第 64 章 · 既有结构鉴定与加固

AI建筑

一、领域界定与行业地位

既有结构鉴定与加固，是对已建成建筑进行安全性、适用性、可靠性及抗震能力的评估，并给出修复与补强方案的专业活动。它直面中国庞大的存量建筑：大量房屋步入中老年，安全隐忧与更新需求并存。《既有建筑鉴定与加固通用规范》GB 55021-2021 作为全文强制性规范确立了基本底线[115]；《民用建筑可靠性鉴定标准》GB 50292-2015 规定了构件与子单元的 a/b/c/d 评级体系[114]。这一领域一头连着人民生命财产安全，一头连着城市更新与双碳背景下的存量盘活，战略地位日益凸显。

二、关键知识体系与行业痛点

知识分鉴定与加固两端。鉴定端：安全性鉴定（承载力、构造、变形）、使用性、可靠性、抗震鉴定与危险性鉴定（危房判定），以及基于抽样检测[21]的混凝土强度（回弹/钻芯）、钢筋配置推断[118]。加固端：增大截面、粘钢与碳纤维加固、体外预应力、外包钢、后锚固、以及增设抗震墙与消能支撑等抗震加固。

痛点尤为尖锐："鉴定靠老师傅，加固靠拍脑袋"。第一，现场缺陷判定与可靠性评级主观性强，真正能"一眼看穿"结构毛病的人稀缺，且随老师傅退休出现严重知识断层。第二，老建筑图纸缺失、原设计参数不明，检测数据又高度离散，需结合经验反推，隐性推断过程难以沉淀。第三，加固方案选择高度依赖工程师直觉，缺乏可复用的案例库，同一问题不同人给出差异巨大的方案。第四，鉴定报告撰写繁琐，重复劳动挤占了本应用于判断的精力。

三、AI、大模型与数据如何重构该领域生产力

AI 让"老师傅的眼光"变成"可检索、可复用的团队资产"。一是鉴定知识图谱：将评级规则、加固方法适用条件、构造要求图谱化，使分散标准可被一键追溯[117]。二是大模型翻译规范与生成报告：以 LLM 把 GB 55021、GB 50292 条文转为可执行的鉴定流程与报告模板，工程师聚焦判断而非排版，专家经验被沉淀进提示词与工作流。三是计算机视觉：用图像识别自动判定裂缝宽度、钢筋锈蚀与表观缺陷，把现场经验数字化、标准化[115]。四是案例库+智能检索：历史加固方案可语义检索复用，新人据此快速形成合理方案。五是数字孪生推演：对加固前后性能做可视化推演，让"加固是否有效"在动工前可见。

四、实践路径与推演

路径一，建立"鉴定评级+加固选型"知识图谱与 LLM 报告生成器，将规范流程固化，报告由系统草拟、专家审定。路径二，部署 CV 自动缺陷识别，现场拍照即出裂缝与锈蚀量化结果，减少人为误差。路径三，构建加固案例库与方案推荐引擎，输入结构病害自动召回相似历史方案供参考。推演表明，当鉴定逻辑、现场经验与加固案例都被结构化沉淀后，存量建筑的安全评估不再系于个别权威一身，而是成为可继承、可审计、可普惠的工程能力。

五、小结

既有结构鉴定与加固，本质上是对"过去的知识"做再认定、对"未来的安全"做再投资。AI、大模型与数据不会取代鉴定与加固工程师的判断，却能把老师傅脑中难以言传的眼光，沉淀为团队共享、可传承、可校验的资产——让存量建筑的安全经验真诚流动，让每一栋老房子都被认真、可溯地对待[114]；[118]。