高心墙堆石坝原生集成式智能无人碾压系统研发及应用

王佳俊，祁宁春，钟登华，佟大威，岳 攀，崔 博

(1.天津大学 水利工程仿真与安全国家重点实验室，天津 300350；
2.雅砻江流域水电开发有限公司，四川 成都 610051)

高心墙堆石坝碾压施工质量与效率关乎大坝运行安全和效益。传统的大坝碾压作业依靠人工驾驶碾压机完成，并通过人工控制碾压施参数和试坑抽检法进行压实质量控制，难以保证大坝碾压的效率与质量[1]。钟登华[2-4]与马洪琪[4]提出了数字大坝理论，并基于动态差分-全球导航定位(Real Time Kinematic-Global Navigation Satellite System，RTK-GNSS)等技术研发了心墙堆石坝碾压施工质量实时监控系统，实现了碾压施工参数(碾压遍数、碾压速度、压实厚度和振动状态等)全天候、精细化、在线实时监控，破解了人工控制碾压施工参数主观性强、耗时费力的难题。连续压实控制[5](CCC，Continuous Compaction Control)和智能碾压[6-7](IC，Intelligent Compaction)等技术通过在碾压设备上安装加速度计和RTK-GNSS定位装置，实现了碾压施工参数的实时监控和压实质量的自动反馈，有助于减少欠碾和过碾等质量缺陷并提高碾压效率。然而，CCC与IC方法均认为被碾材料的压实程度可由碾轮振动特性反应，缺乏考虑被碾材料与碾轮之间的耦合程度[8]，难以适用于粒径分布宽、局部刚度差异大的心墙堆石坝筑坝材料。同时，碾压参数和压实质量的实时监控技术均无法解决人为因素干扰大的难题。

无人碾压技术通过替代人工驾驶碾压机作业，全面消除了碾压过程中人为因素的干扰，对提高大坝碾压施工质量和效率具有重要的战略意义和广泛的应用前景，已成为研究前沿。卞永明等[9]对碾压机进行改装，使得碾压机具备自动驾驶功能；
Song等[10]对复杂条件下的控制算法进行了深入研究，提高了循迹控制的精度；
Yao等[11]改装冲击碾，提出了用于机场建设的无人压实系统；
Zhang等[12-13]设计了一种应用于堆石坝的无人碾压系统，并构建了基于无人驾驶碾压机的大坝智能压实系统。然而，已有的无人碾压大多采用外挂执行机构的方式进行改装，设备耐久性和稳定性难以得到保证，尤其随着我国重大水利水电工程建设逐步向西南高海拔、高寒地区转移，恶劣的筑坝条件更是对设备的耐久性和稳定性发起了挑战。

无人碾压系统从构成上可分为感知、规划决策和控制三大环节。在感知层，压实质量、障碍物和碾压机位姿是感知的关键内容。目前压实质量感知主要基于碾轮振动特性反应被碾材料的压实程度，如CMV(Compaction Meter Value)、RMV(Resonance Meter Value)和CCV(Continuous Compaction Value)等[8]。然而，这类指标并不能实现粒径分布宽、局部刚度差异大的高心墙堆石坝多料种(如堆石料、过渡料、砾石土心墙料等)压实质量的精准感知。上述无人碾压机障碍物感知多采用毫米波雷达进行障碍物检测，无法精准检测障碍物的类型与位置；
且无人碾压机位姿感知未能考虑GNSS信号微弱条件下的误差修正，易出现导航精度低等问题。在规划决策层，事前的全覆盖路径规划和事中的碾压参数动态优化是规划决策的关键内容。在全覆盖路径规划方面，本研究团队已经实现无人碾压机碾压轨迹的全覆盖路径规划[14]；
在碾压参数动态优化方面，已有研究实现了碾压遍数、车速和振动状态等碾压施工参数的事前优化[15]，但尚未实现在施工过程中碾压施工参数的动态优化，无法保证复杂条件下碾压施工质量和效率。在控制层面，循迹控制算法是无人碾压技术的核心，直接影响到碾压作业精度。已有研究采用固定参数的PID[16]、ADRC[10]和Lyapunov[17]等算法实现无人碾压机的循迹控制。但固定参数的控制算法无法适应高心墙堆石坝复杂的坝面施工环境，难以保证循迹控制的精度。此外，建立与无人碾压机双向通讯且交互友好、沉浸逼真的控制平台对碾压机运行性态及施工信息展示具有重要意义。数字孪生通过综合运用感知、计算、建模等信息技术，对物理空间进行描述、诊断、预测、决策，实现物理空间与虚拟空间的交互映射，目前已经成为全球信息技术发展的新焦点，是人工智能快速发展的新生概念[18]，然而目前在智能无人碾压领域的相关研究相对匮乏。

综上，本文开展多料种复杂施工环境条件下无人碾压系统的研究，需重点解决如下问题：(1)在感知层，现有的无人碾压多基于RTK-GNSS和毫米波雷达对位姿与障碍物进行感知，如何对压实质量、环境障碍物和位姿进行多模态感知是一大挑战；
(2)在规划决策层，如何在施工过程中实现碾压施工参数的动态优化以保证施工质量和效率；
(3)在控制层，如何动态调整控制参数以适应高心墙堆石坝复杂的施工环境；
(4)亟待研发基于数字孪生技术的交互平台，以友好、沉浸的方式展示碾压机运行性态及施工信息。

针对上述问题，本研究深入剖析高心墙堆石坝施工特点，采用感知设备、执行设备和控制设备统一设计和集成装配的方式，融合先进人工智能技术，自主研发了集成多模态智能感知、智能规划决策和智能控制等功能的无驾驶舱原生集成式智能无人碾压系统，并构建了相应的数字孪生平台，旨在提升高心墙堆石坝碾压施工质量和效率。

高心墙堆石坝原生集成式智能无人碾压系统可从“原生”和“集成式”两个方面解读。“原生”是指碾压施工过程中摒弃人的参与并实现自主碾压，在外形上最大的特征是移除了驾驶室；
“集成式”是指抛弃了使用外挂执行设备改造碾压机的理念，其中感知设备、执行设备和控制设备等由本团队统一设计并在出厂前以集成装配的方式进行车体制造，以提升碾压施工设备的耐久性与稳定性；
“原生集成式智能无人碾压”是指在本研究团队已有的智能感知、智能规划决策和智能控制等研究基础上研发，其中车体的控制是本团队基于厂商提供的无驾驶舱车体底层控制协议根据BOA-PID研发的控制系统来实现。

在高心墙堆石坝碾压施工过程中，精确感知质量、位姿和环境信息，动态优化碾压参数并对碾压机进行精准控制是保证碾压施工质量、提升碾压施工效率的重要环节。因此，本研究建立的高心墙堆石坝原生集成式智能无人碾压系统包括多模态智能感知、智能规划决策和智能控制等三大重要功能。原生集成式智能无人碾压系统架构如图1所示。多模态智能感知采用RTK-GNSS、加速度计、毫米波雷达和计算机视觉等组成的感知体系实现对压实质量、环境障碍物和位姿的精准感知；
其中，压实质量采用本团队提出的有效压实功率ECP进行表针[19]，该指标能适用于高心墙堆石坝中堆石料、过渡料、反滤料和砾石土心墙料等不同的筑坝材料。智能规划决策集成了全覆盖路径规划算法和碾压参数动态优化算法，实现了事前碾压轨迹的规划与事中碾压参数的动态优化；
其中，在碾压施工前，采用本团队提出的全覆盖路径规划算法进行路径规划[14]，并在碾压施工过程中采用本团队提出的碾压参数动态优化算法对碾压施工参数进行优化[20]，主要包括碾压遍数、碾压速度、振动频率和振幅等，以期实现压实质量合格且均匀、碾压效率最大等目标。智能控制是基于蝴蝶优化算法(Butterfly Optimization Algorithm，BOA)优化PID控制，将动态变化条件下的控制误差作为适应度，通过BOA优化PID参数，实现复杂条件下碾压参数的精确控制。

图1 原生集成式智能无人碾压系统研究框架

2.1 集成压实质量、环境障碍物与位姿的多模态感知方法为实现对压实质量、车身位姿和环境障碍物信息的智能感知，建立了原生集成式无人碾压机多模态智能感知体系，如图2所示。其中，压实质量ECP指标是作为规划决策的重要信息，而车身位姿信息和环境障碍物信息是实现无人碾压控制的关键，可从如下三个方面进行阐述：

图2 原生集成式无人碾压机多模态感知框架

(1)基于有效压实功率(Effective compaction power，ECP)的压实质量感知。压实质量感知是原生集成式无人碾压机的重要组成部分。实时准确评估坝料(砾石土料、过渡料和堆石料)的压实质量意义重大且极具挑战。考虑到坝料压实质量与压实能量密切相关，原生集成式智能无人碾压采用本研究团队提出的有效压实功率ECP指标评估土工材料压实质量[19]。ECP指标是基于能量守恒原理对钢轮的行走系统、振动系统、传动系统进行动力学建模，计算碾压机在碾压过程中的功率损耗，从而分析出作用于坝料的有效压实功率。ECP计算公式如式(1)所示：

(1)

式中ECP参数分为两种类型：系统参数和动态参数。系统参数与碾压机车体相关，可查阅碾压机的参数手册获得，包括c1、c3、ζ、M、g、ξ、b。其中，c1和c3分别为碾轮的横向和纵向阻尼；
ζ为内部零件的能量消耗系数；
M为车体质量，kg；
g为重力加速度，m/s2；
ξ和b为传动系统的能量损失系数。动态参数与碾压施工过程相关，可通过实时监控系统测量得到，包括Pg、f、Ax、Ay、α、a和V。其中，Pg为发动机总功率，W；
f为振动频率；
Ax为横向振动幅度，m；
Ay为纵向振动幅度，m；
α为碾压机俯仰角度，(°)；
a为碾压机移动加速度， m/s2；
V为车速，km/h。本研究团队提出的ECP指标已被证明与粗粒料(如堆石料、过渡料)和细粒料(如心墙材料)的碾压遍数和压实质量密切相关[19]，能够辅助原生集成式智能无人碾压机实现压实质量的精准感知。

(2)基于扩展卡尔曼滤波的RTK-GNSS高精度位姿感知模块。扩展卡尔曼滤波是一种非线性高斯系统的预测和滤波技术，通过预测和测量更新两个基本步骤递归估计系统的状态[21]。当山体遮挡、复杂气象等不良因素导致RTK-GNSS信号漂移时，采用扩展卡尔曼滤波对无人碾压机的位姿状态进行估计，有效增强了原生集成式无人碾压机在复杂环境下位姿感知的准确性和稳定性。

(3)基于相机-毫米波雷达融合的环境障碍物感知。该模块由相机和毫米波雷达组成，实现了在复杂施工环境中障碍物的精准感知。相机用于采集碾压机前后方实时画面，并进行障碍物目标检测；
毫米波雷达用于检测障碍物距离和在夜间等光线条件较差环境下障碍物的检测(只能检测到是否有障碍物，不能区分是何种障碍物)。通过对相机与雷达的障碍物信息融合，实现了障碍物信息的精确感知。其中，机器视觉采用了YOLOv5算法[22]，它是一种单阶段目标检测深度神经网络，具有预测速度快、准确率高、体积小等优点。采用毫米波雷达与相机的空间融合技术，将雷达检测到的目标位置转换到图像像素坐标系下，与图像识别的目标检测结果进行融合，实现空间上的统-描述，提升了障碍物检测精度，融合过程如图3所示。

图3 原生集成式无人碾压机毫米波雷达与相机感知障碍物坐标融合示意图

2.2 基于全覆盖路径规划和碾压参数动态优化的规划决策方法原生集成式无人碾压机智能规划决策模块集成了全覆盖路径规划算法和碾压参数动态优化算法两部分，实现了事前碾压轨迹的规划与事中碾压遍数、碾压速度、振动频率和振幅等碾压参数的动态优化，如图4所示。

图4 原生集成式无人碾压机智能规划决策模块

(1)全覆盖路径规划。事前的全覆盖路径规划用于生成碾压机作业轨迹。碾压轨迹需要实现作业区域遍历、符合碾压工艺且需安全避障，隶属于全覆盖路径规划研究范畴。本研究团队通过作业面分解、子作业面规划、子作业面连通和任务分配四个步骤，研发了Boustrophedon-CMM-TSP全覆盖路径规划算法[14]，实现了复杂条件下的轨迹优化，并集成入原生集成式智能无人碾压的轨迹规划中。

(2)碾压参数动态优化。碾压参数动态优化是指基于当前压实质量状态，自动调整碾压参数以保证碾压施工质量合格的条件下，提高压实质量均匀性和碾压施工效率。本团队提出了一种SGRPD(Spatial Global Rolling Parameter Decision)碾压参数动态优化算法[20]，并已集成入原生集成式智能无人碾压参数动态优化中。该方法综合考虑坝料空间异质性，采用ECP指标动态分析每个碾压条带每个子区域的压实质量(本研究中以2 m为长度划分条带形成子区域)，以最大化碾压条带的压实质量分布均匀性和碾压效率为目标，以碾压遍数、碾压速度、振动频率和振幅为决策变量，建立优化数学模型，并采用粒子群算法进行模型的动态求解，实现对碾压施工参数的动态优化。

2.3 BOA-PID控制模型常规PID控制是典型的单向负反馈控制系统，由PID控制器和被控对象组成。PID控制的数学表达式为：

(2)

式中：u(k)为k时刻控制器输出；
e(k)为k时刻误差；
Kp为比例增益系数；
Ki为积分增益系数；
Kd为微分增益系数，T为测量周期。

然而，PID控制算法参数调节耗时费力，且固定的控制参数难以适应复杂的高心墙堆石坝施工环境。因此有必要对PID控制算法的参数进行动态调整。群智能算法如粒子群算法[23]、人工蜂群[24]等是解决此类问题的重要方法。然而这类群智能算法存在收敛速度慢、易陷入局部最优等缺点，难以作为PID控制算法参数优化的最佳选择。新兴的智能优化算法—蝴蝶算法(butterfly optimization algorithm，BOA)具有较高的收敛精度和能够跳出局部最优等优势[25]。因此，本研究提出采用BOA动态更新PID控制参数，实现复杂的施工环境下碾压轨迹与碾压参数的精确控制，结构如图5所示。

图5 BOA-PID控制算法原理图

蝴蝶优化算法认为：(1)所有的蝴蝶都散发出某种香味，使蝴蝶能够互相吸引；
(2)每只蝴蝶都会随机移动，或朝着散发出更多香味的最佳蝴蝶移动；
(3)蝴蝶的刺激强度受目标函数值的影响或决定。当蝴蝶能感觉到其他任何蝴蝶的香味时并朝它移动，该阶段称为全局搜索；
当蝴蝶不能感觉周围的香味时，蝴蝶随机移动，该阶段称为局部搜索。利用转换概率p∈[0，1]控制全局和局部搜索过程，其迭代公式为：

F=ctIa

(3)

(4)

(5)

(6)

图6 BOA-PID控制算法流程图

2.4 原生集成式智能无人碾压数字孪生平台基于B/S架构研发的原生集成式智能无人碾压数字孪生平台实现了碾压施工过程中物理空间与孪生空间的双向交互，集成了无人碾压机施工作业过程中多模态感知信息、智能规划决策与智能控制等功能，平台界面如图7所示。其中，物理空间与虚拟空间的孪生互动主要由车载控制器与远程平台通过现场自主搭建的通信局域网络进行双向通讯实现。一方面，车载控制器将碾压机作业信息(即空间坐标、速度、振动状态等)发送到数字孪生平台上进行分析与展示，并存储在数据中心；
另一方面数字孪生平台向车载控制器发送相关任务进行施工(即碾压区域、碾压遍数、车辆速度、搭接宽度、点火熄火和急停指令等)。因此，该平台通过多模态智能感知体系为原生集成式智能无人碾压物理实体创建精准的孪生体，并通过智能分析模拟和预测其状态和行为并做出决策，反馈控制原生集成式智能无人碾压的作业过程。

图7 原生集成式无人碾压数字孪生平台

以西南大型砾石土高心墙堆石坝两河口水电工程为例开展试验，坝料主要包括堆石料、过渡料和砾石土心墙料。为满足多种坝料的碾压作业，在工程现场构建了应用于工程现场多料种的原生集成式智能无人碾压系统，并在施工现场开展生产性试验。

3.1 原生集成式智能无人碾压系统运行过程分析原生集成式智能无人碾压系统运行过程包括事前全覆盖路径规划、事中碾压参数动态优化、碾压轨迹与碾压参数控制、安全保障和质量验收等环节。取三种不同坝料的仓面对原生集成式智能无人碾压过程进行分析。首先，操作员对原生集成式智能无人碾压作业面进行轨迹规划，规划过程中考虑了静态障碍物等环境信息；
其次，原生集成式智能无人碾压机在碾压施工过程中实时感知坝料压实质量，并基于当前的压实质量动态优化碾压遍数、车速和振动状态等参数；
然后，采用BOA-PID算法控制碾压机按照优化出的碾压参数进行作业，作业过程中基于实时的环境感知信息进行安全避障；
最后，碾压作业完成，由系统生成碾压质量报告以进行验收。原生集成式智能无人碾压过程见图8。

图8 高心墙堆石坝原生集成式智能无人碾压过程

3.2 原生集成式智能无人碾压系统运行结果分析如图9所示，原生集成式智能无人碾压系统在两河口大坝施工现场进行了90个仓面的生产性试验，其中，30个堆石料仓面，30个过渡料仓面和30个砾石土心墙材料仓面。此外，选取了各分区工程前期各相似的30个人工碾压作业仓面作为对比。为了量化原生集成式智能无人碾压相较于传统人工碾压方法的优势，在完成每个仓面作业后，采用原位试坑检测压实质量并计算压实效率。每个仓面随机选择2～4个检测点，获取堆石料、过渡料和砾石土心墙料的干密度(g/cm3)，并以最薄弱的一点作为测试结果。以检测值与设计标准值的百分比作为衡量压实质量的指标，以单台碾压机的平均压实效率(m2/h)作为衡量碾压施工效率的指标。

图9 原生集成式智能无人碾压机现场碾压施工图

图10总结了3种筑坝材料的压实质量和压实效率。由图可知，原生集成式智能无人碾压的压实质量比传统压实方法更接近标准值，且低于设计标准的压实质量值较少，压实效率更高。

图10 生产成果统计

表1对统计结果进行了比较分析。结果表明，原生集成式智能无人碾压系统在3种筑坝材料的压实质量和效率均优于传统压实方法。与传统的压实方法相比，原生集成式智能无人碾压方法的压实质量达标率平均提高了2.42%(堆石料5.59%、过渡料1.12%、心墙料1.01%)，压实效率平均提高了15.20%(堆石料20.03%，过渡料15.42%，心墙料10.17%)，压实质量均匀性(以仓面内试坑检测的干密度标准差为均匀性指标)平均提高了59.47%(堆石料66.67%，过渡料55.97%，心墙料55.77%)。分析优势来源主要包括三个方面：(1)所提出的原生集成式智能无人碾压集成了全覆盖路径规划算法实现了最佳碾压路径的规划，确保了每个无人碾压机具有相对平衡的任务；
而人工碾压时的轨迹由操作手自行决定，虽然已经完成子区域碾压工作的操作手可以自组织帮助其他碾压机，但在包含障碍物和不规则边界的复杂工作区域，人的主观因素过大，且子区域遍历顺序不是最优的，导致碾压效率不高；
(2)所提出的原生集成式智能无人碾压集成了碾压参数动态优化算法实时动态调整碾压参数；
而人工碾压采用固定的碾压参数进行作业，无法动态调整碾压参数，导致压实质量分布不均、碾压施工效率较低等不足；
(3)原生集成式智能无人碾压可以避免因人工延迟和执行不准确造成的压实效率损失。综上所述，与传统方法相比，所提出的系统将压实效率提高了15%以上，表明所提出的系统可以显著加快大坝建设。

表1 原生集成式智能无人碾压和传统碾压对比表

针对目前缺乏多料种复杂施工环境条件下的无人碾压系统、现有无人碾压机未集成压实质量、环境障碍物和位姿等多模态信息及外挂执行机构的改装方式难以保证设备耐久性和稳定性等问题，本研究提出了一种高心墙堆石坝原生集成式智能无人碾压系统，取得如下成果：

(1)提出了集成RTK-GNSS、加速度传感器、毫米波雷达和机器视觉等在内的多模态信息感知体系，实现了压实质量、环境障碍物和位姿的精准感知；

(2)提出了集成全覆盖路径规划算法和碾压参数动态优化的智能规划决策模块，实现了事前碾压路径规划和事中碾压遍数、车速等碾压参数的动态优化；

(3)提出了基于蝴蝶优化算法优化PID的智能控制模块，实现了在复杂条件下碾压参数的精确控制。

(4)构建了原生集成式智能无人碾压数字孪生平台，实现了多模态智能感知、智能规划决策与智能控制等功能的集成与施工过程信息的沉浸式可视化展示。

(5)研发的高心墙堆石坝原生集成式智能无人碾压系统已在大型水利水电工程中进行了生产性试验，结果表明，相较于传统人工作业方法，一次碾压质量达标率提升2.42%，效率提升15.20%。

除土石坝外，碾压机是碾压混凝土坝、机场、道路等施工现场不可或缺的施工机械。这些土方工程的压实目标和施工场景与土石坝相似。原生集成式智能无人碾压已经证明了能极大提升该类土方工程压实质量和压实效率，未来将进一步统计分析该技术产生的经济效益。因此，本研究所提出的原生集成式智能无人碾压系统可推广至碾压混凝土坝、机场路基、道路施工。

猜你喜欢 集成式心墙无人 基于老年驾驶人的多模态集成式交互设计研究汽车工程师(2021年12期)2022-01-17花扬子江诗刊(2021年3期)2021-11-11300 m级超高直心墙和斜心墙土石坝应力变形分析丽水学院学报(2021年5期)2021-10-31集成式天然气输送压缩机直驱永磁电机研究防爆电机(2021年4期)2021-07-28瑞萨电子的集成式驾驶舱技术是汽车智能驾驶舱不可或缺的解决方案汽车零部件(2020年9期)2020-09-28无人战士无人车小哥白尼(军事科学)(2019年2期)2019-04-17反击无人机小哥白尼·趣味科学画报(2019年12期)2019-02-28诗到无人爱处工岷峨诗稿(2017年4期)2017-04-20无人超市会流行起来吗?新高考(英语进阶)(2017年12期)2017-02-26Therapeutic effect of okra extract on gestational diabetes mellitus rats induced by streptozotocinAsian Pacific Journal of Tropical Medicine(2015年12期)2015-10-31