CN113504780A - 一种隧道结构全自动智能巡检机器人及巡检方法 - Google Patents
一种隧道结构全自动智能巡检机器人及巡检方法 Download PDFInfo
- Publication number
- CN113504780A CN113504780A CN202110987630.2A CN202110987630A CN113504780A CN 113504780 A CN113504780 A CN 113504780A CN 202110987630 A CN202110987630 A CN 202110987630A CN 113504780 A CN113504780 A CN 113504780A
- Authority
- CN
- China
- Prior art keywords
- tunnel
- detection
- inspection
- inspection robot
- instruction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 163
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000001514 detection method Methods 0.000 claims abstract description 194
- 238000012423 maintenance Methods 0.000 claims abstract description 49
- 238000004891 communication Methods 0.000 claims abstract description 43
- 230000006854 communication Effects 0.000 claims abstract description 41
- 230000002457 bidirectional effect Effects 0.000 claims abstract description 5
- 230000007246 mechanism Effects 0.000 claims description 60
- 238000007726 management method Methods 0.000 claims description 36
- 230000007547 defect Effects 0.000 claims description 19
- 201000010099 disease Diseases 0.000 claims description 19
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 19
- 238000003384 imaging method Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 12
- 230000008878 coupling Effects 0.000 claims description 12
- 238000010168 coupling process Methods 0.000 claims description 12
- 238000005859 coupling reaction Methods 0.000 claims description 12
- 238000009434 installation Methods 0.000 claims description 12
- 239000003638 chemical reducing agent Substances 0.000 claims description 11
- 238000001931 thermography Methods 0.000 claims description 10
- 238000010146 3D printing Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 8
- 230000001681 protective effect Effects 0.000 claims description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000013439 planning Methods 0.000 claims description 6
- 238000013527 convolutional neural network Methods 0.000 claims description 5
- 230000001502 supplementing effect Effects 0.000 claims description 5
- 238000012790 confirmation Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 4
- 230000017525 heat dissipation Effects 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 238000010845 search algorithm Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 230000007175 bidirectional communication Effects 0.000 claims description 3
- 238000013523 data management Methods 0.000 claims description 3
- 238000004092 self-diagnosis Methods 0.000 claims description 3
- 238000010183 spectrum analysis Methods 0.000 claims description 3
- 229910001220 stainless steel Inorganic materials 0.000 claims description 3
- 239000010935 stainless steel Substances 0.000 claims description 3
- 239000013589 supplement Substances 0.000 description 7
- 230000008030 elimination Effects 0.000 description 5
- 238000003379 elimination reaction Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 239000000428 dust Substances 0.000 description 4
- 241000257303 Hymenoptera Species 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000004020 conductor Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000003016 pheromone Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000011418 maintenance treatment Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0219—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及一种隧道结构全自动智能巡检机器人及巡检方法。主要解决现有巡检装备对人员技能要求高、检测不智能等技术问题。巡检机器人由检测系统、承载运动平台和工务运维管理平台三大部分组成，检测系统安装在承载运动平台上，承载运动平台和检测系统由工务运维管理平台连接控制，工务运维管理平台通过无线网络与承载运动平台和检测系统进行双向无线通信。巡检机器人依据工务运维管理平台指令自主完成隧道巡检任务。
Description
技术领域
本发明涉及一种隧道结构巡检机器人及巡检方法，特别是公开一种隧道结构全自动智能巡检的机器人及巡检方法，应用于隧道结构检测领域。
背景技术
随着国内交通行业的快速发展，隧道的运营规模越来越大。隧道在建设、营运过程中，受地面、周边建筑物负载及土体扰动、隧道周边工程施工、列车运行振动等影响，隧道结构裂缝、渗漏水、剥落剥离等病害时有发生，影响隧道的运营安全。隧道覆盖范围广、线路长，检测时间受限，人工巡检任务繁重，人员成本高。
基于机器设备的隧道结构快速检测近年来引起了国内外的广泛关注。瑞士安伯格（Amberg）公司GRP系列隧道动态扫描系统，检测时速不超0.7km/h，须通过全站仪对测量小车进行定位牵引，且后期数据处理时间较长，作业效率有待提高；徕卡（Leica）公司SiTrackone通过内置集成超高精度激光DMI、IMU惯导系统以实现连续移动检测，最高检测时速2.8km/h，里程定位长距离累计误差大，数据处理复杂；德国SPACETEC公司开发了SPACETECTS2隧道快速扫描检测系统，利用激光和红外线，对隧道的变形、衬砌开裂、渗漏水、露筋、掉块进行非接触无损检测，检测时速小于5km/h；上海圭目机器人有限公司研制的轨道设施检测机器人搭载视觉、电磁波、声波等模块化检测系统对轨道设施相关结构进行全线路检测，最大运行速度20km/h；陕西海嵘工程科技集团研制的铁路公路隧道智能检测车，是自带动力的铁路、公路两用车，采用面阵CCD相机采集图像，利用图像数据分析软件对表观病害进行识别和处理。
随着机器视觉、运动控制等技术的不断发展，出现了不少隧道结构智能巡检的技术与方法。专利CN202010080997.1公开了基于机器视觉的隧道结构智能识别系统和方法，通过运行模块、物联传感模块、智能处理模块实现数据采集、分析等功能，结合区块链网络处理分析数据的方式，提升监测效率；专利CN202011384430.X公开了一种基于多维传感的公路隧道智能化巡检机器人系统，用于设备状态、隧道环境、交通状况等数据的采集与分析，用于公路隧道故障情况、隧道环境异常情况、交通事故情况的监控；专利CN201811371713.3公开了一种隧道巡检机器人，安装于隧道内侧壁，包括云台、激光扫描仪和可见光摄像机，能够通过携带的检测组件对隧道结构外形、线缆外观等进行检测。目前已有的隧道结构检测车多为人工驾驶，智能化程度低，数据在后台进行分析处理；而常见的巡检机器人，多为挂轨式，需要铺设线路，检测项目少。
综上，迫切需要一种无人驾驶、前端计算、安全高效的隧道结构全自动智能巡检机器人。
发明内容
本发明的目的设计一种隧道结构全自动智能巡检机器人及巡检方法，主要解决现有巡检装备操作复杂、对人员技能要求较高、检测不智能、作业效率低等技术问题。
本发明的目的可以通过以下技术方案来实现：一种隧道结构全自动智能巡检机器人，由检测系统、承载运动平台和工务运维管理平台三大部分组成；检测系统安装在承载运动平台上，承载运动平台和检测系统由工务运维管理平台连接控制，工务运维管理平台通过无线网络与承载运动平台和检测系统进行双向无线通信。
检测系统包括隧道结构成像系统、隧道轮廓变形激光扫描系统、隧道管片错台检测系统、轨道扣件检测系统、检测定位子系统、图像采集垂直升降机构、激光系统垂直升降机构和检测控制系统；其中隧道管片错台检测系统、轨道扣件检测系统是现有巡检机器人常用件，隧道结构成像系统包括6台线阵相机、6台LED补光灯、图像采集安装架、图像采集3D打印防护罩、散热电风扇；隧道轮廓变形激光扫描系统由6台线阵激光扫描仪组成，每台激光扫描仪的扫描角度70°，扫描点数780个，扫描频率700Hz，各线阵激光扫描仪绕同心点环向均匀分布，各扫描仪间扫描重叠度10°；检测定位子系统基于车辆定位模块数据，结合已知位置的隧道结构图像特征视觉自动识别系统对车辆定位模块的里程数据进行修正，修正后里程定位精度可达厘米级；图像采集垂直升降机构包括1台伺服电机、1台减速机、2台转向轴、2个导轨直线单元、2个滑动模组和安装支架；激光系统垂直升降机构包括1台伺服电机、1台转向轴、1个导轨直线单元、1个滑动模组和安装支架；图像采集垂直升降机构和激光系统垂直升降机构通过螺栓连接方式安装于承载运动平台顶板上；检测控制系统包括通信系统、PLC(Programmable Logic Controller，可编程逻辑控制器)控制系统、采集系统工控机，通信系统与检测车承载运动平台的通信模块通过TCP协议进行通信，检测系统各检测设备通过PLC控制系统进行控制，对各设备动作进行操控，采集系统工控机对采集数据进行存储与分析，并通过局域网与PLC控制系统进行双向通信；检测系统巡检作业时速30km/h。
所述承载运动平台包括电池动力模块、通信模块、车辆定位模块、ATP车载设备、结构承载模块及车辆控制系统；结构承载模块由吕字型不锈钢框架组成，通过安装接口与电池动力模块、通信模块、车辆定位模块、ATP车载设备、车辆控制系统连接；承载运动平台电池动力模块、通信模块是现有巡检机器人常用件；车辆定位模块由GNSS/INS/FMV(特征机器视觉，Feature machine vision)多层次自修正高精度定位系统组成，其中INS采用分辨率不低于15000P/R的通孔型增量编码器；ATP车载设备包括测速设备、车地通信设备、行车避障雷达、机器视觉安全智能识别系统、紧急制动装置，采用独立的冗余通道与ATP地面设备通信；各通信模块、电池动力模块接口采用航空接口；车辆控制系统包括工控机及内置的车辆自动运行系统（ATO）；巡检机器人行驶速度60km/h；承载运动平台的前端装有行车避障雷达。承载运动平台的车轮上装有通孔型增量编码器。
所述工务运维管理平台主要功能包括线路指令调度、隧道巡检规划、隧道巡检数据管理、隧道养护维护管理；工务运维管理平台基于自定义的WebAPI接口，通过无线网络与隧道巡检机器人的承载运动平台和检测系统进行双向无线通信。
所述隧道结构成像系统，由6台线阵相机通过三轴微调机构和螺栓安装于图像采集安装架上，各相机的安装位置依据隧道轮廓断面和环向重叠度进行设计确定，各相邻相机间拍摄范围环向重叠度可取10cm，覆盖范围大于270°，线阵相机通过数据通信线与采集系统工控机的图像采集卡相连，进行图像采集和存储，图像采集安装架的环形框架上装有散热电风扇，用于对补光灯及相机进行散热，三轴微调机构包含轴向旋转机构、轴向左右移动机构和轴向上下微调机构，各机构间通过定位螺栓和旋转螺栓相连，用于线阵相机安装位置三个自由度的精准调整。
进一步，依据编码器定距离触发的脉冲信号，构建了高精度时频基准源的多通道授时同步及纳秒级脉冲信号并行激励系统，实现线阵相机阵列高速同步成像与传输，30km/h时速下，隧道纵向成像最大错位小于1mm。
进一步，6台LED补光灯与6台线阵相机并排布设，各补光灯绕同心点环向均匀分布，通过二轴微调机构和螺栓安装于图像采集安装架上，各补光灯通过电源线与电源模块相连。
进一步，图像采集安装架采用图像采集3D打印防护罩进行雨水和灰尘防护，图像采集安装架通过8个M6螺栓与图像采集垂直升降机构的两个滑动模组相连，由图像采集垂直升降机构带动上下移动。
进一步，图像采集垂直升降机构包括1台伺服电机、1台减速机、2台转向轴、2个导轨直线单元、2个滑动模组和安装支架，伺服电机通过联轴器与减速机相连，减速机通过两个联轴器分别与两个转向轴相连，转向轴各自通过联轴器与导轨直线单元相连，滑动模组通过螺栓安装于导轨直线单元上，滑动模组的安装高度保持一致，误差控制在1mm之内，图像采集安装架通过螺栓与两个滑动模组相连，通过伺服电机传动，带动滑动模组在导轨上运动，进而带到图像采集安装架在垂直方向升降。
所述隧道轮廓变形激光扫描系统包括6台线阵激光扫描仪、背板、激光系统3D打印防护罩，每台激光扫描仪通过4个M4的螺栓安装于背板上，背板通过4个M6螺栓与激光系统垂直升降机构相连，由激光系统垂直升降机构带动上下移动，激光扫描仪通过电缆线与采集系统工控机相连，进行数据采集与存储，隧道轮廓变形激光扫描系统采用激光系统3D打印防护罩进行雨水和灰尘防护。
进一步，激光系统垂直升降机构包括1台伺服电机、1个导轨直线单元、1台转向轴、1个滑动模组和安装支架，伺服电机通过联轴器与导轨直线单元相连，滑动模组通过螺栓安装于导轨直线单元上，激光系统采集架通过螺栓与滑动模组相连，通过伺服电机传动，带动滑动模组在导轨上运动，进而带到激光系统采集架在垂直方向升降。
一种隧道结构全自动智能巡检机器人的巡检方法，包括以下步骤：
S1、工务运维管理平台规划隧道巡检任务，通过4G/5G无线网络，向隧道巡检机器人传输经数据加密算法（DEA）加密的巡检任务指令；
所述巡检任务指令内容包括指令编码、检测项目编码、检测类型编码、检测区间编码、作业开始时间、作业结束时间等。
S2、隧道巡检机器人收到巡检任务指令并解密后，自动启动检测控制系统，对检测设备状态进行自诊断，确认各检测设备状态，并将设备状态信息反馈至平台。
所述步骤S2的具体操作如下：
（1） 检测设备存在故障，不能正常作业，取消巡检任务指令，生成设备维护工单并发送至工务运维管理平台，巡检任务终止；
（2） 检测设备正常，可正常作业，回复巡检任务指令确定可执行。
S3、依据巡检任务指令，通过基于条件约束的蚁群及快速扩展随机树搜索算法，隧道巡检机器人自主规划行驶最佳路径，生成路径指令，并上传至工务运维管理平台进行报备审核确认，双重认证后，经平台转发至沿线调度中心，以便巡检机器人能顺利通过各区间及站点。
S4、巡检开始，巡检机器人依据已确认的路径规划，自工程车辆段或其他停车点驶出，自主前往目的地隧道进行巡检，期间通过无线通信实时与工务运维管理平台保持联络，确保行驶安全。
所述步骤S4的具体操作如下：
（1）巡检机器人自备图像视觉、避障雷达、距离编码器、IMU系统，结合隧道内部综合定位系统，通过已知定位信息的特征图像识别，实现机器人定位的自我修正，动态调整行驶速度，以确保路径行驶精准和安全；
进一步，隧道巡检机器人基于自身的图像视觉智能识别系统，对前方信号灯的形状及颜色进行识别和确定，并与平台进行指令双重确认，以确保行驶安全；
进一步，隧道巡检机器人通过红外热成像仪、避障雷达检测系统，探测前方是否有障碍物，如探测到障碍物，减速或停止并及时发出声光警报，确保通行安全。
S5、隧道巡检机器人到达指定隧道位置处，依据巡检项目指令，自动开启图像检测、激光检测、空耦雷达检测、超声检测或红外热成像检测系统，对隧道结构、设施设备进行影像、激光点云、雷达波、声波、温度等信息采集；
进一步，通过隧道全周环向线阵相机阵列采集隧道结构表观图像，用于裂缝、渗漏水、剥落剥离、掉块等病害检测；
进一步，通过三维激光扫描仪采集隧道内轮廓数据，用于隧道断面变形、侵限检测及隧道三维点云模型重构；
进一步，通过空气耦合雷达，采集隧道结构及道床的雷达数据，用于隧道结构厚度、空洞等内部质量检测；
进一步，通过超声探测系统和3D相机采集隧道轨道声波和影像数据，用于轨道裂纹、扣件缺陷检测；
进一步通过红外热成像系统采集隧道结构及附属设施热成像图，用于结构渗漏水、设备热阻检测。
S6、通过隧道巡检机器人自备的数据处理系统，利用卷积神经网络、多层次迭代噪点剔除与轮廓曲线拟合、时域有限差分（FDTD）法、三维点云降噪与匹配等方法，对采集数据进行前端智能实时处理分析，并将检测结果利用无线网络通信传输至工务运维管理平台，实现“边检边报”；
进一步，通过搭建卷积神经网络实现对隧道结构表观图像中病害进行识别与定位，结合数字图像处理技术计算相应的病害几何参数；
进一步，通过多层次迭代噪点剔除方法去除隧道中有干扰的噪点，结合隧道轮廓设计图进行轮廓曲线拟合，用于分析变形、侵限和点云模型重构；
进一步，通过时域有限差分（FDTD）法对雷达数据进行分析与处理，结合频谱分析，实现对隧道结构内部病害的参数计算和提取；
进一步，通过三维点云噪点剔除方法实现对干扰噪点的去除，结合扣件高度梯度和特征匹配算法，实现的扣件缺陷检测。
S7、隧道巡检机器人对已完成检测作业项进行逐个销项，待所有检测任务完成后，发指令至工务运维管理平台进行检测作业有效性确定；
进一步：
（1）收到平台有效性确定后，隧道巡检机器人自动关闭检测系统，依据已确认的巡检路径返回工程车辆段，现场检测作业完毕；
（2）如检测数据存在缺陷，需要重新检测，则平台自动依据缺陷项目的类型、区域、里程等信息，生成新的检测指令，下达至隧道巡检机器人，机器人收到指令后，自主对缺陷项目进行复检，重复步骤S8、S9、S10，直至收到检测有效性确定指令或平台中止检测指令为止。
S8、隧道巡检机器人回到工程车辆段，通过有线或无线网络传输系统，自动对本次检测结果及检测数据上传至后台，并向平台发出检测作业结束指令，整个自主巡检任务完成。
进一步，隧道巡检机器人自主巡检包括普通检测、重点检测、专项检测；
（1）普通检测：对隧道结构、轮廓、轨道、管片错台等单一或所有项目进行全域检测，形成隧道巡检基础数据；
（2）重点检测：对普通检测发现的重大病害或隧道某一指定重点区域利用巡检机器人进行重点巡检；
（3）专项检测：根据普通检测、重点检测的结果，对于需要进一步查明缺损或病害的详细情况，利用巡检机器人进行更深入的专门检测、分析作业。
本发明的有益效果是：
（1）本发明是一种无人驾驶的自主巡检机器人，可以减少人为干扰、降低人工成本，可以实现全过程标准化、自动智能巡检；
（2）本发明基于卷积神经网络、多层次迭代噪点剔除与轮廓拟合、用时域有限差分（FDTD）法、三维点云降噪与匹配等方法，实现检测数据的前端快速分析，并实时将检测结果传输至平台，做到“边检边报”，提升检测作业和维护处治效率；
（3）本发明技术方案利用双重认证机制、红外热成像探测、避障雷达、机器视觉识别等多种技术手段保障巡检机器人的行车和作业安全。
附图说明
图1 是本发明结构拓扑示意图；
图2 是本发明结构示意图；
图3 是本发明隧道结构成像系统构结构示意图；
图4 是本发明隧道轮廓变形激光扫描系统结构示意主视图；
图5是本发明隧道轮廓变形激光扫描系统立体结构示意图；
图6 是本发明图像采集垂直升降机构结构示意图；
图7是本发明激光系统垂直升降机构结构示意图；
图8是本发明三轴微调机构结构示意图；
图9 是本发明巡检流程示意图。
图中：1-线阵相机，2-LED补光灯，3-图像采集安装架，4-图像采集3D打印防护罩，5-图像采集垂直升降机构，6-线阵激光扫描仪，7-激光系统采集架，8-承载运动平台，9-激光系统垂直升降机构，10-通信系统，11-采集系统工控机，12-PLC控制系统，13-电池动力模块，14-通信模块，15-车辆定位模块，16-ATP车载设备，17-结构承载模块，18-车辆控制系统，19-通孔型增量编码器，20-行车避障雷达，21-车辆自动运行系统（ATO）、22-散热电风扇、23-三轴微调机构、24-环形框架、25-滑动模组、26-背板、27-螺栓、28-激光系统3D打印防护罩、29-伺服电机、30-减速机、31-联轴器、32-转向轴、33-导轨直线单元；34-轴向旋转机构；35-轴向左右移动机构；36-轴向上下微调机构；37-定位螺栓；38-旋转螺栓。
具体实施方式
下面结合附图和具体实施例对本发明作详细说明。
如图1、图2、图3、图4、图5、图6、图7、图8所示，一种隧道结构全自动智能巡检机器人，由检测系统、承载运动平台和工务运维管理平台三大部分组成；检测系统安装在承载运动平台上，承载运动平台和检测系统由工务运维管理平台连接控制；工务运维管理平台通过无线网络与承载运动平台和检测系统进行双向无线通信。
所述检测系统主要由隧道结构成像系统、隧道轮廓变形激光扫描系统、隧道管片错台检测系统、轨道扣件检测系统、检测定位子系统、图像采集垂直升降机构、激光系统垂直升降机构和检测控制系统；其中隧道管片错台检测系统、轨道扣件检测系统是现有巡检机器人市购常用件，隧道结构成像系统由6台8K线阵相机1、6台LED补光灯2、图像采集安装架3、图像采集3D打印防护罩4和图像采集垂直升降机构5、散热电风扇22组成，检测时速大于30km/h；隧道轮廓变形激光扫描系统由6台Sick线阵激光扫描仪6组成，单台激光扫描仪的扫描角度70°，扫描点数780个，单点测量精度优于1mm，扫描频率700Hz，各线阵激光扫描仪绕同心点环向均匀分布，各扫描仪间扫描重叠度10°，通过激光系统采集架7与承载运动平台8连接；
检测定位子系统基于车辆定位模块数据，结合已知位置的隧道结构（如管片环缝、里程标、百米标、横通道、消防箱等）图像特征视觉自动识别系统对车辆定位模块的里程数据进行修正，修正后里程定位精度可达厘米级；
图像采集垂直升降机构5可选用Thomson的M系列产品，包括1台伺服电机29、1台减速机30、2台转向轴32、2个导轨直线单元33、2个滑动模组25和安装支架；伺服电机29通过联轴器31与减速机30相连，减速机30通过两个联轴器31分别与两个转向轴32相连，转向轴32各自通过联轴器31与导轨直线单元33相连，滑动模组25通过螺栓安装于导轨直线单元33上，滑动模组25的安装高度保持一致，误差控制在1mm之内，图像采集安装架3通过螺栓与两个滑动模组25相连，通过伺服电机29传动，带动滑动模组25在导轨上运动，进而带到图像采集安装架3在垂直方向升降。
激光系统垂直升降机构9包括1台伺服电机29、1个导轨直线单元33、1个滑动模组25和安装支架；伺服电机29通过联轴器31与导轨直线单元33相连，滑动模组25通过螺栓安装于导轨直线单元33上，激光系统采集架7通过螺栓与滑动模组25相连，通过伺服电机29传动，带动滑动模组25在导轨上运动，进而带到激光系统采集架7在垂直方向升降。
检测控制系统包括通信系统10、PLC控制系统12、采集系统工控机11，通信系统10与检测车承载运动平台的通信模块14通过TCP协议进行通信，检测系统各检测设备通过PLC控制系统12进行控制，对各设备动作进行操控，采集系统工控机11对采集数据进行存储与分析，并通过局域网与PLC控制系统12进行双向通信；检测系统巡检作业时速30km/h。
所述承载运动平台主要由电池动力模块13、通信模块14、车辆定位模块15、ATP车载设备16、结构承载模块17及车辆控制系统18组成；承载运动平台电池动力模块13、通信模块14是现有巡检机器人市购常用件；车辆定位模块由GNSS/INS/FMV(特征机器视觉，Feature machine vision)多层次自修正高精度定位系统组成，其中INS采用分辨率不低于15000P/R的通孔型增量编码器19；ATP车载设备16主要包括测速设备、车地通信设备、行车避障雷达20、机器视觉安全智能识别系统、紧急制动装置组成，采用独立的冗余通道与ATP地面设备通信；结构承载模块由吕字型不锈钢框架组成，为检测系统结构、通信、电力预留安装接口，各通信、电力接口采用航空接口；车辆控制系统包括工控机、车辆自动运行系统（ATO）21；巡检机器人行驶速度60km/h。
所述工务运维管理平台主要功能包括线路指令调度、隧道巡检规划、隧道巡检数据管理、隧道养护维护管理；工务运维管理平台基于自定义的WebAPI接口，通过无线网络与隧道巡检机器人的承载运动平台和检测系统进行双向无线通信；无线通信采用数字集群移动通信系统，具有选呼、组呼、全呼、紧急呼叫、呼叫优先级权限等调度通信功能。
所述隧道结构成像系统，6台线阵相机1通过三轴微调机构23和螺栓安装于图像采集安装架24上，各相机的安装位置依据隧道轮廓断面和环向重叠度进行设计确定，各相邻相机间拍摄范围环向重叠度可取10cm，覆盖范围大于270°，线阵相机1通过数据通信线与采集系统工控机的图像采集卡相连，进行图像采集和存储，图像采集安装架的环形框架24上装有散热电风扇22，用于对补光灯及相机进行散热，三轴微调机构包含轴向旋转机构34、轴向左右移动机构35和轴向上下微调机构36，各机构间通过定位螺栓37和旋转螺栓38相连，用于线阵相机安装位置三个自由度的精准调整。
进一步，依据编码器定距离触发的脉冲信号，构建了高精度时频基准源的多通道授时同步及纳秒级脉冲信号并行激励系统，实现线阵相机阵列高速同步成像与传输，30km/h时速下，隧道纵向成像最大错位小于1mm；
进一步，6台LED补光灯2与6台线阵相机1并排布设，各LED补光灯2绕同心点环向均匀分布，通过二轴微调机构和螺栓安装于图像采集安装架24上，各补光灯通过电源线与电源模块相连；
进一步，图像采集安装架24采用图像采集3D打印防护罩4进行雨水和灰尘防护，图像采集安装架27通过8个M6螺栓与图像采集垂直升降机构5的两个滑动模组25相连，由图像采集垂直升降机构5带动上下移动。
所述隧道轮廓变形激光扫描系统包括6台Sick线阵激光扫描仪6、安装背板26、激光系统3D打印防护罩28，每台激光扫描仪6通过4个M4的螺栓27安装于背板26上，背板26通过4个M6螺栓与激光系统垂直升降机构9相连，由激光系统垂直升降机构9带动上下移动，激光扫描仪通过电缆线与采集系统工控机11相连，进行数据采集与存储，隧道轮廓变形激光扫描系统采用激光系统3D打印防护罩28进行雨水和灰尘防护。
如图9所示，一种隧道结构全自动智能巡检机器人及巡检方法，包括以下步骤：
S1、工务运维管理平台规划隧道巡检任务，通过4G/5G无线网络，向隧道巡检机器人传输经对称数据加密算法（DEA）加密的巡检任务指令；
具体对称加密算法DES原理简介：把64位的明文输入块变为数据长度为64位的密文输出块，其中8位为奇偶校验位，另外56位作为密码的长度；首先，DES把输入的64位数据块按位重新组合，并把输出分为L0、R0两部分，每部分各长32位，并进行前后置换，最终由L0输出左32位，R0输出右32位，根据这个法则经过16次迭代运算后，得到L16、R16，将此作为输入，进行与初始置换相反的逆置换，即得到密文输出；
所述巡检任务指令内容包括指令编码、检测项目编码、检测类型编码、检测区间编码、作业开始时间、作业结束时间。
S2、隧道巡检机器人收到巡检任务指令并解密后，自动启动检测控制系统，对检测设备状态进行自诊断，确认各检测设备状态，并将设备状态信息反馈至平台。
所述步骤S2的具体操作如下：
（1） 检测设备存在故障，不能正常作业，取消巡检任务指令，生成设备维护工单并发送至工务运维管理平台，巡检任务终止；
（2） 检测设备正常，可正常作业，回复巡检任务指令确定可执行。
S3、依据巡检任务指令，通过基于条件约束的蚁群及快速扩展随机树搜索算法，隧道巡检机器人自主规划行驶最佳路径，生成路径指令，并上传至工务运维管理平台进行报备审核确认，双重认证后，经平台转发至沿线调度中心，以便巡检机器人能顺利通过各区间及站点；
蚁群搜索算法基本思路：用蚂蚁的行走路径表示待优化问题的可行解，整个蚂蚁群体的所有路径构成待优化问题的解空间；路径较短的蚂蚁释放的信息素量较多，随着时间的推进，较短的路径上累积的信息素浓度逐渐增高，选择该路径的蚂蚁个数也愈来愈多；最终，整个蚂蚁会在正反馈的作用下集中到最佳的路径上，此时对应的便是待优化问题的最优解。
S4、巡检开始，巡检机器人依据已确认的路径规划，自工程车辆段或其他停车点驶出，自主前往目的地隧道进行巡检，期间通过无线通信实时与工务运维管理平台保持联络，确保行驶安全。
所述步骤S4的具体操作如下：
（1）巡检机器人自备图像视觉、避障雷达、距离编码器、IMU系统，结合隧道内部综合定位系统，通过已知定位信息的特征图像识别，实现机器人定位的自我修正，动态调整行驶速度，以确保路径行驶精准和安全；
进一步，隧道巡检机器人基于自身的图像视觉智能识别系统，对前方信号灯的形状及颜色进行识别和确定，并与平台进行指令双重确认，以确保行驶安全；
进一步，隧道巡检机器人通过红外热成像仪、避障雷达检测系统，探测前方是否有障碍物，如探测到障碍物，减速或停止并及时发出声光警报，确保通行安全。
S5、隧道巡检机器人到达指定隧道位置处，依据巡检项目指令，自动开启图像检测、激光检测、空耦雷达检测、超声检测或红外热成像检测系统，对隧道结构、设施设备进行影像、雷达波、声波、温度等信息采集；
进一步，通过隧道全周环向线阵相机阵列采集隧道结构表观图像，用于裂缝、渗漏水、剥落剥离、掉块等病害检测；
进一步，通过三维激光扫描仪采集隧道内轮廓数据，用于隧道断面变形、侵限检测及隧道三维点云模型重构；
进一步，通过空气耦合雷达，采集隧道结构及道床的雷达数据，用于隧道结构厚度、空洞等内部质量检测；
进一步，通过超声探测系统和3D相机采集隧道轨道声波和影像数据，用于轨道裂纹、扣件缺陷检测；
进一步通过红外热成像系统采集隧道结构及附属设施热成像图，用于结构渗漏水、设备热阻检测。
S6、通过隧道巡检机器人自备的数据处理系统，利用卷积神经网络、多层次迭代噪点剔除与轮廓曲线拟合、时域有限差分（FDTD）法、三维点云降噪与匹配等方法，对采集数据进行前端智能实时处理与分析，并将检测结果利用无线网络通信传输至工务运维管理平台，实现“边检边报”；
进一步，通过搭建卷积神经网络实现对隧道结构表观图像中病害进行识别与定位，结合数字图像处理技术计算相应的病害几何参数；
进一步，通过多层次迭代噪点剔除方法去除隧道中有干扰的噪点，结合隧道轮廓设计图进行轮廓曲线拟合，用于分析变形、侵限和点云模型重构；
进一步，通过时域有限差分（FDTD）法对雷达数据进行分析与处理，结合频谱分析，实现对隧道结构内部病害的参数计算；
进一步，通过三维点云噪点剔除方法实现对干扰噪点的去除，结合扣件高度梯度和特征匹配算法，实现的扣件缺陷检测。
S7、隧道巡检机器人对已完成检测作业项进行逐个销项，待所有检测任务完成后，发指令至工务运维管理平台进行检测作业有效性确定；
进一步：
（1）收到平台有效性确定后，隧道巡检机器人自动关闭检测系统，依据已确认的巡检路径返回工程车辆段，现场检测作业完毕；
（2）如检测数据存在缺陷，需要重新检测，则平台自动依据缺陷项目的类型、区域、里程等信息，生成新的检测指令，下达至隧道巡检机器人，机器人收到指令后，自主对缺陷项目进行复检，重复步骤S5、S6、S7，直至收到检测有效性确定指令或平台中止检测指令为止。
S8、隧道巡检机器人回到工程车辆段，通过有线或无线网络传输系统，自动对本次检测结果及检测数据上传至后台，并向平台发出检测作业结束指令，整个自主巡检任务完成。
进一步，隧道巡检机器人自主巡检包括普通检测、重点检测、专项检测；
（1）普通检测：对隧道结构、轮廓、轨道、管片错台等单一或所有项目进行全域检测，形成隧道巡检基础数据；
（2）重点检测：对普通检测发现的重大病害或隧道某一指定重点区域利用巡检机器人进行重点巡检；
（3）专项检测：根据普通检测、重点检测的结果，对于需要进一步查明缺损或病害的详细情况，利用巡检机器人进行更深入的专门检测、分析作业。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由本发明的权利要求书所要求的保护范围内。
Claims (9)
1.一种隧道结构全自动智能巡检机器人，其特征在于：由检测系统、承载运动平台和工务运维管理平台三大部分组成，检测系统安装在承载运动平台上，承载运动平台和检测系统由工务运维管理平台连接控制，工务运维管理平台通过无线网络与承载运动平台和检测系统进行双向无线通信。
2.根据权利要求1所述的一种隧道结构全自动智能巡检机器人，其特征在于：检测系统包括隧道结构成像系统、隧道轮廓变形激光扫描系统、隧道管片错台检测系统、轨道扣件检测系统、检测定位子系统、图像采集垂直升降机构、激光系统垂直升降机构和检测控制系统；所述隧道结构成像系统包括6台线阵相机、6台LED补光灯、图像采集安装架、图像采集3D打印防护罩、散热电风扇；6台线阵相机通过三轴微调机构和螺栓安装于图像采集安装架上，线阵相机通过数据通信线与采集系统工控机的图像采集卡相连，进行图像采集和存储；图像采集安装架的环形框架上装有散热电风扇，三轴微调机构包含轴向旋转机构、轴向左右移动机构和轴向上下微调机构，各机构间通过定位螺栓和旋转螺栓相连，用于调整线阵相机安装位置三个自由度；6台LED补光灯与6台线阵相机并排布设，各补光灯绕同心点环向均匀分布，通过二轴微调机构和螺栓安装于图像采集安装架上，各补光灯通过电源线与电源模块相连；图像采集安装架装有图像采集3D打印防护罩，图像采集安装架通过螺栓与图像采集垂直升降机构的两个滑动模组相连，由图像采集垂直升降机构带动上下移动；
所述隧道轮廓变形激光扫描系统包括6台线阵激光扫描仪、背板、激光系统3D打印防护罩，每台激光扫描仪通过螺栓安装于背板上，背板通过螺栓与激光系统垂直升降机构相连，由激光系统垂直升降机构带动上下移动，激光扫描仪通过电缆线与采集系统工控机相连，进行数据采集与存储，隧道轮廓变形激光扫描系统加装激光系统3D打印防护罩，
所述检测定位子系统基于车辆定位模块数据，结合已知位置的隧道结构图像特征视觉自动识别系统对车辆定位模块的里程数据进行修正；
所述图像采集垂直升降机构包括1台伺服电机、1台减速机、2台转向轴、2个导轨直线单元、2个滑动模组和安装支架；伺服电机通过联轴器与减速机相连，减速机通过两个联轴器分别与两个转向轴相连，转向轴各自通过联轴器与导轨直线单元相连，滑动模组通过螺栓安装于导轨直线单元上，滑动模组的安装高度保持一致，图像采集安装架通过螺栓与两个滑动模组相连，通过伺服电机传动，带动滑动模组在导轨上运动，进而带到图像采集安装架在垂直方向升降；
所述激光系统垂直升降机构包括1台伺服电机、1台转向轴、1个导轨直线单元、1个滑动模组和安装支架；伺服电机通过联轴器与导轨直线单元相连，滑动模组通过螺栓安装于导轨直线单元上，激光系统采集架通过螺栓与滑动模组相连，通过伺服电机传动，带动滑动模组在导轨上运动，进而带到激光系统采集架在垂直方向升降；
所述检测控制系统包括通信系统、PLC控制系统、采集系统工控机，通信系统与检测车承载运动平台的通信模块通过TCP协议进行通信，检测系统各检测设备通过PLC控制系统进行控制，对各设备动作进行操控，采集系统工控机对采集数据进行存储与分析，并通过局域网与PLC控制系统进行双向通信
所述承载运动平台包括电池动力模块、通信模块、车辆定位模块、ATP车载设备、结构承载模块及车辆控制系统；车辆定位模块由特征机器视觉多层次自修正高精度定位系统组成；ATP车载设备包括测速设备、车地通信设备、行车避障雷达、机器视觉安全智能识别系统、紧急制动装置，采用独立的冗余通道与ATP地面设备通信；结构承载模块由吕字型不锈钢框架组成，为检测系统结构、通信、电力预留安装接口，各通信、电力接口采用航空接口；车辆控制系统包括工控机、车辆自动运行系统；
所述工务运维管理平台可以进行线路指令调度、隧道巡检规划、隧道巡检数据管理、隧道养护维护管理；工务运维管理平台基于自定义的WebAPI接口，通过无线网络与隧道巡检机器人的承载运动平台和检测系统进行双向无线通信。
3.根据权利要求1所述的一种隧道结构全自动智能巡检机器人，其特征在于，所述隧道结构成像系统，各相邻相机间拍摄范围环向重叠度10cm，覆盖范围大于270°。
4.根据权利要求1所述的一种隧道结构全自动智能巡检机器人，其特征在于，每台激光扫描仪的扫描角度70°，扫描点数780个，扫描频率700Hz，各线阵激光扫描仪绕同心点环向均匀分布，各扫描仪间扫描重叠度10°。
5.权利要求1所述的一种隧道结构全自动智能巡检机器人的巡检方法，其特征在于，包括以下步骤：
S1、工务运维管理平台规划隧道巡检任务，通过4G/5G无线网络，向隧道巡检机器人传输经数据加密算法加密的巡检任务指令；
所述巡检任务指令内容包括指令编码、检测项目编码、检测类型编码、检测区间编码、作业开始时间、作业结束时间；
S2、隧道巡检机器人收到巡检任务指令并解密后，自动启动检测控制系统，对检测设备状态进行自诊断，确认各检测设备状态，并将设备状态信息反馈至平台；
S3、依据巡检任务指令，通过基于条件约束的蚁群及快速扩展随机树搜索算法，隧道巡检机器人自主规划行驶最佳路径，生成路径指令，并上传至工务运维管理平台进行报备审核确认，双重认证后，经平台转发至沿线调度中心，以便巡检机器人能顺利通过各区间及站点；
S4、巡检开始，巡检机器人依据已确认的路径规划，自工程车辆段或其他停车点驶出，自主前往目的地隧道进行巡检，期间通过无线通信实时与工务运维管理平台保持联络，确保行驶安全；
S5、隧道巡检机器人到达指定隧道位置处，依据巡检项目指令，自动开启图像检测、激光检测、空耦雷达检测、超声检测或红外热成像检测系统，对隧道结构、设施设备进行影像、激光点云、雷达波、声波、温度等信息采集；
通过隧道全周环向线阵相机阵列采集隧道结构表观图像，用于裂缝、渗漏水、剥落剥离、掉块等病害检测；
通过三维激光扫描仪采集隧道内轮廓数据，用于隧道断面变形、侵限检测及隧道三维点云模型重构；
通过空气耦合雷达，采集隧道结构及道床的雷达数据，用于隧道结构厚度、空洞等内部质量检测；
通过超声探测系统和3D相机采集隧道轨道声波和影像数据，用于轨道裂纹、扣件缺陷检测；
通过红外热成像系统采集隧道结构及附属设施热成像图，用于结构渗漏水、设备热阻检测；
S6、通过隧道巡检机器人自备的数据处理系统，利用卷积神经网络、多层次迭代噪点剔除与轮廓曲线拟合、时域有限差分法、三维点云降噪与匹配方法，对采集数据进行前端智能实时处理分析，并将检测结果利用无线网络通信传输至工务运维管理平台，实现“边检边报”；
通过搭建卷积神经网络实现对隧道结构表观图像中病害进行识别与定位，结合数字图像处理技术计算相应的病害几何参数；
通过多层次迭代噪点剔除方法去除隧道中有干扰的噪点，结合隧道轮廓设计图进行轮廓曲线拟合，用于分析变形、侵限和点云模型重构；
通过时域有限差分法对雷达数据进行分析与处理，结合频谱分析，实现对隧道结构内部病害的参数计算和提取；
通过三维点云噪点剔除方法实现对干扰噪点的去除，结合扣件高度梯度和特征匹配算法，实现的扣件缺陷检测；
S7、隧道巡检机器人对已完成检测作业项进行逐个销项，待所有检测任务完成后，发指令至工务运维管理平台进行检测作业有效性确定；
S8、隧道巡检机器人回到工程车辆段，通过有线或无线网络传输系统，自动对本次检测结果及检测数据上传至后台，并向平台发出检测作业结束指令，整个自主巡检任务完成。
6.根据权利要求5所述的巡检方法，其特征在于：所述步骤S2的具体操作如下：
（1） 检测设备存在故障，不能正常作业，取消巡检任务指令，生成设备维护工单并发送至工务运维管理平台，巡检任务终止；
（2） 检测设备正常，可正常作业，回复巡检任务指令确定可执行。
7.根据权利要求5所述的巡检方法，其特征在于：所述步骤S4的具体操作如下：
（1）巡检机器人自备图像视觉、避障雷达、距离编码器、IMU系统，结合隧道内部综合定位系统，通过已知定位信息的特征图像识别，实现机器人定位的自我修正，动态调整行驶速度，以确保路径行驶精准和安全；
隧道巡检机器人基于自身的图像视觉智能识别系统，对前方信号灯的形状及颜色进行识别和确定，并与平台进行指令双重确认，以确保行驶安全；
隧道巡检机器人通过红外热成像仪、避障雷达检测系统，探测前方是否有障碍物，如探测到障碍物，减速或停止并及时发出声光警报，确保通行安全。
8.根据权利要求5所述的巡检方法，其特征在于：所述步骤S7的具体操作如下：
（1）收到平台有效性确定后，隧道巡检机器人自动关闭检测系统，依据已确认的巡检路径返回工程车辆段，现场检测作业完毕；
（2）如检测数据存在缺陷，需要重新检测，则平台自动依据缺陷项目的类型、区域、里程等信息，生成新的检测指令，下达至隧道巡检机器人，机器人收到指令后，自主对缺陷项目进行复检，重复步骤S5、S6、S7，直至收到检测有效性确定指令或平台中止检测指令为止。
9.根据权利要求5所述的巡检方法，其特征在于：所述步骤S8，隧道巡检机器人自主巡检包括普通检测、重点检测、专项检测；
（1）普通检测：对隧道结构、轮廓、轨道、管片错台等单一或所有项目进行全域检测，形成隧道巡检基础数据；
（2）重点检测：对普通检测发现的重大病害或隧道某一指定重点区域利用巡检机器人进行重点巡检；
（3）专项检测：根据普通检测、重点检测的结果，对于需要进一步查明缺损或病害的详细情况，利用巡检机器人进行更深入的专门检测、分析作业。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110987630.2A CN113504780B (zh) | 2021-08-26 | 2021-08-26 | 一种隧道结构全自动智能巡检机器人及巡检方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110987630.2A CN113504780B (zh) | 2021-08-26 | 2021-08-26 | 一种隧道结构全自动智能巡检机器人及巡检方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113504780A true CN113504780A (zh) | 2021-10-15 |
| CN113504780B CN113504780B (zh) | 2022-09-23 |
Family
ID=78016725
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110987630.2A Active CN113504780B (zh) | 2021-08-26 | 2021-08-26 | 一种隧道结构全自动智能巡检机器人及巡检方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113504780B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113960049A (zh) * | 2021-10-19 | 2022-01-21 | 中南大学 | 一种隧道表面病害检测装置及检测方法 |
| CN114363812A (zh) * | 2022-01-20 | 2022-04-15 | 广东隧辰地下空间科技有限公司 | 一种用于隧道作业的智能救援及应急运输系统 |
| CN114501737A (zh) * | 2022-02-23 | 2022-05-13 | 北京太格时代自动化系统设备有限公司 | 一种铁路隧道照明系统及方法 |
| CN114566050A (zh) * | 2022-03-09 | 2022-05-31 | 江苏广宇协同科技发展研究院有限公司 | 一种面向交通运行安全的隧道机器人巡检速度控制方法 |
| CN114814877A (zh) * | 2022-06-21 | 2022-07-29 | 山东金宇信息科技集团有限公司 | 一种基于巡检机器人的隧道数据采集方法、设备及介质 |
| CN116986232A (zh) * | 2023-09-20 | 2023-11-03 | 成都盛锴科技有限公司 | 一种列车巡检机器人的转运装置和转运方法 |
| CN117754538A (zh) * | 2023-11-27 | 2024-03-26 | 上海同岩土木工程科技股份有限公司 | 一种隧道智能巡检机器人定位装置及方法 |
| WO2024065920A1 (zh) * | 2022-09-27 | 2024-04-04 | 深圳大学 | 隧道诊断车和诊断系统 |
| CN118012078A (zh) * | 2024-04-08 | 2024-05-10 | 江苏小兆科技有限公司 | 基于物联网的无人驾驶车辆行驶路径规划方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109313166A (zh) * | 2016-06-16 | 2019-02-05 | 日本电气株式会社 | 检查系统、移动机器人设备和检查方法 |
| CN109760837A (zh) * | 2019-02-21 | 2019-05-17 | 西京学院 | 一种电缆沟与隧道巡检无人机系统 |
| CN110245734A (zh) * | 2019-06-26 | 2019-09-17 | 重庆交通大学 | 基于轨道式巡检机器人的隧道结构病害识别系统与方法 |
| KR102138342B1 (ko) * | 2020-03-24 | 2020-07-28 | 주식회사 이엘 | 지능형 원격단말장치를 이용한 사물인터넷 기반의 터널 사고 감시 및 시설물 자율 점검 시스템 |
| CN111866337A (zh) * | 2020-06-30 | 2020-10-30 | 北京福瑶科技有限公司 | 智能巡检机器人及巡检方法 |
| CN111897332A (zh) * | 2020-07-30 | 2020-11-06 | 国网智能科技股份有限公司 | 一种语义智能变电站机器人仿人巡视作业方法及系统 |
| CN213244111U (zh) * | 2020-06-30 | 2021-05-18 | 北京福瑶科技有限公司 | 智能巡检机器人 |
| CN113092494A (zh) * | 2021-03-25 | 2021-07-09 | 中车青岛四方车辆研究所有限公司 | 巡检机器人、用于列车隧道结构病害的智能检测方法 |
-
2021
- 2021-08-26 CN CN202110987630.2A patent/CN113504780B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109313166A (zh) * | 2016-06-16 | 2019-02-05 | 日本电气株式会社 | 检查系统、移动机器人设备和检查方法 |
| CN109760837A (zh) * | 2019-02-21 | 2019-05-17 | 西京学院 | 一种电缆沟与隧道巡检无人机系统 |
| CN110245734A (zh) * | 2019-06-26 | 2019-09-17 | 重庆交通大学 | 基于轨道式巡检机器人的隧道结构病害识别系统与方法 |
| KR102138342B1 (ko) * | 2020-03-24 | 2020-07-28 | 주식회사 이엘 | 지능형 원격단말장치를 이용한 사물인터넷 기반의 터널 사고 감시 및 시설물 자율 점검 시스템 |
| CN111866337A (zh) * | 2020-06-30 | 2020-10-30 | 北京福瑶科技有限公司 | 智能巡检机器人及巡检方法 |
| CN213244111U (zh) * | 2020-06-30 | 2021-05-18 | 北京福瑶科技有限公司 | 智能巡检机器人 |
| CN111897332A (zh) * | 2020-07-30 | 2020-11-06 | 国网智能科技股份有限公司 | 一种语义智能变电站机器人仿人巡视作业方法及系统 |
| CN113092494A (zh) * | 2021-03-25 | 2021-07-09 | 中车青岛四方车辆研究所有限公司 | 巡检机器人、用于列车隧道结构病害的智能检测方法 |
Non-Patent Citations (3)
| Title |
|---|
| ELISABETHMENENDEZ: "Tunnel structural inspection and assessment using an autonomous robotic system", 《AUTOMATION IN CONSTRUCTION》 * |
| 吴文彬: "基于智能巡检机器人的隧道维护自动检测系统", 《自动化与信息工程》 * |
| 黄双得: "电缆隧道架空式巡检机器人行走机构研究与应用", 《电力电网》 * |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113960049A (zh) * | 2021-10-19 | 2022-01-21 | 中南大学 | 一种隧道表面病害检测装置及检测方法 |
| CN114363812A (zh) * | 2022-01-20 | 2022-04-15 | 广东隧辰地下空间科技有限公司 | 一种用于隧道作业的智能救援及应急运输系统 |
| CN114363812B (zh) * | 2022-01-20 | 2024-07-16 | 南京恒星自动化设备有限公司 | 一种用于隧道作业的智能救援及应急运输系统 |
| CN114501737A (zh) * | 2022-02-23 | 2022-05-13 | 北京太格时代自动化系统设备有限公司 | 一种铁路隧道照明系统及方法 |
| CN114501737B (zh) * | 2022-02-23 | 2024-04-19 | 北京太格时代电气股份有限公司 | 一种铁路隧道照明系统及方法 |
| CN114566050A (zh) * | 2022-03-09 | 2022-05-31 | 江苏广宇协同科技发展研究院有限公司 | 一种面向交通运行安全的隧道机器人巡检速度控制方法 |
| CN114566050B (zh) * | 2022-03-09 | 2024-01-26 | 江苏广宇协同科技发展研究院有限公司 | 一种面向交通运行安全的隧道机器人巡检速度控制方法 |
| CN114814877A (zh) * | 2022-06-21 | 2022-07-29 | 山东金宇信息科技集团有限公司 | 一种基于巡检机器人的隧道数据采集方法、设备及介质 |
| CN114814877B (zh) * | 2022-06-21 | 2022-09-06 | 山东金宇信息科技集团有限公司 | 一种基于巡检机器人的隧道数据采集方法、设备及介质 |
| WO2024065920A1 (zh) * | 2022-09-27 | 2024-04-04 | 深圳大学 | 隧道诊断车和诊断系统 |
| CN116986232A (zh) * | 2023-09-20 | 2023-11-03 | 成都盛锴科技有限公司 | 一种列车巡检机器人的转运装置和转运方法 |
| CN116986232B (zh) * | 2023-09-20 | 2024-01-30 | 成都盛锴科技有限公司 | 一种列车巡检机器人的转运装置和转运方法 |
| CN117754538A (zh) * | 2023-11-27 | 2024-03-26 | 上海同岩土木工程科技股份有限公司 | 一种隧道智能巡检机器人定位装置及方法 |
| CN118012078A (zh) * | 2024-04-08 | 2024-05-10 | 江苏小兆科技有限公司 | 基于物联网的无人驾驶车辆行驶路径规划方法 |
| CN118012078B (zh) * | 2024-04-08 | 2024-06-18 | 江苏小兆科技有限公司 | 基于物联网的无人驾驶车辆行驶路径规划方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113504780B (zh) | 2022-09-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113504780B (zh) | 一种隧道结构全自动智能巡检机器人及巡检方法 | |
| CN109910947B (zh) | 搭载式轨道健康状态动态监测与智慧分析系统及方法 | |
| CN111016932B (zh) | 节能型空轨系统的轨道巡检车和检测方法 | |
| CN105258785B (zh) | 声学监测站、车轮检测方法和列车轴承故障被动声学诊断系统 | |
| CN111005272B (zh) | 一种基于悬挂式磁悬浮轨道交通系统的轨道维护设备 | |
| JP2017154577A (ja) | 無人航空機を用いた施設内点検システム | |
| US9518947B2 (en) | System and method for detecting wheel bearing condition | |
| CN113320447A (zh) | 轨道-接触网设备健康状态一体化综合检测机器人 | |
| CN109278053B (zh) | 一种铁路隧道运营状态检测监测方法 | |
| CN109571402B (zh) | 一种爬坡机构、爬坡智能巡检机器人及其变电站爬坡方法 | |
| CN107364459A (zh) | 一种铁路车辆列检机器人智能作业系统和方法 | |
| CN110888423A (zh) | 一种用于隧道的智能巡检系统 | |
| CN207335877U (zh) | 一种车载弓网运行状态检测系统 | |
| CN105115605A (zh) | 轨道列车红外检测系统及检测方法 | |
| TW201939186A (zh) | 無人移動單元以及巡迴點檢系統 | |
| CN110606096A (zh) | 一种空铁轨道梁内部巡检及清扫设备 | |
| CN109506964B (zh) | 一种用于动车组一级修智能库检的方法 | |
| CN112665578A (zh) | 一种基于隧道巡检机器人的巡检定位方法及系统 | |
| CN111252110B (zh) | 用于跨座式单轨巡检车辆的轨道梁检测系统及检测方法 | |
| CN116652902A (zh) | 一种挂轨式隧道智能巡检机器人 | |
| CN111554005A (zh) | 铁路货运列车智能巡检方法 | |
| CN110667726A (zh) | 一种应用于地铁车辆列检库内四足行走巡检机器人 | |
| US8706340B2 (en) | Underground utility vault inspection system and method | |
| CN113334406A (zh) | 一种轨道交通车辆侧边巡检机器人系统及检测方法 | |
| CN111103863B (zh) | 轨道交通车辆智能检修机器人、检修系统和方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20211015 Assignee: Changzhou Jintan Tenglong Engineering Instrument Co.,Ltd. Assignor: SHANGHAI TONGYAN CIVIL ENGINEERING TECHNOLOGY CO.,LTD. Contract record no.: X2023310000167 Denomination of invention: A fully automatic intelligent inspection robot and inspection method for tunnel structures Granted publication date: 20220923 License type: Common License Record date: 20231124 |
|
| EE01 | Entry into force of recordation of patent licensing contract |