随着桥梁事故的逐年增加,桥梁健康监测越来越受到政府和工程界重视。桥梁是一个比较复杂的系统,虽然正常情况下劣化是一个缓慢的过程,但其损坏具有一定的随机性,在特定条件下,如突然的撞击、地震等突然情况下,可能在很短时间内造成桥梁结构严重损坏甚至垮塌,这对桥梁健康监测系统实时性提出了较高的要求,而传统桥梁健康监测体系结构需要传输大量数据到远程的数据中心,实时性不高,不能很好地解决桥梁随机损伤结构的评估问题。本文尝试把机群技术引入桥梁健康监测系统,在桥梁现场对监测数据进行存储,并实时进行结构评估,有效提高了桥梁监测的实时性。为了改善桥梁健康监测系统的实时性,本文主要在以下两方面进行了研究:首先针对传统桥梁监测体系结构实时性不高,桥梁现场多个下位机,仅用于控制数据采集,其资源利用率极低的特点,把现场的多个下位机组织成机群系统,并对基于现场PC机群的桥梁健康监测系统的必要性和可行性进行了分析。然后在分析传统的桥梁健康监测体系结构基础上,构造出实时、经济的PC机群桥梁健康监测体系结构。同时针对桥梁健康监测PC机群的特点,对分布式数据采集的时间同步问题和分布式数据存储分片进行了讨论,把采集到的数据存储在桥梁现场机群中,这样,减少了传统桥梁健康监测系统体系结构中采集数据传输到远程数据中心保存过程,提高了实时性。另外,对桥梁健康评估中常用的神经网络算法进行改进,以使其适应桥梁健康监测PC机群的并行环境,利用并行神经网络对桥梁结构健康进行评估,缩短了评估时间,从而提高实时性。其具体改进如下:首先对并行神经网络加速比与连接权数、神经节点数之间的关系进行分析,在分析的基础上分,提出了一个新的遗传算法适应度函数用于神经网络结构简化,另外,对于神经元节点在计算机节点上分配问题,首先把神经节点转化为图,把图的最大路径作为目标函数来判别分配的优劣程度,然后利用遗传算法对神经元节点在计算节点上的分配进行优化。本文的研究成果能较大地提高桥梁健康监测的实时性,但桥梁健康监测是一个复杂的系统,涉及到很多方面的问题,同时,如何提高机群系统环境下并行神经网络的加速度也是一个值得研究的问题。所以要想基于现场PC机群的桥梁健康监测系统投入实用,需要做大量的工作。