20世纪末提出的3D打印技术从过去的“减料加工”跨越到“添料加工”,使制造效率得到极大的提高,推进了制造业数字化历史性的变革。同时,医疗、汽车、航天等领域的科学家和工程师也将3D打印技术理念引入到各自领域,成功地推动了3D打印技术广泛应用和快速发展。
工程建设行业为了降低建设成本、实现快速施工、提高施工质量、便于工程项目管理,也逐渐引进了3D打印技术理念,并从建筑设计到施工都开展了探索研究,如3D打印简单混凝土桥梁、3D打印多层简易结构房屋等。由于实际建筑结构复杂、体积庞大,模仿制造业的3D打印技术至今还没有获得实际应用。
但工程建设行业中有一类建造工艺相对单一的填筑工程,如水利大坝、高速公路、填方机场等工程,其建造过程与3D打印过程“天生”的相似[1]。例如,土石坝工程建造过程以二维CAD设计图纸为指导,从图纸中提取施工信息,并按施工组织计划在填筑坝面上进行流水线作业,包括坝料开采、坝料运输、坝料摊铺以及坝料碾压4个部分:坝料开采单位通过平面图计算各种坝料的需求量,分配给各料场进行坝料开采;待备料完成,坝料运输单位根据填筑施工断面的大小、施工环境、上坝交通环境安排调度运输车辆进场运输,并在现场调度下卸料;待卸料完成,推土机对坝料进行摊平;然后,碾压机根据碾压参考遍数、参考值在填筑面上进行碾压,最后用合适的方法在填筑面上的抽样点进行压实质检实验,保证每一施工段的施工质量符合碾压要求。
由此可见,填筑工程流程与3D打印技术理念一致,但不同的是填筑建造过程运行管理决策、计划调度决策和运行操作决策主要依赖管理者、调度员、工程师等技术型工作者人工操作,受人为因素影响大,经常导致如下问题:
1) 土石坝施工主要依赖于对二维平面设计图的阅读,要求读图人要有一定的识图能力,在施工现场,施工人员的识图水平不一,只有少部分施工人员能比较准确并快速地完成读图,所以易影响施工质量,出现施工材料不能得到充分利用、施工误差较大、施工效率低等问题;
2) 施工信息的提取主要基于工程设计二维平面图,坝料需求量的提取方法比较粗糙、精确度不高、信息误差较大;
3) 运输车辆卸料主要依靠施工人员在现场协调安排完成,施工人员根据施工平面设计图在施工面上划分卸料区域,再进行现场的卸料指挥,指挥运输车在指定位置完成卸料,整个过程中,施工人员规划卸料点的参考是施工设计平面图,容易导致卸料点位置模糊、施工误差大的问题;
4) 碾压机碾压坝料过程中碾压路线主要依靠驾驶员控制,在完成参考碾压遍数的前提下,对施工面抽样点进行现场质检实验,整个过程基本靠人工完成,易导致施工精度不高、质量控制无法保证、施工效率较低等问题;
5) 土石坝施工过程各工序交叉作业极易出现安全问题。
因此,填筑建造的复杂过程仅依靠人工决策与操作已经无法满足工程建造的要求,亟需借鉴3D打印技术理念,采用计算机统一调度与控制,即使用机器感知代替人为感知、机器决策代替人工决策、机器自动驾驶代替人工驾驶。这样,可将作业人员从繁重、重复、危险的环境中解脱出来,既能弥补高技能从业劳动力资源短缺的问题,又能避免建造过程受人为因素影响,实现填筑工程建造过程的标准化、精细化、智能化,进一步提升质量与安全保障。
目前,人工智能技术正在改变人类学习、工作和生活方式,推动人类社会步入智能化时代[2]。基于物质、能量的动力工具是农业文明时代和工业文明时代人类的主要生产工具,并得到了极大地发展,在当前的人工智能时代,基于知识、信息和数据的人工智能工具应运而生,已然发展成为人类的一种新的劳动工具。研发人工智能技术与装备的主要途径是机器学习[3],需要特别说明的是深度学习已经在信息感知方面获得了极大成功[4],而强化学习则是实现机器智能决策的最有效方法。工程建设装备智能化,尤其是研发无人驾驶的工程建设机器人[5]更是引领未来的一项新技术。
综上所述,将人工智能、工程装备、工程技术与工程科学深度交叉融合,实现填筑工程智能建造的3D打印技术时机已经成熟。本文作者及其团队研发了多种人工智能机器人协同作业的填筑工程3D打印装备技术系统[1],并开展了多项示范工程实践。本文将介绍部分探索成果:首先,是填筑工程3D打印技术的整体框架与智能调度系统平台;其次,是多种工程建设智能机器人的研发,实现工艺的程序化、标准化与自动化;再次,是填筑质量的实时在线检测技术的研发;另外,是土石坝、碾压混凝土坝与高速公路等填筑工程采用3D打印技术的工程实践与示范;最后,介绍填筑工程3D打印技术目前亟需解决的关键问题。
1 填筑工程智能调度管理与决策复杂的填筑建造过程的优化决策调度一直是极具挑战的问题,亟需实现机器决策代替人工决策,改变目前建造过程运行管理决策、计划调度决策和运行操作决策主要依赖人工完成的现状。填筑工程的3D打印技术系统如图 1所示,包括工程建设调度中心系统和3D打印流水线作业系统。其中,工程建设调度中心系统在土石坝填筑工程中起着中枢的作用,通过无线网络和现场施工流水线作业的施工设备进行数据交互,控制和调度土石坝的施工和进度,调度各个施工工序在施工工作面上做高效的流水线作业,并实时监控施工现场施工质量。土石坝3D打印技术调度系统的核心是利用计算机对工程建设3D数字模型“切片”为一系列工序,并组织与调度相关的工序;现场3D打印流水线施工作业系统的核心是基于卫星定位和现场通信网络,多机种、多集群智能工程建设机器人进行协同作业,如图 2所示。
|
| 图 1 填筑工程3D打印技术系统示意图(以土石坝为例) |
|
| 图 2 填筑工程3D打印定位通信网络系统 |
1.1 工程建设调度中心系统平台
实现土石坝3D打印的关键技术之一是基于建筑信息模型(building information modeling, BIM)的技术理念,使土石坝施工信息模型结构化,建立一个土石坝信息模型(至少为工程3D设计数字模型),然后在集成软件Wampserver平台下,利用Mysql建立数据库,使用PHP语言设计动态网页,建立一套基于Mysql+PHP的动态网页数据库管理系统。这样,便可实现土石坝3D建造技术的调度[6],系统平台界面如图 3所示,具体实现功能如下:
|
| 图 3 填筑工程3D打印调度管理平台 |
1) 形成土石坝3D设计数字模型基础,满足“切片”、填料需求等。
2) 进行土石坝分期-分区-分层3D打印过程规划,使3D打印管理调度优化。
3) 进行土石坝3D打印过程仿真与预报分析。
4) 实现筑坝流水线优化调度,形成复杂任务规划方法库,实现异常工况智能预测与自校正控制、安全防范技术等。
5) 进行料源开采、坝料运输、质量检测规划,创建地图、路由寻径、车辆调度、料号查询与跟踪等。
6) 形成土石坝增强现实技术、视频危险识别技术。
7) 形成土石坝填筑质量评估理论与方法、信息分析自动化技术等。
1.2 填筑工程现场道路数字地图在填筑场地路径规划与导航中,首先需要建立地图合理的数据模型,而面向对象的整体数据模型能够很好地满足这一要求。利用面向对象的思想和方法,将空间点和道路抽象为有限元的节点类和单元类,这样利用有限元软件实现道路模型创建与应用。
填筑现场道路模型将道路信息抽象成点、单元和截面,并保存到路网模型的数据库中,利用有限元的思想来形成一维变带宽存储的整体刚度矩阵,为路径搜索提供基础。搜索方法主要有整体路径规划中的Dijkstra算法、A*算法、D*算法以及基于D*算法的避障局部路径规划算法。将路网模型和搜索算法相结合就可以得到任意两点间的最优路线,从而为导航控制提供基础。图 4为典型填筑场地道路数字地图以及规划导航路线实例[7]。
|
| 图 4 填筑工程场地道路数字地图示例 |
1.3 填筑工程3D数字模型切片与3D建造流水线
在填筑工程开始每一层填筑之前,工程建设调度中心系统根据施工进度规划对土石坝3D数字设计模型进行分层处理,即3D打印技术的“切片”处理,如图 5所示,实现切片的步骤如下[6]:
|
| 图 5 填筑施工3D模型切片作业图 |
1) 3D设计模型“切片”处理,应用的原理是面与体的交互运算,即用施工层的上下层面切三维数字模型,切得施工层模型。首先,在碾压机上预装了GPS定位装置,可以通过无线通信技术向土石坝3D建造技术调度系统实时发送碾压机的位置坐标,通过数值转化就能得到碾压机碾压轮与填筑面的接触面上的点,即填筑面碾压点的坐标,由此得到一系列的填筑面坐标集,通过点生成面,作为施工层的底面,再根据每一层的施工厚度得出施工层的顶面,其中施工厚度由碾压实验得出,通过这两个面与土石坝三维数字模型的切割,得出施工层的三维数字模型。
2) 获得施工层模型后,系统将自动获取施工层模型所包含的施工信息,包括各种料类的需求量、坝料配送位置坐标信息以及在数字模型上规划后的碾压轨迹坐标信息,将这些信息存于系统数据库中,以便3D流水线作业各施工单位对系统数据库里的数据进行提取。
填筑工程分层施工与3D打印技术完全一致,可充分利用土石坝三维数字模型,对土石坝三维数字模型进行切片处理,精确分析单层填筑相关信息、控制施工进度、规划施工环境,调度施工设备进行高效的流水线作业,逐层施工,能实现大坝建造的快速化、高效化、精准化、智能化。土石坝3D建造技术调度系统对土石坝三维数字模型进行分层切片处理,得到施工单层模型,按施工工序数目沿坝轴线把施工单层分为几个施工区段,分别获取每一施工区段填筑料信息(料类及其料需、压实密度信息、卸料坐标信息等),并在工作面模型上规划碾压路径,根据施工进度计划,自动向3D建造流水线作业的各施工设备发送指令以及任务信息,调度施工设备在现场施工面上开展高效的流水线作业,按需开采坝料,精准配送坝料,无人驾驶碾压成形,高效完成单层的填筑施工,并通过无线通信技术对施工进度和质量进行实时监控,依次层层循环施工,逐层填筑,完成土石坝填筑。
获得填筑层信息后,系统启动3D建造流水线作业,包括坝料按需开采、坝料精准配送、智能摊铺和无人驾驶碾压成形4个施工环节,各施工工序的施工设备都得到调度系统的调度安排,根据调度系统提供的施工任务信息,井然有序地完成各自施工任务,并实时向调度系统发送实际施工信息和进度,使土石坝3D建造技术调度系统对工程建设全过程进行实时监控,并实时存储所有施工信息。
3D流水线作业上各工程机器人通过机载无线通信设备与土石坝3D建造技术调度系统进行数据交换,首先接收土石坝3D建造技术调度系统里的施工信息数据,按要求完成施工,同时向土石坝3D建造技术调度系统实时发送现场实际施工信息。填筑工程3D流水线如图 6所示。
|
| 图 6 填筑施工3D流水线作业图 |
2 工程智能建造机器人自主作业
填筑工程的3D打印流水线需要各种工程建设机器人协同作业。以碾压机器人、摊铺机器人、无人驾驶卡车和挖掘机器人等为代表的工程建设智能机器人具备深度感知、有效决策和精准控制为一体的能力,在实践中已经达到甚至超过人工作业水平,特别是在周围环境危险的情景中,其表现远远优于传统作业方式。要想实现填筑工程3D打印机器人群体协同作业,应进行如下3方面的转变:1) 确定条件的人工智能转变为非确定条件的自主智能;2) 以特定任务为导向的人工智能转变为以多任务适应性为导向的自洽智能;3) 单机自主的智能机器人转变为群体协同的智能机器人[6]。
因此,需要解决多种机器人协同工作的控制、软硬件集成等共性问题,已开展的研发主要包括:
1) 群体智能机器人的协同控制理论与算法;
2) 环境/场景适应的异构综合推理方法;
3) 感知与行为的机器理解认知(开放环境中不确定条件);
4) 机器学习新理论与方法(如深度强化学习、类脑/类自然学习等);
5) 作业工序流程规划算法;
6) 机器人作业动作智能控制系统;
7) 自动驾驶与安全避障算法(长期规划与行为预测);
8) 作业质量在线检测技术(级配、密实度、平整度等实时检测技术)。
2.1 自主3D挖掘装载机器人[8]自主3D挖掘施工机器人利用机器视觉、卫星定位与自动控制装置、3D数字模型等实现自动化、智能化,开展3D挖掘装料施工作业,在指定的非结构化区域内,利用卫星定位系统测量位姿信息,利用机器视觉系统感知与认知作业环境信息,自主决策挖掘机器人行驶路线、行驶速度、铲斗作业位姿等。其中,卫星定位系统采用卫星定位接收机组实时感知挖掘机器人的位置与姿态;机器视觉系统采用固定基线摄像机对挖掘机器人周围环境实现增强现实功能;自动控制系统基于CAN(controller area network)总线由机载上位控制计算机与下位控制器组成,下位控制器包括发动机控制器、行驶控制器、铲斗作业控制器、故障诊断控制器等。本文发明的自主3D挖掘施工机器人可由人工驾驶或遥控操作。图 7为一款填筑工程施工自主3D挖掘机器人。
|
| 1—防撞雷达;2—回转传感器;3—集成控制器;4—通信收发天线;5—摄像机对;6—卫星定位接收机组;7—动臂升降传感器;8—斗杆位置传感器;9—铲斗位姿传感器;10—调度管理服务器;11—接收发天线;12—定位基准站;13—导航卫星 图 7 填筑施工自主3D挖掘机器人 |
开始填筑时,各料场的坝料的自主挖掘机器人通过土石坝3D建造技术调度系统的数据库获取由三维模型“切片”处理而得的施工层的料需信息,即坝料订单,根据坝料订单按需开采坝料,并配合运输卡车装料,以便在填筑工程中进行流水线作业。
2.2 无人驾驶卡车精准配送填筑料[9]坝料运输的无人驾驶自卸卡车获取运送坝料需求以及坝料配送位置坐标信息,自主进行运料上坝施工。在这个过程中,运输卡车运用GPS定位装置精确运料上坝,实现坝料精准配送。同时,运输卡车通过无线通信技术把实际运输信息实时发送给土石坝3D建造技术调度系统,存入数据库。图 8为研发的无人驾驶卡车自动卸料防分离原理图。
|
| 1—定支座轴;2—定滑轮;3—动支座轴;4—动滑轮;5—紧绳器A;6—滑轮;7—后挡板;8—翼板;9—紧绳器B;10—弹簧式舌条;11—钢索 图 8 无人驾驶卡车填筑料自卸防分离工作原理图 |
无人驾驶卡车自动卸料防离析装置包括转动溜槽、滑轮组、支座轴、钢索等。转动溜槽是带有两侧翼板的车厢后挡板,车厢侧板后顶端安装动滑轮,在车厢后沿动支座轴上安装动滑轮组,定滑轮组固定在车大梁的定支座轴上,钢索连接溜槽与动定动滑轮组,使溜槽可随车厢升降绕支座轴转动。这种随车厢升降而自动启闭的转动溜槽,即有车厢后挡板作用,又具有卸料防离析的溜槽功能,是一种被动、无源的机械自动控制装置。
2.3 自主作业摊铺机器人无人化摊铺与平整根据不同填筑工程的工艺需求,研发了两种智能摊铺机:自主推土机器人[10]与道路自动摊铺机器人[11]。
自主推土机器人(图 9),依靠环境感知、卫星定位、机器视觉与自动控制等装置实现自主规划行驶路径、自动推土作业、自主在线作业质量评估功能,是一种无人化、智能化的建筑施工机械。自主推土机器人根据任务与作业区域,利用卫星定位测量位姿和机器视觉感知与认知作业环境,自主决策推土机器人任务顺序、行驶路线、铲刀位姿,同时,依据视觉测量作业效果,评估作业质量。其中,卫星定位系统采用卫星定位接收机组实时精确感知推土机器人的位姿;机器视觉系统采用固定基线摄像机感知推土机器人周围环境,评估推土作业质量状况;自动控制系统基于现场总线由上位机与下位控制器组成机载自动化控制网络。自主推土机器人可由人工驾驶或遥控操作。
|
| 1—卫星定位接收机组;2—通信收发天线;3—摄像机对;4—铲刀升降传感器;5—铲刀倾斜传感器;6—发动机调速驱动器;7—倒车防撞雷达;8—集成控制器;9—行驶电磁驱动器;10—定位导航卫星;11—数传电台和定位基准站;12—远端收发天线;13—调度服务器 图 9 自主推土机器人 |
道路自动摊铺机器人(图 10)主要由摊铺机与感知、控制决策、执行、无线通信单元构成,其自主导航采用卫星、激光距离传感器结合道路设计信息实现摊铺定位与转向;摊铺作业利用料位超声雷达自主决策输料速度与行驶速度;摊铺厚度与平整度利用激光雷达测量路基、摊铺路面高差自动调平装置。控制决策单元由上位机、下位机群、机载现场总线组成,上位机与工程调度中心通信,下位机群根据指令实现摊铺机器人自动点火、自动熄火、自动就位、自主导航、自主作业等功能。本文发明的道路自动摊铺机器人是一种无人化、智能化道路施工装备,可随时切换自动、遥控、人工摊铺作业模式,尤其适合高原、隧道等缺氧或不适合人工摊铺作业的情况。
|
| 1—摊铺机;2—无线通信单元;3—卫星定位接收机组;4—调平油缸;5—控制决策单元;6—激光雷达;7—激光测距传感器;8—驱动大臂;9—液压马达 图 10 道路自动摊铺机器人 |
2.4 碾压机器人智能碾压作业[12-13]
工程建造调度系统在对土石坝三维模型“切片”处理后,对施工工作面进行了碾压轨迹规划设计,并把规划碾压轨迹坐标及对应的碾压参数信息实时存储于系统数据库中,碾压自主机器人从数据库中读取施工层的规划碾压路径坐标,以及与坐标相应的碾压参数信息,并运用GPS定位技术使碾压机按规划路径坐标进行精确碾压,碾压过程中,实时通过拾振器获取碾压点的振动频率,由此推算碾压点的密实度,并智能判断填筑质量,如果不合格,就安排重压,直至碾压合格为止,完成一层的填筑施工。在这个过程中,碾压设备通过无线通信技术向土石坝3D建造技术调度系统数据库发送实际碾压施工信息,以便生成实际碾压轨迹图、实际碾压施工质量坐标图等,并存储于数据库中。
振动碾压机自动驾驶系统与方法包括远程监控装置与机载自动控制装置。远程监控装置实时接收行驶速度、空间位置和转向姿态等碾压机作业参数信息和在线作业环境影像信息,并能够实时将自动导航数据和相关指令反馈给机载自动控制装置,从而实现远程控制碾压机作业,特别是在接收到特殊请求后可以实现远程人工响应。该过程通过无线通信方式将建设过程3D数字模型中导航线路、规划作业区域等信息传送给碾压机;机载自动控制装置获取传感器、RTK-GPS等检测的位置、速度和姿态等数据,通过与接收的远程实时自动导航信息对比,利用PID(proportion-integration-differentiation)算法处理偏差信息,控制碾压机的电动油门、电动方向盘和电动制动刹车等执行单元,完成预定的碾压作业任务[6]。本文发明中,自动驾驶与人工驾驶兼容。图 11为无人驾驶碾压机工作原理示意图。
|
| 1—摄像头;2—RTK-GPS接收机天线;3—数传电台天线;4—无线通信天线;5—导航控制器;6—电动方向盘;7—电子调档;8—RTK-GPS接收机;9—电子油门;10—电子制动刹车;11—防撞雷达;12—地速雷达;13—卫星;14—GPS基站;15—远程监控装置;16—通信中转站 图 11 无人驾驶碾压机工作原理示意图 |
3 填筑工程质量在线检测技术
虽然现场取样(或坑测法)测量填筑体的密实质量概念清晰直观、方法简单易行,但干扰施工作业。检测与施工的矛盾是影响填筑工程进度的一大难题,尤其是研发无人化智能碾压实时在线检测技术是亟需解决的关键问题[14-15]。
移动载荷变形法(moving weight deflectometer,MWD)是在压路机行驶速度一定的条件下,实时在线测量压路机钢轮与邻近土层的相对沉陷量与压路机施加静动压力,二者比值可作为土层压实状态的表征量;而压路机振动能量发生非连续变化则是另一种土层压实状态的表征量。
3.1 精确测量激振荷载技术碾压机智能激振压实系统与压实方法主要解决碾压机压实土石材料时的实时智能监控问题,包括碾压机车架系统、碾压机行走系统,在所述碾压机车架系统的振动轮上设置加速度传感器,在所述碾压机行走系统的振动轮的振动马达壳体上安装霍尔转速传感器,在振动马达壳体内的转轴外径上安装永磁式速度环;通过霍尔转速传感器和永磁式速度环构成振动马达转动信号频率采集模块。根据系统控制设备提供的数据,直接测控施加土石层的激振力,实现对全碾压工作面的振动频率、车轮与土石相互作用力进行实时监控;根据土石压实状态智能调控激振频率,自主决定碾压过程;根据当前压实状况自动调整振动频率,以最优频率实现碾压机智能压实。图 12为压路机振动频率在线实时测量示意图。
|
| 1—振动马达;2—振动轮;3—旋转轴;4—偏心块;5—霍尔传感器;6—速度环;7—磁粒;8—磁粒处理区 图 12 压路机振动频率在线实时测量示意图 |
3.2 压沉量精确测量技术
采用激光扫描装置测量压路机碾压层的相对变形,利用激光扫描装置射线速度快,以及光电转化速度快、分散度小、测量距离精度高的特性,来测量压路机前轮内侧已碾压与轮外未碾压路面相对距离的差值,从而得出压路机碾压时的变形量,可以减少压路机振动状态带来的误差,具有测量精度高、实时性好的优点。图 13为压路机压沉相对变形在线实时测量示意图。
|
| 1—安装架;2—激光雷达;3—压路机;4—机载信号分析仪;5—卫星定位接收机 图 13 压路机压沉相对变形在线实时测量示意图 |
3.3 振动能量法[16]
填筑工程压实质量的振动能量在线检测系统包括碾压机、速度拾振器、信号采集分析仪、卫星定位接收机。在填筑层碾压施工时,控制碾压机行驶速度,保证振动作业频率恒定。碾压机振动轮振动信号被安装在其上的速度拾振器感知,然后被信号采集分析仪采样形成振动数字信号;同时,信号采集分析仪也接收卫星定位接收机提供的与振动信号相关的位置信号。对采集的振动信号进行速度峰值捕捉,可计算振动轮的极值压实动能。最后建立填筑层位置、碾压遍数与极值压实动能之间的关系,形成碾压区域时空压实指标三维分布图。如图 14所示为填筑工程压实质量的振动能量在线检测系统,与无人驾驶或自动驾驶碾压机结合,可实现填筑工程无人化、智能化连续填筑压实流水线施工作业。
|
| 1—碾压机;2—卫星定位接收机;3—信号采集分析仪;4—速度拾振器 图 14 压实质量的振动能量在线检测系统 |
与采集振动加速度法不同,振动能量方法应用速度传感器采集振动轮速度。
因为速度直接与振动能量相关,可以由速度时程计算振动轮竖向振动能量,判断最大动能的量级来表示碾压机对土层的压实状态。
因为当碾压接近密实时,振动轮一般都有调离地面的现象,这表明振动速度有本质变化。
当振动频率固定时,总能量为常数。在这种情况下,土层吸收能量多,则振动轮振动能就少,而当土层密实后吸收能量少,振动轮动能就增加。
4 填筑工程示范与应用 4.1 土石坝工程土石坝是大型填筑工程,施工场地宽阔,且施工工艺相对简单,大量重复的填筑流程非常适合采用3D打印技术建造。例如,前坪水库心墙土石坝获得了成功应用,在羊曲水电站镶嵌面板堆石坝的建设也将应用这项技术,如图 15所示。
|
| 图 15 土石坝3D打印流水线工作示意图 |
4.2 碾压混凝土坝工程
碾压混凝土坝是另一种典型的填筑工程,特别是薄层填筑碾压工艺类似3D打印技术,在三河口水电站碾压混凝土双曲拱坝、黄金峡部分碾压混凝土重力坝工程建设中进行了成功实践,如图 16所示。
|
| 图 16 碾压混凝土坝3D打印流水线工作示意图 |
4.3 高速公路工程
高速公路工程中的路基与水稳层分别与土石坝和碾压混凝土坝的填筑工艺相似,下面仅介绍路面的3D打印部分,如图 17所示。
|
| 图 17 高速公路3D打印流水线工作示意图 |
5 结论
本文介绍了一项大型填筑工程的3D打印技术与多种工程智能机器人装备,并在多项示范工程中获得了成功应用。这项3D打印技术着眼于填筑工程智能化建设流水线全过程,着重解决了填筑料质量在线检测、单机器人作业在线控制、多机器人群协同作业调控以及智能调度决策系统集成等诸多难题,已形成了一整套融合在线传感测试、卫星定位、无线通信、计算机控制、人工智能等技术的填筑工程3D打印装备系统,已实现了填筑工程过程的数字化、网络化、智能化与无人化,可实现“装备保障工艺、工艺保障质量、质量保障安全、安全保障发展”的工程智能建造的主要目标,也有利于推动工程智能建造新方法和新技术的发展。未来,3D打印技术还需进一步解决以下问题:
1) 填筑料智能化开采需要进一步探索;
2) 3D打印的质量评估与检测技术有待进一步完善和实用化;
3) 3D打印建造流水作业间强化学习、优化决策等保障高效率的方法更需要重点关注。
| [1] |
刘天云, 李庆斌, 黄斌, 等. 土石坝的3D建造系统及建造方法: 201610062980.7[P]. 2016-01-30. LIU T Y, LI Q B, HUANG B, et al. 3D building system and method for earth-rock dam: 201610062980.7[P]. 2016-01-30. (in Chinese) |
| [2] |
RUSSELL S J, NORVIG P. Artificial intelligence: A modern approach: 3rd ed[M]. Hong Kong, China: Pearson Education Asia, 2011.
|
| [3] |
周志华. 机器学习[M]. 北京: 清华大学出版社, 2016. ZHOU Z H. Machine learning[M]. Beijing: Tsinghua University Press, 2016. (in Chinese) |
| [4] |
LECUN Y, BENGIO Y, HINTON G. Deep learning[J]. Nature, 2015, 521(7553): 436-444. DOI:10.1038/nature14539 |
| [5] |
SICILIANO B, KHATIB O. Springer handbook of robotics[M]. Berlin: Springer, 2008.
|
| [6] |
黄斌. 土石坝3D建造技术调度系统开发与研究[D]. 北京: 清华大学, 2016. HUANG B. The research on scheduling system of 3D-construction-technology for earth-rockfill dam[D]. Beijing: Tsinghua University, 2016. (in Chinese) |
| [7] |
樊凛. 工程场地路径规划和导航[D]. 北京: 清华大学, 2017. FAN L. Engineering site routing and navigation[D]. Beijing: Tsinghua University, 2017. (in Chinese) |
| [8] |
刘天云, 王恩志, 张建民. 一种自主3D挖掘施工机器人: 201810639038.1[P]. 2018-06-20. LIU T Y, WANG E Z, ZHANG J M. Autonomous 3D excavation construction robot: 201810639038.1[P]. 2018-06-20. (in Chinese) |
| [9] |
刘天云, 孙玉军, 张建民, 等. 一种能预防自卸料产生离析的自卸车: 202110049992.7[P]. 2021-01-14. LIU T Y, SUN Y J, ZHANG J M, et al. Dumper capable of preventing segregation of self-discharged materials: 202110049992.7[P]. 2021-01-14. (in Chinese) |
| [10] |
刘天云, 王恩志, 张建民. 一种自主推土机器人: 201810003103.1[P]. 2018-01-02. LIU T Y, WANG E Z, ZHANG J M. Autonomous bulldozing robot: 201810003103.1[P]. 2018-01-02. (in Chinese) |
| [11] |
刘天云, 张建民, 王恩志. 一种道路自动摊铺机器人: 202010002341.8[P]. 2020-01-02. LIU T Y, ZHANG J M, WANG E Z. Automatic road paving robot: 202010002341.8[P]. 2020-01-02. (in Chinese) |
| [12] |
刘天云, 张庆龙, 李益多, 等. 一种智能碾压机器人: 201510293529.1[P]. 2015-06-01. LIU T Y, ZHANG Q L, LI Y D, et al. Intelligent rolling robot: 201510293529.1[P]. 2015-06-01. (in Chinese) |
| [13] |
刘天云, 李庆斌, 方坤. 水利施工振动碾压机自动驾驶系统与方法: 201510609822.4[P]. 2015-09-22. LIU T Y, LI Q B, FANG K. Automatic driving system and method of water conservancy construction vibration roller: 201510609822.4[P]. 2015-09-22. (in Chinese) |
| [14] |
ZHANG Q L, LIU T Y, ZHANG Z S, et al. Compaction quality assessment of rockfill materials using roller-integrated acoustic wave detection technique[J]. Automation in Construction, 2019, 97: 110-121. |
| [15] |
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 |
| [16] |
刘天云, 张建民, 王恩志. 一种填筑工程压实质量的振动能量在线检测系统: 201810032529. x[P]. 2018-01-12. LIU T Y, ZHANG J M, WANG E Z. Online vibration energy detection system for filling engineering compaction quality: 201810032529. x[P]. 2018-01-12. (in Chinese) |


