职称：副研究员
学位：博士
围绕结构健康监测与智能运维，重点开展数字孪生、贝叶斯推理与人工智能融合研究，面向桥梁与海上风电等重大基础设施，探索数据驱动与物理机理深度融合的新一代工程分析范式。
主要研究方向包括：
结构健康监测（SHM）
数字孪生（Digital Twin）
深度学习与科学计算融合（AI for Engineering）
无人机与计算机视觉智能巡检
贝叶斯推理与不确定性量化
1. 数字孪生与智能结构感知
面向桥梁与风力发电机等复杂工程结构，本研究致力于构建融合物理机理模型与多源监测数据的高可信数字孪生系统，突破传统纯数值模拟或单一数据驱动方法的局限，形成“物理模型—数据驱动—不确定性量化”深度融合的新范式。依托结构健康监测系统与多源感知数据，开展结构状态感知与异常识别、复杂环境与运行工况下的运营模态智能识别、基于贝叶斯推理的结构参数识别与模型修正，以及稀疏观测条件下的全域响应重构与预测和未知荷载（如风、车辆与地震）的实时反演与解耦识别。在此基础上，构建具备实时感知、状态诊断、性能预测与决策支持能力的一体化数字孪生系统，实现面向工程实际的“可解释、可更新、可预测”的智能运维，为重大基础设施的安全评估与长期性能管理提供理论与技术支撑。
2. 无人机智能巡检与数字化感知
面向桥梁、建筑与风力发电机等大型基础设施，本研究基于无人机平台，融合可见光、红外与LiDAR等多源感知数据，构建集巡检、建模、识别与评估于一体的智能巡检体系。围绕复杂环境下的自主巡检需求，开展无人机路径规划与任务优化、基于深度学习的结构病害自动识别，以及倾斜摄影与多源数据融合的高精度三维重建，实现病害在三维空间中的精细化表达与定量评估。在此基础上，进一步探索与BIM/BrIM模型的深度融合，通过建立几何与语义映射关系，实现病害信息的构件级定位与全生命周期数据管理，支撑结构运维决策与检测报告的自动化生成。同时，结合计算机视觉与视频测量技术，从无人机视频中提取结构振动响应信息，突破传统接触式传感器的布设限制，推动“巡检—监测”一体化与监测系统轻量化发展。最终目标是构建具备自主巡检、多源感知、智能分析与决策支持能力的无人机智能巡检综合平台，服务于基础设施的高效、安全与智能运维。
3. 物理–数据融合智能推理
面向桥梁与风力发电机等复杂工程结构在数字孪生与智能运维中的核心需求（如全域响应预测、未知荷载反演与损伤识别），本研究致力于构建物理机理与数据驱动深度融合的新一代智能推理方法。针对传统纯物理模型难以刻画复杂环境与模型误差、纯数据驱动方法在工程场景中泛化能力与可解释性不足的问题，探索融合有限元模型、微分方程与状态空间模型等物理先验，与多源监测数据和深度学习方法协同的统一建模框架，实现对结构状态与外部作用的高精度感知与推断。该方向强调在数据稀疏、环境复杂及模型不完备条件下，提升模型的鲁棒性、泛化能力与工程适用性，为无人机巡检与结构健康监测提供可靠的信息支撑，并为数字孪生系统中的状态更新、性能预测与运维决策提供关键方法基础。通过打通“感知—建模—预测—决策”的技术链条，推动基础设施智能运维由经验驱动向数据与机理融合驱动的范式转变。
相关网址：
桥梁系教师主页：https://bridge.tongji.edu.cn/45/53/c14930a279891/page.htm
桥梁健康监测与振动控制研究室主页：https://shmc.tongji.edu.cn/4f/de/c2302a282590/page.htm
ResearchGate: https://www.researchgate.net/profile/Mingming-Song-2
Google Scholar: https://scholar.google.com/citations?user=p_ryhTMAAAAJ&hl=en
