CN114019950B - 一种隧道结构表观病害智能巡检机器人 - Google Patents
一种隧道结构表观病害智能巡检机器人 Download PDFInfo
- Publication number
- CN114019950B CN114019950B CN202111152228.9A CN202111152228A CN114019950B CN 114019950 B CN114019950 B CN 114019950B CN 202111152228 A CN202111152228 A CN 202111152228A CN 114019950 B CN114019950 B CN 114019950B
- Authority
- CN
- China
- Prior art keywords
- tunnel
- tunnel lining
- apparent
- vector
- road
- 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.)
- Active
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 75
- 201000010099 disease Diseases 0.000 title claims abstract description 60
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 60
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 73
- 239000010959 steel Substances 0.000 claims abstract description 73
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000003745 diagnosis Methods 0.000 claims abstract description 22
- 238000012937 correction Methods 0.000 claims abstract description 14
- 239000013598 vector Substances 0.000 claims description 112
- 230000001360 synchronised effect Effects 0.000 claims description 77
- 230000005251 gamma ray Effects 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 230000006399 behavior Effects 0.000 claims description 4
- 230000017105 transposition Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 3
- 101100379080 Emericella variicolor andB gene Proteins 0.000 claims description 2
- 150000001875 compounds Chemical class 0.000 claims description 2
- 230000036541 health Effects 0.000 claims description 2
- 238000005065 mining Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 25
- 238000012423 maintenance Methods 0.000 description 3
- 239000011435 rock Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000010410 layer Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 230000001960 triggered effect Effects 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
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
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
在“一带一路”的时代背景下，我国快速提升的工业水平、经济实力以及综合国力推动了各行业基础设施的大规模建设，特别是交通运输体系中的山体隧道结构或城市地下隧道结构得到了前所未有的发展。我国的隧道结构将由高速建设期转入全面运维期。因此，亟需攻克隧道结构服役状态的识别难题，为隧道结构体系的安全运营提供可靠保障。
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 L ai L an],i∈(1,2，L,n) (1)
ai＝1 (2)
式中，A为自适应巡检车的车轮旋转信号数据集；ai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＝[11 L 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i列的列向量；pj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，μx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；pj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，λx为隧道衬砌三维形态横向精度；γ2为隧道衬砌三维形态同步脉冲缩放因子；pj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，τx为道路/钢轨表面形态横向精度；γ3为道路/钢轨表面形态形态同步脉冲缩放因子；pj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；τ1,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；τ2,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；τ3,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，Lv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；Lin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；τ1,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Lin，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Lv，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，Td为智能手臂伸缩行为决策因子，当Td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Td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Td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 (5)
1.一种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；
所述机器人的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，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 L ai L an],i∈(1,2，L,n)；
ai＝1；
式中，A为自适应巡检车的车轮旋转信号数据集；ai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 L 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：
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i列的列向量；pj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，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，μx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；pj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，λx为隧道衬砌三维形态横向精度；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，τx为道路/钢轨表面形态横向精度；γ3为道路/钢轨表面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；
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。
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；τ1,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；τ2,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；τ3,j为道路/钢轨表面形态同步脉冲矢量τ3的第j个元素。
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，Lv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；Lin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；τ1,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Lin，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Lv，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，Td为智能手臂伸缩行为决策因子，当Td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Td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Td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。
4.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的工作运行方法，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。
5.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的工作运行方法，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。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111152228.9A CN114019950B (zh) | 2021-09-29 | 2021-09-29 | 一种隧道结构表观病害智能巡检机器人 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111152228.9A CN114019950B (zh) | 2021-09-29 | 2021-09-29 | 一种隧道结构表观病害智能巡检机器人 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114019950A CN114019950A (zh) | 2022-02-08 |
| CN114019950B true CN114019950B (zh) | 2022-08-02 |
Family
ID=80055128
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111152228.9A Active CN114019950B (zh) | 2021-09-29 | 2021-09-29 | 一种隧道结构表观病害智能巡检机器人 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114019950B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114657874B (zh) * | 2022-04-08 | 2022-11-29 | 哈尔滨工业大学 | 一种桥梁结构病害智能巡检机器人 |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN204825605U (zh) * | 2015-08-10 | 2015-12-02 | 江西省公路工程检测中心 | 一种基于图像的道路环境识别与检测装置 |
| CN204882391U (zh) * | 2015-08-11 | 2015-12-16 | 江西省公路工程检测中心 | 一种基于图像处理的车载式路面破损自动识别装置 |
| CN109029277A (zh) * | 2018-06-27 | 2018-12-18 | 常州沃翌智能科技有限公司 | 一种隧道形变监测系统及方法 |
| CN109375619B (zh) * | 2018-09-30 | 2022-03-08 | 中国铁道科学研究院集团有限公司铁道建筑研究所 | 一种铁路隧道检测监测系统 |
| CN109283930A (zh) * | 2018-10-16 | 2019-01-29 | 华南理工大学 | 一种球状智能巡检机器人 |
| CN209167155U (zh) * | 2018-11-30 | 2019-07-26 | 中路高科交通检测检验认证有限公司 | 一种移动组装式隧道衬砌检测装置 |
| CN110455821A (zh) * | 2019-07-03 | 2019-11-15 | 南京理工大学 | 公路隧道及地铁隧道表观病害自动检测系统装置及方法 |
| CN110295533A (zh) * | 2019-08-02 | 2019-10-01 | 武汉夕睿光电技术有限公司 | 一种路面移动测量装置、系统及方法 |
| CN113424055B (zh) * | 2019-10-09 | 2022-09-02 | 山东大学 | 隧道结构病害多尺度检测与智能诊断系统及方法 |
| CN111025418B (zh) * | 2019-11-19 | 2022-04-29 | 山东大学 | 一种轨道交通隧道地质雷达移动智能检测设备及作业方法 |
| CN113310987B (zh) * | 2020-02-26 | 2023-04-11 | 保定市天河电子技术有限公司 | 一种隧道衬砌表面检测系统及方法 |
| CN212255128U (zh) * | 2020-05-29 | 2020-12-29 | 沙洲职业工学院 | 一种高速精密地铁隧道混凝土衬砌裂隙检测设备 |
| CN113093628B (zh) * | 2021-04-14 | 2023-05-23 | 中国矿业大学(北京) | 一种地铁隧道安全隐患检测车同步采集控制方法 |
-
2021
- 2021-09-29 CN CN202111152228.9A patent/CN114019950B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN114019950A (zh) | 2022-02-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10731967B2 (en) | System for quickly detecting tunnel deformation | |
| CN110726726A (zh) | 一种隧道成型质量及其缺陷的定量化检测方法及系统 | |
| US11673587B2 (en) | Comprehensive inspection vehicle for subway tunnel | |
| CN106192634B (zh) | 一种铁路轨道弹条扣件状态自动检测装置以及方法 | |
| CN106049210B (zh) | 一种轨道状态智能检测平台 | |
| CN206177238U (zh) | 车辆外廓尺寸检测仪 | |
| CN102564335A (zh) | 一种大型隧道变形测量方法 | |
| CN111547084B (zh) | 基于自移动式轨道交通移动三维扫描系统的数据处理方法 | |
| CN103411530B (zh) | 大型自由锻件尺寸在线测量装置及方法 | |
| CN103266559B (zh) | Bp桥梁安全巡检车及获取桥梁表面面相的方法 | |
| CN105606150A (zh) | 一种基于线结构光和地质雷达的道路综合检测方法及系统 | |
| CN104748685A (zh) | 一种接触网几何参数动态测量方法 | |
| CN102211590A (zh) | 用于隧道的检测车 | |
| CN114019950B (zh) | 一种隧道结构表观病害智能巡检机器人 | |
| CN110806193A (zh) | 地铁隧道形变检测系统 | |
| CN104236484A (zh) | 一种实时监测顶管机机头偏位的装置及方法 | |
| CN110849368B (zh) | 一种隧道内高精度快速定位装置与方法 | |
| CN104237257A (zh) | 一种用于运营地铁隧道结构病害综合快速检测装置 | |
| CN103105132A (zh) | 一种基于机器视觉的非接触式几何参数检测系统 | |
| TW201936431A (zh) | 軌道立體檢測系統 | |
| CN204944427U (zh) | 一种接触网几何参数动态检测小车 | |
| CN103322928B (zh) | 基于网格点阵的相似模型位移场测量系统及方法 | |
| CN201355241Y (zh) | 基于视觉的空间目标位姿测量装置 | |
| CN110926417A (zh) | 基于机器视觉的车载铁路隧道检测系统 | |
| CN114279324A (zh) | 一种预制构件外观质量全方位智能检测方法 |
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 |