结构健康监测数据科学与工程

结构健康监测作为保障重大工程结构安全的重要技术,近些年来在世界范围内得到了快速的发展和应用,国内外许多大型工程结构安装了监测系统并且积累了海量的监测数据。结构健康监测数据分析与挖掘越来越受到国内外学者的关注,成为当前国际上土木工程领域的热点研究方向,该文结合国际上应用数学和信息领域的最新成果,总结课题组在结构健康监测数据分析与挖掘方面的最新研究进展,主要包括:基于压缩感知理论结构健康监测数据处理、车辆荷载空间分布识别、斜拉索实时索力识别、复杂因素耦合作用下斜拉索安全评定、结构健康监测的Benchmark模型、结构健康监测的数据分析与挖掘软件系统以及桥梁结构安全监测技术规程等方面的内容。     

压缩感知及其应用:从稀疏约束到低秩约束优化

压缩感知（或称压缩采样）是国际上近期出现的一种信息理论。其核心思想是只要某高维信号是可压缩的或在某个变换域上具有稀疏性,就可以用一个与变换基不相关的测量矩阵将该信号投影到一个低维空间上,然后通过求解一个最优化问题以较高的概率从这些少量的投影中重构出原始信号。压缩感知理论突破了香农定理对信号采样频率的限制,能够以较少的采样资源,较高的采样速度和较低的软硬件复杂度获得原始信号的测量值。该理论已经被广泛应用于数字相机、医学成像、遥感成像、地震勘探、多媒体混合编码、通讯、结构健康监测等领域。本文归纳了压缩感知研究中的关键问题,探讨压缩感知从稀疏约束到低秩约束优化的发展历程,对压缩感知在遥感、地震勘探等几个相关领域的应用研究进行了综述。      

人工智能时代的土木工程

人工智能为土木工程学科的发展带来新的机遇,人工智能技术深度融合土木工程基础设施规划、设计、建造和养维护的全生命周期,深刻变革土木工程科学、技术与工程的发展。人工智能的深度学习和机器学习算法、计算机视觉、无人机、3D打印、BIM、虚拟现实和增强现实等应用于土木工程,将形成无人化、全自动、智慧化、实景体验的城市和区域规划、以及土木工程设计、建造、养维护和灾害管控的新技术。该文从基于人工智能的城市智能规划、结构智能设计、智能建造、智能养维护、智能防灾等方面阐述人工智能在土木工程领域的相关研究和应用。