大坝智能建造研究进展与发展趋势
李庆斌1, 马睿1, 胡昱1, 皇甫泽华2, 沈益源3, 周绍武4, 马金刚5, 安再展6, 郭光文7    
1. 清华大学 水沙科学与水利水电工程国家重点实验室, 北京 100084;
2. 河南省前坪水库建设管理局, 郑州 450003;
3. 中国水利水电第十二工程局有限公司, 杭州 310004;
4. 中国长江三峡集团公司, 北京 100038;
5. 中国能源建设股份有限公司, 北京 100022;
6. 中国铁道科学研究院集团有限公司, 北京 100081;
7. 中国葛洲坝集团股份有限公司, 武汉 430033
摘要:我国高坝建设将进入新的发展阶段,对大坝工程智能化建设的关键问题提出了新的要求,而新一代信息技术革命为大坝建造智能化提供了新的发展途径,深度融合新一代信息技术推动建造智能化是实现“安全、高质、高效、经济、绿色”建设目标的关键,大坝智能化建造与建造智能大坝是新的发展趋势。因此,该文总结了智能建造理论发展的两条脉络,梳理了大坝智能建造技术发展的3个阶段,分析了智能建造各阶段技术特征、技术目标、理论理念、技术方法、管理模式及重大工程实践案例,阐述了大坝智能建造与智能大坝的关系,揭示了大坝建造智能化阶段的3个层次,阐明了智能化时代关键问题解决的理念变迁,探讨了大坝智能建造未来发展方向与关键技术。
关键词大坝    智能建造    智能大坝    人工智能    
A review of intelligent dam construction techniques
LI Qingbin1, MA Rui1, HU Yu1, HUANGFU Zehua2, SHEN Yiyuan3, ZHOU Shaowu4, MA Jingang5, AN Zaizhan6, GUO Guangwen7    
1. State Key Laboratory of Hydroscience and Engineering, Tsinghua University, Beijing 100084, China;
2. Qianping Reservoir Construction and Management Administration, Zhengzhou 450003, China;
3. Sinohydro Bureau 12 Co., Ltd., Huangzhou 310004, China;
4. China Three Gorges Corporation, Beijing 100038, China;
5. China Energy Engineering Group, Beijing 100022, China;
6. China Academy of Railway Science Co., Ltd., Beijing 100081, China;
7. China Gezhouba Group Co., Ltd., Wuhan 430033, China
Abstract: High dam construction is continuing to develop with new requirements for intelligent dam construction. New information technology capabilities are providing paths for improved intelligent dam construction. The key to achieving safe, quality, efficient, economic, green construction projects is to integrate these new information technology capabilities into intelligent construction methods. New systems enable intelligent construction of dams and the construction of intelligent dams. This article summarizes these two paths for intelligent construction, identifies three stages in the development of intelligent construction systems for dams, and analyzes the technical characteristics, goals, theory, methods, and management models with engineering examples for each stage of the intelligent construction process. The analysis shows the relationship between intelligent dam construction and intelligent dams, the three stages of intelligent dam construction, the changes in manager thinking for solving key problems in the intelligent era, and future developments in intelligent dam construction.
Key words: dams    intelligent construction    intelligent dams    artificial intelligence    

水利工程是配置和增强水资源调控能力、加强绿色能源发展的重大工程措施,大坝是水利水电工程建设的核心,其高质高效安全建设与长期高效安全运行关系国计民生。目前,我国是世界上修建高坝最多的国家,其中不少大坝的高度或规模达到世界最高水平,如拉西瓦、小湾、锦屏、溪洛渡、乌东德、白鹤滩等300 m级特高拱坝[1-2]。为推动经济社会发展全面绿色低碳转型,实现碳达峰、碳中和目标[3],持续改善环境质量,提升生态系统质量和稳定性,我国“十四五”期间将继续谋划并推进一系列重大水利水电工程项目建设[4],2020年水电总装机容量达到3.8亿kW。预测到2050年,全球水电装机容量将达20.5亿kW,我国超过5亿kW[5],国际能源署(International Energy Agency, IEA)与国际可再生能源机构(International Renewable Energy Agency, IRENA)指出,到2050年全球水电新增装机将达到8.5亿kW,未来我国及世界的高坝建设将进入新的发展阶段。

随着新一代信息技术的高速发展,物联网[6-7]、大数据[8-9]、人工智能[10-11]、云计算[12-13]、区块链[14-15]等技术深度融入筑坝领域,为大坝建造智能化提供了新理念、新技术、新装备,为大坝智能建造注入了新动力。近年来水利部、住建部等相继发布了智能建造发展的指导意见和方案[16-17],对支撑水利工程安全运行、水利工程建设的关键问题提出了新的要求,推动高坝“安全、高质、高效、经济、绿色”智能化建设是未来大坝工程领域新的发展趋势[18]

回顾百年筑坝史,我国大坝建造经历了人工化、机械化、自动化、数字化时代,随着新一代信息化技术融入工程建造领域,大坝建设正由数字化转向智能化[19],也把大坝智能建造推向了发展的新阶段。大坝智能建造先后经历了数字化、数字化网络化、智能化3个阶段,如图 1所示,数字化阶段是智能建造的基础,互联网技术与“互联网+”理念作为桥梁推动了数字化向智能化迈进。目前,建造要素、建造模块、建造流程、建造工艺等通过网络信息集成平台实现了设计、建造、运维、科研、咨询等参建各方共享协同,人-信息-物理系统中的三大要素互联互通、协调控制,实现了全坝全生命周期性态评估与调控的安全建设目标。

图 1 智能建造发展三阶段

本文将系统分析现有研究成果,梳理大坝智能建造技术发展的不同阶段,详细阐述智能建造各阶段技术特征、技术目标、理论理念、技术方法、管理模式及典型工程案例,分析智能建造理论发展的两条脉络,阐明大坝智能建造与智能大坝的关系,揭示大坝智能建造智能化阶段的不同层次,探讨大坝智能建造发展趋势。

1 数字化阶段 1.1 主要特征

数字化阶段的主要特征是:1) 融合计算、通信、控制等信息技术,发展了数字化监控设备、建模方法、仿真技术、信息管理平台等;2) 实现了水利工程专业知识在“人-信息-物理”系统内的迁移与数据化表达;3) 实现了大坝关键建造过程的监测、分析、控制与管理。

具体而言,新中国成立以后兴起了水利工程建设的热潮,到20世纪90年代末,实现了大规模机械化与自动化筑坝技术,形成了以“人-物理系统”为核心特征的传统建造体系,该阶段机械设备替代人力极大地提升了筑坝的效率。随后得益于计算、通信、控制技术的发展,信息系统被引入大坝建造中,形成了以“人-信息-物理系统”为核心的智能建造框架,开启了智能建造的第一阶段——数字化,如图 2所示。

图 2 数字化阶段

数字化阶段的建设目标在于建造过程人员物资状态、材料性能、结构性态、施工工艺、流程进度等可知、可控,进而保证大坝工程质量与施工安全。

1.2 研究进展

为了实现上述建设目标,首先要对设计、建造、运营过程中各类要素进行数字化的描述与表征,要素的数字化描述即将大坝建造专业知识(如结构设计、材料性能演变规律、施工控制技术、仿真分析方法、安全监测理论、建造工艺流程等)数学物理模型化,实现了由人与信息系统、物理(设备)与信息系统的知识构建与传递,为分析与控制提供了数据基础。具体而言,数字化阶段研究主要集中在材料性能试验、结构仿真分析方法、数字监测与控制理论、信息管理平台等4个方面。其中,材料试验从宏观、细观、微观等层次揭示了筑坝材料热力学、变形、渗透、耐久等性能的演变规律,并构建了数学物理模型为智能建造过程中材料性能的优化调控提供了理论依据;仿真计算理论与技术的发展实现了不同荷载组合、复杂边界条件、动态施工过程中结构应力、变形、渗流、温度场的准确高效分析,为分析结构工作性态、检验设计方案、跟踪施工过程、评估运行状态等提供了有效手段,为大坝智能建造全过程实时跟踪分析与决策优化提供了技术支持;针对大坝材料与结构监测需求,依据水利工程安全监测理论研发了各类数字化传感器,构建了大坝高精度的时空监测体系,实现了监测设备、施工机械、物料性能、结构状态等多种要素关键数据的自动化采集,系统化的监测数据为大坝智能建造过程的优化调控提供了决策依据,并在此基础上推动了信息化管理平台的建设。

1.3 典型工程案例

工程实践中水利专业知识融合传感、通信、计算等技术推动了建模仿真理论、“数字监控”理论与设备、数据信息集成平台的发展,学者们开发了以SAPTIS[20]、MARC[21]、ABQUS[22]等为代表的仿真分析软件,以数字温度计[23]、应力应变计[24]、GPS定位装置[25]、混凝土生产输送监控系统等为代表的数字化监控设备[26],以Microsoft Project[27]、PERT[28]等软件为代表的集成管理平台,以BIM为核心的三维可视化建造平台[29-31]。通过三峡[32]、小湾[33]工程等对数字化阶段的质量、进度、安全等监控建设理念、技术、装备、管理体系进行了实践和验证。

综上,数字化是大坝智能建造的开端和基础,数字化阶段形成了以“人-信息-物理系统”为核心的智能建造框架,融合信息技术与水利工程专业知识开展了三要素之间的知识迁移与数据化表达研究,发展了数字化监控设备、建模方法、仿真技术、信息管理平台等[34-39],推动了施工人员、机械设备、物料资源、建造过程、工艺流程等的数字化定义、监测、分析与控制[40-45],实现了大坝工作性态可知、关键建造过程可控,为大坝智能建造走向闭环控制奠定了重要基础。

2 数字化网络化阶段 2.1 主要特征

数字化网络化阶段的主要特征是:1) 融合互联网技术与“互联网+”理念[46],形成了“感知、分析、控制”的智能建造闭环控制理念;2) 实现了“人-信息-物理”系统各要素之间的互联互通、集成管理、协调控制;3) 实现了大坝设计-建造-运行全过程,全要素,全流程准确、高效、精细、动态、协调控制与管理,如图 3所示。

图 3 网络化阶段

2.2 研究进展

网络化阶段从理念、产品、管理模式3个维度推动了大坝智能建造的发展。在大坝建设领域,李庆斌[47]等提出了“感知-分析-控制”的闭环控制理念,闭环控制理念的引入为“人-信息-物理系统”的智能建造框架各要素赋能,实现双闭环控制。其一,各要素自身实现闭环控制,用以解决施工建造中诸如材料生产、温控、振捣、养护、监测等执行层面的具体问题[48];其二,实现各要素之间的闭环控制,用于解决诸如人员物资调度管理、进度协调管理、全过程质量监测评估、全过程结构性态调控等涉及质量、进度、安全的协调控制关键问题。朱伯芳[49]在“数字监控”的基础上发展了温度应力控制决策支持系统解决混凝土坝温控防裂的难题,其核心在于融合在线监测与仿真技术实现建造过程中大坝性态的实时分析和调控;马洪琪和钟登华等基于互联网、测控及坝工技术实现了施工过程数据实时采集[50]、质量实时监控、物料设备动态调度与进度优化控制[51]

2.3 典型工程案例

樊启祥等[48]依托溪洛渡对闭环控制理念与智能建造理论进行了重大工程实践,通过互联网、物联网、数据库、传感器等技术构建了涵盖施工全过程的实时化信息数据库,针对生产、运输、振捣、通水、灌浆等核心环节研发了具备监控、预测、预警及控制功能的关键系统,提出了“一个中心、两个支撑、三个支柱”的智能建造管理模式,并建成了大坝协同业务工作平台,建成了首座300 m级无缝特高拱坝,这是大坝智能建造技术发展的里程碑。崔博等[52]将数字监控与闭环控制理念完整应用于糯扎渡工程,在土石料性能调控、物料运输调度控制、碾压质量实时监控评估、施工状态可视化与信息集成等方面取得了重要进展,对碾压筑坝领域智能化建造有重要的推动作用。在闭环控制理念与智能建造理论的支撑下,我国还建成了大岗山、长河坝、龙开口、黄登、双江口等数字大坝[53-57]

综上,网络化推动了大坝智能建造与管理模式的重要转变,网络化阶段“感知-分析-控制”的闭环控制理念提出为大坝智能建造的“人-信息-物理系统”赋能,实现要素互联互通双闭环反馈调控,同时基于重大水利工程完整应用数字化、网络化阶段成果,实现了大坝设计-建造-运行全过程、全要素、全流程的准确、高效、精细、动态、协调控制与管理,催生了“数字大坝”这一具有里程碑意义的产品,为大坝智能建造向智能化阶段迈进提供了坚实的基础。

3 智能化阶段

大坝智能建造进入智能化阶段,为更好的掌握大坝智能建造技术发展,首先要明确该阶段的技术特征,以及由此产生的解决建造难题思维模式与理念的转变,在此基础上要回归、总结大坝智能建造理论的发展,明确核心目的、准确定义、基本特征、先进理念、生产要素、关键技术、管理模式及工程应用。

3.1 主要特征

智能化阶段的主要特征是:1) 融合人工智能等新一代信息技术,发展了“智能决策+自动控制”的智能控制技术;2) 实现了“人-信息-物理系统”及各要素的智能感知、智能分析、智能控制、智能管理;3) 协同解决了大坝设计、施工、运维全过程多目标优化调控管理的难题,实现了大坝“安全、高质、高效、经济、绿色”的建设目标。

需要特别指出,在大数据、云计算、物联网、人工智能等新一代信息技术的驱动下,“人-信息-物理”系统中三要素感知、分析、控制能力有了空前的提高,尤其是信息系统和物理系统具备了知识学习、推理、认知等能力,为解决复杂系统的建造难题提供了途径,如图 4所示。

图 4 智能化阶段

3.2 研究进展 3.2.1 智能建造理念转变

由于大坝建造属于复杂系统工程,真实建造过程各要素特征的差异显著、时空性能演变机制复杂导致采用传统显式数学物理模型建模表征、求解分析困难,因而无法满足智能建造准确化、精细化的控制目标和高质量建设要求,而智能化阶段人工智能、深度学习、大数据分析等技术具备知识认知、学习、推理的能力,为求解大坝工程中非数学物理广义模型、多目标优化决策、多要素协同实时控制提供了技术支撑,对大坝智能建造而言,“人-信息-物理系统”各要素的感知、分析、控制能力在智能化技术的支持下向智能体转变,各要素信息协调、共享控制的层级也向多智能体闭环联控转变,尤其是信息系统和物理系统具备了知识学习与认识能力,促进了人机深度结合、学科交叉创新、群体智能协同,进而为解决高度复杂、高度非线性、时变性、不确定性建造难题提供了途径,这也是智能化阶段与数字网络化阶段最显著的区别。同时,智能化技术的引入直接推动了解决智能建造问题的方式从基于牛顿定律揭示机理寻找因果关系,转变为通过海量数据揭示要素之间强相关关系。传统方法以牛顿定律为典型代表,通过观察、实验等手段以简洁的数学表达形式揭示物理机理,从因果关系的角度解决大坝建造过程中确定性问题,诸如通过材料试验揭示性能演变机理等,而智能技术的引用则可从海量数据驱动的方法寻找建造要素的相关关系,进而解决大坝建造执行、协调、组织等层级的关键问题,诸如材料参数智能反演、大坝状态智能监测调控、设备智能控制、材料生产智能管理、工作性态智能调控等。

3.2.2 智能建造理论发展

大坝智能建造理论的发展有两条脉络。第一,李庆斌等[19]在溪洛渡工程实践的基础上首次将“感知-分析-控制”闭环控制理念引入大坝智能建造领域,在大坝建设4.0中明确了大坝智能建造的定义,如图 5所示,樊启祥等[58]在金沙江大型水电工程实践的基础上提出了“智能建造闭环控制理论”,完善了智能建造的定义,发展了“全面感知、真实分析、实时控制、持续优化”智能建造闭环控制理念;谭尧升等[59]依托白鹤滩工程提出了特高拱坝智能建造定义,完整应用了“全面感知、真实分析、实时控制”的智能建造闭环控制理念,基于该理念清华大学、中国水利水电科学研究院、武汉英思工程科技股份有限公司、天津大学等开发了相应的碾压、喷雾、温控、监控、交通、缆机、浇筑、养护等智能化的设备与装置[60-73];同时,樊启祥等基于智能大坝建设理念,发展了一套完整的智能建造管理模式,从工程管理协同管理的角度完善了智能建造的内涵;智能建造进入新阶段,李庆斌等[74]系统梳理了大坝智能建造与智能控制的关系,提出了大坝智能建造理论,详细阐述了大坝建造智能控制的核心概念与特征,提出构建“多维度信息全面感知、多目标智能决策优化、多要素实时控制”的智能控制系统,用于解决大坝建造过程中结构服役状态调控、全寿命周期安全性能评估、施工风险预测预警、成本造价控制等具有不确定性、时滞性、非线性、复杂性等特征的传统方法难以解决的难题。钟登华等[75]在糯扎渡等数字大坝实践基础上针对建造过程中信息感知、分析、控制等方面的短板,提出了融合先进智能技术与建造技术的智能建造理论,并从信息感知、分析、反馈控制的智能性3个方面阐述了智能建造的特征,明确了信息智能感知、智能分析、智能馈控的闭环运行体系,并在此基础上发展了智能仿真、智能交通、智能碾压、智能振捣、智能监控、可视化等技术。

图 5 闭环控制理念及其发展

3.2.3 智能建造技术升级

包括互联网、物联网、移动互联网等在内的“互联网+”平台、大数据、云计算、人工智能等新一代技术是推动智能建造发展的核心驱动力。1) 物联网为实现全面感知提供了软硬件支撑,使得各类各层次信息能够有效整合融通,为实现多层级的智能控制打下了基础。2) 大数据与云计算为实现高效的智能决策提供了强大的数据基础和计算能力。3) 人工智能及其控制技术如专家系统、模糊控制、神经网络、深度学习、多智能体控制、遗传算法、自适应动态规划等[76-80]广泛应用于大坝防裂控裂、冷却通水、安全监测、参数反演、碾压优化、进度仿真、结构仿真、数据挖掘等方面。4) 建筑信息模型技术(building information modeling,BIM)推动了大坝全进信息模型[81](dam information modeling,DIM)的发展,DIM是结合BIM应用模式与工业4.0的理念与特点发展而来的[82],其成功应用于溪洛渡、乌东德、白鹤滩等特高拱坝建设中,并依据此构建了大坝智能化建设平台iDam,实现了设计、施工过程的智能化管理。5) 新一代信息技术还推动了数字孪生[83-85]及平行智能[86-87]等技术的发展,信息系统的引入开启了大坝智能建造的时代,与此同时“人-物理系统”中两个要素与信息系统发生联系,形成了“人-信息系统”和“信息-物理系统”,而数字孪生技术正是用于解决该系统的各要素分析、控制、管理的途径。数字孪生技术的核心在于虚拟与现实在时空交互,实现建造过程的感知、分析、控制、预测、预警、管理等,大坝建造领域中数字大坝、智能大坝等的发展理念与数字孪生技术核心一致,智能大坝也体现了数字孪生的意涵。在此基础上,考虑到人、材料、结构、环境等复杂性、不确定性、开放性与随机性,大坝建造系统实际上属于社会物理信息系统[88](cyber-physical-social system,CPSS),这也是大坝建造过程中控制难题产生的关键原因之一,因此研究上述复杂系统下建造要素状态精确感知、智能决策、实时控制与持续优化的技术,集人工系统(artificial systems, A),计算试验(computationa experiments, C)、平行执行(parallel execution, P)于一体的平行技术体系应运而生,实现虚拟与现实的交互、平行驱动和平行执行[89],突破人类认知鸿沟和建模鸿沟的基本问题[90-91],其核心在推动小数据到大数据,大数据到数据智能,突破数字孪生的概念,实现双反馈大闭环控制,进而引导智能,其具有启发性、学习性,具有深度智能的特性,是未来大坝智能建造潜在的发展方向。

综上所述,通过数字化、网络化、智能化技术,采用闭环控制的智能建造理念构建具备智能感知、智能分析决策、智能控制、智能管理功能的建造系统和平台,解决大坝设计、施工、运维、管理中的难题,对于实现“安全、高质、高效、经济、绿色”的智能建造工程目标,深化大坝智能建造技术的应用和推广提升水利工程价值有重要意义。

3.3 典型工程案例

闭环控制理念奠定了大坝智能建造的理论基础,学者们对大坝智能建造概念、理论、装备、平台、技术做了基础性、系统性的深入研究,依托重大工程实践,发展完善了基于闭环控制理论的智能建造理论,并构建了企业级的智能化管理模式,推动了智能化技术在水利工程领域的广泛应用,有效解决了仿真[60]、碾压[61]、交通[62]、调度[63]、振捣[64]、进度[65]、温控[66]、检测[67]、安监[68]、管理[69]等方面的管控难题,并成功应用于白鹤滩[70]、乌东德[71]、两河口[75]、大藤峡[92]、前坪[93]等重大水利工程,涵盖了重力坝、拱坝、土石坝工程等工程智能化建设的各个方面[94-96]

通过对混凝土重力坝、高拱坝、土石坝等工程实践中智能建造关键问题的研究表明,对大坝建造而言,智能控制的核心任务是根据系统内外部信息的动态变化对多对象、多目标、多要素、多过程进行规划和决策,进而实现广义问题的优化求解达到混凝土重力坝、高拱坝、土石坝建造过程中质量、进度、安全、造价等高层次工程建设目标;同样的,对于底层执行级机构亦可采用智能控制,相应地依据功能的不同学者们也进行了广泛的研究和探索。在感知层面,构建了混凝土、土石料等生产过程、运输、性能等的智能监控系统[97-98],采用人工智能技术构建了各类参数反演系统[99-101],融合物联网等技术研发了材料生产、浇筑、服役全过程监控、振捣、压实、灌浆等质量评估系统[102-105];基于先进的监测技术、完备的风险理论分析和成熟的计算机技术提出的大坝动态预警预报机制[106-109]、人员设备智能识别调度方法[110-111]、智能化巡检[112-113]等,可智能化地动态分析处理监测数据。在规划决策层面,研发了土石坝智能压实智能决策模块、混凝土施工质量控制智能决策模块、混凝土温控防裂智能决策、施工进度智能决策模块、缆机调度智能决策模块、现场交通调度智能决策模块、成本造价智能决策模块等[114-120]。在执行层面,研发了智能喷雾系统、智能灌浆系统、智能振捣系统、基于闭环反馈控制和RTK-GPS导航技术的智能碾压控制系统等[58-70]。随着各种软硬件技术的发展,智能化的控制装备发展也会日趋完善,为大坝智能化建造提供更多的支撑。

可以看出,在数字化、网络化、智能化技术的推动下,学者们全面开展了大坝智能建造理论、技术、方法、设备方面的研究,并通过重大工程不断验证、发展、完善理论技术体系,推动了大坝智能建造理念转变、理论革新、方法进步与技术突破,催生了大坝智能化建造的设备、系统与产品,构建了创新智能化管理体系,推动了大坝智能建造技术广泛应用。

4 发展趋势

大坝智能建造进入新的发展阶段,为更好地推动大坝智能建造技术发展,本节将梳理目前大坝建造的智能化层次,探讨大坝智能建造的基础理论、关键技术、核心产品未来发展的方向,如图 6所示。

图 6 智能建造理论、技术、方法研究方向

4.1 智能化从执行级、协调级逐渐向组织级发展

依据智能化程度可分为执行级、协调级和组织级3个层次[121],目前大坝智能建造技术在执行级单元智能取得了显著进展,协调级全线智能、组织级全场智能也随着智能化建造理论、技术、装备迅速发展与广泛应用,取得了一定的进展。首先是执行级的智能,即针对施工建造管理的具体问题,如养护、调度、温控、碾压等[122-123],研发具备感知分析控制功能的装置或设备,构成诸如应用模糊PID技术构建的智能温控,以BP神经网络、遗传算法、微粒群优化、R-CNN等算法为核心的智能监控,以及智能喷雾等智能控制单元[124-135];第二是协调级的智能,综合考虑安全、质量、进度、经济等核心建造要素,融合人工智能、运筹学、信息论构建智能决策优化的理论和系统解决非线性控制、多目标决策、不确定性调控的大坝建造难题,实现建造主线多要素、多目标、多对象的优化与调控,提供智能优化策略,进而实现全线智能,诸如大体积混凝土温度应力智能控制系统、混凝土拱坝温度应力与横缝性能智能控制系统、施工进度智能仿真系统、智能碾压支持决策系统、智能成本分析控制系统等[136-146];第三,组织级的智能,即在单元智能、全线智能的基础上,采用多智能体联合协同控制理论,形成大坝建造全过程多智能体协作施工最优方案,闭环控制动态优化,共同实现全场智能化施工建造,目前,诸如土石坝无人碾压施工等领域已经开启了初步的实践[142],未来全场智能将有更大的发展空间。总体而言,大坝智能建造理论与应用目前主要还集中在执行级的智能化,协调级与组织级智能化仍有很大的发展空间,是未来大坝智能建造研究的主要方向,同时大坝智能建造需要综合考虑3个层次实现顶层智能化设计。

4.2 完善智能建造基础理论、创新智能建造通用技术、升级智能建造集成平台

智能建造基础理论、智能技术工具与智能协同平台是未来大坝建造智能化进步的基础。实现大坝“高质、高效、安全、经济、绿色”建设是智能建造的目标,大坝智能建造由人、信息和物理系统共同构成,3个要素均具有感知、分析、控制的功能,在智能建造发展的不同阶段,信息化技术的演变决定了各要素感知性能、分析层次的高度、以及控制的效率与精度,因此其重点解决的问题也有所不同。从智能化发展的3个层次来看,执行层的单体智能正在日趋完善,核心建造多目标优化协调级的全线智能处于起步阶段,智能决策+自动控制系统是实现途径,大坝建造全过程的多智能体实时协调联控仍属于空白,参建各方、各智能体单元、全建造流程的融通协作是多智能体实时优化控制的关键,当前执行层的智能体决策是分布式的,每个独立的智能体在感知分析的基础上自主做出决策与控制,而人-信息-物理系统的复杂性、不确定性导致智能体之间的合作协议、控制规则难以用一般方法解决,而智能化阶段与数字网络化阶段最本质的区别在于信息系统具备了信息感知、分析抽象、认知学习、决策推理与反馈控制的能力,因此这是未来大坝建造智能化进步与突破的关键。

为实现全场智能建设,需要加强智能建造通用理论、技术、方法研究与平台建设,如图 6所示,包括:1) 构建适用于各类主体工程或子工程的智能建造通用理论,在通用智能控制理论框架下依据工程特征构建具体完备的控制系统。如:大坝智能建造系统、专家系统、模糊控制系统等,视控制层级而定。2) 深化水利学科对新一代信息技术的研究。人工智能算法是实现智能建造的基础;大数据、云计算、物联网等技术是实现现实世界的物理实体与虚拟空间的数字副本之间的映射、互动、驱动的桥梁;全面掌握各类人工智能算法、物联网设备的功能与特性,依据工程类别与特点准确选用适用算法,高效部署云计算服务器等,为智能建造真实-虚拟数据融合分析提供专业化、基础性的技术工具,降低学科交叉门槛,提高智能化技术应用的深度、广度和效率。3) 打造新一代智能建造集成平台。智能建造必须依托智能建造平台,智能建造平台集成智能建造各子系统,是数据存储、分析、交换的中枢,也是软硬件反馈控制、工程质量-进度-安全-造价评估管理的核心,其架构与部署直接影响设计-建造-运行-管理全过程。

4.3 研发个性化智能建造技术、创建智能建造管理体系、制订智能建造标准、实施平行智能技术

推动数字孪生、平行智能等智能建造技术进一步解决大坝工程建造过程中非物理机制因素或非确定性因素带来的结果不确定或难以确定的工程问题,发展针对不同类型工程的个性化智能建造技术是未来大坝建造智能化技术突破的关键。平行智能建造技术是利用仿真过程,实现现实世界的物理实体与虚拟空间的数字副本之间的映射、互动、驱动等,以选择最优的智能建造方案。同时,在智能建造技术的背景下,需要与之相适应的建设模式和管理模式,以发挥智能建造的优势和效率。另外,智能建造也需要一整套标准和规范,统一指导和规范相应的操作和程序,下面将详细说明。

智能建造技术。智能建造通用理论、技术为解决建造难题提供了途径,水利水电工程类型多样,不同水利水电工程建造目标、建造难题、施工特性、结构特征、管理体系有显著差异,例如:混凝土建造过程中大体积混凝土防裂控裂为关键问题;土石坝施工更加关注无人化碾压设备高效协同、高质量施工;隧洞工程对超前探测、TBM掘进、适时衬砌支护有更高要求。因此,以大坝智能建造理论为基础,发展适用于不同工程类型的专业化、精细化、个性化智能建造技术是未来研究的方向。具体包括:1) 混凝土坝智能建造技术,2) 碾压式大坝智能建造技术,3) 电站厂房智能建造技术,4) 隧洞智能建造技术,5) 枢纽工程智能建造技术。

智能建造管理。不同水利水电工程对建造过程中人、机、信息系统的智能化程度要求不同,管理目标与管理模式也有显著差异。例如,部分工程关注如何通过智能化技术实现无人化施工,其核心要素是构成物理系统与信息系统的智能化协同优化调控;由于大坝建造过程的复杂性,除了信息系统与物理系统,人也是核心要素之一,因此构成了具有一定开放性和复杂性的“人-信息-物理”系统,因此在管理层面需要考虑各要素本身、各要素之间以及“人-信息-物理”系统整体的闭环控制与协调管理,即多系统三层次的闭环控制与管理;对于大型枢纽工程而言,其核心要素构成了“社会物理信息”系统,该系统属于复杂的开放系统更加贴合实际建造过程,需要考虑系统要素合作、竞争、博弈、协同进而从管理角度实现组织级智能化协调管理,使枢纽建造创造最大化的工程、社会、生态等价值。因此,需要基于不同工程的不同需求及系统构成多样化开展不同层次的协同化、智能化管理模式,具体如下:1) 智能建造管理模式,2) 混凝土工程智能建造管理,3) 土石方工程智能建造管理,4) 地下及隐蔽工程智能建造管理,5) 枢纽工程智能建造管理。

智能建造标准。当前阶段施工过程的智能化是智能建造的重点,是针对关键问题的局部寻优,即通过智能单元实现局部最优,设计与运维尚未完全融入智能建造体系,未来要实现全局最优,即前融通智能化设计、向后延伸为智能化运维,设计-建造-运行共同构成广义的智能建造。实现这一目标需要分类、分等、分层、分级构建智能建造技术标准与管理规范,推动智能建造技术在设计-建造-运维全过程全局一体化、规范化应用,同时,智能化技术的快速发展与可扩展性决定了标准与规范也要及时更新与完善。研究方向包括:1) 智能建造技术标准,2) 智能建造管理规范。

平行智能技术。数字孪生技术[147-149]已经广泛应用于大坝智能建造领域,同时数字孪生技术也是解决“信息-物理”系统理论中的关键技术,数字孪生技术与大坝建造体系深度融合是深化执行级、协调级智能化的关键,该技术体系涵盖了大坝建造的闭环控制理念与水利专业知识的应用,落实到智能建造过程、智能大坝产品和建设管理体系等3个方面。其核心在于发展多维度、多尺度建模及仿真分析技术;实现多源异构多噪数据实时感知、分布式处理,具备较高的容错性;基于机器学习、深度学习、迁移学习、强化学习、宽度学习等技术的数据智能化驱动与多尺度、多要素、多过程耦合模型分析技术深度融合,具备强大分析决策能力;人、机械、信息可视化时空交互、虚实协同,具备可视化精准反馈控制能力;基于水利水电工程信息安全重要性实现被动、主动安全防御;为参建各方提供信息集成服务。由于大坝智能建造过程中存在不确定性、随机性以及隐性变量等,以“牛顿定律”为核心的数字孪生技术预测控制难以实现对复杂开放的“社会物理信息”系统的协调控制,因此需要借助ACP技术[150]构建平行系统解决问题。通过构建可计算、可重构、可编程的软件定义的建造要素、施工流程、管理关系等组成人工系统,小数据到大数据,大数据到数据智能的历程,进而实现简单智能到复杂智能,在此基础上通过计算实验实现多智能体不同场景下的协调交互及优化策略,进而通过平行执行的方式实现人工系统与实际建造系统的双向交互调控,引导实际系统向最优策略方向发展。平行系统以“默顿定律”为核心思想,通过描述智能、预测智能、引导智能推动具有部分变量不可测、部分过程不可控的复杂建造过程向最优的建造目标靠近,并且其具备学习认识能力,将持续优化建造过程。综上所述,数字孪生技术为信息与物理空间构建实时、精准、高效的沟通桥梁,实现实时交互与融合,提供设计与施工动态优化策略,但是由于数字孪生属于先感知后分析控制,总体上属于被动控制,在此基础上要推动数据智能技术,进而实现平行智能,即描述智能、预测智能、引导智能,实现复杂建造系统向最优方向发展。数字孪生技术是当前大坝建造智能化关注的重点,平行控制技术是未来大坝智能建造可能的发展方向,因此需要具体开展如下研究:1) 数字仿真技术,2) 数字施工仿真技术,3) 数字孪生技术,4) 数据智能技术,5) 平行智能技术。

4.4 融通大坝智能建造与智能大坝研究

对于大坝智能建造和建造智能大坝而言,二者之间核心关系在于生产与产品。从传统角度看,智能化的生产线未必制造出智能化的产品,但智能化的生产线可以提高产品质量、生产效率、创造更高的社会经济价值,同样普通的生产线也可能生产出智能化的产品,智能化的产品可以更好地服务于业主、社会乃至国家。如图 7所示,水利工程的重要属性决定了大坝智能建造与建造智能大坝具有共享的“人-信息-物理”系统、“社会物理信息系统”框架;共用的数字化、网络化、智能化技术;共通的闭环控制理念;高效、高质、安全、经济建设与长期安全、稳定运行的共同目标。因此,要融通大坝智能建造与智能大坝理论研究,推动二者设计-建造-运维整体化、协同化闭环反馈控制技术研究,加强一体化的建设管理体系研究,深化水利工程领域智能化技术研究、提升水利工程价值。

图 7 智能建造与智能大坝关系

综上,我国高坝建设将进入新的发展阶段,对大坝工程智能化建设的关键问题提出了新的要求,新一代信息技术革命为大坝建造智能化提供了新的发展途径,深度融合新一代信息技术进一步推动大坝建造智能化是未来研究的重点,也是实现“安全、高质、高效、经济、绿色”建设目标、打造创新产品智能大坝的关键。

参考文献
[1]
王爱玲, 邓正刚. 我国超级高坝的发展与挑战[J]. 水力发电, 2015, 41(2): 45-47, 93.
WANG A L, DENG Z G. Development and challenges of super high dams in China and other countries[J]. Water Power, 2015, 41(2): 45-47, 93. DOI:10.3969/j.issn.0559-9342.2015.02.013 (in Chinese)
[2]
周建平, 王浩, 陈祖煜, 等. 特高坝及其梯级水库群设计安全标准研究Ⅰ: 理论基础和等级标准[J]. 水利学报, 2015, 46(5): 505-514.
ZHOU J P, WANG H, CHEN Z Y, et al. Evaluations on the safety design standards for dams with extra height or cascade impacts. Part I: Fundamentals and criteria[J]. Journal of Hydraulic Engineering, 2015, 46(5): 505-514. (in Chinese)
[3]
卢纯. 开启我国能源体系重大变革和清洁可再生能源创新发展新时代——深刻理解碳达峰、碳中和目标的重大历史意义[J]. 人民论坛·学术前沿, 2021(14): 28-41.
LU C. Opening a new era of major changes in China's energy system and innovative development of clean and renewable energy—deeply understanding the great historical significance of the targets of carbon peak and carbon neutralization[J]. Frontiers, 2021(14): 28-41. (in Chinese)
[4]
石春先. 以规划为引领强力推动"十四五"水利高质量发展[J]. 水利发展研究, 2021, 21(7): 6-8.
SHI C X. Taking planning as a guide to vigorously promote the high-quality development of water conservancy during the 14th Five-Year Plan period[J]. Water Resources Development Research, 2021, 21(7): 6-8. (in Chinese)
[5]
周建平, 杜效鹄, 周兴波. "十四五"水电开发形势分析、预测与对策措施[J]. 水电与抽水蓄能, 2021, 7(1): 1-5.
ZHOU J P, DU X H, ZHOU X B. Situation analysis, prediction and countermeasures of hydropower development during the 14th five-year period[J]. Hydropower and Pumped Storage, 2021, 7(1): 1-5. DOI:10.3969/j.issn.2096-093X.2021.01.001 (in Chinese)
[6]
孙其博, 刘杰, 黎羴, 等. 物联网: 概念、架构与关键技术研究综述[J]. 北京邮电大学学报, 2010, 33(3): 1-9.
SUN Q B, LIU J, LI Y, et al. Internet of things: Summarize on concepts, architecture and key technology problem[J]. Journal of Beijing University of Posts and Telecommunications, 2010, 33(3): 1-9. (in Chinese)
[7]
ATZORI L, IERA A, MORABITO G. The internet of things: A survey[J]. Computer Networks, 2010, 54(15): 2787-2805. DOI:10.1016/j.comnet.2010.05.010
[8]
MCAFEE A, BRYNJOLFSSON E. Big data: The management revolution[J]. Harvard Business Review, 2012, 90(10): 60-68.
[9]
李国杰, 程学旗. 大数据研究: 未来科技及经济社会发展的重大战略领域——大数据的研究现状与科学思考[J]. 中国科学院院刊, 2012, 27(6): 647-657.
LI G J, CHENG X Q. Research status and scientific thinking of big data[J]. Bulletin of the Chinese Academy of Sciences, 2012, 27(6): 647-657. DOI:10.3969/j.issn.1000-3045.2012.06.001 (in Chinese)
[10]
危辉, 潘云鹤. 从知识表示到表示: 人工智能认识论上的进步[J]. 计算机研究与发展, 2000, 37(7): 819-825.
WEI H, PAN Y H. The progress in epistemology of AI: From knowledge representation to representation[J]. Journal of Computer Research and Development, 2000, 37(7): 819-825. (in Chinese)
[11]
王永庆. 人工智能原理与方法[M]. 西安: 西安交通大学出版社, 1998.
WANG Y Q. Principles and methods of artificial intelligence[M]. Xi'an: Xi'an Jiaotong University Press, 1998. (in Chinese)
[12]
陈全, 邓倩妮. 云计算及其关键技术[J]. 计算机应用, 2009, 29(9): 2562-2567.
CHEN Q, DENG Q N. Cloud computing and its key techniques[J]. Journal of Computer Applications, 2009, 29(9): 2562-2567. (in Chinese)
[13]
MELL P, GRANCE T. The NIST definition of cloud computing: NIST Special Publication 800-145[S]. Gaithersburg: NIST, 2011.
[14]
袁勇, 王飞跃. 区块链技术发展现状与展望[J]. 自动化学报, 2016, 42(4): 481-494.
YUAN Y, WANG F Y. Blockchain: The state of the art and future trends[J]. Acta Automatica Sinica, 2016, 42(4): 481-494. (in Chinese)
[15]
胡晶, 陈祖煜, 王玉杰, 等. 基于区块链的水利工程施工管理平台架构[J]. 水力发电学报, 2020, 39(11): 40-48.
HU J, CHEN Z Y, WANG Y J, et al. Architecture of construction management platform for hydraulic engineering based on block chain[J]. Journal of Hydroelectric Engineering, 2020, 39(11): 40-48. (in Chinese)
[16]
《智慧水利总体方案》及《水利业务需求分析报告》通过水利部审查[J]. 水利技术监督, 2019(4): 268.
"Smart water conservancy overall plan" and "Water conservancy business demand analysis report" passed the review of the Ministry of Water Resources[J]. Technical Supervision in Water Resources, 2019(4): 268. (in Chinese)
[17]
中华人民共和国住房和城乡建设部, 中华人民共和国国家发展和改革委员会, 中华人民共和国科学技术部, 等. 住房和城乡建设部等部门关于推动智能建造与建筑工业化协同发展的指导意见[J]. 江苏建材, 2020(5): 1-3.
Ministry of Housing and Urban-Rural Development of the People's Republic of China, National Development and Reform Commission, Ministry of Science and Technology of the People's Republic of China, et al. Guidance from ministry of housing and urban-rural development about promoting the coordinated development of intelligent construction and building industrialization[J]. Jiangsu Building Materials, 2020(5): 1-3. DOI:10.3969/j.issn.1004-5538.2020.05.001 (in Chinese)
[18]
李庆斌, 马睿, 胡昱, 等. 大坝智能建造理论[J]. 水力发电学报, 2022, 41(1): 1-13.
LI Q B, MA R, HU Y, et al. Theory of intelligent dam construction[J]. Journal of Hydroelectric Engineering, 2022, 41(1): 1-13. (in Chinese)
[19]
李庆斌, 石杰. 大坝建设4.0[J]. 水力发电学报, 2015, 34(8): 1-6.
LI Q B, SHI J. Dam construction 4.0[J]. Journal of Hydroelectric Engineering, 2015, 34(8): 1-6. (in Chinese)
[20]
张磊, 张国新. SAPTIS: 结构多场仿真与非线性分析软件开发及应用(之三)[J]. 水利水电技术, 2014, 45(1): 52-55, 76.
ZHANG L, ZHANG G X. SAPTIS: Development and application of SAPTIS-software of multi-field simulation and nonlinear analysis of complex structures (Part Ⅲ)[J]. Water Resources and Hydropower Engineering, 2014, 45(1): 52-55, 76. (in Chinese)
[21]
王少伟, 顾冲时, 包腾飞. 基于MSC.Marc的高混凝土坝非线性时效变形量化的程序实现[J]. 中国科学: 技术科学, 2019, 49(4): 433-444.
WANG S W, GU C S, BAO T F. Program implementation of quantifying the nonlinear time-dependent deformation of high concrete dams based on MSC.Marc[J]. SCIENTIA SINICA Technologica, 2019, 49(4): 433-444. (in Chinese)
[22]
费康, 刘汉龙. ABAQUS的二次开发及在土石坝静、动力分析中的应用[J]. 岩土力学, 2010, 31(3): 881-890.
FEI K, LIU H L. Secondary development of ABAQUS and its application to static and dynamic analyses of earth-rockfill dam[J]. Rock and Soil Mechanics, 2010, 31(3): 881-890. DOI:10.3969/j.issn.1000-7598.2010.03.038 (in Chinese)
[23]
周绍武, 林鹏, 李庆斌, 等. 大坝移动式实时多点温度采集装置: CN102829894A[P]. 2012-08-21.
ZHOU S W, LIN P, LI Q B, et al. Dam mobile real-time multi-point temperature acquisition device: CN102829894A[P]. 2012-08-21. (in Chinese)
[24]
彭虹. 混凝土坝应力应变监测仪器的应用研究[J]. 水电能源科学, 2014, 32(9): 178-182.
PENG H. Application study of instruments for stress strain monitoring on concrete dam[J]. Water Resources and Power, 2014, 32(9): 178-182. (in Chinese)
[25]
艾斯克尔·努尔. 全球定位系统(GPS)技术在水利工程中的应用[J]. 水利技术监督, 2011, 19(2): 30-31.
NUER A. Application of GPS technology in water resources projects[J]. Technical Supervision in Water Resources, 2011, 19(2): 30-31. DOI:10.3969/j.issn.1008-1305.2011.02.007 (in Chinese)
[26]
康荣学, 张优云, 韩崇昭, 等. 混凝土生产输送浇注过程计算机综合监控系统[J]. 西安交通大学学报, 2001, 35(10): 1072-1075.
KANG R X, ZHANG Y Y, HAN C Z, et al. Synthetical monitoring system of the concrete production and transportation[J]. Journal of Xi'an Jiaotong University, 2001, 35(10): 1072-1075. DOI:10.3321/j.issn:0253-987X.2001.10.020 (in Chinese)
[27]
孙玉红, 雷永久. Microsoft Project项目管理软件在水利工程建设管理中的应用[J]. 黑龙江水利科技, 2014, 42(7): 209-210.
SUN Y H, LEI Y J. Application of Microsoft Project project management software in water conservancy project construction management[J]. Heilongjiang Science and Technology of Water Conservancy, 2014, 42(7): 209-210. (in Chinese)
[28]
周厚贵. PERT网络软件的工程应用与展望[J]. 施工企业管理, 1995(7): 39-40.
ZHOU H G. Engineering application and prospect of PERT network software[J]. Construction Enterprise Management, 1995(7): 39-40. (in Chinese)
[29]
AZHAR S. Building information modeling (BIM): Trends, benefits, risks, and challenges for the AEC industry[J]. Leadership and Management in Engineering, 2011, 11(3): 241-252. DOI:10.1061/(ASCE)LM.1943-5630.0000127
[30]
李向东, 霍莉莉, 刘艳娟. 三维技术与BIM在水利设计行业的应用现状与发展探索[J]. 水利规划与设计, 2017(10): 141-143, 167.
LI X D, HUO L L, LIU Y J. Application status and development exploration of 3D technology and BIM in water conservancy design industry[J]. Water Resources Planning and Design, 2017(10): 141-143, 167. DOI:10.3969/j.issn.1672-2469.2017.10.040 (in Chinese)
[31]
韩丽伟. BIM技术在水利工程中的应用研究[J]. 科学技术创新, 2017(28): 172-173.
HAN L W. Research on the application of BIM technology in hydraulic engineering[J]. Scientific and Technological Innovation, 2017(28): 172-173. DOI:10.3969/j.issn.1673-1328.2017.28.108 (in Chinese)
[32]
徐宝善, 许天锁, 蒲金文. 三峡工程三期碾压混凝土围堰快速施工与数字化现场全过程监理[C]//全国2003年度碾压混凝土筑坝技术交流会论文集. 百色, 中国: 中国水力发电工程学会, 中国水利学会, 2003.
XU B S, XU T S, PU J W. The rapid construction of the third phase of the Three Gorges Project RCC cofferdam and the digital on-site supervision of the whole process[C]// National RCC Dam Technology Exchange Conference. Baise, China: China Hydropower Engineering Society, China Water Conservancy Society, 2003. (in Chinese)
[33]
陈豪. 基于GIS的小湾电站坝基监测信息系统构建与分析[D]. 昆明: 昆明理工大学, 2008.
CHEN H. Construction and analysis of GIS-based dam foundation monitoring information system for Xiaowan Hydropower Station[D]. Kunming: Kunming University of Science and Technology, 2008. (in Chinese)
[34]
钟登华, 刘东海, 郑家祥. 基于GIS的水电工程施工动态可视化仿真方法及其应用[J]. 水利学报, 2003(7): 101-106.
ZHONG D H, LIU D H, ZHENG J X. Dynamic visual simulation of hydro project construction based on GIS[J]. Journal of Hydraulic Engineering, 2003(7): 101-106. DOI:10.3321/j.issn:0559-9350.2003.07.019 (in Chinese)
[35]
苏怀智. 大坝安全监控感智融合理论和方法及应用研究[D]. 南京: 河海大学, 2002.
SU H Z. Intelligent sensing and fusion system and its application to dam safety monitoring[D]. Nanjing: Hohai University, 2002. (in Chinese)
[36]
余小戈, 王晓旭, 林钧岫, 等. 智能现场仪表在水库大坝自动化系统中应用[J]. 大连理工大学学报, 2002, 42(2): 138-143.
YU X G, WANG X X, LIN J X, et al. Application of intelligent field instrument to dam automatic monitoring system of reservoir[J]. Journal of Dalian University of Technology, 2002, 42(2): 138-143. DOI:10.3321/j.issn:1000-8608.2002.02.003 (in Chinese)
[37]
缑小凡. 自动化大坝安全监测及智能振弦压力数据采集系统[D]. 西安: 西北工业大学, 2005.
GOU X F. Automatic dam safety monitoring and intelligent vibrating wire pressure data acquisition system[D]. Xi'an: Northwestern Polytechnical University, 2005. (in Chinese)
[38]
刘观标. 南瑞大坝安全监测智能分布式工程安全自动监测系统[J]. 中国水利, 2006(6): 67.
LIU G B. Nanrui dam safety monitoring intelligent distributed engineering safety automatic monitoring system[J]. China Water Resources, 2006(6): 67. (in Chinese)
[39]
钟登华, 刘东海, 郑家祥. 基于GIS的混凝土坝施工三维动态可视化仿真研究[J]. 系统工程理论与实践, 2003, 23(5): 125-130.
ZHONG D H, LIU D H, ZHENG J X. GIS-based three-dimension dynamic visual simulation for concrete dam construction process[J]. Systems Engineering-Theory & Practice, 2003, 23(5): 125-130. DOI:10.3321/j.issn:1000-6788.2003.05.022 (in Chinese)
[40]
马洪琪, 钟登华, 张宗亮, 等. 重大水利水电工程施工实时控制关键技术及其工程应用[J]. 中国工程科学, 2011, 13(12): 20-27.
MA H Q, ZHONG D H, ZHANG Z L, et al. Key technologies of real-time construction control for major hydraulic and hydroelectric projects[J]. Engineering Science, 2011, 13(12): 20-27. DOI:10.3969/j.issn.1009-1742.2011.12.004 (in Chinese)
[41]
杨杰, 方俊, 胡德秀, 等. 偏最小二乘法回归在水利工程安全监测中的应用[J]. 农业工程学报, 2007, 23(3): 136-140.
YANG J, FANG J, HU D X, et al. Application of partial least-squares regression to safety monitoring of water conservancy projects[J]. Transactions of the Chinese Society of Agricultural Engineering, 2007, 23(3): 136-140. DOI:10.3321/j.issn:1002-6819.2007.03.028 (in Chinese)
[42]
黄仕俊, 赵华, 段会文, 等. 小湾水电站进水口高边坡监测及信息反馈研究[J]. 地下空间与工程学报, 2006, 2(6): 1025-1028, 1033.
HUANG S J, ZHAO H, DUAN H W, et al. Study of powerhouse intake vertical high slope monitoring and information feedback for Xiaowan hydropower project[J]. Chinese Journal of Underground Space and Engineering, 2006, 2(6): 1025-1028, 1033. (in Chinese)
[43]
郭享. 小湾水电站施工总布置三维可视化建模与分析研究[D]. 天津: 天津大学, 2005.
GUO X. Study on three-dimensional visual modeling and analysis for construction site layout of Xiaowan hydropower station[D]. Tianjin: Tianjin University, 2005. (in Chinese)
[44]
马景山. 小湾水电厂安全管理信息化实践[J]. 现代职业安全, 2015(9): 60-63.
MA J S. Safety management informatization practice of Xiaowan hydropower plant[J]. Modern Occupational Safety, 2015(9): 60-63. DOI:10.3969/j.issn.1671-4156.2015.09.027 (in Chinese)
[45]
钟登华, 刘宁, 崔博. 基于数字监控的高心墙堆石坝施工场内交通仿真研究[J]. 水力发电学报, 2012, 31(6): 223-230, 236.
ZHONG D H, LIU N, CUI B. Study on traffic simulation for construction of high core rock-fill dam based on digital monitoring[J]. Journal of Hydroelectric Engineering, 2012, 31(6): 223-230, 236. (in Chinese)
[46]
庞靖鹏. 关于推进"互联网+水利"的思考[J]. 中国水利, 2016(5): 6-8.
PANG J P. Considerations for promoting water development with "internet plus"[J]. China Water Resources, 2016(5): 6-8. (in Chinese)
[47]
李庆斌, 林鹏. 论智能大坝[J]. 水力发电学报, 2014, 33(1): 139-146.
LI Q B, LIN P. Demonstration on intelligent dam[J]. Journal of Hydroelectric Engineering, 2014, 33(1): 139-146. (in Chinese)
[48]
樊启祥, 张超然. 特高拱坝智能化建设技术创新和实践-300 m级溪洛渡拱坝智能化建设[M]. 北京: 清华大学出版社, 2018.
FAN Q X, ZHANG C R. Intelligent construction technology innovation and practice of super-high arch-dam-intelligent construction of Xiluodu arch dam (300 m-grade)[M]. Beijing: Tsinghua University Press, 2018. (in Chinese)
[49]
朱伯芳. 混凝土坝的数字监控[J]. 水利水电技术, 2008, 39(2): 15-18.
ZHU B F. Numerical monitoring of concrete dams[J]. Water Resources and Hydropower Engineering, 2008, 39(2): 15-18. DOI:10.3969/j.issn.1000-0860.2008.02.005 (in Chinese)
[50]
马洪琪, 钟登华, 张宗亮, 等. 重大水利水电工程施工实时控制关键技术及其工程应用[J]. 中国工程科学, 2011, 13(12): 20-27.
MA H Q, ZHONG D H, ZHANG Z L, et al. Key technologies of real-time construction control for major hydraulic and hydroelectric projects[J]. Strategic Study of CAE, 2011, 13(12): 20-27. DOI:10.3969/j.issn.1009-1742.2011.12.004 (in Chinese)
[51]
ZHONG D H, CUI B, LIU D H, et al. Theoretical research on construction quality real-time monitoring and system integration of core rockfill dam[J]. Science in China Series E: Technological Sciences, 2009, 52(11): 3406-3412. DOI:10.1007/s11431-009-0343-6
[52]
崔博, 胡连兴, 刘东海. 高心墙堆石坝填筑施工过程实时监控系统研发与应用[J]. 中国工程科学, 2011, 13(12): 91-96.
CUI B, HU L X, LIU D H. Development and application of the real-time monitoring system for filling construction process of high core rock-fill dam[J]. Engineering Science, 2011, 13(12): 91-96. DOI:10.3969/j.issn.1009-1742.2011.12.016 (in Chinese)
[53]
吴楠. 浅谈数字大岗山的建设与实践[J]. 四川水力发电, 2019, 38(2): 97-99, 112.
WU N. Digitization construction and practice at Dagangshan hydropower station[J]. Sichuan Hydropower, 2019, 38(2): 97-99, 112. DOI:10.3969/j.issn.1001-2184.2019.02.030 (in Chinese)
[54]
韩兴. 长河坝水电站智能施工管理系统的开发与应用[J]. 水利水电施工, 2017(4): 129-132.
HAN X. Development and application of intelligent construction management system for Changheba Hydropower Station[J]. Water Resources and Hydropower Construction, 2017(4): 129-132. (in Chinese)
[55]
卢吉, 崔博, 吴斌平, 等. 龙开口大坝浇筑碾压施工质量实时监控系统设计与应用[J]. 水力发电, 2013, 39(2): 53-56, 63.
LU J, CUI B, WU B P, et al. Design and application of real-time quality monitoring and control system for dam's roller compacted construction in longkaikou hydropower station[J]. Water Power, 2013, 39(2): 53-56, 63. DOI:10.3969/j.issn.0559-9342.2013.02.016 (in Chinese)
[56]
向弘, 杨梅, 郑爱武, 等. 数字黄登·大坝施工管理信息化系统的研发与应用[C]//水电可持续发展与碾压混凝土坝建设的技术进展: 中国大坝协会2015学术年会论文集. 成都, 中国: 中国大坝协会, 2015.
XIANG H, YANG M, ZHENG A W, et al. Research and application of digital Huangdeng dam construction management information system[C]//Water Conservancy and Hydropower Concrete Dam Information Network. Chengdu, China: Water Conservancy and Hydropower Concrete Dam Information Network, 2015. (in Chinese)
[57]
康向文, 唐茂颖, 段斌, 等. 智慧工程理念下的双江口智能大坝工程系统建设[C]//土石坝技术2018年论文集. 水利水电土石坝工程信息网, 2019.
KANG X W, TANG M Y, DUAN B, et al. The construction of Shuangjiangkou smart dam engineering system under the concept of smart engineering[C]// Proceedings of earth-rock dam technology 2018. Water Conservancy and Hydropower Earth Rock Dam Engineering Information Network, 2019. (in Chinese)
[58]
樊启祥, 林鹏, 魏鹏程, 等. 智能建造闭环控制理论[J]. 清华大学学报(自然科学版), 2021, 61(7): 660-670.
FAN Q X, LIN P, WEI P C, et al. Closed-loop control theory of intelligent construction[J]. Journal of Tsinghua University (Science and Technology), 2021, 61(7): 660-670. (in Chinese)
[59]
谭尧升, 樊启祥, 汪志林, 等. 白鹤滩特高拱坝智能建造技术与应用实践[J]. 清华大学学报(自然科学版), 2021, 61(7): 694-704.
TAN Y S, FAN Q X, WANG Z L, et al. Intelligent construction methods for the Baihetan super high arch dam[J]. Journal of Tsinghua University (Science and Technology), 2021, 61(7): 694-704. (in Chinese)
[60]
刘有志, 张国新, 谭尧升, 等. 仿真大坝建设关键技术与实践应用[J]. 清华大学学报(自然科学版), 2021, 61(7): 714-723.
LIU Y Z, ZHANG G X, TAN Y S, et al. Key techniques for dam construction simulations[J]. Journal of Tsinghua University (Science and Technology), 2021, 61(7): 714-723. (in Chinese)
[61]
CHEN B, YU X, DONG F Q, et al. Compaction quality evaluation of asphalt pavement based on intelligent compaction technology[J]. Journal of Construction Engineering and Management, 2021, 147(9): 04021099. DOI:10.1061/(ASCE)CO.1943-7862.0002115
[62]
徐建江, 陈文夫, 谭尧升, 等. 特高拱坝混凝土运输智能化关键技术与应用[J]. 清华大学学报(自然科学版), 2021, 61(7): 768-776.
XU J J, CHEN W F, TAN Y S, et al. Intelligent concrete transport methods for super-high arch dams[J]. Journal of Tsinghua University (Science and Technology), 2021, 61(7): 768-776. (in Chinese)
[63]
王飞, 刘金飞, 尹习双, 等. 高拱坝智能进度仿真理论与关键技术[J]. 清华大学学报(自然科学版), 2021, 61(7): 756-767.
WANG F, LIU J F, YIN X S, et al. Intelligent scheduling for high arch dams[J]. Journal of Tsinghua University (Science and Technology), 2021, 61(7): 756-767. (in Chinese)
[64]
钟桂良, 徐建江, 乔雨, 等. 混凝土振捣质量智能监控关键技术研究与应用[J]. 水利水电技术, 2020, 51(S2): 422-426.
ZHONG G L, XU J J, QIAO Y, et al. Study and application of key technology for intelligent monitoring and control of concrete vibration quality[J]. Water Resources and Hydropower Engineering, 2020, 51(S2): 422-426. (in Chinese)
[65]
杨忠加, 周宜红, 胡超, 等. 基于高拱坝坝体生长特征的缆机调度仿真研究[J]. 水电能源科学, 2018, 36(5): 158-162.
YANG Z J, ZHOU Y H, HU C, et al. Study on cable machine scheduling simulation based on growth characteristics of high arch dam[J]. Water Resources and Power, 2018, 36(5): 158-162. (in Chinese)
[66]
张国新, 李松辉, 刘毅, 等. 大体积混凝土防裂智能监控系统[J]. 水利水电科技进展, 2015, 35(5): 83-88.
ZHANG G X, LI S H, LIU Y, et al. Intelligent monitoring and control system for crack prevention of mass concrete[J]. Advances in Science and Technology of Water Resources, 2015, 35(5): 83-88. (in Chinese)
[67]
梅杰, 李庆斌, 陈文夫, 等. 基于目标检测模型的混凝土坯层覆盖间歇时间超时预警[J]. 清华大学学报(自然科学版), 2021, 61(7): 688-693.
MEI J, LI Q B, CHEN W F, et al. Overtime warning of concrete pouring interval based on object detection model[J]. Journal of Tsinghua University (Science and Technology), 2021, 61(7): 688-693. (in Chinese)
[68]
魏永强, 宋子龙, 王祥. 基于物联网模式的水库大坝安全监测智能机系统设计[J]. 水利水电技术, 2015, 46(10): 38-42.
WEI Y Q, SONG Z L, WANG X. Design of internet of things based-intelligent machine system for dam safety monitoring[J]. Water Resources and Hydropower Engineering, 2015, 46(10): 38-42. (in Chinese)
[69]
樊启祥, 张超然, 汪志林, 等. 白鹤滩水电站工程建设关键技术进展和突破[J]. 中国水利, 2019(18): 9-14.
FAN Q X, ZHANG C R, WANG Z L, et al. Introduction of key technologies for constructing Baihetan Hydropower Station[J]. China Water Resources, 2019(18): 9-14. DOI:10.3969/j.issn.1000-1123.2019.18.009 (in Chinese)
[70]
樊启祥, 陆佑楣, 周绍武, 等. 金沙江水电工程智能建造技术体系研究与实践[J]. 水利学报, 2019, 50(3): 294-304.
FAN Q X, LU Y M, ZHOU S W, et al. Research and practice on intelligent construction technology system of Jinsha River hydropower projects[J]. Journal of Hydraulic Engineering, 2019, 50(3): 294-304. (in Chinese)
[71]
王瑞英, 朱等民, 郭炎椿. 智能灌浆技术在乌东德水电站帷幕灌浆中的应用[J]. 人民长江, 2020, 51(S2): 200-202, 259.
WANG R Y, ZHU D M, GUO Y C. Application of intelligent grouting technology in curtain grouting of Wudongde Hydropower Station[J]. Yangtze River, 2020, 51(S2): 200-202, 259. (in Chinese)
[72]
柏龙君, 周绍武. 基于物联网的灌浆监测系统的应用研究[J]. 水利水电技术, 2013, 44(4): 14-16.
BAI L J, ZHOU S W. Study and application of Internet of Things (IOT) based grouting monitoring system[J]. Water Resources and Hydropower Engineering, 2013, 44(4): 14-16. DOI:10.3969/j.issn.1000-0860.2013.04.005 (in Chinese)
[73]
江汉臣, 林鹏, 强茂山. 基于实时定位系统的监理人员管理和评价[J]. 清华大学学报(自然科学版), 2015, 55(9): 950-956, 963.
JIANG H C, LIN P, QIANG M S. Supervisor management and evaluation method based on real-time tracking[J]. Journal of Tsinghua University (Science and Technology), 2015, 55(9): 950-956, 963. (in Chinese)
[74]
李庆斌, 马睿, 胡昱, 等. 大坝智能建造理论[M]. 北京: 中国水利水电出版社, 2021.
LI Q B, MA R, HU Y, et al. Theory of intelligent dam construction[M]. Beijing: China Water & Power Press, 2021. (in Chinese)
[75]
钟登华, 时梦楠, 崔博, 等. 大坝智能建设研究进展[J]. 水利学报, 2019, 50(1): 38-52, 61.
ZHONG D H, SHI M N, CUI B, et al. Research progress of the intelligent construction of dams[J]. Journal of Hydraulic Engineering, 2019, 50(1): 38-52, 61. (in Chinese)
[76]
何清, 李宁, 罗文娟, 等. 大数据下的机器学习算法综述[J]. 模式识别与人工智能, 2014, 27(4): 327-336.
HE Q, LI N, LUO W J, et al. A survey of machine learning algorithms for big data[J]. Pattern Recognition and Artificial Intelligence, 2014, 27(4): 327-336. DOI:10.3969/j.issn.1003-6059.2014.04.007 (in Chinese)
[77]
杨善林, 倪志伟. 机器学习与智能决策支持系统[M]. 北京: 科学出版社, 2004.
YANG S L, NI Z W. Machine learning and intelligent decision support system[M]. Beijing: Science Press, 2004. (in Chinese)
[78]
GOLDBERG D E. Genetic algorithms in search, optimization, and machine learning[M]. New York: Addison-Wesley, 1989.
[79]
刘建伟, 刘媛, 罗雄麟. 深度学习研究进展[J]. 计算机应用研究, 2014, 31(7): 1921-1930, 1942.
LIU J W, LIU Y, LUO X L. Research and development on deep learning[J]. Application Research of Computers, 2014, 31(7): 1921-1930, 1942. DOI:10.3969/j.issn.1001-3695.2014.07.001 (in Chinese)
[80]
SCHMIDHUBER J. Deep learning in neural networks: An overview[J]. Neural Networks, 2015, 61: 85-117. DOI:10.1016/j.neunet.2014.09.003
[81]
EASTMAN C, TEICHOLZ P, SACKS R, et al. BIM handbook: A guide to building information modeling for owners, managers, designers, engineer[M]. 2nd ed. Hoboken: John Wiley & Sons, 2011.
[82]
胡世英, 王根元. 基于DIM为核心的智能大坝系统平台的认知与应用[J]. 水电站设计, 2019, 35(1): 22-25.
HU S Y, WANG G Y. Cognition and application of intelligent dam system platform based on DIM[J]. Design of Hydroelectric Power Station, 2019, 35(1): 22-25. (in Chinese)
[83]
UHLEMANN H J, LEHMANN C, STEINHILPER R. The digital twin: Realizing the cyber-physical production system for industry 4.0[J]. Procedia CIRP, 2017, 61: 335-340. DOI:10.1016/j.procir.2016.11.152
[84]
陶飞, 张萌, 程江峰, 等. 数字孪生车间——一种未来车间运行新模式[J]. 计算机集成制造系统, 2017, 23(1): 1-9.
TAO F, ZHANG M, CHENG J F, et al. Digital twin workshop: A new paradigm for future workshop[J]. Computer Integrated Manufacturing System, 2017, 23(1): 1-9. (in Chinese)
[85]
庄存波, 刘检华, 熊辉, 等. 产品数字孪生体的内涵、体系结构及其发展趋势[J]. 计算机集成制造系统, 2017, 23(4): 753-768.
ZHUANG C B, LIU J H, XIONG H, et al. Connotation, architecture and trends of product digital twin[J]. Computer Integrated Manufacturing System, 2017, 23(4): 753-768. (in Chinese)
[86]
王飞跃. 平行系统方法与复杂系统的管理和控制[J]. 控制与决策, 2004, 19(5): 485-489, 514.
WANG F Y. Parallel system methods for management and control of complex systems[J]. Control and Decision, 2004, 19(5): 485-489, 514. DOI:10.3321/j.issn:1001-0920.2004.05.002 (in Chinese)
[87]
刘昕, 王晓, 张卫山, 等. 平行数据: 从大数据到数据智能[J]. 模式识别与人工智能, 2017, 30(8): 673-681.
LIU X, WANG X, ZHANG W S, et al. Parallel data: From big data to data intelligence[J]. Pattern Recognition and Artificial Intelligence, 2017, 30(8): 673-681. (in Chinese)
[88]
王飞跃. 人工社会、计算实验、平行系统——关于复杂社会经济系统计算研究的讨论[J]. 复杂系统与复杂性科学, 2004, 1(4): 25-35.
WANG F Y. Artificial societies, computational experiments, and parallel systems: A discussion on computational theory of complex social-economic systems[J]. Complex Systems and Complexity Science, 2004, 1(4): 25-35. DOI:10.3969/j.issn.1672-3813.2004.04.002 (in Chinese)
[89]
王飞跃. 基于ACP方法的平行计算: 从分而治之到扩而治之[J]. 软件和集成电路, 2019(9): 30-31.
WANG F Y. Parallel computing based on the ACP method: From divide and conquer to expansion and conquer[J]. Software and Integrated Circuit, 2019(9): 30-31. DOI:10.3969/j.issn.2096-062X.2019.09.009 (in Chinese)
[90]
王飞跃. 平行控制与数字孪生: 经典控制理论的回顾与重铸[J]. 智能科学与技术学报, 2020, 2(3): 293-300.
WANG F Y. Parallel control and digital twins: Control theory revisited and reshaped[J]. Chinese Journal of Intelligent Science and Technology, 2020, 2(3): 293-300. (in Chinese)
[91]
杨林瑶, 陈思远, 王晓, 等. 数字孪生与平行系统: 发展现状、对比及展望[J]. 自动化学报, 2019, 45(11): 2001-2031.
YANG L Y, CHEN S Y, WANG X, et al. Digital twins and parallel systems: State of the art, comparisons and prospect[J]. Acta Automatica Sinica, 2019, 45(11): 2001-2031. (in Chinese)
[92]
黄鹏嘉, 王广铭, 王之龙. "智慧大藤峡"顶层设计[J]. 中国水利, 2020(4): 18-20.
HUANG P J, WANG G M, WANG Z L. Top-level design of "Intelligent Datengxia"[J]. China Water Resources, 2020(4): 18-20. DOI:10.3969/j.issn.1000-1123.2020.04.008 (in Chinese)
[93]
AN Z Z, LIU T Y, ZHANG Z S, et al. Dynamic optimization of compaction process for rockfill materials[J]. Automation in Construction, 2020, 110: 103038. DOI:10.1016/j.autcon.2019.103038
[94]
张磊, 张国新, 刘毅, 等. 数字黄登大坝混凝土温控智能监控系统的开发和应用[J]. 水利水电技术, 2019, 50(6): 108-114.
ZHANG L, ZHANG G X, LIU Y, et al. Development and application of digitalized intelligent concrete temperature control system for Huangdeng Dam[J]. Water Resources and Hydropower Engineering, 2019, 50(6): 108-114. (in Chinese)
[95]
钟登华, 王飞, 吴斌平, 等. 从数字大坝到智慧大坝[J]. 水力发电学报, 2015, 34(10): 1-13.
ZHONG D H, WANG F, WU B P, et al. From digital dam toward smart dam[J]. Journal of Hydroelectric Engineering, 2015, 34(10): 1-13. DOI:10.11660/slfdxb.20151001 (in Chinese)
[96]
樊启祥, 张超然, 陈文斌, 等. 乌东德及白鹤滩特高拱坝智能建造关键技术[J]. 水力发电学报, 2019, 38(2): 22-35.
FAN Q X, ZHANG C R, CHEN W B, et al. Key technologies of intelligent construction of Wudongde and Baihetan super high arch dams[J]. Journal of Hydroelectric Engineering, 2019, 38(2): 22-35. (in Chinese)
[97]
唐海涛, 王国光, 张业星, 等. 水电工程混凝土监控系统研究与应用[J]. 大坝与安全, 2019(4): 53-57.
TANG H T, WANG G G, ZHANG Y X, et al. Research and application of concrete monitoring system for hydropower projects[J]. Dam & Safety, 2019(4): 53-57. DOI:10.3969/j.issn.1671-1092.2019.04.013 (in Chinese)
[98]
杜关, 陈波, 杨洪. GPS碾压监控系统在土石坝施工质量管理中的应用[J]. 水电站设计, 2012, 28(S1): 111-113.
DU G, CHEN B, YANG H. The application of GPS rolling monitoring system in the quality management of earth-rock dam construction[J]. Design of Hydroelectric Power Station, 2012, 28(S1): 111-113. (in Chinese)
[99]
司红云, 曹邱林, 郑东健. 基于神经网络的大坝参数反演法[J]. 水利与建筑工程学报, 2003, 1(4): 22-23, 30.
SI H Y, CAO Q L, ZHENG D J. Artificial neural network method on back analysis of dam parameter[J]. Journal of Water Resources and Architectural Engineering, 2003, 1(4): 22-23, 30. DOI:10.3969/j.issn.1672-1144.2003.04.006 (in Chinese)
[100]
杨杰, 顾冲时, 吴中如. 大坝变形监测的BP网络模型与预报研究[J]. 西安理工大学学报, 2001, 17(1): 25-29.
YANG J, GU C S, WU Z R. Dam deformation monitoring model and forecast based on BP algorithm of artificial neural networks[J]. Journal of Xi'an University of Technology, 2001, 17(1): 25-29. DOI:10.3969/j.issn.1006-4710.2001.01.006 (in Chinese)
[101]
王峰, 周宜红, 赵春菊, 等. 基于混合粒子群算法的特高拱坝不同材料热学参数反演分析[J]. 清华大学学报(自然科学版), 2021, 61(7): 747-755.
WANG F, ZHOU Y H, ZHAO C J, et al. Thermal parameter inversion for various materials of super high arch dams based on the hybrid particle swarm optimization method[J]. Journal of Tsinghua University (Science and Technology), 2021, 61(7): 747-755. (in Chinese)
[102]
蔡永强. 大坝随机裂缝的光纤智能检测、预警系统设计[J]. 广西水利水电, 2005(S1): 5-8.
CAI Y Q. Design of optical fiber intelligent check measurement and forecasting system for random crack of dam[J]. Guangxi Water Resources & Hydropower Engineering, 2005(S1): 5-8. (in Chinese)
[103]
张本秋, 王淼, 张学宝. 碾压式土石坝施工的质量控制要点[J]. 水利科技与经济, 2007, 13(7): 512.
ZHANG B Q, WANG M, ZHANG X B. The key points of quality control in the construction of roller compacted earth-rock dams[J]. Water Conservancy Science and Technology and Economy, 2007, 13(7): 512. DOI:10.3969/j.issn.1006-7175.2007.07.039 (in Chinese)
[104]
刘东海, 王爱国, 柳育刚, 等. 基于碾轮振动性态分析的土石坝压实质量实时监测与评估[J]. 水利学报, 2014, 45(2): 163-170.
LIU D H, WANG A G, LIU Y G, et al. Real-time monitoring and assessment of compaction quality for earth-rock dam basing on roller vibration behavior analysis[J]. Journal of Hydraulic Engineering, 2014, 45(2): 163-170. (in Chinese)
[105]
MEEHAN C L, CACCIOLA D V, TEHRANI F S, et al. Assessing soil compaction using continuous compaction control and location-specific in situ tests[J]. Automation in Construction, 2017, 73: 31-44. DOI:10.1016/j.autcon.2016.08.017
[106]
郭婷婷. 基于物联网模式的智能大坝安全监测预警系统研究[J]. 数码世界, 2017(10): 257.
GUO T T. Research on smart dam safety monitoring and early warning system based on the Internet of Things model[J]. Digital Space, 2017(10): 257. DOI:10.3969/j.issn.1671-8313.2017.10.214 (in Chinese)
[107]
张磊, 张国新, 刘毅, 等. 数字黄登大坝混凝土温控智能监控系统的开发和应用[J]. 水利水电技术, 2019, 50(6): 108-114.
ZHANG L, ZHANG G X, LIU Y, et al. Development and application of digitalized intelligent concrete temperature control system for Huangdeng Dam[J]. Water Resources and Hydropower Engineering, 2019, 50(6): 108-114. (in Chinese)
[108]
张娜. 大坝安全三维动态全视景智能管理方法研究[D]. 哈尔滨: 哈尔滨工程大学, 2019.
ZHANG N. Research on three-dimension dynamic panoramic intelligent management method for dam safety[D]. Harbin: Harbin Engineering University, 2019. (in Chinese)
[109]
黄华东, 郭张军. 大坝安全智能监控模型对比分析研究[J]. 中国水运, 2019, 19(6): 71-73.
HUANG H D, GUO Z J. Comparative analysis of dam safety intelligent monitoring models[J]. China Water Transport, 2019, 19(6): 71-73. (in Chinese)
[110]
AN X H, ZHOU L, LIU Z G, et al. Dataset and benchmark for detecting moving objects in construction sites[J]. Automation in Construction, 2021, 122: 103482. DOI:10.1016/j.autcon.2020.103482
[111]
王龙宝, 赵杰. 基于物联网的水利施工机械远程智能监控系统研究[J]. 水利经济, 2012, 30(1): 31-35.
WANG L B, ZHAO J. Remote intelligent monitoring system for water conservancy construction machinery based on IOT[J]. Journal of Economics of Water Resources, 2012, 30(1): 31-35. DOI:10.3969/j.issn.1003-9511.2012.01.008 (in Chinese)
[112]
刘成栋, 向衍, 张士辰, 等. 水库大坝安全智能巡检系统设计与实现[J]. 中国水利, 2018(20): 39-41.
LIU C D, XIANG Y, ZHANG S C, et al. The design and implementation of intelligent inspection system of reservoir dams based on big data[J]. China Water Resources, 2018(20): 39-41. DOI:10.3969/j.issn.1000-1123.2018.20.010 (in Chinese)
[113]
董永, 周建波. 水电站大坝安全智能巡检系统研究与设计[J]. 大坝与安全, 2020(1): 1-5.
DONG Y, ZHOU J B. Research and design of dam safety intelligent inspection system for hydropower stations[J]. Dam & Safety, 2020(1): 1-5. DOI:10.3969/j.issn.1671-1092.2020.01.002 (in Chinese)
[114]
李斌. 基于多目标遗传算法的水利工程施工进度计划优化[D]. 保定: 河北农业大学, 2009.
LI B. Optimization of water engineer construction programmer based on multi-objective genetic algorithm[D]. Baoding: Hebei Agricultural University, 2009. (in Chinese)
[115]
焦梅. 水利工程项目施工成本控制与管理优化研究[J]. 智能城市, 2017, 3(7): 237.
JIAO M. Research on construction cost control and management optimization of water conservancy projects[J]. Intelligent City, 2017, 3(7): 237. (in Chinese)
[116]
ZHANG Q L, LIU T Y, ZHANG Z S, et al. Unmanned rolling compaction system for rockfill materials[J]. Automation in Construction, 2019, 100: 103-117. DOI:10.1016/j.autcon.2019.01.004
[117]
陈广森. 水利水电工程智能化"工期—费用"综合控制方法[C]//水库大坝高质量建设与绿色发展——中国大坝工程学会2018学术年会论文集. 郑州, 中国: 中国大坝工程学会, 2018.
CHEN G S. Intelligent "construction period-cost" comprehensive control method for water conservancy and hydropower engineering[C]//High-Quality Construction and Green Development of Reservoir Dams-China Dam Engineering Society 2018 Academic Conference. Zhengzhou, China: China Society of Dam Engineering, 2018. (in Chinese)
[118]
陆华. 浅谈水利工程造价管理的智能化发展[J]. 陕西水利, 2020(3): 137-138, 142.
LU H. Talking about the intelligent development of water conservancy project cost management[J]. Shaanxi Water Resources, 2020(3): 137-138, 142. (in Chinese)
[119]
金强国. 基于遗传算法的大坝土石料运输智能动态调配应用研究[D]. 天津: 天津大学, 2017.
JIN Q G. Research of intelligent and dynamic allocation for dam soil stone material transportation based on genetic algorithm[D]. Tianjin: Tianjin University, 2017. (in Chinese)
[120]
钟登华, 任炳昱, 宋文帅, 等. 高拱坝建设进度与质量智能控制关键技术及其应用研究[J]. 水利水电技术, 2019, 50(8): 8-17.
ZHONG D H, REN B Y, SONG W S, et al. Study on key techniques for intelligent control of construction progress and quality of high arch dam and their applications[J]. Water Resources and Hydropower Engineering, 2019, 50(8): 8-17. (in Chinese)
[121]
SARIDIS G N. Toward the realization of intelligent controls[J]. Proceedings of the IEEE, 1979, 67(8): 1115-1133. DOI:10.1109/PROC.1979.11407
[122]
杨宁, 刘毅, 乔雨, 等. 大体积混凝土仓面智能喷雾控制模型[J]. 清华大学学报(自然科学版), 2021, 61(7): 724-729.
YANG N, LIU Y, QIAO Y, et al. Intelligent spray control for the concrete curing of mass concrete bins[J]. Journal of Tsinghua University (Science and Technology), 2021, 61(7): 724-729. (in Chinese)
[123]
林鹏, 宁泽宇, 李明, 等. 特高拱坝通水冷却管网智能联控原型试验研究[J]. 水利学报, 2021, 52(7): 819-828.
LIN P, NING Z Y, LI M, et al. Study on prototype intelligent control test of cooling pipeline for a super-high arch dam[J]. Journal of Hydraulic Engineering, 2021, 52(7): 819-828. (in Chinese)
[124]
毛良明, 沈省三, 肖美蓉. 物联网时代来临大坝安全监测技术的未来思考[J]. 大坝与安全, 2011(1): 11-13.
MAO L M, SHEN S S, XIAO M R. Consideration on the future technology of dam safety monitoring systems in IOT era[J]. Dam & Safety, 2011(1): 11-13. DOI:10.3969/j.issn.1671-1092.2011.01.005 (in Chinese)
[125]
周丹. 无线传感网络在大坝安全监测中的应用研究[D]. 武汉: 武汉理工大学, 2008.
ZHOU D. Application research of WSN in dam safety monitoring[D]. Wuhan: Wuhan University of Technology, 2008. (in Chinese)
[126]
乔静. 基于ZIGBEE的大坝安全监测系统设计[D]. 大连: 大连理工大学, 2012.
QIAO J. Design of dam safety monitoring system based on ZIGBEE[D]. Dalian: Dalian University of Technology, 2012. (in Chinese)
[127]
沈乔楠, 安雪晖, 于玉贞. 基于视觉信息的堆石质量评价[J]. 清华大学学报(自然科学版), 2013, 53(1): 48-52.
SHEN Q N, AN X H, YU Y Z. Rock-filled quality evaluation based on visual information[J]. Journal of Tsinghua University (Science and Technology), 2013, 53(1): 48-52. (in Chinese)
[128]
郑森, 顾冲时, 邵晨飞. 基于图像处理技术的大坝监测数据粗差识别[J]. 南水北调与水利科技(中英文), 2020, 18(5): 123-129.
ZHENG S, GU C S, SHAO C F. Recognition of gross error of dam monitoring data based on image processing technology[J]. South-to-North Water Transfers and Water Science & Technology, 2020, 18(5): 123-129. (in Chinese)
[129]
王志军, 宋士学, 蒋裕丰, 等. 机器学习算法在大坝安全监控系统中的集成方法[J]. 水电自动化与大坝监测, 2008, 32(3): 53-55.
WANG Z J, SONG S X, JIANG Y F, et al. Integration of machine learning algorithm in dam safety monitoring system[J]. Hydropower Automation and Dam Monitoring, 2008, 32(3): 53-55. DOI:10.3969/j.issn.1671-3893.2008.03.015 (in Chinese)
[130]
刘琼, 李能. 深度学习在大坝变形预测中的应用研究[J]. 测绘与空间地理信息, 2020, 43(3): 201-203, 207.
LIU Q, LI N. Application of dam deformation prediction based on deep learning[J]. Geomatics & Spatial Information Technology, 2020, 43(3): 201-203, 207. DOI:10.3969/j.issn.1672-5867.2020.03.057 (in Chinese)
[131]
李品钰, 霍亮, 宋继哲, 等. 测量技术大坝三维监测报警信息系统研究与实现[J]. 矿山测量, 2020, 48(2): 48-53.
LI P Y, HUO L, SONG J Z, et al. Research and implementation of dam 3D monitoring and alarm information system[J]. Mine Surveying, 2020, 48(2): 48-53. DOI:10.3969/j.issn.1001-358X.2020.02.013 (in Chinese)
[132]
宁志新, 何鹏. 传感器在大坝安全监测中的发展与应用[J]. 传感器世界, 2004, 10(6): 21-24, 34.
NING Z X, HE P. Development and application of sensors in dam security monitoring system[J]. Sensor World, 2004, 10(6): 21-24, 34. DOI:10.3969/j.issn.1006-883X.2004.06.004 (in Chinese)
[133]
雷鹏, 苏怀智, 张贵金. 基于RNN模型的坝体和岩基区间参数反演方法研究[J]. 岩土力学, 2011, 32(2): 547-552.
LEI P, SU H Z, ZHANG G J. Study of interval parameters back analysis of dam body and rock foundation based on RNN model[J]. Rock and Soil Mechanics, 2011, 32(2): 547-552. DOI:10.3969/j.issn.1000-7598.2011.02.037 (in Chinese)
[134]
杨杰, 顾冲时, 吴中如. 大坝变形监测的BP网络模型与预报研究[J]. 西安理工大学学报, 2001, 17(1): 25-29.
YANG J, GU C S, WU Z R. Dam deformation monitoring model and forecast based on BP algorithm of artificial neural networks[J]. Journal of Xi'an University of Technology, 2001, 17(1): 25-29. DOI:10.3969/j.issn.1006-4710.2001.01.006 (in Chinese)
[135]
宋志宇. 基于智能计算的大坝安全监测方法研究[D]. 大连: 大连理工大学, 2007.
SONG Z Y. Research on methods for dam safety monitoring based on intelligence computation[D]. Dalian: Dalian University of Technology, 2007. (in Chinese)
[136]
张庆龙, 马睿, 胡昱, 等. 大体积混凝土结构温度应力智能控制理论[J]. 水力发电学报, 2021, 40(5): 11-21.
ZHANG Q L, MA R, HU Y, et al. Intelligent control theory of thermal stress in mass concrete structures[J]. Journal of Hydroelectric Engineering, 2021, 40(5): 11-21. (in Chinese)
[137]
王国浩, 余佳, 王晓玲, 等. 高拱坝施工仿真参数EMD- P-ILSTM动态更新模型研究[J]. 水力发电学报, 2021, 40(12): 106-118.
WANG G H, YU J, WANG X L, et al. EMD-P-ILSTM dynamic updating model for high arch dam construction simulation parameters[J]. Journal of Hydroelectric Power, 2021, 40(12): 106-118. DOI:10.11660/slfdxb.20211210 (in Chinese)
[138]
程正飞, 王晓玲, 任炳昱, 等. 基于代理模型的碾压混凝土坝坝体渗控结构多目标优化[J]. 天津大学学报(自然科学与工程技术版), 2019, 52(8): 793-803.
CHENG Z F, WANG X L, REN B Y, et al. Multi-objective optimization of seepage control structures of RCC dams based on the surrogate model[J]. Journal of Tianjin University (Science and Technology), 2019, 52(8): 793-803. (in Chinese)
[139]
安再展, 刘天云, 皇甫泽华, 等. 利用CMV评估堆石料压实质量的神经网络模型[J]. 水力发电学报, 2020, 39(4): 110-120.
AN Z Z, LIU T Y, HUANGFU Z H, et al. Neural network model for evaluating compaction quality of rockfill materials by compaction meter value[J]. Journal of Hydroelectric Engineering, 2020, 39(4): 110-120. (in Chinese)
[140]
张庆龙, 刘天云, 李庆斌, 等. 基于闭环反馈控制和RTK-GPS的自动碾压系统[J]. 水力发电学报, 2018, 37(5): 151-160.
ZHANG Q L, LIU T Y, LI Q B, et al. Automatic rolling system based on closed-loop feedback control and RTK-GPS[J]. Journal of Hydroelectric Engineering, 2018, 37(5): 151-160. (in Chinese)
[141]
AN Z Z, LIU T Y, ZHANG Z S, et al. Dynamic optimization of compaction process for rockfill materials[J]. Automation in Construction, 2020, 110: 103038. DOI:10.1016/j.autcon.2019.103038
[142]
张庆龙, 安再展, 刘天云, 等. 土石坝压实的智能控制理论[J]. 水力发电学报, 2020, 39(7): 34-40.
ZHANG Q L, AN Z Z, LIU T Y, et al. Intelligent control theory of earth-rock dam compaction[J]. Journal of Hydroelectric Engineering, 2020, 39(7): 34-40. (in Chinese)
[143]
李守巨, 于申, 孙振祥, 等. 基于神经网络的堆石料本构模型参数反演[J]. 计算机工程, 2014, 40(6): 267-271.
LI S J, YU S, SUN Z X, et al. Parameter inversion of constitutive model for rockfill material based on neural network[J]. Computer Engineering, 2014, 40(6): 267-271. DOI:10.3969/j.issn.1000-3428.2014.06.057 (in Chinese)
[144]
金有杰, 王海妹, 雷雨, 等. 大坝安全实测信息三维可视化方法研究与应用[J]. 水利信息化, 2017(1): 10-15.
JIN Y J, WANG H M, LEI Y, et al. Research and application of three dimensional visualization methods for dam safety monitoring information[J]. Water Resources Informatization, 2017(1): 10-15. (in Chinese)
[145]
陶丛丛, 胡波, 马文锋. 碾压式土石坝施工质量实时监控系统设计[J]. 水电与抽水蓄能, 2017, 3(6): 40-43, 16.
TAO C C, HU B, MA W F. The design for real-time monitoring system of rolled earth-rock fill dam construction quality[J]. Hydropower and Pumped Storage, 2017, 3(6): 40-43, 16. (in Chinese)
[146]
景奉韬, 夏昊, 朱明清. 混凝土智能生产管理技术研究与应用[J]. 中国港湾建设, 2020, 40(10): 65-68, 74.
JING F T, XIA H, ZHU M Q. Research and application of intelligent concrete production management technology[J]. China Harbour Engineering, 2020, 40(10): 65-68, 74. DOI:10.7640/zggwjs202010014 (in Chinese)
[147]
JIANG Y C, YIN S, LI K, et al. Industrial applications of digital twins[J]. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 2021, 379(2207): 20200370. DOI:10.1098/rsta.2020.0370
[148]
YABLOCHNIKOV E I, CHUKICHEV A V, TIMOFEEVA O S, et al. Development of an industrial cyber-physical platform for small series production using digital twins[J]. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 2021, 379(2207): 20200370. DOI:10.1098/rsta.2020.0370
[149]
陶飞, 刘蔚然, 刘检华, 等. 数字孪生及其应用探索[J]. 计算机集成制造系统, 2018, 24(1): 1-18.
TAO F, LIU W R, LIU J H, et al. Digital twin and its potential application exploration[J]. Computer Integrated Manufacturing Systems, 2018, 24(1): 1-18. (in Chinese)
[150]
王飞跃. 基于ACP方法的平行计算: 从分而治之到扩而治之[J]. 软件和集成电路, 2019(9): 30-31.
WANG F Y. Parallel computing based on the ACP method: From divide and conquer to expansion and conquer[J]. Software and Integrated Circuit, 2019(9): 30-31. DOI:10.3969/j.issn.2096-062X.2019.09.009 (in Chinese)