基于人工智能技術的橋梁工程課程群重構與應用

于文龍 崔鳳坤

關鍵詞：人工智能；橋梁工程：實踐教學

1引言

新基建驅動下，“人工智能+"（以下簡稱“AI+”），即人工智能與傳統產業的深度融合及產業應用，已經成為新舊動能轉換的核心動力。在此背景下，高等學校在傳統課程建設中如何融人“AI+”相關知識和技術，培養學生能夠適應新基建環境下的就業需求，給高校的課程建設和人才培養帶來了新的挑戰。

橋梁工程課程群在土木工程專業中擁有悠久的歷史，主要涉及橋梁設計、檢測等多方面內容。橋梁設計貫穿于橋梁工程教學的整個過程，但是，目前在橋梁工程課程中，與設計相關的內容都比較傳統[1]。傳統的設計計算方法沒有與時俱進，跟不上當前社會發展步伐。橋梁檢測是橋梁維修養護的基礎，在地方高校促進產教融合與推動傳統工科升級改造的雙重背景下，傳統橋梁檢測課程亟需引入高新AI技術[2]。現行橋梁工程課本中，還未涉及結構健康監測系統的相關知識。在人工智能背景下，當前橋梁工程的課程架構和知識體系，不能滿足高校對學生的教育要求。“AI+健康監測”課程內容的重構，能夠填補專業知識空缺，更加貼合專業發展現狀。

2“Al+設計”橋梁工程課程內容改革

2.1基于大數據技術的橋梁設計課程

對于橋梁工程中的大數據[3-4]，根據時間特點分類，可分為靜態數據和動態數據。靜態數據是基于既有橋梁工程獲得的，包含信息資源數據庫和科研數據。存放在信息資源數據庫中的數據，能夠進行不定時且小范圍的更新，這些數據是相對比較靜態的。根據橋梁所屬區域，國家和地方相關部門都建有相應的橋梁工程資料數據庫，以保存當地橋梁的基本數據。

在橋梁設計前，需要進行大量的現場資料調查以及設計方案選定工作。大數據技術可以對大量現場勘探的數據以及既有設計圖紙進行快速處理與分析，找到具有相同建設背景的設計方案以供參考[5]。并且，橋梁靜態數據中的科研數據主要來自各大高校的橋梁建模仿真實驗。為使學生進一步理解大數據技術，在橋梁設計教學中，引入橋梁建模教學。通過MIDAS等橋梁建模軟件，開展目前最常用的中、小跨徑橋梁的建模以及數據分析工作，并結合專業課老師課堂講解、學生課后練習，讓學生對橋梁大數據中的靜態數據加深理解。

2.2“AI+設計”橋梁工程課程內容應用

將AI技術應用于橋梁設計課程中，能夠對學生的學習產生較大的幫助作用，從而進一步有效提升學生的競爭優勢。其主要體現在通過在橋梁工程設計中融人大數據技術、支持向量機技術，學生對橋梁設計課程的認知與理解更加直觀深刻，有利于學生更好地掌握橋梁設計課程中的重點內容，激發了學生對于專業課程學習的積極性，提高了學生的實踐能力以及數字化思維。通過加強對相關AI技術軟件的學習，為學生在將來的工程實踐、設計工作中奠定了堅實的專業基礎，使學生的專業水平和技術競爭力更加突出。

為了讓學生更好地掌握AI技術在橋梁設計中的應用，對橋梁工程課程進行改革，在課程中，專門拿出課時對AI技術在橋梁設計內容中的應用進行講解。同時，另外安排相應課程設計，并在課程設計中融人相關的人工智能技術，以進一步培養、加強學生在橋梁設計中應用大數據技術、支持向量機等人工智能技術的能力，進而更好地與將來工作接軌。

3“AI+檢測”橋梁工程課程內容改革

3.1基于BIM技術的橋梁檢測課程

建筑信息模型（Building Information Modeling，BIM）是一項新型的技術手段，具體內容是在工程項目全壽命周期內應用3D或4D信息技術進行設計、算量、施工、管理及運營[6]。隨著我國交通基礎設施建設的高速發展，BIM技術被應用于越來越多的工程項目，它的優勢在于能夠整合海量的數據項目信息，提供項目全過程信息檔案，實現數據采集與管理的一體化與智能化。

在橋梁檢測方面，基于BIM技術，應用Revit建模軟件建立三維橋梁結構模型，進而為橋梁檢測方案優化奠定基礎，并且使各項數據采集達到更加精確的效果，以及實現過程管理的可視化。在進行橋梁檢測前，工作人員根據構建的橋梁模型，能夠精確而高效地確定傳感器數量，同時布置所需的敏感性指標，特別是橋梁檢測盲區，基于此，既提高了工作效率，又實現了對橋梁檢測和評估的智能化。

3.2“AI+檢測”橋梁工程課程內容應用

將BIM技術、卷積神經網絡等人工智能技術與橋梁檢測課程相結合，預期取得以下教學效果。

（1）將教材與教學內容進行更新。雖然當前關于橋梁工程的各種新理論和新技術不斷地被研究應用，但是我國橋梁工程課程中很多內容依舊基于初期理論編寫教材并進行授課，橋梁檢測方面教材更新速度遠遠落后于時代的發展速度。故通過在橋梁檢測課程中融人人工智能（AI）技術，能夠培養新基建型學生，滿足基建行業對復合型人才的需求，進一步促進我國交通基礎設施建設，從而為建設交通強國做出積極貢獻。

（2）增強學生的學習積極性。通過在橋梁檢測課堂中引入BIM技術教學，學生能夠應用Revit建模軟件建立橋梁模型，從而更容易理解與橋梁檢測相關聯的理論信息，最終達到較好地掌握相關知識點的教學效果。基于BIM技術與橋梁檢測結合的實際工程案例，開展實踐性教學活動，帶領學生現場參觀橋梁，講解各種橋梁病害，既拉近了教師與學生的距離，又增強了師生感情，進而提高學生學習積極性。

4“AI+健康監測”橋梁工程課程內容改革

基于人工神經網絡的健康監測課程。人工神經網絡能夠模擬人類大腦神經網絡結構和作用，基于數學模型進行信息重復化處理。既有相關研究表明：對于大容量數據處理、信息分布式存儲和知識學習方面，人工神經網絡的優勢十分突出，人工神經網絡的這些優點在結構損傷檢測應用中被證明并且不斷被放大。

Arangio等[7]研究發現，貝葉斯神經網絡能夠適應斜拉橋結構損傷識別：Dackermann等[8]將倒頻譜分析和人工神經網絡結合應用，得到的相應測量值能夠對結構損傷位置進行定位。

通過人工神經網絡知識與橋梁工程相結合的教學措施，能夠使學生的專業素養得到一定的提高，培養學生對于此類專業問題的興趣，能夠有效增進學生學習新事物的積極性，大大提升學生的創新能力，使其更好地適應當今就業環境，從而實現高質量教學的目標。

5結束語

通過人工智能技術與傳統橋梁設計內容相結合，不僅提高了學生的學習興趣、學習積極性，且讓學生較好地掌握了一些人工智能技術在橋梁設計中的應用，教學效果顯著。橋梁檢測課程質量的提升不僅有利于培養學生的實際操作能力、數字化思維能力，而且有助于提升學生的融合創新能力。將人工神經網絡等人工智能技術引入橋梁健康監測課程中，既補充了橋梁健康監測與評估知識理論，又促進了橋梁工程與其他學科的深度交叉、融合，從而培育出具備更高專業素養的新型人才。