CN114019950A - 一种隧道结构表观病害智能巡检机器人 - Google Patents

Abstract

本发明公开了一种隧道结构表观病害智能巡检机器人，所述机器人包括智能操控云台端系统、多源信息捕捉系统和智能手臂伸缩系统，其中：所述智能操控云台端系统包括终端操控模块、动力输出模块、多功能工控模块和自适应巡检车四个部分；所述多源信息捕捉系统包括隧道衬砌表观形态采集模块、隧道衬砌三维形态扫描模块、道路/钢轨表面形态采集模块以及多源信息修正模块。本发明适用于运营周期内隧道结构服役状态的快速识别与诊断，兼备巡检内容覆盖面广、巡检精度高以及巡检效率高等优点，同时能够适应不同断面规格的隧道结构病害巡检，可以有效提升隧道结构服役状态识别与诊断的检测质量和工作效率。

Description

一种隧道结构表观病害智能巡检机器人

技术领域

本发明属于实际运营中的公路/地铁隧道结构病害安全诊断领域， 涉及一种隧道结构表观病害智能巡检机器人。

背景技术

传统的隧道结构病害检测手段主要依靠人工巡检，此类方法的劳 动成本高、工作效率低，而且病害检测结果可靠性较差，容易受到检 测人员技术水平的主观影响。随着多源传感技术的快速进步，以计算 机视觉技术为依托的隧道结构病害检测设备在诸多实际工程中得到 了应用。但是，现有隧道结构病害检测设备关注的检测内容比较单一， 往往仅停留在隧道衬砌表层可能存在的各类型病害。在隧道结构体系 的整个运营周期内，隧道结构的衬砌、环境以及配套道路/钢轨是嵌于 山体岩石或地下岩土中的有机整体，单方面的隧道结构病害检测难以 保障整个全寿命周期内隧道结构体系的安全运营。从全运营周期内隧 道结构的安全运维角度出发，研发先进的技术装备对隧道结构体系的 服役状态进行高效且全方位的检测与诊断，无疑可以为延长隧道运营 周期寿命、改善隧道运营服务性能以及提高隧道安全使用性提供可靠 保障。

发明内容

为了解决现有隧道结构病害检测设备的检测内容单一以及缺乏 深度探伤能力的问题，本发明提供了一种隧道结构表观病害智能巡检 机器人。该智能巡检机器人适应于公路隧道结构和地铁隧道结构的病 害检测与诊断，兼具隧道结构衬砌表观病害检测、隧道结构不均匀沉 降诊断以及隧道配套道路/钢轨的表观探伤三种功能。本发明适用于运 营周期内隧道结构服役状态的快速识别与诊断，兼备巡检内容覆盖面 广、巡检精度高以及巡检效率高等优点，同时能够适应不同断面规格 的隧道结构病害巡检，可以有效提升隧道结构服役状态识别与诊断的 检测质量和工作效率。

本发明的目的是通过以下技术方案实现的：

一种隧道结构表观病害智能巡检机器人，包括智能操控云台端系 统、多源信息捕捉系统和智能手臂伸缩系统，其中：

所述智能操控云台端系统包括终端操控模块、动力输出模块、多 功能工控模块和自适应巡检车四个部分；

所述多源信息捕捉系统包括隧道衬砌表观形态采集模块、隧道衬 砌三维形态扫描模块、道路/钢轨表面形态采集模块以及多源信息修正 模块；

所述终端操控模块用于决策隧道结构表观病害智能巡检机器人 工作运行与否；

所述动力输出模块用于电能-动能转换，并输出动能驱动自适应 巡检车沿隧道纵向运行；

所述多功能工控模块用于脉冲信号、图像数据以及激光信息的综 合运算处理；

所述自适应巡检车用于为多类型传感设备提供工作平台，并且自 适应巡检车的车轮可替换为公路橡胶车轮和轨道轧钢车轮；

所述隧道衬砌表观形态采集模块用于采集隧道衬砌表观形态图 像；

所述隧道衬砌三维形态扫描模块用于采集隧道衬砌三维形态坐 标数据；

所述道路/钢轨表面形态采集模块用于采集隧道配套道路/钢轨表 面形态图像；

所述多源信息修正模块用于采集隧道径向垂直距离和隧道径向 倾斜距离；

所述智能手臂伸缩系统以自适应巡检车为依托，用于为隧道衬砌 表观形态采集模块提供固定连接平台，伸缩调节隧道衬砌表观形态采 集模块与隧道衬砌间距。

一种上述隧道结构表观病害智能巡检机器人的工作运行遵循以 下步骤：

步骤一：针对需要进行运营服役状态识别与诊断的公路/地铁隧道 结构，通过终端操控模块触发动力输出模块驱动自适应巡检车沿隧道 纵向运行，同时利用多功能工控模块，构建同步脉冲基准信号矢量；

步骤二：根据步骤一中得到的同步脉冲基准信号矢量，并结合隧 道衬砌表观形态横向精度、隧道衬砌三维形态横向精度以及道路/钢轨 表面形态横向精度，分别解算隧道衬砌表观形态同步脉冲缩放因子、 隧道衬砌三维形态同步脉冲缩放因子和道路/钢轨表面形态同步脉冲 缩放因子；

步骤三：利用步骤二中解算得到的隧道衬砌表观形态同步脉冲缩 放因子、隧道衬砌三维形态同步脉冲缩放因子以及道路/钢轨表面形态 同步脉冲缩放因子，构建对应的隧道衬砌表观形态同步脉冲矢量、隧 道衬砌三维形态同步脉冲矢量以及道路/钢轨表面形态同步脉冲矢量， 进而触发多源信息捕捉系统工作，分别采集相应的隧道衬砌表观形态 图像阵列集、隧道衬砌三维形态坐标数据集和隧道配套道路/钢轨表面 形态图像阵列集；

步骤四：针对隧道截面尺寸变化的隧道结构，利用多源信息捕捉 系统中的多源信息修正模块，通过激光测距反馈的方式，实时调整智 能手臂伸缩系统中固定连接平台与隧道衬砌的相对间距；

步骤五：引入步骤三中建立得到的隧道衬砌表观形态图像阵列 集、隧道衬砌三维形态坐标数据集和隧道配套道路/钢轨表面形态图像 阵列集，利用融合有机器学习、异常诊断以及计算机视觉技术的多功 能工控模块，检测运营过程中隧道结构体系可能存在的多类型病害、 损伤以及不均匀沉降，并对上述多类型病害和损伤所在的隧道断面作 出定位。

相比于现有技术，本发明具有如下优点：

本发明的隧道结构表观病害智能巡检机器人集智能操控云台端 系统、多源信息捕捉系统、智能手臂伸缩系统为一体，融合机器学习、 异常诊断和计算机视觉技术，能够实现对隧道结构体系内多类型病害 和损伤的诊断检测与精确定位，适用于运营周期内隧道结构服役状态 的快速识别与诊断。此外，相比既有的隧道结构病害的检测手段，本 发明的隧道结构表观病害智能巡检机器人以智能手臂伸缩系统为依 托，能够适应不同断面规格的隧道结构病害巡检。同时，本发明兼备 巡检内容覆盖面广、巡检精度高以及巡检效率高等优点，可以有效提 升隧道结构服役状态识别与诊断的检测质量和工作效率。

附图说明

图1为隧道结构表观病害智能巡检机器人的结构拓扑示意图；

图2为隧道结构表观病害智能巡检机器人的工作运行流程图；

图3为依托本发明所提隧道结构表观病害智能巡检机器人获取的 某城市实际地铁隧道结构的表观图像；

图4为实际地铁隧道结构的表观裂缝识别结果。

具体实施方式

下面结合附图对本发明的技术方案作进一步的说明，但并不局限 于此，凡是对本发明技术方案进行修改或者等同替换，而不脱离本发 明技术方案的精神和范围，均应涵盖在本发明的保护范围中。

本发明提供了一种隧道结构表观病害智能巡检机器人，如图1所 示，所述机器人包含3个系统，即智能操控云台端系统、多源信息捕 捉系统和智能手臂伸缩系统，其中：

所述智能操控云台端系统包括终端操控模块、动力输出模块、多 功能工控模块和自适应巡检车四个部分；

所述多源信息捕捉系统包括隧道衬砌表观形态采集模块、隧道衬 砌三维形态扫描模块、道路/钢轨表面形态采集模块以及多源信息修正 模块；

所述终端操控模块用于决策隧道结构表观病害智能巡检机器人 工作运行与否；

所述动力输出模块用于电能-动能转换，并输出动能驱动自适应 巡检车沿隧道纵向运行；

所述多功能工控模块用于脉冲信号、图像数据以及激光信息的综 合运算处理；

所述自适应巡检车用于为多类型传感设备提供工作平台，并且自 适应巡检车的车轮可替换为公路橡胶车轮和轨道轧钢车轮；

所述隧道衬砌表观形态采集模块用于采集隧道衬砌表观形态图 像；

所述隧道衬砌三维形态扫描模块用于采集隧道衬砌三维形态坐 标数据；

所述道路/钢轨表面形态采集模块用于采集隧道配套道路/钢轨表 面形态图像；

所述多源信息修正模块用于采集隧道径向垂直距离和隧道径向 倾斜距离；

所述智能手臂伸缩系统以自适应巡检车为依托，用于为隧道衬砌 表观形态采集模块提供固定连接平台，伸缩调节隧道衬砌表观形态采 集模块与隧道衬砌间距；

所述隧道结构病害智能巡检机器人通过终端操控模块触发动力 输出模块驱动自适应巡检车沿隧道纵向运行；同步地，多功能工控模 块构建隧道衬砌表观形态同步脉冲矢量、隧道衬砌三维形态同步脉冲 矢量以及道路/钢轨表面形态同步脉冲矢量，分别触发多源信息捕捉系 统中的隧道衬砌表观形态采集模块、隧道衬砌三维形态扫描模块以及 道路/钢轨表面形态采集模块工作，进而采集相应的隧道衬砌表观形态 图像阵列集、隧道衬砌三维形态坐标数据集和隧道配套道路/钢轨表面 形态图像阵列集；同步地，为了适应截面尺寸变化的隧道结构，多源 信息捕捉系统中的多源信息修正模块通过激光测距反馈的方式，实时 调整智能手臂伸缩系统中固定连接平台与隧道衬砌的相对间距；最 后，将上述的隧道衬砌表观形态图像阵列集、隧道衬砌三维形态坐标 数据集和隧道配套道路/钢轨表面形态图像阵列集引入多功能工控模 块，融合机器学习、异常诊断以及计算机视觉技术，检测运营过程中 隧道结构体系可能存在的多类型病害、损伤以及不均匀沉降。

本发明中，所述多功能工控模块包含有工业控制主机、旋转编码 器和车轮旋转计数仪，工业控制主机通过利用机器学习、异常诊断以 及计算机视觉技术，用于深度挖掘图像数据与激光信息中隐藏的隧道 结构健康状态信息，进而检测隧道结构体系可能存在的多类型病害、 损伤以及不均匀沉降；旋转编码器和车轮旋转计数仪用于构建同步脉 冲基准信号矢量。

本发明中，所述多源信息修正模块包含有隧道径向垂直激光测距 仪和隧道径向倾斜激光测距仪，隧道径向垂直激光测距仪用于采集隧 道径向垂直距离，隧道径向倾斜激光测距仪用于采集隧道径向倾斜距 离。

上述隧道结构表观病害智能巡检机器人的工作运行遵循以下步 骤：

步骤一：针对需要进行运营服役状态识别与诊断的公路/地铁隧道 结构，通过终端操控模块启动巡检按钮，触发动力输出模块驱动自适 应巡检车沿隧道纵向运行，同时利用多功能工控模块，构建同步脉冲 基准信号矢量。

本步骤中，同步脉冲基准信号矢量的构建方式为：

步骤一一：多功能工控模块包含有工业控制主机、旋转编码器和 车轮旋转计数仪，利用车轮旋转计数仪，采集得到自适应巡检车的车 轮旋转信号数据集：

A＝[a₁ a₂ … a_i … a_n],i∈(1,2，…,n) (1)

a_i＝1 (2)

式中，A为自适应巡检车的车轮旋转信号数据集；a_i为自适应巡 检车的车轮旋转计数信号，每个信号表示车轮旋转一周；i为自适应 巡检车车轮旋转计数信号的序号；n为车轮旋转信号数据集中车轮旋 转计数信号的总数量。

步骤一二：依托步骤一一中得到的自适应巡检车的车轮旋转信号 数据集，并结合旋转编码器的脉冲分辨率矢量，构建同步脉冲基准信 号矩阵：

B＝ΓA (3)

Γ＝[1 1 … 1]^T (4)

式中，B为同步脉冲基准信号矩阵，

Γ为旋转编码器的 脉冲分辨率矢量，

κ为旋转编码器的分辨率；T符号表示矩 阵转置。

向量化处理，得到同步脉冲基准信号矢量：

θ＝κ×n (6)

式中，Ρ为同步脉冲基准信号矢量，该矢量内的每一个元素对应 一个脉冲基准信号，且

B⁽ⁱ⁾表示同步脉冲基准信号矩阵的第 列的列向量；p_j表示同步脉冲基准信号矢量Ρ中的第j个信号；i为自 适应巡检车车轮旋转计数信号的序号；j为同步脉冲基准信号矢量Ρ 中信号的序号；κ为旋转编码器的分辨率；n为车轮旋转信号数据集 中车轮旋转计数信号的总数量；T符号表示矩阵转置。

步骤二：根据步骤一中得到的同步脉冲基准信号矢量，并结合隧 道衬砌表观形态横向精度、隧道衬砌三维形态横向精度以及道路/钢轨 表面形态横向精度，分别解算隧道衬砌表观形态同步脉冲缩放因子、 隧道衬砌三维形态同步脉冲缩放因子和道路/钢轨表面形态同步脉冲 缩放因子。

本步骤中，隧道衬砌表观形态同步脉冲缩放因子、隧道衬砌三维 形态同步脉冲缩放因子以及道路/钢轨表面形态同步脉冲缩放因子的 解算方式为：

步骤二一：利用隧道衬砌表观形态横向精度和步骤一二中构建得 到的同步脉冲基准信号矢量Ρ，构造隧道衬砌表观形态同步脉冲缩放 因子求解方程：

式中，μ_x为隧道衬砌表观形态横向精度；γ₁为隧道衬砌表观形态 同步脉冲缩放因子；p_j表示同步脉冲基准信号矢量Ρ中的第j个信号； n为车轮旋转信号数据集中车轮旋转计数信号的总数量；j为同步脉 冲基准信号矢量Ρ中信号的序号；D为自适应巡检车车轮的直径。

步骤二二：同步地，利用隧道衬砌三维形态横向精度和步骤一二 中构建得到的同步脉冲基准信号矢量Ρ，构造隧道衬砌三维形态同步 脉冲缩放因子求解方程：

式中，λ_x为隧道衬砌表观形态横向精度；γ₂为隧道衬砌三维形态 同步脉冲缩放因子；p_j表示同步脉冲基准信号矢量Ρ中的第j个信号； n为车轮旋转信号数据集中车轮旋转计数信号的总数量；j为同步脉 冲基准信号矢量Ρ中信号的序号；D为自适应巡检车车轮的直径。

步骤二三：同步地，利用道路/钢轨表面形态横向精度和步骤一二 中构建得到的同步脉冲基准信号矢量Ρ，构造道路/钢轨表面形态同步 脉冲缩放因子求解方程：

式中，τ_x为隧道衬砌表观形态横向精度；γ₃为隧道衬砌三维形态 同步脉冲缩放因子；p_j表示同步脉冲基准信号矢量Ρ中的第j个信号； n为车轮旋转信号数据集中车轮旋转计数信号的总数量；j为同步脉 冲基准信号矢量Ρ中信号的序号；D为自适应巡检车车轮的直径。

步骤二四：依据上述步骤二一、步骤二二、步骤二三中的公式(7)、 公式(8)、公式(9)，分别求解得到隧道衬砌表观形态同步脉冲缩 放因子γ₁、隧道衬砌三维形态同步脉冲缩放因子γ₂以及道路/钢轨表面 形态同步脉冲缩放因子γ₃。

步骤三：利用步骤二中解算得到的隧道衬砌表观形态同步脉冲缩 放因子、隧道衬砌三维形态同步脉冲缩放因子以及道路/钢轨表面形态 同步脉冲缩放因子，构建对应的隧道衬砌表观形态同步脉冲矢量、隧 道衬砌三维形态同步脉冲矢量以及道路/钢轨表面形态同步脉冲矢量， 进而触发多源信息捕捉系统工作，分别采集相应的隧道衬砌表观形态 图像阵列集、隧道衬砌三维形态坐标数据集和隧道配套道路/钢轨表面 形态图像阵列集。

本步骤中，隧道衬砌表观形态图像阵列集、隧道衬砌三维形态坐 标数据集以及隧道配套道路/钢轨表面形态图像阵列集的采集方式为：

步骤三一：依据步骤一二中构建得到的同步脉冲基准信号矢量Ρ 以及步骤二四中求解得到的隧道衬砌表观形态同步脉冲缩放因子γ₁， 计算得到隧道衬砌表观形态同步脉冲矢量：

式中，τ₁为隧道衬砌表观形态同步脉冲矢量；γ₁为隧道衬砌表观 形态同步脉冲缩放因子；Ρ为同步脉冲基准信号矢量，

步骤三二：同步地，依据步骤一二中构建得到的同步脉冲基准信 号矢量Ρ以及步骤二四中求解得到的隧道衬砌三维形态同步脉冲缩放 因子γ₂，计算得到隧道衬砌三维形态同步脉冲矢量：

式中，τ₂为隧道衬砌三维形态同步脉冲矢量；γ₂为隧道衬砌三维 形态同步脉冲缩放因子；Ρ为同步脉冲基准信号矢量，

步骤三三：同步地，依据步骤一二中构建得到的同步脉冲基准信 号矢量Ρ以及步骤二四中求解得到的道路/钢轨表面形态同步脉冲缩 放因子γ₃，计算得到道路/钢轨表面形态同步脉冲矢量：

式中，τ₃为道路/钢轨表面形态同步脉冲矢量；γ₃为道路/钢轨表 面形态同步脉冲缩放因子；Ρ为同步脉冲基准信号矢量，

步骤三四：利用步骤三一中的隧道衬砌表观形态同步脉冲矢量 τ₁，触发多源信息捕捉系统中的隧道衬砌表观形态采集模块工作，采 集相应的隧道衬砌表观形态图像阵列集：

式中，D为隧道衬砌表观形态图像阵列集，

表示隧 道衬砌表观采集模块采集到的一行完整的图像数据，

表 示

中第α₁个位置处隧道衬砌表观的像素值；

为隧道衬砌表观采集 模块中线阵相机的横向分辨率；τ_1,j为隧道衬砌表观形态同步脉冲矢量 τ₁中的第j个元素。

步骤三五：利用步骤三二中的隧道衬砌三维形态同步脉冲矢量 τ₂，触发多源信息捕捉系统中的隧道衬砌三维形态扫描模块工作，采 集相应的隧道衬砌三维形态坐标数据集：

式中，E为隧道衬砌三维形态坐标数据集，

表示 隧道衬砌三维形态扫描模块采集到的一行完整的隧道衬砌三维形态 坐标数据，

表示

中第α₂个位置处隧道衬 砌的位置坐标；

为隧道衬砌三维形态扫描模块中激光扫描仪的横向 分辨率；τ_2,j为隧道衬砌三维形态同步脉冲矢量τ₂中的第j个元素。

步骤三六：利用步骤三三中的道路/钢轨表面形态同步脉冲矢量 τ₃，触发多源信息捕捉系统中的道路/钢轨表面形态采集模块工作，采 集相应的隧道配套道路/钢轨表面形态图像阵列集：

式中，F为隧道配套道路/钢轨表面形态图像阵列集，

表示道路/钢轨表面形态采集模块采集到的一行完整的图像数据，

表示

中第α₃个位置处隧道配套道路/钢轨表观的像素 值；

为道路/钢轨表面形态采集模块中线阵相机的横向分辨率；τ_3,j为 道路/钢轨表面形态同步脉冲矢量τ₃的第j个元素。

步骤四：针对隧道截面尺寸变化的隧道结构，利用多源信息捕捉 系统中的多源信息修正模块，通过激光测距反馈的方式，实时调整智 能手臂伸缩系统中固定连接平台与隧道衬砌的相对间距。

本步骤中，实时调整智能手臂伸缩系统中固定连接平台与隧道衬 砌相对间距的方式为：

步骤四一：多源信息修正模块包含有隧道径向垂直激光测距仪和 隧道径向倾斜激光测距仪，利用隧道径向垂直激光测距仪和隧道径向 倾斜激光测距仪，并结合步骤三一中的隧道衬砌表观形态同步脉冲矢 量τ₁，构建相应的隧道径向垂直间距矢量和隧道径向倾斜间距矢量：

式中，L_v为隧道径向垂直间距矢量，

表示沿隧道 纵向第ε₁个扫描断面处隧道衬砌表观形态采集模块中线阵相机镜头 端面与隧道衬砌间的垂直距离；L_in为隧道径向倾斜间距矢量，

表示沿隧道纵向第ε₁个扫描断面处隧道衬砌表观形态 采集模块中线阵相机镜头端面与隧道衬砌间的倾斜距离；τ_1,j为隧道衬 砌表观形态同步脉冲矢量τ₁中的第j个元素。

步骤四二：利用步骤四一中构建得到的隧道径向倾斜间距矢量 L_in，计算隧道径向虚拟垂直间距矢量：

式中，

为隧道径向虚拟垂直间距矢量，

表示沿 隧道纵向第ε₁个扫描断面处隧道衬砌表观形态采集模块中线阵相机 镜头端面与隧道衬砌间的虚拟垂直距离；ζ为步骤四一中提到的隧道 径向垂直激光测距仪与隧道径向倾斜激光测距仪之间的夹角。

步骤四三：依据步骤四二中计算得到的隧道径向虚拟垂直间距矢 量

并结合步骤四一中的L_v，构建智能手臂伸缩系统对应的伸缩尺 度矢量：

式中，Ψ为智能手臂伸缩系统对应的伸缩尺度矢量，

依据上述构建得到的智能手臂伸缩系统对应的伸缩尺度矢量Ψ， 对智能手臂伸缩行为决策因子作出定义，表达式如下：

式中，T_d为智能手臂伸缩行为决策因子，当T_d取值为1时，智能 手臂伸缩系统中的固定连接平台向靠近隧道衬砌方向移动，移动的距 离为

当T_d取值为-1时，智能手臂伸缩系统中的固定连接平台向 远离隧道衬砌方向移动，移动的距离为

当T_d取值为0时，智能 手臂伸缩系统中的固定连接平台保持在原有位置，不作任何移动；|·| 符号表示取绝对值。

步骤五：引入步骤三中建立得到的隧道衬砌表观形态图像阵列 集、隧道衬砌三维形态坐标数据集和隧道配套道路/钢轨表面形态图像 阵列集，利用融合有机器学习、异常诊断以及计算机视觉技术的多功 能工控模块，检测运营过程中隧道结构体系可能存在的多类型病害、 损伤以及不均匀沉降，并对上述多类型病害和损伤所在的隧道断面作 出定位。

本发明提供的隧道结构表观病害智能巡检机器人集智能操控云 台端系统、多源信息捕捉系统、智能手臂伸缩系统为一体，融合机器 学习、异常诊断和计算机视觉技术，实现对隧道结构体系内多类型病 害、损伤以及不均匀沉降的诊断检测与精确定位。现有隧道结构病害 检测手段关注的检测内容比较单一，往往仅停留在隧道衬砌表层可能 产生的各类型病害，然而，在运营过程中，隧道结构的衬砌和配套的 道路/钢轨是嵌于山体岩石或地下岩土中的有机整体，对其服役状态进 行高效且全方位的检测与诊断是延长隧道运营寿命周期、改善隧道运 营服务性能以及提高隧道安全实用性的可靠保障。因此，本发明提出的隧道结构表观病害智能巡检机器人可同时实现隧道结构衬砌表观 病害检测、隧道结构不均匀沉降以及隧道配套道路/钢轨的表观探伤三 种功能，并对上述的病害、损伤或不均匀沉降进行精确定位，有效地 保障了隧道结构的安全运维。

实施例：

结构裂缝属于隧道结构表观病害中最为关键性的病害种类，因此 本实施例以某城市实际地铁隧道结构为研究对象，对本发明所提隧道 结构表观病害智能巡检机器人的结构裂缝识别效果进行评估，进而验 证本发明的有效性。

图3为依托本发明所提隧道结构表观病害智能巡检机器人获取的 某城市实际地铁隧道结构的表观图像，图4为实际地铁隧道结构的表 观裂缝识别结果。

Claims (8)

1.一种隧道结构表观病害智能巡检机器人，其特征在于所述机器人包括智能操控云台端系统、多源信息捕捉系统和智能手臂伸缩系统，其中：

所述智能操控云台端系统包括终端操控模块、动力输出模块、多功能工控模块和自适应巡检车四个部分；

所述多源信息捕捉系统包括隧道衬砌表观形态采集模块、隧道衬砌三维形态扫描模块、道路/钢轨表面形态采集模块以及多源信息修正模块；

所述终端操控模块用于决策隧道结构表观病害智能巡检机器人工作运行与否；

所述动力输出模块用于电能-动能转换，并输出动能驱动自适应巡检车沿隧道纵向运行；

所述多功能工控模块用于脉冲信号、图像数据以及激光信息的综合运算处理；

所述自适应巡检车用于为多类型传感设备提供工作平台，并且自适应巡检车的车轮可替换为公路橡胶车轮和轨道轧钢车轮；

所述隧道衬砌表观形态采集模块用于采集隧道衬砌表观形态图像；

所述隧道衬砌三维形态扫描模块用于采集隧道衬砌三维形态坐标数据；

所述道路/钢轨表面形态采集模块用于采集隧道配套道路/钢轨表面形态图像；

所述多源信息修正模块用于采集隧道径向垂直距离和隧道径向倾斜距离；

所述智能手臂伸缩系统以自适应巡检车为依托，用于为隧道衬砌表观形态采集模块提供固定连接平台，伸缩调节隧道衬砌表观形态采集模块与隧道衬砌间距。

2.根据权利要求1所述的隧道结构表观病害智能巡检机器人，其特征在于所述多功能工控模块包含有工业控制主机、旋转编码器和车轮旋转计数仪，其中：工业控制主机用于深度挖掘图像数据与激光信息中隐藏的隧道结构健康状态信息，进而检测隧道结构体系可能存在的多类型病害、损伤以及不均匀沉降；旋转编码器和车轮旋转计数仪用于构建同步脉冲基准信号矢量。

3.根据权利要求1所述的隧道结构表观病害智能巡检机器人，其特征在于所述多源信息修正模块包含有隧道径向垂直激光测距仪和隧道径向倾斜激光测距仪，隧道径向垂直激光测距仪用于采集隧道径向垂直距离，隧道径向倾斜激光测距仪用于采集隧道径向倾斜距离。

4.一种权利要求1-3任一项所述隧道结构表观病害智能巡检机器人的工作运行方法，其特征在于所述工作运行方法遵循以下步骤：

步骤一：针对需要进行运营服役状态识别与诊断的公路/地铁隧道结构，通过终端操控模块触发动力输出模块驱动自适应巡检车沿隧道纵向运行，同时利用多功能工控模块，构建同步脉冲基准信号矢量；

步骤二：根据步骤一中得到的同步脉冲基准信号矢量，并结合隧道衬砌表观形态横向精度、隧道衬砌三维形态横向精度以及道路/钢轨表面形态横向精度，分别解算隧道衬砌表观形态同步脉冲缩放因子、隧道衬砌三维形态同步脉冲缩放因子和道路/钢轨表面形态同步脉冲缩放因子；

步骤三：利用步骤二中解算得到的隧道衬砌表观形态同步脉冲缩放因子、隧道衬砌三维形态同步脉冲缩放因子以及道路/钢轨表面形态同步脉冲缩放因子，构建对应的隧道衬砌表观形态同步脉冲矢量、隧道衬砌三维形态同步脉冲矢量以及道路/钢轨表面形态同步脉冲矢量，进而触发多源信息捕捉系统工作，分别采集相应的隧道衬砌表观形态图像阵列集、隧道衬砌三维形态坐标数据集和隧道配套道路/钢轨表面形态图像阵列集；

步骤四：针对隧道截面尺寸变化的隧道结构，利用多源信息捕捉系统中的多源信息修正模块，通过激光测距反馈的方式，实时调整智能手臂伸缩系统中固定连接平台与隧道衬砌的相对间距；

步骤五：引入步骤三中建立得到的隧道衬砌表观形态图像阵列集、隧道衬砌三维形态坐标数据集和隧道配套道路/钢轨表面形态图像阵列集，利用融合有机器学习、异常诊断以及计算机视觉技术的多功能工控模块，检测运营过程中隧道结构体系可能存在的多类型病害、损伤以及不均匀沉降，并对上述多类型病害和损伤所在的隧道断面作出定位。

5.根据权利要求4所述的隧道结构表观病害智能巡检机器人的工作运行方法，其特征在于所述步骤一中，同步脉冲基准信号矢量的构建方式为：

步骤一一：利用车轮旋转计数仪，采集得到自适应巡检车的车轮旋转信号数据集：

A＝[a₁ a₂…a_i…a_n],i∈(1,2，…,n)；

a_i＝1；

式中，A为自适应巡检车的车轮旋转信号数据集；a_i为自适应巡检车的车轮旋转计数信号，每个信号表示车轮旋转一周；i为自适应巡检车车轮旋转计数信号的序号；n为车轮旋转信号数据集中车轮旋转计数信号的总数量；

步骤一二：依托步骤一一中得到的自适应巡检车的车轮旋转信号数据集，并结合旋转编码器的脉冲分辨率矢量，构建同步脉冲基准信号矩阵：

B＝ΓA；

Γ＝[1 1… 1]^T；

式中，B为同步脉冲基准信号矩阵，

Γ为旋转编码器的脉冲分辨率矢量，

κ为旋转编码器的分辨率；T符号表示矩阵转置；

向量化处理，得到同步脉冲基准信号矢量：

θ＝κ×n；

式中，Ρ为同步脉冲基准信号矢量，该矢量内的每一个元素对应一个脉冲基准信号，且

B⁽ⁱ⁾表示同步脉冲基准信号矩阵的第列的列向量；p_j表示同步脉冲基准信号矢量Ρ中的第j个信号；i为自适应巡检车车轮旋转计数信号的序号；j为同步脉冲基准信号矢量Ρ中信号的序号；κ为旋转编码器的分辨率；n为车轮旋转信号数据集中车轮旋转计数信号的总数量；T符号表示矩阵转置。

6.根据权利要求4所述的隧道结构表观病害智能巡检机器人的工作运行方法，其特征在于所述步骤二中，隧道衬砌表观形态同步脉冲缩放因子、隧道衬砌三维形态同步脉冲缩放因子以及道路/钢轨表面形态同步脉冲缩放因子的解算方式为：

步骤二一：利用隧道衬砌表观形态横向精度和步骤一二中构建得到的同步脉冲基准信号矢量Ρ，构造隧道衬砌表观形态同步脉冲缩放因子求解方程：

式中，μ_x为隧道衬砌表观形态横向精度；γ₁为隧道衬砌表观形态同步脉冲缩放因子；p_j表示同步脉冲基准信号矢量Ρ中的第j个信号；n为车轮旋转信号数据集中车轮旋转计数信号的总数量；j为同步脉冲基准信号矢量Ρ中信号的序号；D为自适应巡检车车轮的直径；

步骤二二：同步地，利用隧道衬砌三维形态横向精度和步骤一二中构建得到的同步脉冲基准信号矢量Ρ，构造隧道衬砌三维形态同步脉冲缩放因子求解方程：

式中，λ_x为隧道衬砌表观形态横向精度；γ₂为隧道衬砌三维形态同步脉冲缩放因子；

步骤二三：同步地，利用道路/钢轨表面形态横向精度和步骤一二中构建得到的同步脉冲基准信号矢量Ρ，构造道路/钢轨表面形态同步脉冲缩放因子求解方程：

式中，τ_x为隧道衬砌表观形态横向精度；γ₃为隧道衬砌三维形态同步脉冲缩放因子；

步骤二四：依据上述步骤二一、步骤二二、步骤二三中的公式，分别求解得到隧道衬砌表观形态同步脉冲缩放因子γ₁、隧道衬砌三维形态同步脉冲缩放因子γ₂以及道路/钢轨表面形态同步脉冲缩放因子γ₃。

7.根据权利要求4所述的隧道结构表观病害智能巡检机器人的工作运行方法，其特征在于所述步骤三中，隧道衬砌表观形态图像阵列集、隧道衬砌三维形态坐标数据集以及隧道配套道路/钢轨表面形态图像阵列集的采集方式为：

步骤三一：依据同步脉冲基准信号矢量Ρ以及隧道衬砌表观形态同步脉冲缩放因子γ₁，计算得到隧道衬砌表观形态同步脉冲矢量：

式中，τ₁为隧道衬砌表观形态同步脉冲矢量；γ₁为隧道衬砌表观形态同步脉冲缩放因子；Ρ为同步脉冲基准信号矢量，

步骤三二：依据同步脉冲基准信号矢量Ρ以及隧道衬砌三维形态同步脉冲缩放因子γ₂，计算得到隧道衬砌三维形态同步脉冲矢量：

式中，τ₂为隧道衬砌三维形态同步脉冲矢量；γ₂为隧道衬砌三维形态同步脉冲缩放因子；

步骤三三：依据同步脉冲基准信号矢量Ρ以及道路/钢轨表面形态同步脉冲缩放因子γ₃，计算得到道路/钢轨表面形态同步脉冲矢量：

式中，τ₃为道路/钢轨表面形态同步脉冲矢量；γ₃为道路/钢轨表面形态同步脉冲缩放因子；

步骤三四：利用隧道衬砌表观形态同步脉冲矢量τ₁，触发多源信息捕捉系统中的隧道衬砌表观形态采集模块工作，采集相应的隧道衬砌表观形态图像阵列集：

式中，D为隧道衬砌表观形态图像阵列集，

表示隧道衬砌表观采集模块采集到的一行完整的图像数据，

表示

中第α₁个位置处隧道衬砌表观的像素值；

为隧道衬砌表观采集模块中线阵相机的横向分辨率；τ_1,j为隧道衬砌表观形态同步脉冲矢量τ₁中的第j个元素；

步骤三五：利用隧道衬砌三维形态同步脉冲矢量τ₂，触发多源信息捕捉系统中的隧道衬砌三维形态扫描模块工作，采集相应的隧道衬砌三维形态坐标数据集：

式中，E为隧道衬砌三维形态坐标数据集，

表示隧道衬砌三维形态扫描模块采集到的一行完整的隧道衬砌三维形态坐标数据，

表示

中第α₂个位置处隧道衬砌的位置坐标；

为隧道衬砌三维形态扫描模块中激光扫描仪的横向分辨率；τ_2,j为隧道衬砌三维形态同步脉冲矢量τ₂中的第j个元素；

步骤三六：利用道路/钢轨表面形态同步脉冲矢量τ₃，触发多源信息捕捉系统中的道路/钢轨表面形态采集模块工作，采集相应的隧道配套道路/钢轨表面形态图像阵列集：

式中，F为隧道配套道路/钢轨表面形态图像阵列集，

表示道路/钢轨表面形态采集模块采集到的一行完整的图像数据，

表示

中第α₃个位置处隧道配套道路/钢轨表观的像素值；

为道路/钢轨表面形态采集模块中线阵相机的横向分辨率；τ_3,j为道路/钢轨表面形态同步脉冲矢量τ₃的第j个元素。

8.根据权利要求4所述的隧道结构表观病害智能巡检机器人的工作运行方法，其特征在于所述步骤四中，实时调整智能手臂伸缩系统中固定连接平台与隧道衬砌相对间距的方式为：

步骤四一：利用隧道径向垂直激光测距仪和隧道径向倾斜激光测距仪，并结合隧道衬砌表观形态同步脉冲矢量τ₁，构建相应的隧道径向垂直间距矢量和隧道径向倾斜间距矢量：

式中，L_v为隧道径向垂直间距矢量，

表示沿隧道纵向第ε₁个扫描断面处隧道衬砌表观形态采集模块中线阵相机镜头端面与隧道衬砌间的垂直距离；L_in为隧道径向倾斜间距矢量，

表示沿隧道纵向第ε₁个扫描断面处隧道衬砌表观形态采集模块中线阵相机镜头端面与隧道衬砌间的倾斜距离；τ_1,j为隧道衬砌表观形态同步脉冲矢量τ₁中的第j个元素；

步骤四二：利用步骤四一中构建得到的隧道径向倾斜间距矢量L_in，计算隧道径向虚拟垂直间距矢量：

式中，

为隧道径向虚拟垂直间距矢量，

表示沿隧道纵向第ε₁个扫描断面处隧道衬砌表观形态采集模块中线阵相机镜头端面与隧道衬砌间的虚拟垂直距离；ζ为隧道径向垂直激光测距仪与隧道径向倾斜激光测距仪之间的夹角；

步骤四三：依据步骤四二中计算得到的隧道径向虚拟垂直间距矢量

并结合步骤四一中的L_v，构建智能手臂伸缩系统对应的伸缩尺度矢量：

式中，Ψ为智能手臂伸缩系统对应的伸缩尺度矢量，

依据上述构建得到的智能手臂伸缩系统对应的伸缩尺度矢量Ψ，对智能手臂伸缩行为决策因子作出定义，表达式如下：

式中，T_d为智能手臂伸缩行为决策因子，当T_d取值为1时，智能手臂伸缩系统中的固定连接平台向靠近隧道衬砌方向移动，移动的距离为

当T_d取值为-1时，智能手臂伸缩系统中的固定连接平台向远离隧道衬砌方向移动，移动的距离为

当T_d取值为0时，智能手臂伸缩系统中的固定连接平台保持在原有位置，不作任何移动；|·|符号表示取绝对值。

Images