在美国的许多实验室，工程师们正在完善嵌入式传感器网络，这种网络可以提早向维修人员报告在关键结构中出现的缺陷，从而避免灾难性事故??如不久前在明尼阿波利斯市发生的I-35W大桥垮塌事故。

　　结构健康监测(SHM)是一种基于传感器的主动防御型方法，可以弥补目前安全性能十分重要的结构中(桥梁、建筑、飞机及其他)，基于视觉检查和后续测试监测系统的不足。不过，SHM传感器系统还没有在美国展开大规模部署CONTROL ENGINEERING China版权所有，由于出现时间不长，这种方法目前还没有被加入到安全法规中。

　　目前，像Material Technologies等公司能够在需要时完成现场结构测试，但由于不是连续进行监测，所以这些测试对灾难的预防能力是有限的。相比之下，基于传感器的SHM系统一旦部署成功，则在理论上可时时刻刻维护结构的安全。

　　“SHM时代已经到来。”Sandia国家实验室SHM可行性研究小组负责人Dennis Roach认为，“嵌入式传感器发出的安全警告是周期性检查做不到的。利用传感器进行SHM是一种可靠且不昂贵的做法，可以在第一时间检测到缺陷的形成。”

　　除了桥梁、建筑和飞机之外，SHM也可以用来监测太空船、武器、有轨车辆、采油设备、管道、装甲车、轮船、风力涡轮机、核电站，甚至氢动力汽车燃料箱的结构健康状态。目前，SHM仅仅在亚洲才被作为常规使用，亚洲一些国家的政府为监测地震活动而引入了传感器网络。

　　“我们最应该做的事，就是把传感器网络安置到桥梁、建筑和飞机中www.cechina.cn，尤其应该在构造过程中就把它放进去，因为这样我们可以将传感器置于结构内部。”斯坦福大学电气工程师、现任密西根大学教授的Jerome Lynch认为，“世界上装有仪表最多的桥梁是香港的青马大桥；在中国大陆，至少有六座正在建设中的桥梁将从一开始就嵌入传感器阵列。但是在美国www.cechina.cn，还没有人这样做。”

需要付出多大代价？

　　美国目前对桥梁的检查几乎完全依赖于视觉：只有当肉眼看到腐蚀或裂纹时，才会使用蜗流、超声或渗透性染料(penetrating dye)做进一步测试。在I-35W大桥垮塌事件的警示下，美国的一些实验室建议使用无线节点将结构健康信息连续传送给维修人员。因为传感器可以检测到肉眼看不到的微小裂纹控制工程网版权所有，所以我们可以利用传感器提供的数据在问题的“萌芽”期进行修复。

F1：实验室研究人员正在努力开发一种能时时刻刻进行远程监视的系统，以阻止类似I-35W桥梁倒塌灾难的发生。

　　密西根大学已经研制出一种“纳米管涂料”，可以把任意表面的信息转换到一个传感器片(sensor patch)上，以二维方式呈现出微观缺陷图像。另外，Los Alamos国家实验室正在使用片状(patchlike)压电转换器，通过一种新颖的基于无人驾驶直升机的检查系统，利用“发出声波并监听回应”的方式来检测缺陷。Sandia国家实验室表示，其成为比较型真空监视(CVM)的方案可以感测分子大小的裂缝(即使裂缝在难以到达的地方)，而且每个传感器片的成本只有1美元，所以这将给建筑和桥梁带来更大的好处。

F2：密西根大学的无线发射节点连接在涂覆了纳米管涂料的“皮肤”上(见左图，高亮部分为裂缝)。成像技术(右图)能精确定位结构缺陷的地点。

　　密西根大学的方案是向结构喷涂一种感测型“皮肤”。Lynch声称，纳米管涂料可以把其下覆盖的任意表面的健康状况转换进二维图像。Lynch曾经为美国中央情报局(CIA)设计了阻爆结构，并曾在韩国利川的Geumdang大桥上安装无线SHM系统。通过喷涂涂料并安装无线发送器，Lynch指出，维护人员能够实现桥梁远程监控，而且这样做的成本足够低，允许我们能把它当作标准设备部署在新建工程中，或在改造现有结构时予以采纳。

　　这种方法能保持低成本的原因是：只要把监视传感器放在喷涂区域的周边就可以了。这种方法可以获得结构表面任何位置的图像，被腐蚀和有裂缝的区域表现为高阻。Lynch表示，通过调节所使用的纳米管的密度和类型，该技术可以满足不同应用的要求。密西根大学正在寻找商业化伙伴。

　　与此同时，Los Alamos国家实验室也证实，其压电传感器方案的实现成本约为每节点1美元。其实现方法为：首先，片状压电转换器在驱动器模式下发射一束超声波；然后，该系统迅速切换到传感器模式，使用相同的压电元件记录和分析超声波反射控制工程网版权所有，这一步是为了将超声波引起的桥梁振动转换成电信号；利用模式识别软件，计算机可以对超声波反射进行分析，从而感测桥梁的结构变化。

　　“我们的系统有点像主动声纳。”与加州大学圣地亚哥分校研究组进行合作的Los Alamos实验室工程师Chuck Farrar透露，“我们向架构发射一种频率在50-250kHz间的高能弹性波；然后，我们将所收到的响应与上次测试结果做比