“近来气候变化与城市基础设施老化同时推进,将国家有限的维护管理预算投入到恰当之处的重要性日益提升。运用人工智能(AI)对设施物的过去、现在与未来进行关联分析,就能筛选出高风险设施并判断最佳维修时点。”
作为由韩国科学技术情报通信部主办、韩国研究财团与Seoul Economic Daily共同承办的“大韩民国科学技术人奖”8月获奖者,仁荷大学社会基础设施工学系教授李钟韩这样介绍自己开发的“LIVE数字孪生技术”。
桥梁、隧道等暴露在外部环境中的社会基础设施,会随时间受到各种复合因素作用而变得脆弱。典型的有:冬季混凝土内部水分反复冻结融化的冻融现象;空气中二氧化碳渗入、削弱钢筋保护功能的碳化;以及海水与融雪剂的盐分渗入引起钢筋腐蚀的盐害。再加上大型货车反复通行产生的荷载,就会导致多种损伤复合出现的多重损伤。特别是近来台风、洪水、集中暴雨等频发,灾害环境正在变化,因此考虑这些因素的风险导向管理体系愈发重要。
然而现有安全检查大多依赖以人力为中心的外观调查或零散的传感器数据。这不仅耗费大量时间和费用,结果还会因检查人员个人能力而异,难以掌握未显露于外的内部复合损伤,存在局限。
为此,李教授研究团队在世界上首次开发出分析材料劣化、构件损伤与结构行为之间相互作用的LIVE数字孪生技术。即用数据和AI关联分析混凝土或钢筋变脆弱的材料劣化如何导致柱、梁等构件的裂缝与腐蚀,并最终如何影响整座桥梁的安全性。研究团队以材料复合劣化实验数据和过去的检查、诊断数据为基础,构建了可同时评估桥梁当前状态与未来损伤扩散及性能的体系。凭借这一成果,该研究去年发表于可靠性工程领域国际学术期刊《可靠性工程与系统安全》等。
李教授解释说:“我们用自然语言处理分析了过去的检查、诊断资料和1700余件文献数据,将损伤发生因子与扩散路径结构化,并在此基础上考虑大型车辆荷载等因素,同时解析局部损伤与结构物整体的运动”,“由此构建了预测随时间推进的损伤发展与长期性能变化的模型”。这意味着已能够具体预测结构物未来损伤发生位置与扩散路径,甚至提出最佳维修时点。
尤其是构建了将建筑信息模型(BIM)与结构分析模型(FEM)双向自动关联的“BIM-to-FEM框架”,这是LIVE数字孪生技术的核心,也是与既有研究的差异所在。以三维(3D)立体模型呈现结构物信息的BIM主要仅作为数据可视化工具使用,在承担分析实际结构性能的作用方面存在局限。
李教授研究团队实现了将实验和检查数据中得出的桥梁各构件损伤、劣化信息输入BIM环境后,自动转换为FEM分析模型输入值。FEM计算出的结构性能与损伤预测结果又反馈至BIM,更新虚拟模型。通过这种双向关联体系,实现了在空间与时间轴上共同管理过去损伤履历、当前状态与未来性能变化的四维数字孪生。
李教授还就该技术完成了专利申请与软件(SW)登记。此外,他还在开发轻量、扩展性出色且可利用开源的“物理3D模型(暂称)”,以便长期替代随设施数据积累而要求高性能计算机的BIM模型。
如果LIVE数字孪生技术应用于实际桥梁,并在今后扩展到隧道、港口等各类社会基础设施,预计将成为数字基础设施产业发展的核心基础。社会基础设施是相互连接的网络,因此单一设施的问题也可能对交通、物流、应急响应等社会整体产生连锁影响。这正是将依赖事后检查的既有基础设施维护管理转向以预测为基础的先发性体系的重要原因。
李教授的最终目标是构建一个覆盖整个城市基础设施、可管理灾害恢复力的系统。他表示:“我们正在推进研究,把LIVE数字孪生技术扩展为以地区为单位的网络型韧性评估技术,从而能够定量、客观地确定预算投入的优先顺序。”韧性评估技术是在社会基础设施遭遇灾难、灾害时,定量测量并预测其能承受多少、能多快恢复到原有状态的技术。他接着说:“为此,计划将BIM、物联网(IoT)传感器、AI等构成数字孪生的各项核心技术实用化,使其在实际产业现场易于使用。”






