编辑推荐：
本文报道了一种创新的结构健康监测(SHM)解决方案。为克服传统方法在成本、功耗、可扩展性及数据处理复杂性方面的局限，研究团队开发了一种集成了联合优化衍射层与浅层神经网络后端的新型系统。该系统能够远程、高精度地提取结构的三维(3D)振动谱，实现了超过一个数量级的精度提升，为低功耗、低成本、可扩展的实时结构监测奠定了基础，在防灾、航空诊断及自主导航等领域具有广阔应用前景。
想象一下，摩天大楼、跨海大桥、大型水坝——这些庞大的基础设施是我们现代社会的“骨骼”与“动脉”。然而，如同人体会生病，这些结构也会随着时间推移和使用而老化、受损，尤其是在经历了地震、台风等自然灾害的“冲击”后。如何高效、准确地评估这些“巨物”的健康状况，提前预警潜在风险，是土木工程领域永恒的挑战。传统的结构健康监测（Structural Health Monitoring, SHM）方法，如依赖专业人员的目视检查，不仅耗时耗力、成本高昂，有时甚至对检查人员构成危险。而基于传感器网络（如加速度计、应变仪）的振动监测方法，虽然能够提供数据，但往往需要密集部署大量传感器，导致系统昂贵、功耗高，且后续会产生海量数据，对复杂的数字信号处理提出了巨大需求。近年来发展的激光多普勒测振、视觉系统等技术虽有所改进，但仍面临成本、部署复杂度或灵敏度方面的挑战。那么，是否存在一种方法，能够以更低的成本、更少的能耗、更简单的部署，实现对结构三维动态振动的精准、实时监测呢？
来自研究团队的工作给出了一种充满想象力的答案。他们不再仅仅依赖传统的电子传感器和数字计算，而是将目光投向了“光”与“智能”的深度结合。在最新发表于《SCIENCE ADVANCES》的论文中，他们提出并验证了一种全新的“衍射振动监测系统”。这个系统的核心思想非常巧妙：将一个经过深度学习优化设计的、完全被动的“衍射光学处理器”（可以想象成一片特殊设计的、布满微细结构的薄膜）贴附在需要监测的结构表面。当结构因外力（如地震、风荷载）发生振动时，这片薄膜也会随之同步运动。此时，用一束毫米波（或光波）照射这片薄膜，反射回来的光波会受到薄膜振动状态的调制，从而“编码”了结构振动的全部信息（包括三个方向x, y, z的位移和频率）。最关键的是，这个编码过程是“智能的”——衍射薄膜的结构是与其后端一个非常精简（“浅层”）的神经网络联合优化设计出来的，目的是让薄膜能够以最优的方式将复杂的3D振动信息“压缩”到反射光信号中。随后，仅需少数几个探测器捕获这些光信号，再由那个联合优化好的浅层神经网络进行快速“解码”，就能实时、高精度地重构出结构的完整3D振动频谱。这种方法从根本上将一部分计算负担转移到了物理域（光学衍射过程本身），实现了物理与数字的协同智能，为打造低功耗、高吞吐、可扩展的新一代结构监测传感器网络开辟了新道路。
为了验证这一设想，研究人员综合运用了多项关键技术。首先是衍射光学设计与联合优化技术：利用深度学习算法，对衍射层的相位调制图案（由200x200个可训练的特征单元构成）与后端神经网络（包括位移解码器和频率处理器）的参数进行端到端的联合优化，以最大化3D频谱重构的准确性。优化过程分为三个阶段，依次提升信号能量、位移解码精度和最终频谱精度。其次是基于角谱法的光学传播数值模型：用于精确模拟入射波、振动衍射层及探测器之间的光场传播与调制过程，为系统设计和训练提供可靠的前向模型。再者是毫米波实验验证平台：研究搭建了实验室尺度的验证系统，使用可编程振动台驱动一个四层建筑模型，采用3D打印制造优化后的衍射层，并利用毫米波源（λ=3 mm）进行照明，使用单像素探测器接收信号，同时以激光测距仪作为地面实况（ground truth）测量设备进行对比。此外，还引入了针对制造误差的“接种”训练策略和在波长/空间复用技术，以提升系统鲁棒性和实现多点同步监测能力。
衍射系统用于监测3D结构振动
研究人员设计了一个能够测量和提取3D结构振荡的衍射系统。系统核心是一个优化的反射式衍射层，附着在被测结构上。当结构发生3D位移时，衍射层调制入射光波，反射光被仅由四个探测器组成的阵列捕获。这些探测器信号随后被输入一个浅层的位移解码器网络，估计出结构的三维位移时间序列x(t), y(t), z(t)。接着，一个频率处理器网络分析这些位移数据，提取出结构在x, y, z方向上的振荡频谱。研究表明，与单独优化的衍射层、菲涅尔透镜阵列或随机相位扩散片等传统光学配置相比，联合优化的衍射系统在3D频谱重构精度上实现了超过一个数量级的显著提升（均方误差MSE最低）。
波长复用衍射系统用于多点监测
为展示该框架的高通量评估潜力，研究人员开发了一种波长复用衍射系统，用于同时监测多个点的结构振动。该系统使用三个不同波长（λ1= 0.70 mm, λ2= 0.75 mm, λ3= 0.80 mm）的相干光源，同时照射空间上位于不同位置的三个独立衍射层。反射的、携带了各点振动信息的光场被一个共享探测器阵列捕获，产生复用后的时间序列信号。数字后端（位移解码器和频率处理器）随后对这些复用信号进行处理，成功同时重构出三个监测点的独立2D（x和y）振动频谱，证明了该系统进行准确、频谱复用、分布式监测的能力。
衍射振动监测的实验演示
研究通过3D打印衍射层和毫米波照明进行了实验验证。实验分为两部分：一是监测建筑模型的1D（x轴）振荡，二是监测其2D（x和z轴）振荡。在各种扰动（白噪声、程序化振动、手动扰动）和不同结构配置（改变质量块位置）下，衍射系统提取的振动频谱与激光测距仪测量的地面实况高度吻合。实验还表明，优化后的衍射层在频谱重构精度上显著优于普通的平面反射镜。此外，研究人员引入了一种基于时间平均的后处理方法，通过平均多个时间窗口的频谱估计，进一步提高了频谱推断的保真度。
该研究成功开发并验证了一种集成联合优化衍射层与浅层数字神经网络的混合系统，用于快速提取结构振动频谱。这项工作标志着在计算传感模式上的根本性转变。它通过无源衍射编码器与浅层数字解码器的协同设计，将部分计算负担转移至物理域。这种物理-数字协同集成策略，使得系统能够将多点、多轴的3D结构动力学“编码”成低数据率的光学信息流，仅用极少量的探测器即可实现高精度解码。
其重要意义在于：首先，提出了一种全新的SHM范式。该系统不同于传统的振动传感网络或高精度光学系统（如激光测振），它通过物理智能编码与高效神经解码的结合，在保持高精度的同时，实现了低功耗、低数据量、高可扩展性和潜在的低成本，有望解决现有SHM技术在部署和维护方面的关键瓶颈。其次，拓展了衍射处理器的应用边界。此前衍射神经网络主要用于静态图像分类或重构，本研究将其成功应用于动态物理系统的状态估计，为处理连续时间信号、多轴多点位移等复杂问题提供了新思路。再次，展示了卓越的通用性和鲁棒性。系统通过基于随机谐波振荡的训练，学会了从光学信号到3D位移时间序列的通用映射，无需针对特定结构进行再训练或硬件重构，具备广泛的适用性。同时，通过“接种”训练策略，系统对制造误差和环境扰动表现出良好的容错性。最后，指明了未来发展方向。向可见光或红外波段扩展可进一步提高分辨率和精度；结合波长-空间复用技术，可以实现对大型结构的超高密度并行监测网络。
这项研究不仅为结构健康监测提供了一种强大的新工具，更开创了一种物理计算与信号编码的新模态。它为实现边缘AI（人工智能）与物理传感的无缝融合、构建下一代智能、分布式、低延迟的监测系统奠定了坚实的基础，其影响将超越土木工程，惠及航空航天诊断、自主导航、环境感知等诸多需要高效、实时感知动态物理世界的科学与工程领域。
