混凝土橋梁服役性能退化及預防性維護綜述

陳華鵬 劉維剛 江鈺 肖烽 朱澤文

摘要：針對混凝土橋梁服役性能退化分析與預防性維護這一熱點問題進行了綜述。混凝土橋梁作為復雜的結構體系，具有損傷因素多、材料劣化機理復雜以及服役性能評估難等特點，在環境與荷載等因素的共同作用下，鋼筋與混凝土材料特性發生劣化，導致混凝土構件承載力退化，最終影響橋梁整體結構力學性能。從材料劣化機理分析、材料與結構力學性能退化模擬、服役性能評估、剩余使用壽命預測以及預防性維護策略制定等方面對既有混凝土橋梁服役性能退化與預防性維護進行了詳細闡述，同時對比分析了各研究模型和方法的優勢與不足。然后，分別從既有混凝土橋梁材料、構件和結構等層次著手，分析了橋梁材料微觀劣化特性，探討了橋梁構件損傷機理與失效過程，明確了在役混凝土橋梁結構力學性能宏觀退化規律。最后，基于對現有研究的分析與總結，指出了當前混凝土橋梁服役性能退化與預防性維護中存在的問題，為后續研究提供了新的思路，為橋梁全壽命智能運維管理提供科學依據。

關鍵詞：混凝土橋梁；性能退化；性能評估；預防性維護

中圖分類號：U448.33 文獻標志碼：A

文章編號：1005-0523（2024）02-0001-24

Review of Performance Deterioration and Preventive Maintenance

of In-service Concrete Bridges

Chen Huapeng1， Liu Weigang1，2， Jiang Yu1， Xiao Feng1， Zhu Zewen3

（1. School of Transportation Engineering， East China Jiaotong University， Nanchang 330013， China; 2. School of Architectural and Engineering， Xinyu University， Xinyu 338004， China; 3. Jiangxi Transportation Research Institute， Nanchang 330052， China）

Abstract： This paper reviews the hot research topic of the performance deterioration and preventive maintenance of in-service concrete bridges. As complicated structural systems， concrete bridges have characteristics of multiple causes of structural damage， complex degradation mechanisms of materials， and difficult assessment of the structural performance. Due to the combined action of the environmental and loading effects， the properties of steel reinforcement and concrete materials deteriorate， which leads to a decrease in the load-carrying capacity of the structural components and ultimately affects the structural performance of the whole concrete bridge. This paper discusses the performance deterioration and preventive maintenance of the in-service concrete bridges in many aspects， such as the material degradation mechanism， the simulations of the mechanical performance deterioration of materials and structures， the evaluations of service performance， the predictions of remaining service life， and the determination of preventive maintenance strategies. Meanwhile， the advantages and disadvantages of the proposed models and methods are compared and analyzed. Consequently， from different levels of materials， components and structures of the existing concrete bridges， it analyses the degradation characteristics of bridge materials at the meso-scale level， investigates the damage mechanisms and failure process of the bridge components， and further examines the deterioration laws of the mechanical performance of the in-service concrete bridges at macro-scale level. Finally， based on the analysis and review of the existing investigations， it proposes the current issues in the performance deterioration and preventive maintenance of the in-service concrete bridges， provides new frameworks for future research， and offers the scientific basis for the smart operation and maintenance management throughout the whole life cycle of bridges.

Key words： concrete bridges; performance deterioration; performance evaluation; preventive maintenance

Citation format： CHEN H P， LIU W G， JIANG Y， et al. Review of performance deterioration and preventive maintenance of in-service concrete bridges[J]. Journal of East China Jiaotong University， 2024， 41（2）： 001-024.

我國是橋梁大國，據統計截至2022年底，我國共有橋梁約112.52萬座，累計長度11.706萬公里，居世界首位[1]，其中近四十年修建的橋梁約占總量的80%，超過40萬座橋梁已經服役20多年，需要進行科學有效地維護管理。因此，我國橋梁正在由以“建設為主”轉向“建養并重”發展。

資料顯示，我國大量橋梁正在面臨老化和病害問題[2]。雖然按1972年及之后的設計標準修建的橋梁能夠基本滿足目前交通需求，但受制于服役環境的復雜性以及當時的技術水平和材料水平，既有橋梁普遍存在服役性能退化等問題，并進一步出現承載力不足等狀況[3]。此外，隨著交通運輸荷載加重、運輸密度提高以及運輸需求增加，許多橋梁面臨著超載和超設計壽命服役的問題[4]。

鑒于混凝土橋梁在交通運輸中的關鍵作用以及其面臨的材料結構力學性能退化問題，進一步研究橋梁結構的性能演化、預測結構的剩余壽命和制定最優維護策略，是保障結構安全、適用和耐久性的重要舉措[3]。本文系統闡述了既有混凝土橋梁的材料劣化機理分析、結構力學性能退化模擬、服役性能評估、剩余使用壽命預測和預防性養護策略制定等方面的研究現狀，從材料、構件和結構等層次著手，分析了混凝土橋梁服役性能退化規律與評估方法。此外，對在役橋梁的結構力學性能退化模擬和剩余使用壽命預測方法進行了分析和比較，指出了已有研究的不足，進一步明確了未來的發展方向；圖1為本文的技術路線圖。

1 材料劣化機理

鋼筋混凝土橋梁主要損傷類型有混凝土開裂、混凝土老化、保護層剝落、鋼筋銹蝕、鋼筋疲勞和預應力損失等。因此，混凝土性能退化應重點考慮混凝土和鋼筋兩種主要材料的劣化機理。通過深入了解材料不同類型損傷的產生和發展，可為建立結構性能退化模型提供理論依據，也是后續開展在不同環境和使用條件下的結構可靠度、結構剩余使用壽命預測的理論基礎。

1.1 混凝土劣化

引起混凝土結構耐久性損傷的直接原因可分為內部原因和外部原因。內部原因主要是混凝土自身的缺陷，如在混凝土內部存在毛細孔隙以及微裂縫，為氧氣、水分與二氧化碳提供了場所，進而為有害物質向內部擴散侵蝕提供了便利。外部原因從作用機制看大致可以分為物理、化學和生物作用三大類[5]。

1.1.1 混凝土碳化

混凝土碳化是指環境中的CO2或某些酸性氣體與暴露在空氣中的混凝土表面接觸并且不斷向內部擴散，與混凝土中的堿性水化物（如CaO）發生反應，生成碳酸鈣或其他物質的多相物理化學過程[6]。隨著煤、石油、天然氣的消耗，排放到大氣中的CO2不斷增加，混凝土結構的碳化問題顯著[7]。混凝土碳化會降低混凝土的堿度，造成鋼筋銹蝕，進而引發混凝土保護層開裂以及鋼筋與混凝土之間粘結破壞等不良后果[8]。國內外學者對混凝土碳化問題進行了深入的研究，研究表明混凝土的碳化情況與混凝土的材料種類、配合比、養護和使用環境等息息相關[3，6]，并且發現碳化深度與碳化時間的平方根成正比，表達為[D=kt]，式中D為碳化深度，t為碳化時間，k為碳化速度系數。

近年來，對混凝土碳化研究主要圍繞碳化影響因素、碳化性能以及碳化深度計算與預測等開展。碳化影響因素方面，元艷妃[9]研究了4種不同因素對珊瑚混凝土碳化深度的影響，研究發現珊瑚混凝土的碳化深度與水灰比、粉煤灰內摻量成正比，與水泥用量成反比，且在任一情況下碳化深度均隨碳化齡期延長而增大。但該研究僅從材料角度出發未考慮到環境因素的影響。Liu等[10]研究了溫度、相對濕度、CO2濃度與混凝土碳化深度之間的關系，結果表明：溫度、相對濕度、CO2濃度對混凝土碳化深度的影響顯著，混凝土碳化深度與溫度、CO2濃度和相對濕度分別呈指數函數、冪函數和多項式函數關系。蔣建華等[11]從施工養護方面研究了再生混凝土的抗碳化性能，發現在其他條件不變的情況下，使用養護劑進行養護的混凝土試塊碳化深度最小，灑水養護和覆膜養護下試塊的碳化深度依次增大。

關于混凝土的碳化性能，王柳南等[12]用試驗方法從宏觀上研究了水灰比、水泥用量和石粉摻量對機制砂混凝土抗碳化性能的影響，發現機制砂混凝土的碳化深度與水灰比呈正相關關系，與水泥用量呈負相關關系。張淑云等[13]通過建立摻機制砂量的自密實輕骨料混凝土碳化深度預測模型，從宏觀和微觀兩個層面探究機制砂摻量對自密實輕骨料混凝土碳化性能的影響及其變化規律。然而，以上研究忽略了混凝土在實際受荷下產生應力損傷的情況。為解決該問題，Shi等[14]利用數值模擬方法，研究了應力損傷與碳化對三相細觀混凝土碳化深度的耦合效應。Pan等[15]從微觀角度分析了初始損傷程度和外加劑摻量對噴射混凝土碳化性能的影響機理。

在以往的研究中，通常采用影響因素與碳化深度之間的隱式投影關系對碳化深度進行預測，采用的模型主要分為統計和理論兩大類[16]。但混凝土碳化的內在機制復雜，影響因素繁多，這為碳化深度的準確預測帶來了較大困難。近年來，機器學習因其出色的預測能力成為處理復雜非線性問題最佳工具之一。Liu等[17]利用混合群智能算法的人工神經網絡模型開展了再生骨料混凝土碳化深度的預測。Chen等[18]開發了一種基于加權函數的混合機器學習方法來預測混凝土碳化深度。Nunez與Nehdi[19]提出了梯度增強回歸樹模型來確定再生骨料混凝土的碳化深度，并基于713條試驗數據進行驗證，發現所提模型能準確預測不同粒徑再生骨料混凝土的碳化深度，優于現有的數學公式模型。

盡管混凝土碳化影響因素、機理和深度預測模型等研究已取得了顯著的進展，但基于碳化機理和試驗研究的平均碳化深度預測模型在實際工程中碳化深度還存在偏差，只有開展不同環境下的混凝土構件長期暴露性試驗研究才更接近工程實際。此外，針對碳化后混凝土力學性能的研究還有待進一步深入，如碳化混凝土本構關系、碳化混凝土構件和結構的力學性能等。

1.1.2 混凝土凍融破壞

混凝土的凍融破壞主要發生在嚴寒地區，其機理是混凝土孔隙水遇冷凍后體積膨脹，孔壁產生擠壓應力，待溫度升高后冰凍融化，孔壁應力隨之消失，經過多次循環作用或孔壁應力超過混凝土強度時導致混凝土開裂[20]。混凝土抗拉和抗彎強度受凍融次數較為敏感，凍融是嚴寒地區混凝土結構破壞的主要因素，特別是水工結構物。

國內外對混凝土凍融劣化機理研究開展較早，提出了多種理論，如水離析成層理論、水壓力理論、滲透壓理論，充水系數理論、臨界水飽和理論和現象學理論等。其中Powers與Helmuth[21]提出的靜水壓力理論和滲透壓力理論較為常用。Fagerlund[22]于1977年提出的混凝土臨界水飽和假說，分析了混凝土凍融機理。Gong等[23]認為滲透性決定靜水壓力，并基于孔隙力學與達西定律推導出靜水壓力公式，創立了一個綜合靜水壓力模型。

面對多種凍融劣化機理，迄今還未得到統一的認識和結論。此外，對于凍融循環作用下混凝土的動力特性和凍融多因素耦合作用下的損傷模型研究相對不足。

1.1.3 鹽類侵蝕

鹽類是影響混凝土耐久性的另一個重要因素，鹽類侵蝕主要表現為混凝土彈性模量和抗壓強度的下降。鹽類對混凝土的侵蝕分物理侵蝕和化學腐蝕兩大類。物理侵蝕是指鹽溶液結晶膨脹對混凝土產生的破壞，而化學腐蝕是水泥水化產物與鹽發生化學反應導致的破壞[24]。已有的研究表明物理侵蝕速度比化學腐蝕速度要快許多，且破壞主要集中在結構的干濕交替處。白衛峰等[25]基于統計損傷理論及宏觀試驗，分析了硫酸鹽侵蝕混凝土的演化過程，結果顯示侵蝕程度的加深顯著改變了混凝土細觀的累積損傷演化過程，最終導致混凝土宏觀力學性能呈現先“強化”后“弱化”的現象。Kliukas等[26]研究了混凝土在鹽類長期侵蝕下的力學性能，研究表明隨著鹽類侵蝕時間增長，混凝土抗壓強度和楊氏模量不斷下降。

國外對鹽類侵蝕研究較早，法國于1904年做了混凝土耐鹽侵蝕試驗，美國自上世紀20年代初開始研究不同環境下鹽類對混凝土的侵蝕，比利時在1934年開展了氯鹽對不同水泥制成的混凝土侵蝕的試驗。如今，國內外很多設計規范均逐漸考慮了鹽類環境對混凝土耐久性的影響，如我國《既有混凝土結構耐久性評定標準》（GB/T 51335-2019）中環境類別列出了“化學腐蝕環境”，腐蝕機理中強調了硫酸鹽等化學物質對混凝土腐蝕。

盡管對鹽類侵蝕的一些機理已經進行了研究，但仍有很多機理尚未完全理解。特別是在復雜鹽類侵蝕環境下，如多種鹽類共存的情況下，其相互作用和影響機制尚未充分探究。試驗方法和評價指標等方面還欠缺科學性。相較于物理結晶侵蝕，鹽溶液的化學腐蝕研究應受到更多的關注，尤其是硫酸鹽和氯鹽的腐蝕。目前，鹽類侵蝕評估方法主要基于實驗室試驗和經驗公式，缺乏全面準確的預測模型。同時，現有方法對于多種鹽類共同作用、長期鹽類侵蝕以及不同環境條件下的侵蝕效應等方面仍考慮不足，需要進一步改進和完善。

1.1.4 堿-骨料反應

堿-骨料反應是指骨料的特定成分與混凝土中的堿發生反應，進而導致混凝土膨脹開裂。堿-骨料反應因發生在混凝土內部且長期存在難以根除，故被稱為混凝土“癌癥”，至今也是國內外研究的熱點。根據骨料中活性成分的不同，既有研究把堿骨料反應大致分為3種類型：堿硅酸反應、堿碳酸鹽反應和堿硅酸鹽反應，其中以堿硅酸反應最為常見[27]。

堿硅酸反應是一種復雜的物理化學反應，研究也最為廣泛。在上世紀四十至五十年代形成了兩種理論：吸水腫脹理論和滲透壓理論。吸水腫脹理論認為導致混凝土開裂的原因是在骨料與水泥石界面上形成具有吸水腫脹的堿硅酸凝膠，而滲透壓力理論認為骨料周圍的水泥漿可作為半透膜作用，堿性氫氧化物和水可以透過其中到反應區而產生膨脹壓力。已有的研究把堿碳酸鹽反應膨脹機理大致分為間接反應機理和直接反應機理兩類。Tang等[28]利用先進的顯微鏡和能譜儀對Kingston活性巖石的微觀結構進行了詳細研究，發現膨脹與反應程度之間存在很好的相關性，這一發現加大了直接反應的可信度。由于多數碳酸鹽沒有堿活性，研究起來較復雜，各國對堿碳酸鹽反應機理說法不一，有待進一步研究。

盡管我國發生堿-骨料破壞案例相對較少，但在歐美日加等國發生過很多先例，所以不得不加以重視。基于混凝土堿骨料反應發生的條件、影響因素和對結構力學性質的影響，今后可從技術層面（抑制堿骨料反應的技術措施）、材料層面（不同材料不同環境下的堿骨料反應機理、抑制堿骨料反應的材料、骨料活性的檢測等）、力學層面（堿骨料反應或與其他損傷因素耦合對混凝土結構力學的影響）、試驗方法和損傷評估等方面進行進一步的研究。

1.2 鋼筋劣化

在鋼筋混凝土結構中，鋼筋劣化是影響結構耐久性的主要因素，也是工程實際中關注的重點問題。國內外學者就鋼筋的劣化做了大量的實地調查研究與理論試驗分析等工作，包括研究鋼筋劣化的影響因素、劣化機理、力學性能、對結構的危害以及防止劣化措施等[29-34]。綜合來看，鋼筋劣化主要體現在鋼筋的銹蝕和疲勞兩方面，其中銹蝕是主要的劣化形式。

1.2.1 鋼筋銹蝕

長期以來，鋼筋銹蝕引發的混凝土結構過早破壞問題得到廣泛關注。1980年，交通運輸部公路科學研究所對中國南方18個碼頭進行了實地調查[29]。調查結果顯示，超過80%的鋼筋混凝土結構存在鋼筋銹蝕問題，其中部分結構在建成后的5至10年內就已出現銹蝕現象。

混凝土受到碳化、氯離子、硫酸鹽等腐蝕作用，導致鋼筋表面的鈍化膜破壞，引發結構內部鋼筋銹蝕[30]。鋼筋銹蝕會消耗原有鋼筋，并形成性能差、體積大的銹脹物。根據氧化程度的不同，銹脹物的體積可達原鋼筋損失體積的2.2至6.4倍[31]。

根據銹蝕形態不同，鋼筋銹蝕可分為點狀銹蝕和均勻銹蝕。研究和實踐表明在自然環境下銹蝕以點狀形態為主，且點狀銹蝕對結構耐久性的影響要大于均勻銹蝕。過去的研究主要側重于考慮單一因素對鋼筋銹蝕的影響，其中以氯離子侵蝕導致的銹蝕研究居多[32]。此外，為了盡早獲得銹蝕結果，大部分研究選擇在實驗室中開展加速銹蝕試驗[32-33]。雖然加速銹蝕試驗大大加深了人們對鋼筋銹蝕行為的認識，但銹蝕形態主要以均勻銹蝕為主，與混凝土結構在自然環境下的銹蝕情況存在較大差異。

鋼筋銹蝕不僅會引起混凝土保護層脫落，還會導致鋼筋的屈服強度、延展性以及鋼筋與混凝土之間的粘結性能降低。銹蝕對混凝土結構的影響可分為3個階段，即裂縫萌芽階段、裂縫擴展階段和剩余壽命階段[34]。

既有研究對一般環境下的鋼筋銹蝕機理研究較成熟，對特殊環境下的鋼筋銹蝕機理研究仍處于探索階段。當前開展的鋼筋銹蝕研究，通常采用試驗方法，也有一些從理論層面進行研究。基于宏觀與微觀試驗，盧越[35]研究了碳化環境下堿礦渣混凝土中鋼筋的銹蝕機理。Zhao[36]通過試驗方法研究了碳鋼在電化學除垢工業循環冷卻水系統中的腐蝕行為及機理。針對常見破壞性試驗方法所帶來的局限性，Robuschi等[31]提出了一種先進的三維無損方法，用于分析獲取嵌入式鋼筋的銹蝕參數。農喻媚與陳正[37]基于第一性原理的密度泛函理論從微觀尺度證明了干濕交替環境中鋼筋銹蝕更加嚴重。此外，銹蝕試驗的可靠性、不同環境條件下鋼筋銹蝕機理以及多因素耦合作用下混凝土構件性能退化等問題仍需進一步研究。

1.2.2 鋼筋疲勞

鋼筋除銹蝕損傷外，鋼筋疲勞損傷也是導致橋梁性能退化的一大因素[38]。鋼筋疲勞破壞是一個損傷累積的過程，疲勞損傷不僅與作用大小有關，而且與作用頻率有關。為確保橋梁的安全性和可靠性，對其進行疲勞試驗至關重要。疲勞試驗基于疲勞劣化機理，即在交變荷載作用下，材料發生塑性變形，導致微觀結構變化并出現裂紋，隨荷載循環次數增加，裂紋逐漸擴展，最終導致材料斷裂。應力幅值與循環周次關系（S-N）曲線是對鋼筋疲勞性能進行表征的一種常用方法。通過分析S-N曲線，可以預測鋼筋在實際工作條件下的疲勞壽命，為結構設計和評估提供可靠依據[39]。

分析荷載因素對鋼筋疲勞損傷的研究相對成熟，且相關成果已形成規范。現階段的研究一般考慮荷載與其他因素耦合作用時的疲勞損傷，其中以銹蝕鋼筋疲勞損傷居多。Li等[40]采用34個銹蝕試件進行了軸向拉伸疲勞試驗，研究了光圓鋼筋在自然銹蝕下的疲勞行為。蘭成明等[41]通過將銹蝕程度作為協變量引入三參數Weibull模型，綜合考慮了疲勞壽命、應力幅和銹蝕程度，構建了一種可以定量評價銹蝕影響的鋼絞線疲勞壽命多參數的Weibull模型，該模型可為在役預應力混凝土結構疲勞性能評定提供理論依據。針對非預應力鋼筋混凝土橋梁，楊良與孫立軍[38]研究了鋼筋銹蝕與疲勞耦合損傷，并推導出鋼筋綜合損傷度的理論計算模型。

鑒于疲勞損傷影響因素眾多，目前仍未全面掌握鋼筋在多因素耦合作用下的疲勞劣化機理。另外，已有一些研究關注鋼筋疲勞壽命的可靠性評估，但仍需要更多的方法和模型來預測實際工程中的疲勞壽命，并提供可靠的評估依據。實驗室中對鋼筋加載大都是在短時間內完成，這與實際不符。由于成本和時間的限制，目前鋼筋疲勞長期現場數據相對較少，這限制了對疲勞性能的深入理解。最后，針對一些惡劣環境或極端環境下的鋼筋疲勞研究仍然相對較少，這些不足之處需要通過更深入的研究來填補。

2 材料力學性能退化模型

混凝土材料力學性能退化模型是基于劣化機理、實驗數據、經驗公式和統計方法等建立的計算模型，用于描述材料在使用過程中力學性能退化的規律和趨勢。橋梁服役性能退化從層次組成上可分為材料力學性能退化、構件力學性能退化和結構力學性能退化，基于不同層級，許多既有文獻提出了相應的研究模型。性能退化模型可分為確定性模型、隨機模型和模糊模型，其中隨機模型考慮隨機變量的時間因素形成隨機過程，基于隨機過程理論的時變可靠度理論較貼合實際。從方法上看可分為理論模型和試驗模型，其中理論模型又包含數值分析模型和基于機器學習模型等。這些模型在描述和分析橋梁性能退化時各有優缺點且并非孤立存在，可相互補充和交叉應用。研究表明鋼筋混凝土橋梁材料力學性能退化的主要因素包括鋼筋銹蝕、預應力筋預應力損失、混凝土強度減小和鋼筋與混凝土之間的黏結下降等[42]。

2.1 銹蝕鋼筋力學性能退化模型

銹蝕鋼筋力學性能退化研究體現在多個方面，主要有銹蝕鋼筋的本構關系、銹蝕量與銹脹時間以及混凝土銹脹開裂等。

2.1.1 本構關系模型

本構關系反映了材料受到外部載荷時應力應變響應，研究銹蝕鋼筋的本構關系可預測鋼筋在腐蝕環境中的力學性能，從而評估腐蝕環境中結構的安全性，為結構的維修和加固提供指導。銹蝕對鋼筋的力學性能影響主要體現在銹蝕率較高（5%以上）且呈不均勻銹蝕時，鋼筋屈服強度、抗拉強度和極限伸長率會下降[3]。

銹蝕鋼筋的本構關系可用力學模型表示。張偉平等[43]在已有銹蝕鋼筋力學性能數據庫的基礎上得到了銹蝕鋼筋平均截面積與最小截面積之比服從Gumbel極值分布，并據此建立了銹蝕鋼筋的確定性本構關系。Yu[44]等對68根鋼絞線進行了人工銹蝕和單調拉伸試驗，建立了銹蝕預應力筋本構關系的雙線性模型。Li等[45]在假設銹蝕對鋼筋的影響只導致鋼筋截面面積的局部減小的基礎上，建立了銹蝕鋼筋力學性能的理論本構模型，并利用雙線性彈塑性本構方程，推導出考慮點蝕特性的銹蝕鋼筋的廣義等效應力—應變方程。

本構關系的建立通常采取一些假設（如忽略材料非線性特性與溫度效應，人工腐蝕等同自然腐蝕等），這些假設導致模型在某些條件下預測結果不準確。

2.1.2 銹蝕量與銹脹時間預測模型

銹蝕量與銹脹時間對于評估結構安全，規劃維護以延長結構使用壽命，有效管理橋梁及推動材料研發與改進具有重要意義。Zhang等[46]回顧了既有的鋼筋銹蝕模型，提出了鋼筋橫截面積臨界損失率的預測模型，并結合平衡方程、協調方程和邊界條件，通過迭代計算確定了鋼筋截面積的臨界損失率。過民龍等[47]利用全卷積神經網絡提出了一種銹蝕鋼筋截面的檢測方法。王磊與張建仁[48]采用模糊時變概率模型，分析了鋼筋截面面積在不同時刻的退化特征。Salami等[49]基于機器學習模型研究了嵌入式自密實混凝土鋼筋銹蝕的起始估計時間。

既有銹蝕量和銹脹時間的預測主要有物理模型、數學模型和機器學習模型等，這些模型在各自的適用條件下能作出正確預測，但同時也存在不足。如物理模型中基于氧氣擴散控制機理的假設可能與實際情況不符，導致在某些條件下預測結果不準；數學模型中平衡方程、協調方程、邊界條件、迭代計算和時變概率等需要較多參數，而這些參數的獲取可能存在一定困難，準確性也得不到保證。機器學習模型需要大量的樣本數據，且樣本數據的準確性和規模會影響預測結果。

2.1.3 混凝土銹脹開裂模型

混凝土銹脹開裂是結構壽命衰減的主要因素之一，通過研究銹脹開裂模型可以評估預測結構在壽命期內裂縫擴展情況，并制定有效的維護和加固策略，以提高結構可靠性和安全性。許多學者研究了鋼筋銹蝕對裂縫擴展的影響，并提出了相應的模型。Zhang等[50]考慮相鄰縱向鋼筋非均勻銹蝕對混凝土保護層開裂的影響，建立了用于研究混凝土保護層破壞行為的損傷模型，并通過模型模擬了相鄰兩根縱向鋼筋的保護層裂縫擴展過程。Chauhan與Sharma[51]考慮到環境溫度和相對濕度的變化，將銹蝕產物的發展模擬為鋼筋的徑向膨脹，研究了混凝土在氯化物非均勻腐蝕下的劣化，建立了內嵌黏聚單元的有限元模型，并利用該模型預測了在熱帶海洋型和溫帶海洋型兩種不同氣候條件下混凝土的裂縫擴展形態。Fang等[52]研究了非均勻銹蝕導致混凝土保護層開裂問題，并開發了二維相場模型，建立了隨時間變化的非均勻銹蝕模型。Chen與Nepal[53]研究了銹蝕鋼筋臨界攻擊深度和混凝土保護層與鋼筋直徑比的關系以及不同混凝土保護層厚度構件的裂縫寬度隨銹蝕水平的變化規律，結果如圖2所示。從圖中可知，裂縫寬度與銹蝕程度大致呈正相關，并且保護層厚度越小，開裂越早、裂縫寬度增長越快。

目前，銹脹開裂模型主要以數學模型為主。在大多數預測模型中，通常假定各種鐵銹占比是恒定的。然而，鐵銹的成分會受到不同環境條件和銹蝕機制的影響而發生變化。因此，使用固定的比例來模擬不同場景的銹蝕產物膨脹是不適合的。另外，在鋼筋非均勻銹蝕的情況下，還需進一步考慮銹蝕產物在周圍混凝土中的分散以及二次和三次裂縫對氯離子進入混凝土的影響。最后，鋼筋銹蝕存在較大的隨機性，因此有必要開展銹蝕的隨機分布對鋼筋和混凝土力學性能退化的研究。

綜上所述，研究銹蝕鋼筋力學性能退化主要有數學模型，物理模型和機器學習模型等。各種模型都有優缺點。數學模型和物理模型計算精確度高，但是由于考慮因素不全面且很多參數很難確定，使計算結果與實際數據均有較大出入。機器學習模型基于已有的樣本數據進行訓練，按照學習算法來對結果進行預測；其優點是基于真實的樣本值，缺點是需要大量的訓練集，且預測結果可能存在一定的誤差。表1列出了具有代表性的銹蝕鋼筋性能退化模型。

2.2 預應力損失退化模型

預應力混凝土預應力筋（如高強度鋼筋、鋼絲或鋼絞線）在長期服役下將產生預應力損失，影響因素包括材料特性（如混凝土收縮與徐變，鋼筋松弛、銹蝕與疲勞等）、外部環境（如溫度、濕度、荷載與化學腐蝕物等）和施工工藝（如張拉方法與張拉控制應力等）等。

材料特性方面，Yang等[54]提出了一種基于混凝土收縮徐變、預應力筋松弛、非預應力鋼筋存在以及預應力筋和非預應力筋銹蝕耦合效應的長期預應力損失預測模型，并介紹了考慮計算參數和模型不確定性的預應力長期損失概率分析方法。Nguyen[55]提出了一種實現預應力損失實時監測的深度學習回歸方法，用于預應力定量監測，并自動提取損傷敏感特征。Yang等[56]提出了考慮混凝土收縮、徐變及預應力筋松弛相互影響的時變預應力損失預測方法。外部環境方面，崔寧[57]研究了降溫回溫過程中由鋼絞線和混凝土線膨脹系數差異引起的預應力變化。Lou等[58]考慮了熱膨脹、力學性能退化和鋼絞線高溫蠕變的影響，建立了鋼絞線在高溫下預應力損失的分析模型。Jeanneret等[59]對混凝土高溫暴露進行了檢驗，研究了火災后暴露時間對預應力鋼筋強度的影響。施工工藝方面，Shen等[60]根據上海輸水工程現場試驗監測結果和數據調查，對鋼絲在頂推施工過程中的應力進行了分析，建立了頂推預應力混凝土筒管的數值模型，并通過現場試驗數據進行了驗證。

預應力損失模型研究涉及多個方面，并取得了一定的成果。但預應力損失涉及因素多，隨機性大，因此有必要開展在多因素隨機作用下的預應力損失研究，并結合實際工程案例進行驗證。

2.3 混凝土力學性能退化模型

混凝土受內外環境的影響會發生力學性能退化，主要表現為混凝土的彈性模量下降、本構關系變化與強度降低等。

2.3.1 本構關系模型

混凝土力學性能退化后的本構關系模型指考慮混凝土力學性能退化因素，研究其對應力—應變行為的影響，是橋梁混凝土構件或結構損傷分析的基礎。這些模型可以基于試驗數據與觀測數據，將混凝土的力學性能退化因素在本構關系中加以考慮，通過數學公式和參數來描述混凝土的退化行為。常見的混凝土材料劣化因素包括齡期效應、收縮、徐變、蠕變、疲勞與化學侵蝕等。這些因素會導致混凝土的強度、剛度和耐久性等發生退化。

混凝土本構關系可以通過試驗分析和理論推導來獲得。于沛琳[61]通過試驗對比分析了普通混凝土與硅灰混凝土抗硫酸鹽侵蝕性能和能量演化規律，并基于Weibull統計損傷力學理論建立了損傷本構模型。Yang等[62]基于應變等效假設和改進的Loland損傷理論，建立了單軸壓縮損傷本構模型，并研究了凍融循環后箍筋約束再生骨料混凝土的單軸壓縮性能，分析了損傷變量的演化規律。針對單軸壓縮可能與實際受力不相符的問題，白衛峰等[25]基于統計損傷理論及宏觀試驗，建立了考慮硫酸鹽侵蝕影響的混凝土單軸、雙軸壓縮統計損傷本構模型，并分析了硫酸鹽侵蝕混凝土過程。Bai等[63]對多固體廢料混凝土進行三軸應力下的力學性能試驗，建立了三軸應力下的破壞準則和本構壓縮關系。以上研究大多考慮了單一因素的影響，沒有考慮多因素的侵蝕。Jaafari等[64]提出了基于本構法的多纖維有限元模型，來描述由收縮、蠕變、熱應變和機械應變引起的早期損傷。Shang等[65]研究了焚燒尾礦摻量和中間應變速率對次輕混凝土性能的影響，提出了適用性較好的次輕混凝土動力本構方程，并成功應用于數值計算。

隨著有限元理論和計算機技術的發展，以有限元模型為代表的數值分析模型逐漸成為混凝土本構關系研究的重要方向。有限元模型可以更準確地模擬混凝土在多尺度、多物理場耦合和不同加載條件下的力學行為和損傷演化過程。除力學模型和數值分析模型外，近年來還出現了基于統計學和機器學習的模型，如基于人工神經網絡、支持向量機和深度學習等預測模型。這些模型可以根據實驗數據和監測數據進行參數校準，從而更準確地預測混凝土的力學性能退化和損傷演化過程。

2.3.2 強度時變模型

在實際工程中，混凝土的強度往往不是恒定的，會隨著時間的推移而發生變化。強度時變模型是一種描述混凝土強度隨時間變化的模型，可預測材料在不同時間點或加載階段的強度變化。這些模型通常基于實驗數據和理論分析，考慮了材料的老化、變形和損傷等因素。牛荻濤與王慶霖[66]在總結國內外暴露試驗和實測結果的基礎上，分析了一般大氣環境下混凝土強度的時變規律，利用統計方法建立了強度平均值和標準差的時變數學模型。高向玲等[67]基于實測數據，采用假設檢驗及參數估計方法得到混凝土時變強度的概率分布函數，確立了上海地區民用建筑混凝土樣本的強度均值和標準差與齡期的變化關系，建立了由回彈法和鉆芯法測得的混凝土強度時變模型。為研究凍融環境作用下混凝土的時變強度，楊松等[68]對中國東北部嚴寒地區在役鋼筋混凝土結構混凝土抗壓強度進行現場實測，采用非參數檢驗確定混凝土時變強度概率分布函數，并通過對相關參數與服役齡期之間的關系進行了回歸分析。Fu與Feng[69]開發了一種基于機器學習的方法來預測銹蝕鋼筋混凝土梁在不同使用時間的剩余抗剪強度，提出的時間相關預測模型能夠預測任意給定使用時間下銹蝕鋼筋混凝土梁的抗剪強度。

實測數據的統計模型具有較高的可信度，但實測數據的獲取條件較苛刻。因此，目前研究混凝土強度時變方法主要還是基于實驗數據和理論分析為主。由于客觀條件的限制，無論是環境還是服役時間在實驗室均無法精確模擬。

2.4 鋼筋與混凝土之間的粘結強度退化模型

鋼筋與混凝土之間的牢固粘結是保證二者共同工作的前提。當粘結不足時會導致結構承載力和剛度下降，直接影響鋼筋混凝土結構的使用性能[70]。因此研究混凝土與鋼筋之間的粘結性能對保障結構安全和耐久性具有重要的意義。在役鋼筋混凝土結構粘結強度退化受到多種因素的影響，如鋼筋銹蝕、環境侵蝕、混凝土強度下降和混凝土開裂等都會降低其粘結性能。

研究人員對鋼筋與混凝土之間粘結力學性能退化進行了大量研究。其中，考慮銹蝕對其影響的居多。Chen與Nepal[53]在厚壁圓筒模型的基礎上，結合混凝土的實際力學性能，提出了一種預測銹蝕鋼筋極限粘結強度演變的力學模型，利用該模型預測了有無箍筋約束時極限粘結強度隨銹蝕率變化的曲線，并與已有的試驗結果進行了對比，相關結果如圖3（a）所示；從圖可知，配有箍筋的構件粘結強度明顯高于未配箍筋的構件，粘結強度在鋼筋銹蝕率較小時保持上升趨勢，隨后迅速下降，最后保持一個緩慢的下降趨勢。

為了研究銹蝕率、裂縫寬度和粘結強度之間的關系，Tahershamsi等[71]利用暴露在自然腐蝕環境中的13根鋼筋混凝土梁進行了錨固能力測試，并通過質量損失率和三維掃描兩種方法測量其銹蝕水平。Kivell[72]研究了鋼筋銹蝕率為0至25%時對粘結性能的影響，并利用試驗結果建立了依賴于腐蝕和約束的粘結滑移模型。為了定性和定量的研究銹蝕程度對鋼筋混凝土板構件粘結強度和展開長度的影響，Kearsley與Joyce[73]開展了銹蝕混凝土板的彎曲試驗。Bhargava等[74]根據已有的拉拔試驗和彎曲試驗研究數據統計，歸納得出了鋼筋銹蝕對粘結強度影響的數學模型。除銹蝕率外，混凝土裂縫寬度也是評估粘結強度的理想指標，Chen等[75]在研究銹蝕鋼筋混凝土環形截面柱的剩余承載能力時推導了歸一化殘余粘結強度與混凝土保護層表面等效裂紋寬度的關系曲線，并與已有試驗數據進行了比較，結果見圖3（b）；由圖可知，鋼筋粘結強度在開裂初期下降迅速，在開裂后期下降緩慢，當裂縫寬度較大時，由于箍筋的約束，鋼筋的粘結強度能維持在一個較小的值。

針對其他混凝土材料，Wu等[76]對5種復合石灰石鋼筋混凝土在硫酸鹽凍融環境下進行了粘結性能退化試驗研究，結果表明石灰石粉和粉煤灰降低了極限黏結強度，增大了劈裂破壞的滑移峰值。Gong等[77]通過試驗研究了碳纖維增強聚合物與銹蝕開裂鋼筋混凝土界面的粘結性能。Wang等[78]基于分層網絡技術，利用有限元模型對鋼筋混凝土粘結界面損傷過程進行了多尺度分析。

目前，鋼筋的粘結退化模型大都是基于試驗模型，而基于數據驅動模型與基于有限元模型分析的較少。銹蝕對鋼筋粘結退化方面，主要考慮主筋銹蝕的居多，考慮箍筋銹蝕的較少。粘結試驗方法主要以中心拉拔試驗為主，其次為梁彎試驗，梁端式試驗較少。由于粘結問題的特殊性，當前大部分粘結試驗方法都不能充分地反映實際構件中的粘結狀態，每一種試驗方法都有自身的優缺點，獲得理想的粘結試驗方法仍然是一個值得探索的課題。另外，目前的研究大都局限于分析混凝土材料、環境影響、鋼筋銹蝕率、箍筋間距、保護層厚度和疲勞等因素下對粘結強度關系的影響，而缺乏對鋼筋在銹蝕率接近的情況下，鋼筋直徑、類型和位置對粘結性能的對比研究。

3 鋼筋混凝土結構力學性能退化模型

鋼筋混凝土結構力學性能退化規律是實現結構科學運維的關鍵。結構力學性能退化不僅受服役環境的影響，還受材料力學性能的影響。如鋼筋銹蝕對結構力學性能的影響見圖4。鋼筋混凝土結構力學性能退化可分為銹蝕鋼筋引起的退化模型、結構預應力筋損傷退化模型和結構疲勞損傷退化模型。

3.1 銹蝕鋼筋引起的退化

銹蝕鋼筋混凝土結構力學性能退化的研究近年來越來越得到重視。既有研究考慮了單因素或多因素耦合作用，采用試驗研究、理論分析以及數值模擬等方法，針對不同構件開展了銹蝕鋼筋混凝土結構的殘余力學性能評估。研究對象以混凝土梁為主，其次是豎向承重的混凝土柱構件，針對鋼筋混凝土板、剪力墻、基礎等構件的研究較少。根據不同的研究對象，提出了針對性的結構力學性能退化模型。

在銹蝕鋼筋混凝土梁方面，鋼筋銹蝕主要在減小鋼筋截面積，引發混凝土開裂、剝落，以及降低鋼筋與混凝土之間的粘結強度等三個方面影響混凝土梁的承載能力。Chen[79]基于鋼筋銹蝕引起的鋼筋截面損失、屈服強度降低和粘結強度退化，提出了一種評估鋼筋銹蝕引起的混凝土裂縫擴展和結構抗力退化的方法，通過該方法預測了銹蝕混凝土梁在服役期間結構性能的演化，并估算了其剩余使用壽命。彭建新等[80]基于試驗研究了“銹蝕－加固－銹蝕”鋼筋混凝土梁的力學行為及承載力，發現銹蝕梁和銹蝕鋼板加固梁的跨中截面應變基本符合平截面假定，但銹蝕加固再銹蝕梁不符合此假定。Jiang等[81]基于不同的失效模式建立了銹蝕鋼筋混凝土梁的承載力計算模型，通過96組未銹蝕梁以及421組銹蝕梁的試驗結果對比，驗證了所提方法的有效性。

對于豎向承重的混凝土柱構件，其性能退化對結構整體的安全性與可靠性有較大影響。相較于混凝土梁，鋼筋的銹蝕和混凝土的開裂與剝落還將引起柱內縱向鋼筋的屈曲。Wang與Liang[82]通過開展試驗與理論研究，分析了局部粘結失效對鋼筋混凝土柱承載力的影響。Zaghian等[83]提出了基于狀態的銹蝕模型，通過有限元分析研究銹蝕對偏心荷載作用下橋墩的極限承載力、剛度和延性的不利影響，生成不同銹蝕程度的橋墩相互作用圖，并引入新的安全裕度。基于對銹蝕引起的材料損傷以及結構強度退化機理的分析，并考慮銹蝕程度、損傷位置、受力狀態以及截面形式對鋼筋混凝土柱構件力學性能的影響，Chen等[84-85]建立了銹蝕鋼筋混凝土柱承載力理論與計算模型，并進一步預測了銹蝕柱的殘余壽命。金瀏等[86]將混凝土看作三相復合材料，考慮銹蝕對鋼筋、混凝土保護層和粘結強度退化等因素，建立了三維細觀精細化有限元模型，分析了銹蝕率和偏心率對鋼筋混凝土柱力學性能的影響。

在銹蝕率低的情況下，受彎梁截面和小偏心柱截面平均應變分布基本上符合平截面假定。鋼筋銹蝕率增大時，構件逐漸向無粘結構件轉變且破壞模式逐漸轉變為脆性破壞。由于構件性能退化的影響因素較多，單純從理論上或通過試驗建立一個統一的數學模型難以實現。目前，對銹蝕鋼筋混凝土構件斜截面抗剪的理論成果較少，有待進一步研究。

3.2 結構預應力筋損傷

預應力筋損傷對結構的安全性和耐久性危害極大，預應力筋損傷包括預應力損失和預應力筋銹蝕，而鋼筋銹蝕前面已詳細討論。預應力損失會導致橋梁的承載力降低，從而增加橋梁的失效與倒塌風險。此外，預應力損失會引起結構的過度變形，導致橋梁出現裂縫，進而影響其耐久性等。

預應力損失對結構力學性能的影響已有大量的研究。Breccolotti[87]基于材料非線性、預應力損失以及超靜定結構中梁段應力重分布，提出了預應力損失對連續預應力混凝土橋梁振動頻率影響的數值計算方法。曹大富等[88]對預應力混凝土梁通過快速凍融試驗方法獲得材料受壓應力—應變曲線，再根據等效應力圖創建了凍融后預應力混凝土梁極限承載力的計算模型。宋佳杰[89]以廣東省佛山市華陽特大橋為例，運用有限元模擬軟件計算出連續梁橋在懸臂施工期間和成橋后的預應力損失對線形的影響。

對預應力損失性能退化模型的研究主要采用數值仿真、試驗研究或二者相結合的方法。然而，不論是使用數值仿真還是試驗研究得出的結論，與實際情況都存在差距。這種差距主要是因為預應力混凝土結構的影響因素較多。目前，預應力損失與剛度下降和裂縫開展等關鍵理論仍需深入研究。

3.3 結構疲勞損傷

混凝土橋梁在長期服役過程中，經常受到交通重載（超載貨車，貨運火車等）、溫度應力、地震與風振等作用，這將會加速橋梁的疲勞損傷，降低其力學性能，增加安全風險，甚至引發嚴重的安全事故[95-96]。因此，對混凝土橋梁結構疲勞損傷的研究具有重要意義。

Gao等[90]通過引入混凝土細觀隨機疲勞損傷本構模型，并結合基于隨機調和函數的交通荷載模擬方法，構建了隨機交通荷載下混凝土橋梁疲勞損傷估計的理論框架。Aloisio等[91]基于混凝土疲勞模型和混凝土強度相關的不確定性，提出了評估混凝土鐵路橋梁疲勞壽命的概率方法。Yu等[92]針對橋梁交通應力時程不存在明確的循環歷史問題，通過推導裂紋擴展動力學函數，提出了基于時間的疲勞裂紋擴展模型，并用于預測交通荷載作用下橋梁的疲勞損傷。

然而，目前對橋梁疲勞損傷研究大部分集中在構件層面，部件和整體層面研究較少。另外，由于進行足尺試驗難，大部分試驗是按縮小比例進行，有些也輔以有限元模擬來進行研究。隨著大數據、移動通信和人工智能時代的到來，對結構疲勞損傷的研究不僅可以考慮參數的隨機性，還可以考慮參數的時變性，結構健康監測技術對橋梁進行實時數據采集為其提供了可能。另一方面，如今機器學習越發強大，在試驗數據量足夠的前提下，可考慮利用神經網絡分析多因素耦合作用下橋梁疲勞性能的影響。最后，我國對公路和城市道路橋梁還未制定疲勞設計所需的車輛荷載譜，對在役橋梁實際荷載作用下的疲勞還有待進一步研究，混凝土橋涵設計規范對疲勞的要求也有待補充。

3.4 性能退化模型

混凝土橋梁結構力學性能退化模型可分為確定性模型、模糊模型與隨機模型等，如圖5所示。確定性模型的優點是預測簡單，計算精度高；缺點是忽略了不確定性因素后與實際性能退化有較大偏差。模糊模型考慮了信息不全面和參數模糊性的客觀存在，在靈活性和可解釋性方面具有一定的優勢。隨機模型包括基于狀態的模型和基于時間的模型。

基于狀態的退化模型有馬爾科夫鏈模型，優點是提供了一個不確定性建模的方法，與現有的橋梁狀態評定兼容，在橋梁網絡層面非常實用；缺點是條件狀態之間的過渡平穩均勻，增量與時間無關。基于時間的退化模型一般是把處于特定條件狀態的持續時間作為一個隨機變量，如韋布爾分布、伽馬分布、半馬爾可夫模型等概率分布來描述退化過程。此模型的優點是考慮了與時間相關參數的隨機性，缺點是忽略了與結構可靠度相關的不同元素之間的相互作用，而且參數估計復雜，特別是在缺乏條件實測數據的情況下。表2列舉了幾種重要的隨機退化模型。

有限元模型可以用于快速分析橋梁性能退化趨勢，但是需要基于某些假設進行建模，這些假設可能與實際情況存在較大的差距，導致模型與實際情況不符。物理模型對于構件和材料層性能退化分析較具可靠性，但對于結構和網絡層成本代價高，并且這些模型不太好直接集成到網絡橋梁中。人工智能模型可以在一定程度上填補橋梁不定期檢查造成的性能評估與預測的空白，但預測精度還需要進一步研究[93]。

4 橋梁服役性能評估

橋梁服役性能評估方法主要有兩類，即數據驅動的服役狀態評定方法與物理模型驅動的結構性能評估方法。數據驅動的服役狀態評定方法是利用既有橋梁的歷史檢查數據，對橋梁的服役狀態進行評定，包括技術狀態評定和適應性評定（如承載能力、通行能力、抗災害能力和耐久性等），但目前主要以技術狀態評定為主。物理模型驅動的結構性能評估方法主要是利用結構可靠度理論，對既有橋梁的結構性能進行定量評估。

4.1 技術狀態評定方法

目前許多國家根據自身實際制定了相關的橋梁技術狀態評定標準，大部分標準是在層次分析法理論的基礎上進行相應的改進編制而成。層次分析法是多指標綜合評價的一種定量方法，能把定性因素定量化，并能在一定程度上減少主觀因素的影響，使評價更加合理。但該方法把定性因素定量化時沒有考慮到事物的模糊性和不確定性，此外檢查人員在檢查時具有主觀判斷和不精確性。針對此問題，Sasmal與Ramanjaneyulu[94]提出了一種層次分析方法和模糊法相結合的技術狀態評定方法，并開發了一個計算機程序以方便快速評定。陽逸鳴[95]基于改進的證據理論和模糊層次分析法提出了一種與實際較為接近的綜合評定方法，該方法能解決模糊數學在評估存在較大差異指標時可能會失效的問題。劉來君等[96]把貝葉斯方法引入層次分析法中，提出一種基于改進貝葉斯理論的橋梁狀態評估方法，以此來考慮構件的時變效應。

橋梁技術狀況評定主要是為橋梁養護決策提供依據，在對橋梁進行評定時，應根據本國橋梁實際情況，同時借鑒國外相關方法，采用更加先進的理論制定更符合實際的新技術評定方法。

4.2 可靠度理論評估方法

橋梁服役性能的可靠度評估可為橋梁安全預警與維修養護提供科學指導。因此，一直以來在役橋梁的可靠度分析都是研究的熱點。目前，在役橋梁結構可靠度分析涵蓋了時變可靠度、時空可靠度、非概率可靠度和多尺度可靠度等多個方面，但以時變可靠度為主。

時變可靠度評估方面。Chen等[84]研究了鋼筋銹蝕對鋼筋特性、開裂后混凝土性質，以及鋼筋與混凝土之間的粘結強度的影響規律，提出了銹蝕鋼筋混凝土柱的時變殘余承載力的評價方法。陳夢成等[97]基于抗力和荷載相互獨立的隨機過程退化，使用條件概率嚴格得到了失效概率計算表達式，并以此分析某T型梁橋服役20年的抗力衰減規律。陳龍與黃天立[98]采用逆高斯隨機過程描述了在役鋼筋混凝土橋梁的抗力退化過程，同時采用復合泊松過程描述車輛荷載效應，建立了基于抗力－車輛荷載效應的雙隨機過程在役鋼筋混凝土橋梁時變可靠度分析方法。Zhou等[99]通過模擬隨機車輛荷載，考慮混凝土收縮徐變，提出了一種計算簡支預應力混凝土梁橋時變可靠度的方法。以上研究中都把抗力的概率分布類型假定為對數正態分布，但當考慮時隔較遠的抗力時，其概率分布類型是否依然服從對數正態分布，即是否依然服從Lindeberg定理需要進一步分析和統計確定。

其他可靠度評估方面。Aryai等[100]考慮銹蝕深度的空間變異性，基于隨機場理論建立了鑄鐵表面銹蝕時空可靠性模型，并對鑄鐵水管道的結構完整性進行了評估。但該模型是基于均勻的高斯隨機場，沒有考慮非均勻的情況。Nguyen與Le[101]提出了對稱三角模糊數的等價正態隨機變量的公式，并將這些等效隨機問題轉化為結構的基本可靠度問題，從而建立利用經典可靠度理論計算結構模糊可靠度的新方法。Wang等[102]介紹了一種基于可靠度的非概率可靠性結構優化方法，建立了基于面積比和可信特征距離的可靠性指標，提出了可信序列優化策略。Zhou等[103]提出了一種基于單位可靠度和相關理論的方法，能夠在系統全生命周期內，以最少的投入評估出系統最合理的可靠度。這種方法被稱為系統可靠性綠色評估方法，為多尺度可靠度評估提供了全新的思路。由于正常使用極限狀態在工程中難以確定，因此在評價正常使用極限狀態可靠度時可考慮采用模糊可靠度來分析。非概率可靠度的不足主要體現在數據獲取和處理困難、考慮因素的不全面性以及缺乏統一的計算方法和標準。概率體系和非概率體系的度量方法具有一定的內在聯系，在分析初期信息量不足時可采用非概率體系，隨著信息的積累可以在原分析結果的基礎上進行概率體系下的可靠度分析或重新進行嚴密的概率可靠度分析。多尺度可靠度作為一種全新的可靠度評價方法，在橋梁可靠度研究中目前還應用較少，但隨著相關理論和技術的不斷發展，在橋梁可靠度評估中將會越來越受到重視。

橋梁性能評估除了以上方法之外，還有特爾斐專家評估法、專家系統法、灰色關聯度法和結構反演法等。采用何種方法進行評估應該根據實際情況考慮，如采用標準化的技術狀況評定法適合橋梁群，采用可靠度評估方法主要是針對單座橋梁的構件或部件進行評估。

如今隨著智能傳感、移動通信、云計算和人工智能的飛速發展，可考慮構建基于橋梁智慧監測理論的數字孿生系統。采用智能傳感技術對數據進行采集，5G通信技術進行數據傳輸，神經網絡算法對多源數據進行清洗、降噪、篩選和融合，云計算對橋梁進行有限元建模分析；從而達到虛實結合，實現對橋梁的多尺度、全方位的實時動態性能評估。國內有部分學者正在進行此方面的研究，如許肇峰等[104]建立了以實測交通流荷載為連接的橋梁數字孿生系統，用于評估在役斜拉橋結構的健康狀態。Dan等[105]開發了機器視覺與動態稱重系統相融合的全橋面交通荷載監測技術，并將其初步應用于上海附近的一個橋梁群的數字孿生系統中。

5 剩余使用壽命預測

隨著橋梁數量的不斷增加以及交通運輸量的持續增長，越來越多的橋梁出現服役性能退化現象。因此，合理預測橋梁的剩余使用壽命，并在適當的時間進行保養和維護，成為橋梁安全高效運行的關鍵。這不僅能夠節約大量資源和資金，還能有效避免因橋梁結構性能缺損引發交通事故。

5.1 預測方法類型

橋梁壽命預測方法大致可以分為經驗法、類比法、加速試驗法、人工智能法、物理模型法和概率分析法等[3，106]。經驗法是基于專家已有經驗進行估計的方法，其結果的可信度與專家的經驗和水平直接相關，具有較強的主觀性，經驗法可用于初步估計，但在面對新情況和新環境時可能不具備可行性。類比法是根據在相似環境中已安全使用若干年的相似結構來推斷目標結構的使用壽命，它可以用于定性的初步判斷。然而，實際上具有相似環境的相似結構并不多，所以類比法通常作為經驗法的輔助手段。加速試驗法是基于實驗室材料快速退化與實際結構材料退化的關系來計算結構的壽命。該方法一方面需要一定的試驗條件，另一方面由于加速退化與實際退化的關系尚未完全了解，導致預測結果可能存在一定的誤差。人工智能法基于機器學習原理，利用現有數據進行算法編程訓練，從而對后期結果進行預測。其中，人工神經網絡法是人工智能法中較為常見的一種方法。物理模型法是在基于材料性能退化規律的基礎上建立的退化模型。它具有較強的科學性和邏輯性，在混凝土和鋼筋劣化規律認識不斷深入的情況下，物理模型法被廣泛應用。概率分析法根據是否考慮時間可分為數理統計法和可靠度法。數理統計法的精度取決于樣本空間的大小，結果具有普遍性，不適合針對具體結構進行預測，常用的有回歸分析法和馬爾可夫法。可靠度法是在物理模型的基礎上考慮時間因素而形成的方法，是評估結構使用壽命的理想方法，也是當前研究的熱點。

5.2 典型的預測方法

回歸分析預測法。回歸分析法預測是基于歷史檢測的實際橋梁技術狀態數據，通過建立技術狀態與時間的函數關系模型，來預測未來橋梁技術狀態的一種方法。當涉及多參數的非線性擬合時，常采用最小二乘法[107]。該方法要求數據真實、樣本容量足夠且變量之間存在相關關系，另外，對預測值要進行綜合分析和評估才能考慮是否采用。

馬爾可夫預測法。馬爾科夫過程是一種基于狀態的隨機方法，該方法假設狀態上的無記憶性和時間上的平穩增量，在預測橋梁壽命方面具有計算簡單的優勢。鑒于無記憶性的假設與實際不符，Fang與Sun[108]提出了一種基于威布爾分布的城市橋梁退化預測的半馬爾可夫過程模型，對城市橋梁的使用壽命、橋面系統和子結構的轉移概率以及未來退化引起的狀態等級比例變化進行了預測，結果表明半馬爾可夫模型在網絡級的整體預測精度優于回歸分析方法。Chen與Mehrabani[109]利用半馬爾可夫隨機過程模擬了土海堤結構抗力（堤頂水位損失和土體滲流長度減少）的退化情況。由上可知馬爾可夫模型提供了一個解釋不確定性的框架，與現有的定性離散橋梁狀態評級系統兼容，在網絡層面非常實用，但破壞狀態是基于橋梁系統的定性條件評級，與可測量的物理量無關，具有較強的主觀性。

人工神經網絡預測法。神經網絡在橋梁壽命預測中應用較廣的是BP神經網絡，通過既有的樣本檢測數據對神經網絡進行反復學習、訓練和測試，用復雜的非線性函數去模擬退化，尋找最優解以獲得所需要的參數來實現對橋梁壽命的預測[110]。徐鳳月等[111]通過BP神經網絡模型，采用附加動量法和自適應調整法對某混凝土橋梁剩余使用壽命進行了預測。Srikanth與Arockiasamy[93]針對佛羅里達州的三座鋼筋混凝土橋橋面，利用神經網絡預測缺失年份的狀況評級，并對其壽命進行預測。盡管神經網絡應用較廣，但該方法需要建立在一定數量的樣本上，且學習訓練時容易出現不收斂或收斂速度慢等問題，因此還有待于研究和改善。

可靠度預測法。由于橋梁的壽命與時間有關，因此通常利用時變可靠度來預測橋梁的壽命。其中，基于時變的“抗力-效應”物理模型是一種常用的方法，用于求解臨界可靠度指標。剩余壽命可以通過臨界可靠度指標所對應的時間與當前時間之差來計算。計算臨界指標有解析解和近似解，由于解析解難以計算，因此工程中一般采用近似解，如驗算點法、中心點法和蒙特卡洛模擬法。李杰等[112]基于抗力衰減和可靠度理論，考慮混凝土碳化、鋼筋銹蝕、預應力損失和荷載效應等因素，以臨界可靠指標的形式建立預應力混凝土橋使用壽命預測方法。郭冬梅[113]利用驗算點法對某橋梁的相關構件時變可靠度進行了計算，并進行了壽命預測。Chen[79]基于混凝土開裂演化和抗彎能力退化的伽馬隨機過程，提出了銹蝕損傷鋼筋混凝土梁的剩余抗彎承載能力評估方法，并以此預測其剩余使用壽命，結果如圖6所示。從圖可知，荷載大小與粘結效應對梁的剩余使用壽命影響很大。可靠度預測法適用于單座橋梁分析，具有較強的邏輯解釋性。但退化模型在數據需求和建模方面代價較高，因此對于大型橋梁來說效率相對較低。

除以上幾種典型的預測方法外，還有其他預測方法，如灰色理論預測方法與威布爾分布預測方法等。由于橋齡壽命影響因素多且有些過于復雜，難以進行精準的預測，因此更需深入研究。

6 預防性維護策略制定

橋梁結構力學性能發生退化后，需要及時進行養護維修，以有效降低退化速度，提高在役橋梁服役性能水平，延長結構使用壽命。對于如何養護維修，需要考慮最佳時間，過早會造成資源浪費，過晚又達不到效果。

養護工程根據養護目的和養護對象，可分為日常養護、預防養護、修復養護、專項養護和應急養護。根據養護時間點不同，橋梁養護又可分為矯正性養護和預防性養護[114]。相比矯正性養護，預防性養護在于養護時間的提前性，養護時間需要根據養護的經濟性和橋梁的技術狀況等科學確定。預防性養護的核心工作主要是成本效益分析及最優養護時機分析，成本效益分析主要是對橋梁養護成本的計算與預測，分析養護方案能帶來的社會經濟效益。我國預防性養護目前主要體現在道路方面，橋梁還沒有形成一套完整的體系，未來橋梁養護將主要以預防性養護為主[115]。

橋梁維修有基于狀態和基于可靠度兩種方法，目前應用最廣的是基于狀態的維修方法，基于可靠度的維修方法還處于探索階段，是未來的發展方向，預防性養護維修與可靠度的大致關系見圖7。另外，維修不僅要考慮費用問題，也要考慮橋梁狀況、橋梁可靠度和橋梁壽命等方面的問題，盡可能做到在約束條件下的多目標優化。如何做到多目標優化涉及到優化理論和方法問題。修復之后能否達到既定的目標要求，又需要對其進行科學合理的評估。

6.1 多目標優化的維護策略

橋梁維護的最優方案在考慮多種決策目標時會變得更加復雜。除了控制成本和增加使用壽命之外，高可靠性和良好的技術狀態也是需要考慮的目標。因此，如何在權衡眾多目標的情況下，綜合考慮并得出最優的維護方案，是當前亟須解決的問題。

Shim等[116]以橋面性能和養護成本兩方面作為優化目標，提出一種適用于非凸問題且只產生Pareto最優解集的改進求解方法。Yang與Frangopol[117]針對疲勞關鍵細節的檢查和維護問題，以預期生命周期成本、預期檢查成本和預期維護成本三方面為優化目標，利用動態貝葉斯網絡進行優化計算，得到生命周期成本最低的檢查維護方案。Xin等[118]提出了一種基于長短期記憶模型的路面粗糙度指數序列預測方法，結合系統可靠性分析和遺傳算法進行路面維護優化，通過遺傳算法得到最優的維護策略，在預測效益、延長服務壽命和生命周期成本之間取得最佳平衡。Chen與Mehrabani[109]根據土堤全壽命周期失效率分布和全壽命成本分析，建立成本最小化和風險最小化雙重目標函數，獲得了土堤維護策略的最優解集。戴理朝等[119]以橋梁網絡整體性能最優、碳排放量和維修總成本最小為目標，以橋梁個體滿足最低性能要求為約束條件，構建了橋梁網絡多目標維修決策優化模型。

在確定最佳橋梁維修策略時，需要綜合考慮橋梁的實際情況，并采用多目標優化方法。這意味著不僅要考慮單一種類的維修措施，還可以考慮多種維修措施的組合方案，以實現更好的維修效果。多目標優化的目標可以包括但不限于安全性、養護費用、社會影響和環境保護等方面。

6.2 智能優化算法

傳統優化算法能較好地解決單極值問題，但在面臨多極值問題時往往遇到困難。但智能優化算法對比卻表現出色。智能優化算法通過模擬自然界的進化、群體行為或其他啟發式方法，能夠有效地搜索解空間中的多個最優解。智能優化算法有遺傳算法、蟻群算法、粒子群優化算法等。這些算法不依賴于問題特定的信息，可以應用于各種復雜的優化問題。在橋梁多目標養護維修方面，智能優化算法也得到了廣泛的應用，特別是基于遺傳算法和蟻群算法的橋梁養護維修優化方法已經取得了顯著的成果。

智能優化算法為橋梁維護策略的多目標優化提供了有效的方法。Hosein等[120]將遺傳算法與離散事件仿真相結合，提出了基于仿真的橋梁維修優化框架，以確定考慮維修資源有限的最佳維修計劃，實際案例研究表明該方法具有查找最佳維護計劃的能力，提高了優化計劃的效率以及估算成本的準確性。Abdelkader等[121]考慮構件性能指標最大化、成本最小化、交通中斷持續時間最小化和環境影響最小化四個主要目標建立優化模型，引入指數混沌差分進化算法對優化模型進行計算。Zhang與Wang[122]把橋梁多個參數整合到整體網絡性能和維護成本的全局目標函數中，利用元啟發式優化算法對其進行求解，以獲得退化橋梁網絡中橋梁的優先維護等級。

智能優化算法在尋找全局最優解方面具有很大的優勢，但也存在一些不足之處，比如算法需要大量計算資源，可能陷入局部最優解，對問題的建模與參數調整敏感和可能存在收斂速度慢等問題。盡管存在這些不足，智能優化算法仍然是解決許多實際問題的有效工具，并且在不斷發展和改進中。

7 結束語

本文從橋梁材料劣化機理、材料力學性能退化、鋼筋混凝土結構力學性能退化模擬、橋梁服役性能評估、剩余使用壽命預測和預防性維護策略制定等六個方面進行了闡述，分析了鋼筋混凝土橋梁服役性能退化、評估、預測與提升等研究現狀，指出了相關理論和研究的不足，得出以下結論：

1） 研究鋼筋與混凝土的材料機理可為建立結構性能退化模型、預測結構的使用壽命以及制定最優的維修養護策略提供理論依據。在研究其劣化機理時，應充分考慮多因素耦合作用，并力求與實際環境相結合。另外，材料微觀損傷對宏觀力學性能影響的定量關系有待于進一步探索。

2） 結構力學性能退化有理論模型和試驗模型等，各種模型各具特色，應相互借鑒、取長補短。針對不同材料與構件應科學的選擇，并應考慮多模型相結合，綜合對比得出最優結果。對于各種材料、構件和結構的性能退化研究，可以考慮真實環境下的多因素耦合力學性能退化試驗，以獲得與實際相匹配的數據。

3） 橋梁技術狀態評定作為橋梁服役狀態評估的一種方法，具有操作簡單、實用性強等特點，但評定結果的準確性會受檢查人員的主觀性影響。而時變可靠度法為更加科學的評估橋梁服役性能提供了有效途徑，但統計參數的精確性和隨機因素的全面性對可靠度計算的準確性影響較大。對重要橋梁可考慮研究構建數字孿生系統，以對橋梁服役性能進行實時動態評估。

4） 橋梁剩余使用壽命預測是橋梁智能運維中的一項重要內容，為科學制定養護和維修計劃提供依據。目前，準確預測橋梁剩余使用壽命仍然具有挑戰性，但明確材料劣化、結構力學性能退化和結構可靠度三者之間的內在聯系對橋梁壽命預測具有關鍵作用。

5） 在進行橋梁養護維修時，應根據橋梁實際情況盡可能的確定各種優化目標，選擇合適的優化方法，制定最佳維護策略，達到最好的維修效果。同時研究維修后的橋梁結構力學性能和維修效果，可為后期再維修提供技術支持。

參考文獻：

[1]? ?中華人民共和國交通運輸部. 2022年交通運輸行業發展統計公報[N]. 中國交通報， 2023-06-16（2）.

Ministry of Transport of The People's Republic of China. Transport industry development statistical bulletin Of 2022[N]. China Transport News， 2023-06-16（2）.

[2]? ?淡丹輝. 橋梁工程結構智慧監測理論與實踐[M]. 北京： 機械工業出版社， 2021.

DAN D H.Theory and practice of intelligent monitoring of bridge engineering structures[M]. Beijing：China Machine Press， 2021.

[3]? ?張建仁， 王磊， 彭建新， 等. 服役鋼筋混凝土橋梁時變可靠性評估與剩余壽命預測[M]. 北京： 科學出版社， 2017.

ZHANG J R， WANG L， PENG J X， et al. Time varying reliability assessment of reinforced concrete bridge in service and remaining life prediction[M]. Beijing： Science Press， 2017.

[4]? ?武彤. 車輛超載對橋梁結構與使用壽命的影響分析[D].石家莊： 石家莊鐵道大學， 2019.

WU T. Analysis of the influence of vehicle overload on bridge structure and service life[D]. Shijiazhuang： Shijiazhuang Tiedao University， 2019.

[5]? ?WANG H， NIE D， LI P， et al. Effect of recycled concrete aggregate with different degrees of initial alkali-aggregate reaction damage on the mechanical behavior and porosity of self-compacting recycled aggregate concrete[J]. Construction and Building Materials， 2023， 363： 129797.

[6]? ?金偉良， 趙羽習. 混凝土結構耐久性[M]. 北京： 科學出版社， 2014.

JIN W L， ZHAO Y X. Durability of concrete structure [M]. Beijing： Science Press， 2014.

[7]? ?EKOLU S O. A review on effects of curing， sheltering， and CO2 concentration upon natural carbonation of concrete[J].Construction and Building Materials， 2016（127）： 306-320.

[8]? ?姚韋靖， 龐建勇， 劉雨姍. 輕骨料混凝土抗碳化性能及微結構分析[J]. 長江科學院院報， 2021， 38 （4）： 138-143.

YAO W J， PANG J Y， LIU Y S. Carbonation resistance performance and microstructure analysis of lightweight aggregate concrete [J]. Journal of Yangtze River Scientific Research Institute，2021， 38（4）： 138-143.

[9]? ?元艷妃. 珊瑚混凝土碳化深度影響因素及預測模型研究[D]. 桂林： 桂林理工大學， 2021.

YUAN Y F. Study on affecting factors and forecasting model of coral concrete carbonation depth[D]. Guilin： Guilin University of Technology， 2021.

[10] LIU P， YU Z， CHEN Y. Carbonation depth model and carbonated acceleration rate of concrete under different environment[J]. Cement and Concrete Composites， 2020， 114： 103736.

[11] 蔣建華， 陳思安， 趙克寒， 等. 養護方式對再生混凝土抗碳化性能的影響[J]. 河北工程大學學報（自然科學版）， 2022， 39（4）： 12-17.

JIANG J H，CHEN S A，ZHAO K H， et al. Effect of curing method on carbonation resistance of recycled concrete[J].Journal of Hebei University of Engineering（Natural Science Edition）， 2022， 39（4）： 12-17.

[12] 王柳南， 陳家海， 鄭舜元， 等.機制砂混凝土抗碳化性能研究[J]. 混凝土， 2023（12）： 170-174.

WANG L N， CHEN J H， ZHENG S Y ，et al. Study on carbonation resistance of manufactured sand concrete[J]. Concrete， 2023（12）： 170-174.

[13] 張淑云， 陳猛， 楊旭龍， 等. 機制砂摻量對自密實輕骨料混凝土碳化性能的影響機理[J]. 科學技術與工程， 2023， 23（1）： 314-320.

ZHANG S Y， CHEN M， YANG X L， et al. Influence mechanism of the content of manufactured sand on the carbonation performance of self compacting lightweight aggregate concrete[J]. Science Technology and Engineering， 2023， 23（1）： 314-320.

[14] SHI X Y， ZHANG C， WANG L， et al. Numerical investigations on the influence of ITZ and its width on the carbonation depth of concrete with stress damage[J]. Cement and Concrete Composites， 2022， 132： 104630.

[15] PAN H M ，QIU Y X ，JIANG H Q， et al.Carbonation depth assessment in shotcrete with various initial damage degrees and accelerator dosages： Experimental study[J]. Construction and Building Materials， 2023， 404： 133192.

[16] ZHANG K， ZHANG K， BAO R， et al. A framework for predicting the carbonation depth of concrete incorporating fly ash based on a least squares support vector machine and meta-heuristic algorithms[J]. Journal of Building Engineering， 2023， 65： 105772.

[17] LIU K， ALAM M S， ZHU J， et al. Prediction of carbonation depth for recycled aggregate concrete using ANN hybridized with swarm intelligence algorithms[J]. Construction and Building Materials， 2021，301： 124382.

[18] CHEN Z， LIN J， SAGOE-CRENTSIL K， et al. Development of hybrid machine learning-based carbonation models with weighting function[J]. Construction and Building Materials， 2022， 321： 126359.

[19] NUNEZ I， NEHDI M L. Machine learning prediction of carbonation depth in recycled aggregate concrete incorporating SCMs[J]. Construction and Building Materials， 2021， 287： 123027.

[20] JIN S， ZHENG G， YU J. A micro freeze-thaw damage model of concrete with fractal dimension[J]. Construction and Building Materials， 2020， 257： 119434.

[21] POWERS T C， HELMUTH R A. Theory of volume change in hardened Portland cement paste during freezing[J]. Highway Research Board， 1953， 32： 285-297.

[22] FAGERLUND G. The international cooperative test of the critical degree of saturation method of assessing the freeze thaw resistance of concrete[J]. Materials and Structures， 1977， 10（2）： 23-31.

[23] GONG F Y， SICAT E， ZHANG D W， et al. Stress analysis for concrete materials under multiple freeze-thaw cycles[J]. Journal of Advanced Concrete Technology， 2015， 13（3）： 124-134.

[24] THAULOW N， SAHU S. Mechanism of concrete deterioration due to salt crystallization[J]. Materials Characterization， 2004， 53（11）： 123-127.

[25] 白衛峰， 劉霖艾， 管俊峰， 等. 基于統計損傷理論的硫酸鹽侵蝕混凝土本構模型研究[J]. 工程力學， 2019， 36（2）： 66-77.

BAI W F， LIU L A， GUAN J F， et al. The constitutive model of concrete subjected to sulfate attack based on statistical damage theory[J]. Engineering Mechanics， 2019， 36（2）： 66-77.

[26] KLIUKAS R， JARAS A， LUKO?EVI?IENE O. The impact of long-term physical salt attack and multicycle temperature gradient on the mechanical properties of spun concrete[J]. Materials， 2021， 14（17）： 4811-4823.

[27] 楊華全， 李鵬翔， 李珍. 混凝土堿骨料反應[M]. 北京： 中國水利水電出版社， 2010.

YANG H Q， LI P X， LI Z. Concrete alkali aggregate reaction[M]. Beijing： China Water and Power Press， 2010.

[28] 劉崢， 韓蘇芬， 唐明述. 堿-碳酸鹽巖反應機理[J]. 硅酸鹽學報， 1987， 15（4）： 302-308.

LIU Z， HAN S F， TANG M S. Mechanism of alkall-carbonate reaction[J]. Journal of The Chinese Ceramic Society， 1987， 15（4）： 302-308.

[29] 王勝年， 黃君哲， 張舉連， 等. 華南海港碼頭混凝土腐蝕情況的調查與結構耐久性分析[J]. 水運工程， 2000（6）： 8-12.

WANG S N， HUANG J Z， ZHANG J L， et al. An investigation on concrete corrosion of seaport wharf in south China and analysis of structures durability[J]. Port and Waterway Engineering， 2000（6）： 8-12.

[30] CHEN H P， ALANI A M. Optimized maintenance strategy for concrete structures affected by cracking due to reinforcement corrosion[J]. ACI Structural Journal 2013， 110（2）： 229-238.

[31] ROBUSCHI S， TENGATTINI A， DIJKSTRA J， et al. A closer look at corrosion of steel reinforcement bars in concrete using 3D neutron and X-ray computed tomography[J]. Cement and Concrete Research， 2021， 144： 106439.

[32] TIAN Y， ZHANG G Y， YE H L， et al. Corrosion of steel rebar in concrete induced by chloride ions under natural environments[J]. Construction and Building Materials， 2023， 369： 130504.

[33] 陳華鵬， 江鈺， 劉昌雨. 銹蝕鋼筋混凝土柱殘余承載力研究[J]. 鐵道學報， 2023， 45（4）： 166-174.

CHEN H P， JIANG Y， LIU C Y. Residual loading capacity of corroded reinforced concrete columns[J]. Journal of the China Railway Society， 2023， 45（4）： 166-174.

[34] CHEN H P， NEPAL J. Stochastic modelling and lifecycle performance assessment of bond strength of corroded reinforcement in concrete[J]. Structural Engineering and Mechanics， 2015， 54（2）： 319-336.

[35] 盧越. 碳化環境下堿礦渣混凝土鋼筋銹蝕機理研究[D]. 福州： 福州大學， 2022.

LU Y. Research on steel corrosion mechanism of alkali-activated slag concrete in carbonation environments[D]. Fuzhou： Fuzhou University， 2022.

[36] ZHAO S C， JING Y Y， LIU T ， et al. Corrosion behavior and mechanism of carbon steel in industrial circulating cooling water system operated by electrochemical descaling technology[J]. Journal of Cleaner Production， 2024， 434： 139817.

[37] 農喻媚， 陳正. 基于第一性原理的水氧相互作用下混凝土中鋼筋銹蝕機理研究[J]. 混凝土， 2020， 367（5）： 24-27.

NONG Y M， CHEN Z. Study on the corrosion mechanism of reinforcement in concrete with interaction of water and oxygen based on first-principles[J]. Concrete， 2020， 367（5）： 24-27.

[38] 楊良， 孫立軍. 鋼筋混凝土橋梁的鋼筋銹蝕與疲勞耦合損傷[J]. 同濟大學學報（自然科學版）， 2015， 43（12）： 1784-1787.

YANG L， SUN L J. Damage of steel bar of reinforced concrete bridge by the coupling effect of corrosion and fatigue[J]. Journal of Tongji University （Natural Science edition）， 2015， 43（12）： 1784-1787.

[39] 過鎮海. 鋼筋混凝土原理[M]. 北京： 清華大學出版社， 2013.

GUO Z H. Principle of reinforced concrete[M]. Beijing： Tsinghua University Press， 2013.

[40] LI S B， TANG H W， GUI Q， et al. Fatigue behavior of naturally corroded plain reinforcing bars[J]. Construction and Building Materials， 2017， 152： 933-942.

[41] 蘭成明， 楊海濤， 白娜妮， 等. 腐蝕預應力鋼絞線疲勞壽命概率模型[J]. 土木工程學報， 2018， 51（10）： 68-77.

LAN C M， YANG H T， BAI N N， et al. Probabilistic model for fatigue life evaluation of corroded prestress strand[J]. China Civil Engineering Journal， 2018， 51（10）： 68-77.

[42] 邢國華， 武名陽， 常召群， 等. 銹蝕預應力混凝土梁承載力及破壞模式研究[J]. 工程力學， 2020， 37（7）： 177-188.

XING G H， WU M Y， CHANG Z Q， et al. Load bearing capacity and failure mode of corroded prestressed concrete beams[J]. Engineering Mechanics， 2020， 37（7）： 177-188.

[43] 張偉平， 李崇凱， 顧祥林， 等. 銹蝕鋼筋的隨機本構關系[J]. 建筑材料學報，2014， 17（5）： 920-926.

ZHANG W P， LI C K， GU X L， et al. Stochastic model of constitutive relationship for corroded steel bars[J]. Journal of Building Materials， 2014， 17（5）：920-926.

[44] YU Q Q， GU X L， ZENG Y H， et al. Flexural behavior of corrosion-damaged prestressed concrete beams[J]. Engineering Structures， 2022， 272：114985.

[45] LI D W， XIONG C， HUANG T， et al. A simplified constitutive model for corroded steel bars[J]. Construction and Building Materials， 2018， 186， 11-19.

[46] ZHANG K J， XIAO J Z， ZHAO Y X， et al. Analytical model for critical corrosion level of reinforcements to cause the cracking of concrete cover[J]. Construction and Building Materials， 2019， 223： 185-197.

[47] 過民龍， 張凱， 楊厚易. 基于全卷積神經網絡的銹蝕鋼筋截面檢測方法[J]. 廣東土木與建筑， 2022， 24（1）： 85-90.

GUO M L， ZHANG K， YANG H Y. Method of section detection for corroded rebar based on fully convolutional networks[J]. Guangdong architecture civil engineering， 2022， 24（1）： 85-90.

[48] 王磊， 張建仁. 鋼筋截面面積模糊隨機時變概率模型[J]. 工程力學， 2011， 28（3）： 94-102

WANG L， ZHANG J R. Fuzzy random time-variant probability model of reinforcement sectional area[J].Engineering Mechanics， 2011， 28（3）： 94-102.

[49] SALAMI B A， RAHMAN S M， OYEHAN T A， et al. Ensemble machine learning model for corrosion initiation time estimation of embedded steel reinforced self-compacting concrete[J]. Measurement， 2020， 165： 108141.

[50] ZHANG J H， LING X Z， GUAN Z G. Finite element modeling of concrete cover crack propagation due to non-uniform corrosion of reinforcement[J]. Construction and Building Materials， 2017， 132： 487-499.

[51] CHAUHAN A， SHARMA U K. Crack propagation in reinforced concrete exposed to non-uniform corrosion under real climate[J]. Engineering Fracture Mechanics， 2021， 248： 107719.

[52] FANG X， PAN Z， CHEN A. Phase field modeling of concrete cracking for non-uniform corrosion of rebar[J]. Theoretical and Applied Fracture Mechanics， 2022， 121： 103517.

[53] CHEN H P， NEPAL J. Analytical model for residual bond strength of corroded reinforcement in concrete structures[J]. Journal of Engineering Mechanics， 2016， 142（2）： 1-8.

[54] YANG Y Y， TANG H， MAO Y， et al. Prediction of long-term prestress loss and crack resistance analysis of corroded prestressed concrete box-girder bridges[J]. Advances in Civil Engineering， 2022， 2022（8）： 1309936.

[55] NGUYEN T， PHAN T T V ， HO D D， et al. Deep learning-based autonomous damage-sensitive feature extraction for impedance-based prestress monitoring[J]. Engineering Structures， 2022， 259： 114172.

[56] YANG M， GONG J， YANG X. Refined calculation of time-dependent prestress losses in prestressed concrete girders[J]. Structure and Infrastructure Engineering， 2020， 16（10）： 1430-1446.

[57] 崔寧. 超低溫環境下混凝土構件預應力損失試驗研究[D]. 天津： 天津大學， 2019.

CUI N. Experimental studies on prestress losses in temperatures concrete members under ultra-low[D]. Tianjin： Tianjin university， 2019.

[58] LOU G B， HOU J， QI H H， et al. Prestress loss of twisted wire strands and parallel wire strands at elevated temperatures[J]. Engineering Structures， 2023， 291： 116483.

[59] JEANNERET C， NICOLETTA B， ROBERTSON L， et al. Guidance for the post-fire structural assessment of prestressing steel[J]. Engineering Structures， 2021， 235： 112023.

[60] SHEN Y， LING J X， LU X， et al. Steel wire prestress analysis of large section jacking prestressed concrete cylinder pipe （JPCCP）： Site experiment and numerical investigation[J]. Thin-Walled Structures， 2023， 184： 110420.

[61] 于沛琳. 基于統計損傷理論的硫酸鹽侵蝕摻硅灰混凝土本構模型研究[J]. 市政技術， 2023， 41（7）： 85-93.

YU P L. Research on the constitutive model of sulfate eroding silica fume concrete by statistical damage theory[J]. Journal of Municipal Technology， 2023， 41（07）： 85-93.

[62] YANG H F， LIU C L， IANG J S. Damage constitutive model of stirrup-confined recycled aggregate concrete after freezing and thawing cycles[J]. Construction and Building Materials， 2020， 253： 119100.

[63] BAI Y Y， GUO W C， ZHAO Q X， et al. Triaxial compression failure criterion and constitutive relation of concrete containing multiple solid wastes[J]. Construction and Building Materials， 2023， 386： 131573.

[64] JAAFARI C， GRANGE S， BERTRAND D， et al. Multifiber finite element model based on enhanced concrete constitutive law to account for the effects of early age damage on the seismic response of RC structures[J]. Engineering Structures， 2022， 256： 113987.

[65] SHANG M G， QIAO H X， HE Z M， et al. Dynamic mechanical properties and constitutive model of specified density concrete reinforced by waste incineration tailings[J]. Construction and Building Materials， 2023， 371： 130712.

[66] 牛荻濤， 王慶霖. 一般大氣環境下混凝土強度經時變化模型[J]. 工業建筑， 1995， 25（6）： 36-38.

NIU D T， WANG Q L. Models of concrete strength changing with time in general air environment[J]. Industrial Construction， 1995， 25（6）： 36-38.

[67] 高向玲， 顏迎迎， 李杰. 一般大氣環境下混凝土經時抗壓強度的變化規律[J]. 土木工程學報， 2015， 48（1）： 19-26.

GAO X L， YAN Y Y， LI J. Change law of time-dependent concrete compressive strength in the atmospheric environment[J]. China Civil Engineering Journal， 2015， 48（1）： 19-26.

[68] 楊松， 鄭山鎖， 明銘， 等. 凍融環境下的混凝土經時抗壓強度[J/OL]. 土木與環境工程學報， 1-8. [2023-12-17]. http：//kns.cnki.net/kcms/detail/50.1218.TU.20231106.0858. 002.html.

YANG S， ZHENG S S， MING M， et al. Time-dependent compressive strength of concrete in freeze-thaw environment[J/OL]. Journal of Civil and Environmental Engineering， 1-8. [2023-12-17]. http：//kns.cnki.net/kcms/detail/50.1218.TU.20231106.0858.002.html.

[69] FU B， FENG D C. A machine learning-based time-dependent shear strength model for corroded reinforced concrete beams[J]. Journal of Building Engineering， 2021， 36： 102118.

[70] 林紅威， 趙羽習. 變形鋼筋與混凝土黏結性能研究綜述[J]. 建筑結構學報， 2019， 40（1）： 11-27.

LIN H W， ZHAO Y X. Review of research on bonding properties of deformed steel bars and concrete[J]. Journal of Building Structures， 2019， 40（1）： 11-27.

[71] TAHERSHAMSI M， Fernandez I， LUNDGREN K， et al. Investigating correlations between crack width， corrosion level and anchorage capacity[J]. Structure and Infrastructure Engineering， 2017， 13（10）， 1294-1307.

[72] KIVELL A. Effects of bond deterioration due to corrosion on seismic performance of reinforced concrete structures [D]. University Canterbury， New Zealand， 2012.

[73] KEARSLEY E P， JOYCE A. Effect of corrosion products on bond strength and flexural behavior of reinforced concrete slabs[J]. Journal of the South African Institution of Civil Engineering， 2014， 56（2）： 21-29.

[74] BHARGAVA K， GHOSH A K， MORI Y， et al. Suggested empirical models for corrosion-induced bond degradation in reinforced concrete[J]. Journal of Structural Engineering， 2008， 134（2）： 221-230.

[75] CHEN H P， JIANG Y， LI W B. Residual load-bearing capacity of corroded reinforced concrete columns with an annular cross-section[J]. Ocean Engineering， 2023， 286： 115519.

[76] WU Y Z， TANG P， LV H L， et al. Degradation of the bond performance between composite limestone powder concrete and steel bars under a sulfate freeze–thaw environment[J]. Construction and Building Materials， 2023， 369： 130515.

[77] GONG Y Z， SHAN Y J， WU Y Y， et al. Bond properties of carbon fiber reinforced polymer and corrosion-cracked reinforced concrete interface： experimental test and nonlinear degenerate interface law[J]. Materials， 2021， 14（18）， 5333.

[78] WANG Y， ZHENG Y Q， WANG X， et al. Multi-scale analyses on performance degradation of reinforced concrete structure due to damage evolution on bonding interface[J]. PLoS ONE， 2019， 14（4）： e0214915.

[79] CHEN H P. Residual flexural capacity and performance assessment of corroded reinforced concrete beams[J]. Journal of Structural Engineering， 2018， 144（12）： 04018213.

[80] 彭建新， 徐鵬， 唐皇， 等. “銹蝕-加固-銹蝕”RC梁力學行為及承載力試驗[J].中國公路學報， 2016， 29（9）： 82-89.

PENG J X， XU P， TANG H， et al. Experiment on mechanical behavior and bearing capacity of reinforced concrete beam based on "corrosion-strengthening-corrosion"[J]. China Journal of Highway and Transport， 2016， 29（9）： 82-89.

[81] JIANG C， DING H， CHAO X L， et al. Failure mode-based calculation method for bending bearing capacities of normal cross-sections of corroded reinforced concrete beams[J]. Engineering Structures， 2022， 258： 114113.

[82] WANG X H， LIANG F Y. Performance of RC columns with partial length corrosion[J]. Nuclear Engineering and Design， 2008， 238 （12）： 3194-3202.

[83] ZAGHIAN S， MART?N-P?REZ B， ALMANSOUR H. Finite element modelling of bridge piers subjected to eccentric load combined with reinforcement corrosion[J]. Engineering Structures， 2023， 283： 115822.

[84] CHEN H P， JIANG Y， GEORGE M. Structural performance deterioration of corroding reinforced concrete columns in marine environments[J]. Ocean Engineering， 2022， 262： 112155.

[85] CHEN H P， JIANG Y， XIAO L F， et al. Lifetime reliability analysis of concrete columns damaged by reinforcement corrosion[J]. Frontiers in Materials， 2022， 9： 926259.

[86] 金瀏， 李炎錫， 張仁波， 等. 銹蝕鋼筋混凝土柱偏心受壓性能精細化模擬[J]. 中國科學： 技術科學， 2022， 52（4）： 599-612.

JIN L， LI Y X， ZHANG R B， et al. Refined simulation of eccentric compression behavior of corroded reinforced concrete columns[J]. Science in China： Technical Sciences， 2022， 52（4）： 599-612.

[87] BRECCOLOTTI M. Eigenfrequencies of continuous prestressed concrete bridges subjected to prestress losses[J]. Structures， 2020， 25： 138-146.

[88] 曹大富， 秦曉川， 袁沈峰. 凍融后預應力混凝土梁受力全過程試驗研究[J]. 土木工程學報， 2013， 46（8）： 38-44.

CAO D F， QIN X C， YUAN S F. Experimental study on mechanical behaviors of prestressed concrete beams subjected to freeze-thaw cycles[J]. China Civil Engineering Journal， 2013， 46（8）： 38-44.

[89] 宋佳杰. 大跨度預應力混凝土連續梁橋預應力損失對線形的影響[J]. 國防交通工程與技術， 2018， 16（1）： 77-80.

SONG J J. On the effect of the pre-stress loss of a large-span continuous reinforced concrete girder bridge on the linearity of the bridge[J]. Traffic Engineering and Technology for National， 2018， 16（1）： 77-80.

[90] GAO R F， HE J R， NIE Z H. Stochastic harmonic function-based traffic load simulation method for fatigue damage assessment of concrete bridges[J]. Probabilistic Engineering Mechanics， 2022， 69： 103308.

[91] ALOISIO A， ROSSO M M， FRAGIACOMO M， et al. Fragility estimate of railway bridges due to concrete fatigue[J]. Structures， 2023， 49： 70-87.

[92] YU Y， KURIAN B， ZHANG W. Fatigue damage prognosis of steel bridges under traffic loading using a time-based crack growth method[J]. Engineering Structures， 2021， 237： 112162.

[93] SRIKANTH I， AROCKIASAMY M. Deterioration models for prediction of remaining useful life of timber and concrete bridges： A review[J]. Journal of Traffic and Transportation Engineering， 2020， 7（2）： 152-173.

[94] SASMAL S， RAMANJANEYULU K. Condition evaluation of existing reinforced concrete bridges using fuzzy based analytic hierarchy approach[J]. Expert Systems with Applications， 2008， 35（3）： 1430-1443.

[95] 陽逸鳴. 大跨度PC箱梁橋可靠性評估及維護策略優化[D]. 長沙： 長沙理工大學， 2020.

YANG Y M. Reliability assessment and maintenance strategy optimization of long span PC box girder bridge[D]. Changsha： Changsha University of Science and Technology， 2020.

[96] 劉來君， 吳多， 張夏， 等. 改進貝葉斯方法在橋梁狀態評估中的應用[J]. 長安大學學報（自然科學版）， 2017， 37（6）： 47-53.

LIU L J， WU D， ZHANG X， et al. Application of improved Bayes method in bridge state assessment[J]. Journal of Changan University （Natural Science Edition）， 2017， 37（6）： 47-53.

[97] 陳夢成， 張明陽， 方葦， 等. 既有結構時變可靠度預測模型及計算方法研究[J]. 華東交通大學學報， 2022， 39（4）： 16-23.

CHEN M C，ZHANG M Y， FANG W， et al. Study on Time-Varying Reliability Prediction Model and Calculation Method of Existing Structures[J]. Journal of East China Jiaotong University， 2022， 39（4）： 16-23.

[98] 陳龍， 黃天立. 基于貝葉斯更新和逆高斯過程的在役鋼筋混凝土橋梁構件可靠度動態預測方法[J]. 工程力學， 2020， 37（4）： 186-195.

CHEN L， HUANG T L. Dynamic prediction of reliability of in-service RC bridges using the bayesian updating and inverse gaussian process[J]. Engineering Mechanics， 2020， 37（4）： 186-195.

[99] ZHOU H， FAN X P， LIU Y F， et al. Time-variant reliability analysis of simply supported PC girder bridges considering shrinkage， creep， resistance degradation and vehicle load flows[J]. Structures， 2023， 56： 104885.

[100] ARYAI V， MAHMOODIAN M. Spatial-temporal reliability analysis of corroding cast iron water pipes[J]. Engineering Failure Analysis， 2017， 82： 179-189.

[101] NGUYEN H T， LE X H. Structural fuzzy reliability analysis using the classical reliability theory[J]. Journal of Applied Engineering Science， 2021，19（4）： 1-9.

[102] WANG X J， ZHU J Z， NI B W. Structural reliability-based design optimization with non-probabilistic credibility level[J]. Computer Methods in Applied Mechanics and Engineering， 2024， 418： 116489.

[103] ZHOU J G， LI L L， TSENG M L， et al. Green system reliability assessment method based on life cycle： Resources and economical view[J]. Journal of Cleaner Production， 2020， 251： 119786.

[104] 許肇峰， 宋健， 張欣， 等. 考慮實測交通流的數字孿生系統在斜拉橋結構狀態評估中的應用[J]. 公路交通科技， 2023， 40（6）： 93-102.

XU Z F， SONG J， ZHANG X， at al. Application of digital twin system considering measured traffic flow in structural state evaluation of cable-stayed bridge[J].Journal of Highway and Transportation Research and Development， 2023， 40（6）： 93-102.

[105] DAN D H， YING Y F， GE L F. Digital Twin System of Bridges Group Based on Machine Vision Fusion Monitoring of Bridge Traffic Load[J]. IEEE Transactions on Intelligent Transportation Systems， 2021， 23 （11）： 22190-22205.

[106] 秦吉麗， 王毅娟. 在役混凝土橋梁剩余壽命預測方法研究[J]. 北京建筑工程學院學報， 2012， 28（3）： 14-18.

QIN J L， WANG Y J. Research on residual life prediction method of the existing concrete bridge[J]. Journal of Beijing University of Civil Engineering and Architecture， 2012， 28（3）： 14-18.

[107] 喻文健. 數值分析與算法[M]. 北京： 清華大學出版社，2020.

YU W J. Numerical analysis and algorithm[M]. Beijing： Tsinghua university press，2020.

[108] FANG Y， SUN L J. Developing a semi-markov process model for bridge deterioration prediction in Shanghai[J]. Sustainability， 2019， 11（19）： 5524.

[109] CHEN H P， MEHRABANI M B. Reliability analysis and optimum maintenance of coastal flood defences using probabilistic deterioration modelling[J]. Reliability Engineering and System Safety， 2019， 185： 163-174.

[110] 林兵， 鄭丹， 周建庭， 等. 西南地區橋梁壽命預測分析[J]. 重慶交通大學學報（自然科學版）， 2008， 6（2）： 374-378.

LIN B， ZHENG D， ZHOU J T， et al. Forecast analysis of bridge life in southwest China[J]. Journal of Chongqing Jiaotong University （natural science）， 2008， 6（2）： 374-378.

[111] 徐鳳月. 梁橋的健康監測及其剩余壽命預測分析[J]. 四川建材， 2013， 39（5）： 152-154.

XU F Y. Health monitoring of beams and bridges and their remaining life prediction analysis[J]. Sichuan Building Materials， 2013， 39（5）： 152-154.

[112] 李杰， 陳淮， 江瑩瑩， 等. 基于可靠度理論預應力混凝土橋梁使用壽命預測研究[J]. 世界橋梁， 2015， 43（6）： 51-57.

LI J， CHEN H， JIANG Y Y， et al. Study of service life evaluation based on reliability theory for prestressed concrete bridge[J]. World Bridges， 2015， 43（6）： 51-57.

[113] 郭冬梅. 沿海在役鋼筋混凝土橋梁性能退化及剩余使用壽命預測[D]. 杭州： 浙江大學， 2014.

GUO D M. Prediction the remaining useful life and study of performance degeneration for R.C. bridge near coastal areas[D]. Hangzhou： Zhejiang University， 2014.

[114] XIE H B， WU W J， WANG Y F. Life-time reliability based optimization of bridge maintenance strategy considering LCA and LCC[J]. Journal of Cleaner Production， 2018， 176： 36-45.

[115] 王迎軍， 李鵬飛， 張佳念. 公路橋梁預防性養護調查分析[J]. 公路交通科技（應用技術版）， 2020， 16（9）： 216-218.

WANG Y J， LI P F， ZHANG J N. Investigation and analysis of highway bridge preventive maintenance[J]. Highway Traffic Technology （Applied Technology Edition） 2020， 16（9）： 216-218.

[116] SHIM H S， LEE S H， KANG B S. Pareto front generation for bridge deck management system using bi-objective optimization[J]. KSCE Journal of Civil Engineering， 2017， 21（5）： 1563-1572.

[117] YANG D Y， FRANGOPOL D M. Probabilistic optimization framework for inspection/repair planning of fatigue-critical details using dynamic Bayesian networks[J]. Computers and Structures， 2018， 198： 40-50.

[118] XIN J， ZHANG M， AKIYAMA M， et al. Multi-objective optimization of in-service asphalt pavement maintenance schedule considering system reliability estimated via LSTM neural networks[J]. Structure and Infrastructure Engineering， 2022， 18（7）： 1002-1019.

[119] 戴理朝， 康哲， 陳瑞， 等. 基于NSGA-Ⅲ的橋梁網絡多目標維修決策優化研究[J/OL]. 土木工程學報， 1-13. [2023-12-17]. https：//doi.org/10.15951/j.tmgcxb.23010043.

DAI L Z， KANG Z， CHEN R， et al. Study on multi-objective maintenance decision optimization of bridge networks based on NSGA-Ⅲ[J/OL]. China Civil Engineering Journal， 1-13. [2023-11-03]. https：//doi.org/10.15951/j.tmgcxb.23010043.

[120] HOSEIN M N， HOSEIN T， BANAFSHEH Z. Integrating discrete event simulation and genetic algorithm optimization for bridge maintenance planning[J]. Automation in Construction， 2021， 122： 103513.

[121] ABDELKADER E M， MOSELHI O， MARZOUK M， et al. An exponential chaotic differential evolution algorithm for optimizing bridge maintenance plans[J]. Automation in Construction， 2022， 134： 104107.

[122] ZHANG W L， WANG N Y. Bridge network maintenance prioritization under budget constraint[J]. Structural Safety， 2017， 67： 96-104.

第一作者：陳華鵬（1964─），男，教授，研究方向為結構健康監測、智能交通基礎結構、結構性能評估，以及智能運維等。E-mail：hp.chen@ecjtu.edu.cn