金属结构的健康监测技术关键词关键要点【损伤检测】

1.振动信号分析：通过传感器监测结构振动特征的变化，识别裂纹、松动等损伤。

2.声发射监测：检测金属释放的高频弹性波，定位和表征裂纹扩展、腐蚀等损伤。

3.电阻变化监测：利用金属电阻率与损伤程度之间的相关性，检测腐蚀、疲劳等损伤。

【应力监测】

智能金属结构的健康监测技术

导言

智能金属结构健康监测技术是将先进的传感、数据处理和通信技术集成到金属结构中，以实时监控结构的健康状况和性能。这些技术能够预警潜在的损坏和故障，从而提高结构的安全性、可靠性和使用寿命。

传感技术

传感技术是智能金属结构健康监测的基础。常用的传感类型包括：

*应变计：测量结构变形和应力。

*加速度计：测量结构振动和冲击。

*位移传感器：测量结构移动和挠度。

*温度传感器：监控结构温度变化，检测热应力。

*腐蚀传感器：检测结构腐蚀迹象，防止腐蚀失效。

数据处理技术

收集到的传感器数据需要进行处理和分析，以提取结构健康状况的见解。常用的数据处理技术包括：

*信号调理：去除数据中的噪声和失真。

*特征提取：从原始数据中提取与结构健康相关的有用信息。

*模式识别：使用统计和机器学习算法识别结构损伤或故障模式。

*数据融合：整合来自不同传感器的数据，提供更全面的结构状况视图。

通信技术

数据处理后，需要将结构健康状况信息传达到指定的接收者。常用的通信技术包括：

*无线传感器网络：在结构中建立mesh网络，使传感器能够无线传输数据。

*工业物联网（IIoT）：使用标准化协议将传感器数据连接到云平台。

*蜂窝网络：使用蜂窝网络将数据传输到远程监控中心。

健康监测方法

智能金属结构健康监测可以采取多种方法，包括：

*基于模型的方法：使用有限元模型或其他物理模型来预测结构的响应，并与实测数据进行比较。

*基于数据的诊断方法：使用机器学习算法和统计模型从实测数据中识别损伤或故障。

*基于共振的方法：监控结构的固有频率和振型，因为损伤会改变这些特征。

*基于波传播的方法：将波脉冲引入结构并测量其传播路径，以检测缺陷和损伤。

应用

智能金属结构健康监测技术已广泛应用于各种领域，包括：

*桥梁：监测桥梁变形、应力、振动和腐蚀。

*建筑物：检测建筑物位移、沉降、倾斜和结构完整性。

*飞机：监测飞机蒙皮、机翼和机身疲劳、损伤和腐蚀。

*风力涡轮机：检测涡轮叶片、塔架和基础的损伤和磨损。

*石油和天然气平台：监测平台变形、应力、振动和腐蚀。

优势

智能金属结构健康监测技术具有以下优势：

*提高安全性：预警潜在的损坏和故障，防止灾难性结构失效。

*提高可靠性：监测结构性能，确保满足设计要求。

*延长使用寿命：通过及时维修和维护，延长结构的使用寿命。

*优化维护计划：基于实时监控数据优化维护间隔和任务。

*减少运营成本：通过主动监测，减少因意外损坏或故障而产生的成本。

发展趋势

智能金属结构健康监测技术仍在不断发展，未来的趋势包括：

*传感器技术进步：开发新颖的传感器，具有更高的灵敏度、准确性和耐用性。

*数据分析技术的改进：利用人工智能和机器学习技术提高数据处理和诊断能力。

*无线通信技术的增强：实现可靠且低功耗的无线数据传输。

*集成和标准化：建立行业标准和协议，以促进不同技术和产品的互操作性。

*云计算和边缘计算：利用云计算和边缘计算平台进行大规模数据处理和分布式分析。

结论

智能金属结构健康监测技术为确保金属结构的安全性、可靠性和使用寿命做出了重大贡献。随着传感、数据处理和通信技术的持续进步，这些技术将变得更加先进和可访问，从而进一步提高金属结构的性能和经济效率。第二部分传感器技术在金属结构监测中的应用关键词关键要点【传感器类型与选择】

1.传感器类型：应根据监测目标、环境条件和结构尺寸选择合适的传感器，如应变计、加速度计、倾角传感器等。

2.传感器布置：合理布置传感器位置，确保监测数据的有效性和覆盖性，考虑不同位置的应力分布和变形特点。

3.传感器性能：传感器的精度、分辨率、稳定性和可靠性至关重要，应根据实际监测需求进行选择和校准。

【数据采集与处理】

传感器技术在金属结构监测中的应用

随着金属结构在现代建筑、桥梁和工业设施中的广泛应用，对其进行实时监测以确保结构安全性和耐久性至关重要。传感器技术在金属结构监测中发挥着至关重要的作用，通过提供有关结构健康和环境条件的持续数据，从而实现主动监测和故障预测。

应变传感器

应变传感器通过测量金属结构中局部的长度变化来监测应力变化。它们通常安装在承载构件的表面，例如梁、柱和桁架。当结构受到载荷作用时，应变传感器会产生电阻变化，与应变成正比。

*应变片：应变片是一种贴装在结构表面上的薄金属箔，当结构变形时会产生应变，从而改变电阻。

*光纤布拉格光栅（FBG）传感器：FBG传感器利用光纤中的布拉格光栅来测量应变。当应变施加时，布拉格光栅波长发生变化，从而指示应变量。

加速度传感器

加速度传感器测量结构的振动加速度。它们安装在结构的各个位置，以监测振型、频率和振幅。振动分析可识别结构损伤、共振和动态载荷影响。

*压电式加速度传感器：压电式加速度传感器利用压电材料的特性，当受到加速度时产生电荷。

*微机电系统（MEMS）加速度传感器：MEMS加速度传感器使用微机械加工技术制造，具有小型、重量轻和低功耗的特点。

位移传感器

位移传感器测量结构的位移和变形。它们通常安装在结构的不同点之间，例如梁的挠度、柱的侧倾和桁架的伸长。

*弦线位移传感器：弦线位移传感器使用预拉伸的弦线来测量位移。当结构移动时，弦线长度发生变化，从而产生电阻变化。

*线位移传感器：线位移传感器利用电位器或编码器来测量直线位移。它们具有高精度和可靠性。

温度传感器

温度传感器监测金属结构的温度变化。温度变化会影响材料的机械性能和结构的尺寸稳定性。

*热电偶：热电偶利用两种不同金属之间的温差产生电势差。

*电阻温度探头（RTD）：RTD利用金属电阻器的电阻随温度变化的特性。

湿度传感器

湿度传感器监测金属结构周围的环境湿度。湿度会影响金属的腐蚀速率和结构的耐久性。

*电容式湿度传感器：电容式湿度传感器利用电容器的电容随湿度变化的特性。

*阻抗式湿度传感器：阻抗式湿度传感器利用传感材料的阻抗随湿度变化的特性。

数据采集和分析

传感器产生的数据由数据采集系统收集，该系统通常包括数据记录器、传感器接口和软件。数据经过处理和分析，以生成有关结构健康、载荷效应和环境条件的信息。

应用

传感器技术在金属结构监测中的应用广泛，包括：

*桥梁和建筑物的健康监测

*油气管道和储罐的腐蚀监测

*风力涡轮机叶片的动态监测

*工业机器和设备的故障监测

*灾后评估和结构恢复

优势

采用传感器技术进行金属结构监测具有以下优势：

*实时监测和故障预测

*提高结构的安全性、可靠性和使用寿命

*优化维护计划和降低维护成本

*识别结构损伤、缺陷和异常荷载

*改善对结构行为和环境条件的理解

结论

传感器技术在金属结构监测中发挥着关键作用，通过提供有关结构健康和环境条件的实时数据，实现主动监测和故障预测。利用各种传感器类型，包括应变传感器、加速度传感器、位移传感器、温度传感器和湿度传感器，可以全面监测金属结构的应力、振动、变形、温度和湿度。数据采集和分析系统将传感器数据转化为可操作的信息，使工程师能够及时做出明智的决策，确保结构的安全性和耐久性。第三部分数据采集与处理的算法优化关键词关键要点【数据归一化算法优化】

1.采用小数定标或最大最小缩放等算法对原始数据进行归一化处理，消除数据量纲差异带来的影响，提高模型泛化能力。

2.根据数据分布特征，选择合适的归一化方法，如对正态分布数据采用标准化，对非正态分布数据采用分位数变换等。

3.对归一化后的数据进行合理分箱处理，形成有意义的数据区间，有助于后续特征提取和模型训练。

【降维算法优化】

数据采集与处理的算法优化

#数据采集优化

1.传感器选择与优化

*根据监测结构特征和损伤类型，选择灵敏度高、抗干扰能力强的传感器。

*优化传感器布置，最大化覆盖监测区域，提高损伤检测精度。

*采用多模态传感器融合技术，提高损伤识别鲁棒性。

2.数据采集速率与分辨率优化

*根据监测需求和传感器特性，确定合适的采集速率。

*优化数据分辨率，保证损伤信号的有效采集，同时避免数据冗余。

3.数据预处理

*去除噪声和漂移影响，增强数据质量。

*进行数据插补和滤波，弥补缺失或异常数据。

#数据处理算法优化

1.特征提取

*采用时频分析、小波变换等方法提取损伤相关特征。

*利用机器学习算法进行特征降维，提高特征提取效率和准确性。

2.损伤检测算法

*基于统计模型的损伤检测算法：如主成分分析、卡尔曼滤波等。

*基于人工智能算法的损伤检测算法：如卷积神经网络、支持向量机等。

*结合多种算法，提高损伤检测鲁棒性和精度。

3.损伤识别算法

*根据损伤特征，建立损伤模式数据库。

*利用模式识别算法，将检测到的损伤与数据库中的模式进行匹配，识别损伤类型。

#算法优化策略

1.超参数调优

*优化算法超参数，如学习率、正则化系数等，以提高算法性能。

*采用网格搜索、贝叶斯优化等方法进行超参数调优。

2.融合算法

*结合多种算法优势，弥补单一算法的不足。

*如将统计模型与人工智能算法相结合，提升损伤检测精度。

3.数据增强

*采用合成数据或数据扰动等方法，丰富训练数据集。

*提高算法对未知损伤模式的鲁棒性。

4.模型训练和验证

*使用真实或模拟数据对算法进行训练和验证。

*评估算法的准确率、召回率、F1分数等指标，优化算法性能。

5.持续改进

*定期更新算法和数据，以适应结构变化和损伤特征的演变。

*通过持续的性能评估和改进，确保算法的稳定性和有效性。第四部分智能预警与故障诊断系统关键词关键要点1.智能传感系统

1.实时采集智能金属结构各部位的物理信息，如应力、振动、应变和温度等。

2.传感器网络分布合理且冗余，确保全面监测和故障定位。

3.传感器技术先进，具有高灵敏度、高稳定性、低功耗和抗干扰性。

2.实时数据处理与特征提取

智能预警与故障诊断系统

前言

随着智能金属结构监测技术的不断发展，智能预警与故障诊断系统已成为该领域的重要组成部分。该系统能够实时监测结构状况，并通过数据分析和模型识别，及时发现异常和潜在故障，并提前发出预警，为结构的维护和维修提供科学依据。

系统架构

智能预警与故障诊断系统通常包括以下核心组件：

*传感器网络：部署在结构的关键部位，收集结构振动、应变、温度等数据。

*数据采集系统：负责从传感器网络采集数据并将其传输至中央处理系统。

*数据预处理模块：对采集的数据进行预处理，包括噪声滤波、特征提取和数据融合。

*模型识别模块：利用历史数据或物理模型，建立结构的健康状态识别模型。

*故障诊断模块：基于识别模型，分析实时数据，识别出异常和潜在故障。

*预警机制：根据故障诊断结果，触发预警，通知相关人员采取相应措施。

关键技术

智能预警与故障诊断系统涉及多项关键技术，包括：

*传感器技术：高灵敏度、低功耗、抗干扰的传感器是系统有效监测的关键。

*无线通信技术：传感器网络与中央处理系统之间的无线通信确保数据的实时传输。

*数据分析技术：大数据分析、机器学习和深度学习等技术用于特征提取、数据融合和故障识别。

*建模技术：基于结构力学和故障机理，建立准确的结构健康状态识别模型至关重要。

应用场景

智能预警与故障诊断系统已广泛应用于以下场景：

*桥梁监测：实时监测桥梁的振动、位移和应力，及时发现桥梁损伤和老化问题。

*建筑监测：监测建筑物的结构安全，及时发现隐患，避免事故发生。

*风力涡轮机监测：监测风力涡轮机的叶片、塔架等关键部件的健康状态，保障风机安全运行。

*航空航天领域：监测飞机机身、发动机等部件的健康状况，提升飞行安全。

优势

智能预警与故障诊断系统具有以下优势：

*实时监测：能够实时采集和分析结构数据，及时发现异常和潜在故障。

*主动预警：通过提前发出预警，为结构的维护和维修提供充足的时间，防止事故发生。

*延长寿命：通过及时发现和处理故障，延长结构的使用寿命，降低维护成本。

*提高安全性：及时发现结构损伤和老化问题，保障结构的安全性，避免人员伤亡和财产损失。

未来发展趋势

随着物联网、大数据和人工智能技术的不断发展，智能预警与故障诊断系统将朝着以下方向发展：

*集成多源数据：结合来自传感器、历史记录和第三方来源的数据，提高系统诊断精度。

*自适应模型：开发能够自动适应环境变化和结构劣化过程的模型，提高系统鲁棒性。

*实时数据分析：采用边缘计算等技术，实现数据实时分析和决策，提升系统响应速度。

*增强人机交互：通过可视化界面和智能助理等技术，增强系统与用户的交互体验。第五部分基于机器学习的结构健康评估关键词关键要点【基于机器学习的结构健康评估】：

1.利用传感数据和机器学习算法识别结构损伤和异常。

2.开发数据驱动模型，预测结构的未来健康状况和剩余使用寿命。

3.实时监测结构性能，并提供及时预警，确保安全性。

【数据分析与特征提取】：

基于机器学习的结构健康评估

基于机器学习(ML)的结构健康评估(SHA)利用数据挖掘和统计建模技术，从传感器数据中提取有意义的信息，以评估结构的健康状况。与传统的基于模型的方法相比，ML方法具有以下优势：

*灵活性：ML算法可以处理复杂非线性的结构行为，而无需明确的物理模型。

*数据驱动：ML算法从实际传感数据中学习，而不是依赖于假设或物理方程。

*自适应性：ML模型可以随着结构健康状况的变化而进行更新和调整，使其能够持续监测并检测早期损坏。

ML技术在SHA中的应用

ML在SHA中有各种应用，包括：

异常检测：ML算法可以识别偏离正常操作模式的传感器数据模式，从而表明潜在损坏。

损伤检测：ML模型可以将损坏特征与传感器数据联系起来，从而准确检测出损坏位置和严重程度。

预见性维护：ML算法可以预测未来的损坏，允许实施预防性维护策略以避免灾难性故障。

ML算法类型

用于SHA的常见ML算法包括：

*监督学习：利用标记数据训练模型来预测损伤的可能性或严重程度。

*无监督学习：使用未标记数据发现隐藏模式和异常。

*半监督学习：结合标记和未标记数据来增强模型性能。

数据要求

有效的ML-SHA需要大量高质量的传感器数据。这些数据应包括：

*传感器放置：战略性放置传感器以捕获结构的关键响应。

*数据采样率：足够高的采样率以捕获损坏诱发的动态响应。

*数据预处理：对数据进行清理、归一化和降噪以提高模型精度。

挑战和机遇

ML-SHA面临一些挑战，但同时它也提供了巨大的机遇：

挑战：

*数据收集：获取和管理大量传感器数据可能是具有挑战性的。

*模型解释：ML模型的复杂性可能会使其难以解释其预测。

*实时监测：实现实时SHA要求算法的高效性和快速处理。

机遇：

*改进安全性：ML-SHA可以增强结构安全性，通过早期检测损坏防止灾难性故障。

*优化维护：基于ML的预测性维护可以优化维护计划，最大限度地减少停机时间和成本。

*促进数字化转型：ML-SHA是结构数字化转型的一个关键方面，推动了数据驱动的决策和预测性维护。

结论

基于机器学习的结构健康评估是一种强大的工具，它可以提高结构安全性、优化维护并促进数字化转型。通过利用传感数据和先进的ML算法，可以实现对结构健康状况的持续、准确和全面的评估，从而为基于数据的决策提供信息，并最终提高基础设施的弹性和使用寿命。第六部分无线传感器网络在金属结构监测中的应用无线传感器网络在金属结构监测中的应用

引言

金属结构是现代建筑和工业中的重要组成部分，其安全性和可靠性至关重要。无线传感器网络(WSN)技术在金属结构监测中发挥着越来越重要的作用，能够提供实时和可靠的监测数据，从而实现高效的结构维护和安全保障。

WSN工作原理

WSN由分布在结构内的众多传感器节点组成，这些节点通过无线通信连接。传感器节点负责采集数据，例如应变、振动、温度和湿度。这些数据传输到网关节点，然后传输到中央服务器进行处理和分析。

金属结构监测中的WSN应用

1.应变监测

应变监测对于评估金属结构承受外力的性能至关重要。WSN传感器节点可以放置在结构的特定位置，以测量材料的拉伸或压缩应变。通过监测应变分布，可以识别受力过大的区域，并采取预防措施。

2.振动监测

振动监测有助于检测金属结构的动态响应，例如由地震、风或机器引起。WSN传感器节点可以测量结构的加速度和振动频率。分析振动数据可以识别结构损伤、共振频率和疲劳问题。

3.温度监测

温度监测对于金属结构的健康至关重要，因为高温会影响材料的强度和耐久性。WSN传感器节点可以测量结构表面的温度或内部温度。通过监测温度变化，可以识别热点区域并防止热应力损坏。

4.湿度监测

湿度监测对于防止金属结构腐蚀至关重要。WSN传感器节点可以测量结构周围的环境湿度。通过监测湿度水平，可以采取措施控制湿度，从而减少腐蚀的风险。

5.结构健康监测

WSN可用于综合结构健康监测(SHM)系统，该系统根据从多个传感器节点收集的数据来评估结构性能。SHM系统可以提供结构损伤的早期预警，并帮助制定预防性维护计划。

WSN在金属结构监测中的优势

1.无线连接

WSN消除了布线需求，使传感器节点可以轻松部署在难以触及或危险的区域。

2.实时监测

WSN提供实时数据采集，使工程师能够及时监控结构状况并做出响应。

3.节能

传感器节点通常使用电池供电，并具有低功耗设计，从而延长了系统寿命。

4.灵活性和可扩展性

WSN可以根据结构监测需求轻松添加或删除传感器节点，从而使其具有高度可扩展性和灵活性。

5.数据分析

从WSN收集的数据可以通过强大的分析工具进行处理，以识别损伤模式、预测故障并制定维护计划。

WSN在金属结构监测中的挑战

1.传感器部署位置

传感器节点的最佳部署位置至关重要，以确保充分覆盖和准确数据采集。

2.无线通信可靠性

无线通信可能受到环境因素的影响，例如干扰和信号传播问题。

3.数据安全性

收集的数据可能包含敏感信息，需要采取适当的安全措施来保护数据隐私和完整性。

4.电池寿命

传感器节点的电池寿命有限，需要定期更换或充电。

5.成本

WSN系统的部署和维护成本可能很高，具体取决于结构大小和监测需求。

结论

无线传感器网络在金属结构监测中具有巨大潜力，可以提供实时和可靠的数据，从而实现结构健康监测和预防性维护。通过综合考虑WSN的优势和挑战，工程师可以设计和部署定制的监测系统，以满足特定结构需求，提高安全性并延长使用寿命。第七部分金属结构监测中的结构力学建模关键词关键要点金属结构监测中的结构力学建模

主题名称：有限元建模

1.利用有限元方法将复杂结构离散为一系列相互连接的单元，并建立方程组描述单元之间的力学关系。

2.采用适当的单元类型和网格划分来准确捕捉结构的几何特征和受力行为。

3.通过边界条件和载荷输入，求解方程组获得结构的位移、应力和应变等响应。

主题名称：弹塑性分析

金属结构监测中的结构力学建模

引言

金属结构监测是保证结构安全和可靠性的关键技术之一。准确的结构力学建模对于监测系统的有效性至关重要，因为它提供了结构响应的理论估计，并允许将监测数据与模型预测进行比较，以检测结构损伤或异常行为。

力学建模方法

结构力学建模通常采用有限元法（FEM）或基于物理的建模（PBM）。

*有限元法（FEM）：将结构离散成一系列互连的小单元，称为有限元。每个单元的力学行为由其材料特性、几何形状和边界条件描述。通过求解有限元之间的方程组，可以获得结构整体的力学响应。FEM方法在金属结构监测中广泛使用，因为它能够处理复杂几何形状和各种加载条件。

*基于物理的建模（PBM）：将结构视为一个连续体，使用偏微分方程描述其力学行为。PBM方法可以模拟结构的非线性行为和大变形，但通常计算成本较高，并且需要更复杂的求解技术。

模型参数

结构力学模型的参数包括：

*材料特性：材料的杨氏模量、泊松比、屈服强度和疲劳强度等。

*几何形状和尺寸：结构构件的长度、截面尺寸和连接方式等。

*边界条件：结构与周围环境或其他构件的连接方式和限制条件等。

*荷载条件：结构承受的静载荷、动载荷或环境载荷等。

准确确定这些参数对于建立逼真的力学模型至关重要。

模型验证

在使用力学模型进行监测之前，必须对其进行验证以确保其准确性。模型验证通常通过与实验测量结果进行比较来完成。实验测量可以包括传感器数据、目视检查或非破坏性检测技术。如果模型预测与实验结果之间存在显著差异，则需要调整模型参数或改进建模方法。

模型更新

随着结构使用时间的推移，其力学特性可能会发生变化，例如材料劣化、损伤或修改。为了保持模型的准确性，需要进行模型更新。模型更新通过将监测数据纳入模型，并调整模型参数以最小化与监测数据的差异来完成。

应用

金属结构监测中的结构力学建模在以下应用中发挥着重要作用：

*损伤检测：通过将监测数据与模型预测进行比较，可以检测结构损伤，例如裂纹、腐蚀或疲劳损伤。

*结构健康监测：通过定期更新模型，可以跟踪结构的健康状况，并预测其未来的性能。

*寿命评估：力学模型可以用于评估结构的剩余寿命，并确定需要维修或更换的构件。

*抗震设计：力学模型可以用于模拟地震荷载下的结构响应，并优化抗震设计。

结论

金属结构监测中的结构力学建模是保证监测系统有效性的关键基础。通过采用适当的建模方法、准确确定模型参数、进行模型验证和更新，可以建立逼真的力学模型，以检测损伤、跟踪结构健康、评估寿命并进行抗震设计。第八部分智能金属结构监测系统的集成与应用关键词关键要点智能金属结构监测系统的云集成

1.云计算平台的集成，实现数据的集中存储、管理和分析，便于多源异构数据的融合处理和海量数据的挖掘分析。

2.云端算法和模型部署，在云端部署智能算法和模型，实现智能监测、故障预测和健康评估，提高监测系统的智能化水平。

3.远程监测和控制，利用云平台实现监测数据的远程实时传输和访问，以及远程控制监测设备和执行监测任务，扩展监测系统的覆盖范围和灵活性。

智能金属结构监测系统的边缘计算应用

1.边缘计算技术的应用，在监测节点部署边缘计算设备，实现数据预处理、特征提取和局部分析，减少数据传输量和提高数据处理效率。

2.实时感知和响应，通过边缘计算实现实时数据处理和分析，实现对金属结构状态的实时感知和快速响应，提高监测系统的实时性。

3.自适应能量管理，边缘计算设备可根据监测任务和环境条件动态调整计算资源，实现自适应能量管理，延长监测系统的续航能力。智能金属结构监测系统的集成与应用

系统集成

智能金属结构监测系统集成涉及将来自不同传感器和设备的数据汇集、融合和分析。集成过程包括：

*传感器网络集成：将各种传感器（应变计、加速度计、温度传感器等）连接到数据采集设备。

*数据采集和传输：通过有线或无线网络收集和传输传感器数据。

*数据融合：将来自不同传感器的数据整合到统一的格式中，进行综合分析。

*数据管理：建立数据库来存储和管理监测数据。

*数据可视化：开发直观的界面，以便用户查看和分析监测数据。

系统应用

智能金属结构监测系统在桥梁、