随着中国西部地区水能资源的深入开发，300 m级特高拱坝水电工程相继建成，锦屏Ⅰ级(305 m)、小湾(294.5 m)、溪洛渡(285.5 m)等为国家“西电东送”贡献了力量，乌东德水电站(270 m)、白鹤滩水电站(289 m)等正在如火如荼建设中^[1]。特高拱坝大多位于高山峡谷地区，具有工期紧、工程量大、自然条件恶劣、施工工序复杂、施工机械种类与数量多等特点，混凝土运输环节是否安全、高效，直接关系着大坝能否高品质、高效完成施工。

在特高拱坝混凝土施工过程中，参与施工机械种类繁多，人员类型复杂，为多环节协同作业增加了难度。传统施工管理多以人工为主，存在反馈滞后、不准确等问题，难以确保整个过程高效安全运行。在“数字化、网络化、智能化”工业革命^[2-3]的背景下，国内水电工程建设管理开启了智能建造的新篇章^[4]。陆佑楣等^[5]以大坝全景信息模型(design information manual，DIM)为基础，构建了智能建造管理iDam平台，实现了对工程的基础数据、环境数据、过程数据与监控数据的集成化管控，为业主、施工、监理、设计、科研及运行等单位提供数据共享服务。马洪琪等^[6]提出了针对高心墙堆石坝的填筑碾压质量监控、坝料上坝运输过程实时监控技术和施工质量动态信息(personal digital assistant，PDA)实时采集技术，实现了大坝填筑碾压全过程的全天候、精细化、在线实时监控。吴斌平等^[7]提出了基于全球定位技术(global positioning system，GPS)和实时动态差分技术(real-time kinematic，RTK)的大坝浇筑碾压施工质量实时监控理论，通过在碾压机械上安装高精度GPS定位设备及振动状态监控设备，对碾压机械进行全过程、全自动的实时监控，并记录该碾压机械碾压施工过程。王飞等^[8]构建了拱坝混凝土水平运输监控框架，提出了拱坝混凝土水平运输监控方法，研发系统软件和硬件，实现了水平运输过程的数据采集与环节效率分析。钟桂良等^[9]研究了高拱坝混凝土运输过程智能控制技术及方案，并将方案运用到某300 m级高拱坝施工中进行生产性试验。通过试验验证了混凝土运输过程智能控制技术的可行性，为高拱坝施工混凝土运输过程精细化控制提供了有效技术手段。国内在拱坝混凝土施工效率与质量方面的研究较多，但未能有效实现混凝土浇筑一条龙的联动分析与应用。国外由于水电工程的施工案例较少，对水电工程施工过程的智能化管理技术更鲜有涉及。仅天宝等大型GPS技术研发公司在机场、公路、铁路建设过程中，利用定位技术进行设备控制、资产管理，取得了一定的项目管控效果。

乌东德混凝土运输智能管控系统已完成混凝土生产、水平运输、垂直运输的各环节实时监控与分析，未能实现混凝土运输一条龙联动分析及缆机群安全运行管控。基于乌东德研究成果，本文以白鹤滩特高拱坝混凝土运输过程为研究对象，首先介绍了现场混凝土生产运输设备布置情况，对其运输效率和安全管控面临的问题进行了分析，构建了运输效率联动分析模型与缆机群安全管控模型。结合三级动态预警指标，研发了特高拱坝混凝土运输智能化管控平台，并在白鹤滩工程建设中成功应用，为白鹤滩混凝土高效安全施工及精细化管控提供了有效保障。

1 白鹤滩混凝土生产运输概况及面临的问题

白鹤滩水电站位于四川省宁南县和云南省巧家县接壤的金沙江下游, 大坝工程为混凝土双曲拱坝。坝高289 m，混凝土总方量约818万m³，分为31个坝段进行浇筑，总工期41个月。大坝混凝土生产运输系统由4座拌合楼(高线和低线)、17台侧卸运输车和7台平移式缆机(高线和低线)组成，施工布置如图 1所示。

7台缆机除运输混凝土外，还承担备仓、收仓、吊装等任务，在缆机分配不合理时，易产生缆机闲置、相互干扰等问题。例如，2020年9月因平台占用，造成运输车运输通道不畅，影响混凝土入仓强度。因此，如何对混凝土运输全过程效率进行实时分析与监控，并在有限的施工资源条件下进行优化配置，是混凝土运输效率管控的关键问题。

大坝工程的顶拱中心线弧长708.7 m，缆机最大跨度1 186.7 m，缆机主轨最大长度为310 m，副轨最大长度为270 m。白鹤滩工程具有浇筑方量大、工期紧等特点，经常存在多仓同浇、高低线缆机运行间距较小等工况，并且白鹤滩河谷常年大风(最大风速超过36 m/s)，如何保证缆机群安全运行间距，是缆机群运行安全的关键问题。

2 特高拱坝混凝土运输智能化技术 2.1 混凝土运输效率分析与管控

基于大数据分析与智能建造理论^[10-12]，对混凝土运输效率制约关键因素进行识别，提出了基于缆机效率的多要素全过程混凝土运输效率分析方法。以缆机吊运环节为核心，完成了运输车待料与拌合楼生产、缆机待料与运输车重载运输、缆机对位下料与仓面特性的3个关键环节的联动分析，实现混凝土运输异常环节定位分析，如图 2所示。

通过缆机运行轨迹信息，识别缆机吊运的待料、装料、起罐、吊运、对位、下料、回程7个环节，通过缆机环节异常分析为基础，精确定位混凝土运输异常环节，具体步骤如下：

步骤1  缆机吊运环节超标判定。基于缆机环节耗时指标，判断缆机环节是否超标，若均未超标，则进入下个循环监控；若有环节超标，则进入步骤2。

步骤2  缆机吊运超标环节分类。按环节耗时影响因素是否为单环节(或多环节)进行分类，缆机装料、起罐、吊运、回程等环节受缆机操作熟练度影响，若耗时超标，则判定为缆机运行异常，向缆机操作室发送信息；缆机待料环节受运输车和拌合楼效率影响，若发生异常，则联合运输车与拌合楼分析，进入步骤3；缆机对位与下料环节受仓面施工干扰、特殊部位多次下料影响，若发生异常，则联合仓面特性与施工机械位置分析，进入步骤4。

步骤3  缆机、运输车及拌合楼联动分析。缆机待料环节异常，首先判断运输车重载运输环节是否超标，若超标，则判定运输车异常，向相关方发送预警信息，协助判定现场是否存在运输路径阻碍；若运输车重载运输正常，则需追溯拌合楼生产是否正常，若拌合楼生产正常，但运输车未能有效接料，则判定拌合楼存在多部位供料，向拌合楼生产管理办发送预警信息，提醒合理安排拌合楼供料；若拌合楼生产异常，则向拌合楼生产管理办发送预警信息，提醒拌合楼搅拌超时。

步骤4  缆机、仓面联动分析。缆机对位环节异常，首先判定缆机是否存在主塔移动，若存在，则视为本次对位环节超标正常；若不存在，则识别对位开始点下方是否存在施工机械在吊罐安全间距内，若有，则提醒仓面进行合理施工布置；若无，则提醒缆机操作手与仓面指挥员，缆机对位超时。

缆机下料环节异常，首先判断缆机是否存在多次下料，若存在，则本次下料超时正常；若不存在，则需根据吊罐高程与仓面高程高度进行分析，判断高差是否过高影响下料。

2.2 缆机群运行安全分析与管控 2.2.1 缆机运行区域包络图模型

通过在缆机主塔、副塔与吊钩大梁安装定位设备(卫星定位或超宽频定位或激光定位)，实时获取缆机主塔坐标Z(Z_x, Z_y, Z_z)、副塔坐标F(F_x, F_y, F_z)及缆机吊钩坐标PD(PD_x, PD_y, PD_z)。同时，对缆机主塔轨道线的坐标D₁ (D_1x, D_1y, D_1z)与桩号Z₁、坐标D₂ (D_2x, D_2y, D_2z)与桩号Z₂进行实地测量。实现步骤如下：

步骤1  缆机摆幅值分析。根据缆机主塔、副塔及吊钩实时位置信息，计算缆机最大摆幅值。

缆机主塔实时坐标点Z(Z_x, Z_y, Z_z)与副塔实时坐标点F(F_x, F_y, F_z)在xy平面的直线表示为

$ K X-Y+C=0, $

(1)

$ C=\left(F_{x} Z_{y}-Z_{x} F_{y}\right) /\left(F_{x}-Z_{x}\right), $

(2)

$ K=\left(F_{y}-Z_{y}\right) /\left(F_{x}-Z_{x}\right). $

(3)

其中：C为直线斜率；K为直线常量。

在xy平面上，缆机吊钩实时坐标PD₁到主索的直线距离为

$ D=\left|K D_{1 x}-D_{1 y}+C\right| /\left(K^{2}+1\right)^{1 / 2}. $

(4)

则缆机最大摆幅值为f=2D。

步骤2  缆机最大运行区域分析。根据摆幅值f，计算缆机在xy平面上的运行范围。

缆机主塔实时坐标点Z与副塔实时坐标点F在xy平面的直线与y轴夹角θ的正余弦值表示为：

$ \sin \theta=\left(F_{y}-Z_{y}\right) /\left[\left(F_{x}-Z_{x}\right)^{2}+\left(F_{y}-Z_{y}\right)^{2}\right]^{1 / 2}, $

(5)

$ \cos \theta=\left(F_{x}-Z_{z}\right) /\left[\left(F_{x}-Z_{x}\right)^{2}+\left(F_{y}-Z_{y}\right)^{2}\right]^{1 / 2}, $

(6)

当前缆机实时坐标点为PD₁，设缆机最大摆幅值对应的拟合坐标点为PD₂，判断点在直线左右侧标识为S，拟合坐标点计算常量为l。则利用式(7)判断PD₁在主塔Z、副塔F直线的左右侧：

$ \begin{array}{c} S=\left(Z_{x}-D_{2 x}\right)\left(F_{y}-D_{2 y}\right)- \\ \left(Z_{y}-D_{2 y}\right)\left(F_{x}-D_{2 x}\right). \end{array} $

(7)

如果S为正数，则PD₁在ZF的左侧，l=1；如果S为负数，则PD₁在ZF的右侧，l=-1；如果S为0，则PD₁在ZF上，l=0。

则拟合坐标点PD₂的坐标值为：

$ D_{2 x}=D_{1 x}+l \cdot f \cdot \sin \theta, $

(8)

$ D_{2 y}=D_{1 y}+l \cdot f \cdot \cos \theta, $

(9)

$ D_{2 z}=D_{1 z}. $

(10)

步骤3  绘制缆机运行区域包络图。设上一时刻缆机真实坐标与拟合坐标分别为PS₁和PS₂，结合当前缆机实时坐标点PD₁和最大摆幅值对应的拟合坐标点PD₂，利用4个坐标点形成一个四边形，按照时间顺序依次绘制缆机实时运行包络图，最终形成缆机最近30 min(或10 min)的缆机运行包络图，结果如图 3所示。

2.2.2 相邻缆机运行安全间距分析模型

首先获取相邻缆机包络图相邻边坐标点P₁ (P_1x, P_1y, P_1z)与P₂ (P_2x, P_2y, P_2z), 设对应桩号分别为Z_p1与Z_p2，点P₁在缆机主塔轨道直线D₁-D₂的垂足为(z_1x, z_1y)，则直线D₁-D₂的斜率为

$ k=\left(D_{1 y}-D_{2 y}\right) /\left(D_{1 x}-D_{2 x}\right). $

(11)

直线D₁-D₂的直线方程为

$ Y=k\left(X-D_{1 x}\right)+D_{1 y}. $

(12)

垂线的斜率为1/k，垂直线方程可表示为

$ Y=(1 / k)\left(X-P_{1 x}\right)+P_{1 y} $

(13)

联立式(12)和(13)，可解得垂足坐标为：

$ z_{1 x}=\left(k^{2} \cdot D_{1 x}+k\left(P_{1y}-D_{1y}\right)+P_{1 x}\right) /\left(k^{2}+1\right), $

(14)

$ z_{1 y}=k\left(x-D_{1 x}\right)+D_{1 y}. $

(15)

缆机实时位置P₁的桩号为：

$ Z_{p 1}=L_{1}\left(Z_{2}-Z_{1}\right) / L_{2}+Z_{1} . $

(16)

$ L_{1}=\left[\left(z_{1, x}-D_{1 x}\right)^{2}+\left(z_{1 y}-D_{1 y}\right)^{2}\right]^{1 / 2}, $

(17)

$ L_{2}=\left[\left(z_{1 x}-D_{2 x}\right)^{2}+\left(z_{1 y}-D_{2 y}\right)^{2}\right]^{1 / 2}. $

(18)

同理，可计算出P₂对应的桩号Z_p2。则缆机运行包络图的最小间距为

$ D=\left|Z_{p 2}-Z_{p 1}\right|. $

(19)

3 特高拱坝混凝土运输智能管控平台

结合智能建造理论体系，基于.NET4.5平台，采用SOA(service-oriented architecture)系统架构，以浇筑仓为最小数据集成单元，以单台设备为最小管控单元，构建“数据采集、单项识别、综合分析、预警反馈、综合发布”的智能管控平台，旨在对混凝土运输过程中效率超标进行预警，对缆机群运行安全进行预测、预警，进而在PC端、移动端、监控终端等发布预警信息，平台框架如图 4所示。

指标体系是混凝土运输智能管控平台的评价标准，主要包含混凝土生产、运输效率和缆机安全三级评价指标体系，用于效率、安全的分析评价，为混凝土运输过程智能管控提供应用标准。

数据采集层是混凝土运输智能管控平台的关键，根据工程施工机械的特点与指标数据，设计专用数据采集传感器，对混凝土运输全过程设备进行监控，主要包括：

1) 拌合楼数据采集是通过在拌合楼安装开关传感器和车辆号RFID标签扫描机分别对卸料口开关状态以及拌合楼出料口与运输车的车号对应关系进行监测。扫描机能够区分各运输车安装的无源标签。卸料口开关位置信号及RFID标签扫描信号和检测时间记录能够确定运输车到拌合楼的装料情况，确定各车装料时间和水泥骨料编号。

2) 运输车数据采集是通过监测运输车的运行轨迹及车辆翻斗是否开启来分别对车辆运行效率以及车辆是否处于卸料状态进行分析。车辆运行轨迹采用卫星定位模块进行精确定位，判断车辆具体行驶轨迹和行驶时间以及与缆机对位情况。当运输车对缆机进行卸料时，自卸翻斗竖起，翻斗状态行程开关检测运输车进行卸料，将位置信号和动作信号发送到运输车监控器主机。监控设备采集频率为1 s^-1，特殊时刻精度为±1 s(85%概率)，定位精度为±5 m (85%概率)。

3) 缆机数据采集是通过GNSS传感器测量缆机经纬度坐标。将GNSS传感器安装于缆机吊钩横梁上部，避免传感器发生碰撞。监控设备采集频率为1 s^-1，水平定位精度为±3 cm(85%概率)，高程定位精度为±5 cm(85%概率)，水平速度精度为±0.1 m/s (85%概率)。

单项识别层是混凝土运输智能管控平台的基础，主要对混凝土运输全过程的设备位置、环节节点、运输车与拌合楼匹配、运输车与缆机匹配、缆机仓面下料匹配进行实时识别，为混凝土分析提供基础数据支撑。

分析预警层是混凝土运输智能管控平台的核心，主要包含运输效率质量的过程管控与综合分析模型，为混凝土运输反馈预警提供成果数据支撑。

应用层主要包含浇筑效率与运行安全2个管控模型，用于混凝土施工全过程动态管控与成果发布，为工程施工提供精细化管控工具。

4 特高拱坝混凝土运输智能管控平台应用 4.1 混凝土运输过程预警

一方面，基于各环节数据分析的结果，将混凝土运输效率安全异常划分为黄、橙、红3个等级。依据各参建方(如现场施工员、现场旁站管理员、生产办及管理层等)的施工管理职责，将异常预警信息分等级发送给各方；另一方面，依据工作环境的不同，采用大屏、App、PC端、驾驶室终端，分别推送给集控中心、生产办、旁站监理、施工员等，如图 5所示。以便各参建方及时掌握现场施工情况，以及督促现场人员及时进行整改。

4.2 混凝土运输综合分析应用 4.2.1 混凝土运输最优路径分析

混凝土运输路径包括水平运输路径和垂直运输路径。水平运输路径为运输车从拌合楼到缆机平台返回拌合楼的运输路线，相对固定。在垂直运输路径中，系统能对缆机单循轨迹线进行绘制，可对缆机运行提供最优路径，如图 6所示。

4.2.2 运输车运输效率分析

平台全程监控运输车运行各环节耗时，并对耗时超过预警值的环节进行预警并记录，对运行效率变化较大的车辆及时分析管控。

图 7记录了2020年11月第2周和第3周的运输车平均单循时间。可以发现，13#、16#、22#运输车单循时长明显增大，车队管理人员可以根据监控结果及时调查个别车辆运输效率降低原因，对车队运输效率进行管控。经过后台统计分析，本周和上周的单循时长分别为17.86和17.54 min，车队整体运输效率比较稳定。

4.2.3 缆机运输效率及预警分析

通过分析系统记录的缆机各运输环节消耗时间，可以评价缆机运行状况，有助于管理人员及时发现制约缆机运输效率的因素，优化运输环节。以2020年7-9月混凝土运输过程分析为例(见图 8)，后台统计9月平均运行效率为8.37 min/趟(7.17罐/h)，与7月(8.62罐/h)和8月(8.11罐/h)相比，9月缆机效率有所降低，尤其在装料和卸料环节。经分析，2020年9月装料环节增加1 min的原因是高线缆机平台出现占道现象，运输车无法畅通运输，将该结果反馈给施工管理人员，及时纠偏，改善了混凝土运输效率。

在缆机运输预警记录方面，选取运输各环节与各时间段预警数量进行分析，分别如图 9和10所示。图 9为2020年9月缆机吊运各环节超时预警分析结果，可以看出，装料、对位及卸料3个环节存在预警频次相对偏高现象，3个环节预警频次占总运量约8.35%，各缆机中以3#缆机运行预警频次相对较高，频次占比约7.73%。图 10表示2020年9月各时间段运输超标分析结果，从缆机预警频次分布时段可以看出，在8∶00-9∶00、18∶00-19∶00、19∶00-20∶00这3个时间段缆机预警频次较为突出。

4.2.4 缆机利用率对比分析

白鹤滩混凝土运输智能管控系统在承接乌东德已有成果的基础上，进行了完善升级。图 11为乌东德和白鹤滩大坝缆机利用率从2017年4月到2019年12月的分布情况，通过对比分析发现，采用升级后的混凝土运输智能管控，在保证运输安全和质量的前提下，白鹤滩缆机利用率整体高于乌东德，且白鹤滩缆机最大浇筑使用率达到85.9%，较乌东德70%有显著提升，这进一步证明了本文提出的大坝混凝土运输效率联动管控模型的有效性。

4.2.5 缆机群运行安全分析

提取缆机群在外部高风速环境条件下的安全运行监控，对缆机群运行轨迹、桩号及间距进行分析，结果如图 12所示，发现白鹤滩双平台缆机群在最大风速超过36 m/s的条件下均保证了安全运行，说明了本文提出的缆机群运行安全管控系统的有效性。

5 结论

特高拱坝混凝土运输智能管控技术结合了白鹤滩双平台缆机群及多仓同浇的特点，提出了以缆机为核心的大坝混凝土运输效率联动管控模型与缆机群高效安全分析模型，构建了“全面感知、即时分析、反馈预警、动态跟踪”的运输智能管控体系，解决了白鹤滩双平台缆机群多仓同浇联动协调与运行安全精细化管控的难题，在白鹤滩特高拱坝工程中成功应用。研究结果对同类工程混凝土运输管理具有借鉴意义。