• 作者：夏春颖，王春鹏，黄凯龙　　
• 出处：《中国建筑金属结构》，2026，25 (02) 　　
• 主题：传感器、数据监测、AI 识别、安全评估
• 模块化钢混组合建筑兼具钢结构装配高效、混凝土刚度充足的双重优势，是建筑工业化主流结构形式，但模块间拼接缝、干式连接节点属于地震作用下典型薄弱区域，传统人工检测手段难以实时捕捉震后细微损伤演化，结构安全评估存在滞后、误判率高的问题。本文将分布式传感监测、人工智能损伤识别技术融入模块化钢混结构抗震全流程研究，先开展多组模块拼接足尺振动台抗震试验，在模块梁柱、拼缝、连接节点处布设应变传感器、加速度传感器、光纤光栅传感阵列，连续采集多遇、设防、罕遇地震全过程振动、应变、位移时序数据；同步建立精细化多尺度有限元数值模型，完成试验数据对标校准，生成涵盖完好、微损伤、中度破坏、严重失效多等级样本数据集；搭建 CNN-LSTM 混合深度学习识别模型，依托海量传感时序数据与结构变形图像完成模型训练，实现模块拼缝开裂、螺栓滑移、钢板塑性损伤等缺陷自动定位、损伤程度量化分级；对比传统阈值判别法，验证 AI 智能识别体系在微弱损伤识别、多损伤耦合场景下的精度优势；结合试验与仿真结果，梳理模块化钢混组合体系地震损伤发展规律，形成一套 “传感器实时采集 —AI 自动识别分级 — 结构抗震安全动态评估” 一体化技术流程，为模块化钢混建筑抗震试验监测、震后快速安全鉴定提供智能化成套技术方案。

一、研究背景与研究意义

模块化钢混组合结构由工厂预制钢骨混凝土箱体模块现场干式拼接而成，建造速度快、工业化程度高，广泛应用于保障性住宅、学校、临时应急建筑。但模块竖向、水平拼接部位存在拼接缝与机械连接节点，地震往复荷载下易产生滑移、开裂、连接件塑性变形，整体抗震受力机制区别于现浇结构与纯钢框架。

传统抗震研究仅依靠加载结束后人工观测破坏形态，无法记录地震全过程损伤渐进发展；常规结构安全评估依靠人工巡检，隐蔽拼缝、内部钢构件微小塑性损伤难以察觉，无法满足震后快速恢复使用的韧性建筑需求。

现阶段物联网传感、人工智能识别技术逐步应用于结构健康监测，但面向模块化钢混组合箱体结构的一体化监测、AI 损伤评估体系研究较少，缺少配套试验布设方案与标准化识别模型。基于上述工程与技术缺口，本文融合振动台试验、分布式传感监测、有限元仿真、深度学习算法，搭建完整智能化抗震检测与安全评估体系，补齐模块化组合结构智能抗震监测技术短板。

二、模块化钢混组合体系构造与地震薄弱环节

（一）整体构造形式

单箱模块内部采用钢骨混凝土梁柱承重，模块底板、顶板为钢筋混凝土组合楼板；相邻模块通过竖向高强螺栓套筒、水平搭接连接板干式拼装，拼缝处设置密封构造与抗剪键传递层间剪力，整体形成双重抗侧力体系。

（二）地震作用核心薄弱区域

1. 模块水平、竖向拼接节点：地震剪力作用下螺栓易产生滑移，连接板出现局部塑性变形；
2. 模块拼缝混凝土：往复变形引发拼缝开裂、填充材料脱落，削弱层间协同工作能力；
3. 箱体钢骨与混凝土交界面：弯剪耦合作用下产生界面剥离，降低组合协同受力效果；
4. 底层模块与基础连接部位：倾覆力矩集中，易出现支座偏移、局部压溃。上述薄弱部位隐蔽性强，常规肉眼观测难以捕捉早期微小损伤，是本次传感监测重点布设区域。

三、足尺振动台试验与分布式传感器布设方案

（一）试验试件与加载工况

制作两层两跨模块化钢混组合足尺试件，完整还原工程模块拼接构造；振动台输入多组天然地震波，分多遇、设防、罕遇三级逐级加大加速度幅值，完整模拟地震作用下结构从弹性、轻微损伤、中度损伤至局部失效全过程。

（二）多类型分布式传感监测系统布置

采用多类传感器组合布设，实现全域数据同步采集：

1. 光纤光栅应变传感器：埋设于模块钢骨、拼接连接板内部，实时捕捉钢材塑性应变变化，识别连接件屈服损伤；
2. 压电式加速度传感器：布置于各层模块楼板、顶板，采集楼层振动频谱、模态参数变化；
3. 激光位移传感器：安装于模块拼缝两侧，连续记录拼接缝相对滑移、开合变形量；
4. 高清视觉采集摄像头：对准拼缝、节点区域，同步拍摄损伤图像，为 AI 视觉识别提供图像样本。全部传感器数据同步传输至边缘采集终端，形成地震全过程连续时序数据库，完整留存损伤渐进演化全过程数据。

四、精细化有限元数值模拟与数据集构建

（一）多尺度有限元建模方法

采用分层建模思路：宏观整体模型模拟楼层位移、基底剪力；局部细化子模型还原拼接节点、拼缝接触滑移、钢混界面粘结滑移关系，分别定义钢材塑性、混凝土损伤塑性本构，精准复现试验中裂缝发展、螺栓滑移、钢板屈服等破坏行为。利用振动台实测数据校正模型参数，消除仿真与试验误差。

（二）多工况损伤样本数据集生成

依托校准完成的有限元模型，批量模拟不同地震强度、不同连接缺陷、不同拼缝损伤等级工况，扩充数据集样本容量：

1. 完好无损工况：模块、连接件均处于弹性阶段；
2. 轻微损伤工况：拼缝细微开裂、螺栓微小滑移，无塑性变形；
3. 中度损伤工况：连接板局部屈服、拼缝裂缝贯通；
4. 严重损伤工况：连接螺栓失效、模块相对偏移、混凝土大面积压碎。数据集融合传感时序信号、结构变形图像、有限元应力云图三类多模态数据，为深度学习模型训练提供充足样本支撑。

五、基于 CNN-LSTM 混合网络的 AI 损伤识别模型

（一）模型架构设计

采用卷积神经网络 CNN + 长短期记忆网络 LSTM 混合框架，适配本次多模态监测数据：

1. CNN 分支：处理摄像头采集的拼缝、节点图像，自动提取裂缝宽度、钢板变形、连接件破损等视觉特征，完成损伤位置粗定位；
2. LSTM 分支：解析传感器连续时序振动、应变数据，捕捉模态频率、应变幅值的渐变特征，量化损伤严重等级；
3. 融合输出层：整合图像与时序特征，输出损伤位置、损伤类型、安全风险等级三类评估结果。

（二）识别效果对比验证

将 AI 模型识别结果与振动台试验人工实测损伤数据对比：

1. 传统固定阈值判别法仅能识别明显重度损伤，微小拼缝开裂、钢材早期屈服识别准确率不足 60%；
2. CNN-LSTM 混合 AI 模型对四级损伤全部工况识别准确率达 96% 以上，可精准定位隐蔽拼缝、内部钢构件早期微弱损伤；
3. 支持多损伤耦合场景同步识别，可区分螺栓滑移、混凝土开裂、钢板塑性变形多种缺陷共存工况，规避单一监测手段误判问题。

六、模块化钢混结构地震损伤演化规律分析

结合试验观测、传感数据、AI 识别结果，总结体系完整破坏发展流程：

1. 多遇地震阶段：整体保持弹性，拼缝无明显开裂，传感器仅采集微小弹性应变，AI 判定结构完好，可正常使用；
2. 设防地震阶段：拼缝出现细微开合滑移，局部连接板产生低应变塑性变形，AI 识别为轻微损伤，无需大规模维修即可恢复使用；
3. 罕遇地震前期：拼接缝裂缝贯通，螺栓滑移量显著增大，钢骨局部屈服，判定中度损伤，需检修更换连接件；
4. 罕遇地震后期：模块拼接节点承载力大幅下降，模块间出现明显相对偏移，判定严重损伤，结构失去正常使用能力。研究证实模块拼接连接构造是控制整体抗震性能的核心，合理优化螺栓规格、增设抗剪键可有效延缓损伤发展。

七、一体化抗震安全动态评估技术流程

论文形成标准化智能化评估完整流程，可直接用于试验检测与工程震后鉴定：

1. 前置布设：在模块拼接节点、拼缝、底层支座预埋光纤、加速度、位移传感阵列；
2. 数据实时采集：地震作用下同步采集振动、应变、图像多模态数据；
3. AI 智能识别：CNN-LSTM 模型自动提取损伤特征，定位缺陷并划分损伤等级；
4. 安全分级判定：依据损伤识别结果匹配抗震性能目标，划分完好、可修复、限制使用、危险四级安全等级；
5. 输出评估报告：自动生成损伤分布图、剩余承载力、维修改造建议，实现震后快速智能化安全鉴定。

八、当前技术应用现存局限

1. 传感设备布设成本偏高，大批量模块化住宅全点位布设经济性不足；
2. AI 模型泛化能力受限，现有训练样本基于单一模块尺寸，不同层高、跨度模块需补充样本重新微调；
3. 多传感器数据同步融合算法计算量大，现场边缘终端实时处理算力需求较高；
4. 模块化建筑运维阶段缺少标准化预埋传感构造图集，施工预埋工序无统一指导。

九、论文核心研究结论与工程应用价值

1. 模块化钢混组合结构地震损伤集中于模块拼接缝与干式连接节点，常规人工观测难以捕捉早期隐蔽微小损伤，分布式多类型传感阵列可完整记录地震全过程损伤演化数据；
2. 融合光纤、加速度、视觉图像的多模态监测数据集，结合 CNN-LSTM 混合深度学习模型，可实现拼接滑移、混凝土开裂、钢板屈服等多类损伤自动定位与量化分级，识别精度远高于传统阈值判别方法；
3. 本文搭建的 “振动台足尺试验 — 有限元多尺度仿真 — 传感数据采集 —AI 智能识别 — 安全分级评估” 一体化技术路线，完善了模块化钢混组合结构智能化抗震检测体系；
4. 研究明确了模块化箱体结构地震逐级损伤发展规律，为模块拼接节点抗震构造优化提供试验依据；
5. 整套传感布设方案与 AI 损伤识别模型，可用于模块化建筑抗震试验研究、地震灾后快速安全鉴定、长期运维结构健康监测，为装配式模块化建筑智能化安全管控提供技术参考。