结构健康监测以传感器准确采集传输数据为前提，数据采集主要通过传统的“有线”传感器来实现，它具有采集信号准确、抗干扰性能强等特点。但是，利用“有线”传感器组成的监测网络布线量大、安装和维护成本高、可靠性差，甚至在一些结构中无法实现布线。随着传感器与无线通信技术的发展，无线传感网络技术已开始向结构健康监测方面渗透。无线传感器及其网络系统由于其小型化、集成化、低维修费用、安装方便等特点，在大型基础设施智能化监测方面具有得天独厚的优势。

无线传感网络克服了有线传感网络的不足，采用了先进的封装技术，具有体积小、低功耗、可靠性高等特点，适合集成。同时，无线传感器还具有智能处理单元，可以对信号进行预处理，对特征信号进行初步提取，这样可以大大分散中央处理器在数据处理方面的压力。无线传感单元的无线收发模块通常使用在工业通信频率上，无须单独申请频点，通信不受电信部门的限制。此外，无线传感器体积小、具有节能的特点，可以方便地安放在被测结构物上，并且依据设定的通信协议，实现自组织网络，形成实时高效的结构健康监测系统。

无线智能监测网络一般由结构健康评价系统、数据存储管理系统、数据处理与控制系统、数据采集与传输系统组成。本文介绍的方法是一种异构无线传感网络。异构无线传感器网络与同构无线传感器网络不同，前者传感器的节点，具备不同的资源配置，更能满足实际监测场景对于无线传感网络的需求。异构无线传感网络是由低成本、具备感知、数据处理、存储和无线通信能力的多类型微型传感器节点，通过自组织方式形成的网络，这种特性使得异构无线传感网络非常适合用于大型基础设施的安全监测。

经过近几年的发展，结构健康监测中的无线传感技术日趋完善，智能化程度日益提高。许多重要工程设施，特别是一些大跨度桥梁工程上开始安装无线健康监测系统。值得注意的是，这些大型桥梁无线监测系统实际部署的传感节点大多采用太阳能或风能供电，由此带来一系列能耗问题，导致系统不能很好地满足桥梁监测的实际需要。为了解决以上问题，需要对现有的异构无线网络的布置方法进行优化。通过研究异构无线传感网络优化机理，发现以提高模态识别精度和降低网络能耗为目标的传感器布置方案，对于解决上述问题有良好的实用效果。

结构模态识别

在同构无线传感网络中，结构模态之间存在正交性，适宜常用的模态评价准则。但在异构无线传感网络中，存在加速度和应变两种传感器节点，然而两种类型传感器监测的结构模态并不存在正交性。“结构模态识别”是通过运用模态清晰度和模态相对误差，将两者比值作为模态评价准则。该评价准则结合了模态之间的清晰程度、实际模态与实验模态之间的误差，其对模态的评价更具全面性和充分性。

为了得出异构无线传感网络中的不同传感器节点个数和与其对应位置对结构模态识别和网络能耗的影响规律，本方法选用如图1所示的实验室桁架结构模型作为研究对象。结合该桁架结构，经过有限元分析，提取结构的位移振型向量和应变振型向量。用仿真信号来代替试验信号，对结构施加外加激励，可以得到任意测点的加速度和应变信号，最后通过ERA法得到位移振型向量和应变振型向量。在进行结构模态识别计算时，先通过模态识别方法得到结构的试验模态，然后与有限元仿真模态进行比较，得到异构无线传感器布置方案的模态识别指标。结构模态振型是根据有限元分析时所划分单元的位移来确定，从而能够从整体上反映结构振动情况。

图1 实验室桁架结构

为了研究传感器个数和位置对模态识别的影响，采用不同个数传感器和不同位置，共计16 种不同的均匀布置方案以及9 大类的非均匀布置方案。通过计算均匀布置方案和非均匀布置方案的模态识别指标，得出传感器布置与模态识别的一般规律。在进行模态识别指标计算之前，需要从有限元数据仿真中分别提取加速度和应变信号，运用ERA 模态识别方法得到模态参数。然后用ANSYS 直接提取模态参数与用ERA 法得到的模态振型参数进行对比。研究结果表明，结构模态识别指标随着异构无线传感器网络节点个数增加而增加，同时随着网络覆盖半径的增加而增加。当传感器总数一定时，采用一定配比的传感器能够最大化模态识别指标。

无线传感网络能耗

无线传感节点由通信单元、处理器单元、感知单元、供能单元组成。当无线传感器工作时，能量消耗主要集中在以下四部分：数据采集、数据处理、数据接收和数据发送。所有会产生能耗的数据过程都必须考虑在内，以下为无线传感节点各模块的能耗，如图2所示。

图2 无线传感节点各模块能耗相对大小示意图

为方便探究网络能耗，建立网络能耗计算模型来模拟传感器布置和数据传输区域，如图3所示，无线加速度和应变传感器节点随机分布在一个球体空间内，组成一个异构无线传感器网络，基站布置在球体空间的球心处。

图3 无线传感器网络能耗模型

（R’为传输半径或簇半径）

对于该球体能耗模型，做了以下假设：无线传感器的数据发送和数据采集的速率保持不变，并且无线传感器节点不存在空闲与休眠阶段；所有无线传感器节点将数据全部发送给上级节点或基站；传感器节点是均匀分布在网络中的。根据提出的网络能耗公式，通过改变其中的网络层数，可以得到多跳形式的无线传感器网络的能耗。图4可以直观地反映传感器布置个数与覆盖半径对网络能耗的影响。通过该图可以看出，不同的网络拓扑结构具有不同的网络能耗。随着网络覆盖半径的增加，网络能耗也随之增加；随着传感器个数的增加，网络能耗同样随之增加。

图4 当M=1或2时传感器配比和覆盖半径对网络能耗的影响

无线传感节点优化布置

在传感器优化布置问题中主要需解决3个问题——确定各种类型的传感器个数、每个传感器节点的位置、传感器布置之间以何种布置准则进行。针对异构无线传感网络，一方面，针对监测具有较高的结构模态识别程度，实现健康监测工作的实际意义；另一方面，针对所有无线传感器网络最大的问题，需要考虑网络能耗，在相同工作量的同时，尽量降低能耗，以延长传感器网络的工作寿命。

在上述两个目标中，都与传感器节点的个数和在网络相应的位置有关，即两类传感器分别的个数和相对应的传感器网络的覆盖半径。将两个目标统一在一个目标函数中，形成一个数学表达公式。但是这两个目标具有不同的物理意义，从整体上来说，目标函数值大小只是数值的反映，并且单个目标的数量级也不在一个层次上，这就需要将这两个目标进行系数调整。

F_E(F_M,F_E)=(f_Mw_MF_M(N_a,N_s,R_a,R_s)+f_Ew_EF_E(N_a,N_s,R_a,R_s)

其中：

F_M：模态识别指数；

F_E：网络能耗；

w_M：模态识别指数调整系数；

f_M：模态识别权重系数；

w_E；网络能耗调整系数；

f_E：网络能耗权重系数。

在传感器优化布置问题中，模态识别与网络能耗这两个目标之间是相互耦合的，将每个目标以一定比例的加权方式得到目标优化函数。为了获取该目标优化函数的最优解，采用离散粒子群算法对目标优化函数进行求解，最终可以得到传感器优化后的位置。由于权重系数的不同，将会影响运用离散粒子群对目标函数求解结果，导致最优化布置方案不同。两个目标的权重系数表示对整个异构无线传感器布置的影响程度，在面临传感器布置时，当结构的模态识别精度比较重要时，则将模态识别的权重系数取较大值；当异构无线传感器网络的能量消耗比较重要时，则将网络能耗的权重系数取较大值。权重系数的大小取决于决策者对结构两个目标的重视程度。

针对本文中的结构模型，无线传感器节点优化布置如图5所示，图中红色圆形表示基站，红色方形表示布置在外侧的加速度传感器，黑色方形表示布置在外侧的应变传感器，红色三角形表示布置在内测的加速度传感器，黑色三角形表示布置在内测的应变传感器。

图5 桁架结构的无线传感器节点优化布置

最佳分簇

异构无线传感器网络中各类传感器节点和基站都已确定的情况下，进一步的路由机制优化，可使得数据传输到基站的能量损失指数降低，也有效减少了数据拥堵情况的发生，进而降低网络能耗。通过分析树簇形无线传感器网络簇的建立阶段和信息传输阶段，在簇形成过程中建立无线传感网络能耗与簇群个数之间的数学关系，然后利用求取函数极值的方法得到最佳分簇数量。

对于一定空间区域内的传感器网络，最优簇头数由传感网络中各个传感器节点的总数和、簇头节点发布广播信息的距离、簇头到基站的距离共同决定。

平湖编组站大桥位于深圳市龙岗区平湖镇，为分离式跨越平南铁路平湖编组站，主桥为四跨连续PC箱梁桥，如图6所示。该桥已服役20年，历经两次加固维修，拟布置无线结构健康监测系统，实时掌握桥梁整体振动特性及局部应力应变情况。

图6a 平湖桥正面照

图6b 平湖桥底面照

首先利用有限元软件ANSYS进行仿真建模，其建模主要是对主桥上部承重结构进行分析，得到结构基频和结构振型等模态；然后运用基于模态识别和网络能耗的目标优化函数，结合离散粒子群算法，对该目标函数进行求解，得到异构无线传感器网络的布置方案；最后在确定两类无线传感器的个数和位置后，对网络分簇形式进行优化。利用最佳簇头数的表达式，得到最优的簇群数。经过合理的分簇与未分簇的方案进行对比，结果表明，即使分簇方案下的网络覆盖半径即数据传输路径，比未分簇下增大28.3%，能耗反而减少了33.3%，能耗节省效果明显。

应用课题技术研发组在深圳市大鹏半岛某边坡建立了降雨型滑坡预警体系。边坡稳定性监测系统采用无线网络搭建，其基本组成主要包含传感器系统、数据采集与传输系统、数据管理系统三个部分，具体可总结为八个测点、五个节点、一个基站和一台服务器。监测系统的整体工作原理如图7所示。基本过程为：传感器采集物理数据后，通过数据线传输到测点旁的传感器节点，各节点再通过现场ZigBee无线网络将数据传输到现场基站，随后基站通过3G移动数据网络将数据上传至互联网，最后在远程校园内的服务器上即可联网登录客户端，获取数据并进行处理分析、消息发送等后续工作。依据长期积累的监测数据，开发了基于大数据分析的边坡失稳时刻预测技术，在预测边坡深部位移及预警方面具有优良的表现。

图7 边坡稳定性无线监测系统工作原理示意图

应用课题技术研发组对广东省惠州市境内某输电杆塔实施了倾斜在线监测，为其安全性评价提供参考依据。系统包括应用层、信息层、数据层、物理层，可接入不同类型传感器，安装方便，即插即用，安装后可24小时监控杆塔安全状态，并将数据实时发送到控制中心服务器。自主开发的上位机接收软件，可实时接收现场发送的各关键参数并存储。强大的专家分析与预警软件，可对采集的数据进行实时分析，运用大数据模型对数据进行处理，并及时给出预警信息。该监测系统在杆塔所属输电线路安全评估及灾害防治工作中发挥了重要作用。