高心墻堆石壩原生集成式智能無(wú)人碾壓系統(tǒng)研發(fā)及應(yīng)用

王佳俊，祁寧春，鐘登華，佟大威，岳 攀，崔 博

(1.天津大學(xué) 水利工程仿真與安全國(guó)家重點(diǎn)實(shí)驗(yàn)室，天津 300350；2.雅礱江流域水電開(kāi)發(fā)有限公司，四川 成都 610051)

1 研究背景

高心墻堆石壩碾壓施工質(zhì)量與效率關(guān)乎大壩運(yùn)行安全和效益。傳統(tǒng)的大壩碾壓作業(yè)依靠人工駕駛碾壓機(jī)完成，并通過(guò)人工控制碾壓施參數(shù)和試坑抽檢法進(jìn)行壓實(shí)質(zhì)量控制，難以保證大壩碾壓的效率與質(zhì)量[1]。鐘登華[2-4]與馬洪琪[4]提出了數(shù)字大壩理論，并基于動(dòng)態(tài)差分-全球?qū)Ш蕉ㄎ?Real Time Kinematic-Global Navigation Satellite System，RTK-GNSS)等技術(shù)研發(fā)了心墻堆石壩碾壓施工質(zhì)量實(shí)時(shí)監(jiān)控系統(tǒng)，實(shí)現(xiàn)了碾壓施工參數(shù)(碾壓遍數(shù)、碾壓速度、壓實(shí)厚度和振動(dòng)狀態(tài)等)全天候、精細(xì)化、在線實(shí)時(shí)監(jiān)控，破解了人工控制碾壓施工參數(shù)主觀性強(qiáng)、耗時(shí)費(fèi)力的難題。連續(xù)壓實(shí)控制[5](CCC，Continuous Compaction Control)和智能碾壓[6-7](IC，Intelligent Compaction)等技術(shù)通過(guò)在碾壓設(shè)備上安裝加速度計(jì)和RTK-GNSS定位裝置，實(shí)現(xiàn)了碾壓施工參數(shù)的實(shí)時(shí)監(jiān)控和壓實(shí)質(zhì)量的自動(dòng)反饋，有助于減少欠碾和過(guò)碾等質(zhì)量缺陷并提高碾壓效率。然而，CCC與IC方法均認(rèn)為被碾材料的壓實(shí)程度可由碾輪振動(dòng)特性反應(yīng)，缺乏考慮被碾材料與碾輪之間的耦合程度[8]，難以適用于粒徑分布寬、局部剛度差異大的心墻堆石壩筑壩材料。同時(shí)，碾壓參數(shù)和壓實(shí)質(zhì)量的實(shí)時(shí)監(jiān)控技術(shù)均無(wú)法解決人為因素干擾大的難題。

無(wú)人碾壓技術(shù)通過(guò)替代人工駕駛碾壓機(jī)作業(yè)，全面消除了碾壓過(guò)程中人為因素的干擾，對(duì)提高大壩碾壓施工質(zhì)量和效率具有重要的戰(zhàn)略意義和廣泛的應(yīng)用前景，已成為研究前沿。卞永明等[9]對(duì)碾壓機(jī)進(jìn)行改裝，使得碾壓機(jī)具備自動(dòng)駕駛功能；Song等[10]對(duì)復(fù)雜條件下的控制算法進(jìn)行了深入研究，提高了循跡控制的精度；Yao等[11]改裝沖擊碾，提出了用于機(jī)場(chǎng)建設(shè)的無(wú)人壓實(shí)系統(tǒng)；Zhang等[12-13]設(shè)計(jì)了一種應(yīng)用于堆石壩的無(wú)人碾壓系統(tǒng)，并構(gòu)建了基于無(wú)人駕駛碾壓機(jī)的大壩智能壓實(shí)系統(tǒng)。然而，已有的無(wú)人碾壓大多采用外掛執(zhí)行機(jī)構(gòu)的方式進(jìn)行改裝，設(shè)備耐久性和穩(wěn)定性難以得到保證，尤其隨著我國(guó)重大水利水電工程建設(shè)逐步向西南高海拔、高寒地區(qū)轉(zhuǎn)移，惡劣的筑壩條件更是對(duì)設(shè)備的耐久性和穩(wěn)定性發(fā)起了挑戰(zhàn)。

無(wú)人碾壓系統(tǒng)從構(gòu)成上可分為感知、規(guī)劃決策和控制三大環(huán)節(jié)。在感知層，壓實(shí)質(zhì)量、障礙物和碾壓機(jī)位姿是感知的關(guān)鍵內(nèi)容。目前壓實(shí)質(zhì)量感知主要基于碾輪振動(dòng)特性反應(yīng)被碾材料的壓實(shí)程度，如CMV(Compaction Meter Value)、RMV(Resonance Meter Value)和CCV(Continuous Compaction Value)等[8]。然而，這類指標(biāo)并不能實(shí)現(xiàn)粒徑分布寬、局部剛度差異大的高心墻堆石壩多料種(如堆石料、過(guò)渡料、礫石土心墻料等)壓實(shí)質(zhì)量的精準(zhǔn)感知。上述無(wú)人碾壓機(jī)障礙物感知多采用毫米波雷達(dá)進(jìn)行障礙物檢測(cè)，無(wú)法精準(zhǔn)檢測(cè)障礙物的類型與位置；且無(wú)人碾壓機(jī)位姿感知未能考慮GNSS信號(hào)微弱條件下的誤差修正，易出現(xiàn)導(dǎo)航精度低等問(wèn)題。在規(guī)劃決策層，事前的全覆蓋路徑規(guī)劃和事中的碾壓參數(shù)動(dòng)態(tài)優(yōu)化是規(guī)劃決策的關(guān)鍵內(nèi)容。在全覆蓋路徑規(guī)劃方面，本研究團(tuán)隊(duì)已經(jīng)實(shí)現(xiàn)無(wú)人碾壓機(jī)碾壓軌跡的全覆蓋路徑規(guī)劃[14]；在碾壓參數(shù)動(dòng)態(tài)優(yōu)化方面，已有研究實(shí)現(xiàn)了碾壓遍數(shù)、車(chē)速和振動(dòng)狀態(tài)等碾壓施工參數(shù)的事前優(yōu)化[15]，但尚未實(shí)現(xiàn)在施工過(guò)程中碾壓施工參數(shù)的動(dòng)態(tài)優(yōu)化，無(wú)法保證復(fù)雜條件下碾壓施工質(zhì)量和效率。在控制層面，循跡控制算法是無(wú)人碾壓技術(shù)的核心，直接影響到碾壓作業(yè)精度。已有研究采用固定參數(shù)的PID[16]、ADRC[10]和Lyapunov[17]等算法實(shí)現(xiàn)無(wú)人碾壓機(jī)的循跡控制。但固定參數(shù)的控制算法無(wú)法適應(yīng)高心墻堆石壩復(fù)雜的壩面施工環(huán)境，難以保證循跡控制的精度。此外，建立與無(wú)人碾壓機(jī)雙向通訊且交互友好、沉浸逼真的控制平臺(tái)對(duì)碾壓機(jī)運(yùn)行性態(tài)及施工信息展示具有重要意義。數(shù)字孿生通過(guò)綜合運(yùn)用感知、計(jì)算、建模等信息技術(shù)，對(duì)物理空間進(jìn)行描述、診斷、預(yù)測(cè)、決策，實(shí)現(xiàn)物理空間與虛擬空間的交互映射，目前已經(jīng)成為全球信息技術(shù)發(fā)展的新焦點(diǎn)，是人工智能快速發(fā)展的新生概念[18]，然而目前在智能無(wú)人碾壓領(lǐng)域的相關(guān)研究相對(duì)匱乏。

綜上，本文開(kāi)展多料種復(fù)雜施工環(huán)境條件下無(wú)人碾壓系統(tǒng)的研究，需重點(diǎn)解決如下問(wèn)題：(1)在感知層，現(xiàn)有的無(wú)人碾壓多基于RTK-GNSS和毫米波雷達(dá)對(duì)位姿與障礙物進(jìn)行感知，如何對(duì)壓實(shí)質(zhì)量、環(huán)境障礙物和位姿進(jìn)行多模態(tài)感知是一大挑戰(zhàn)；(2)在規(guī)劃決策層，如何在施工過(guò)程中實(shí)現(xiàn)碾壓施工參數(shù)的動(dòng)態(tài)優(yōu)化以保證施工質(zhì)量和效率；(3)在控制層，如何動(dòng)態(tài)調(diào)整控制參數(shù)以適應(yīng)高心墻堆石壩復(fù)雜的施工環(huán)境；(4)亟待研發(fā)基于數(shù)字孿生技術(shù)的交互平臺(tái)，以友好、沉浸的方式展示碾壓機(jī)運(yùn)行性態(tài)及施工信息。

針對(duì)上述問(wèn)題，本研究深入剖析高心墻堆石壩施工特點(diǎn)，采用感知設(shè)備、執(zhí)行設(shè)備和控制設(shè)備統(tǒng)一設(shè)計(jì)和集成裝配的方式，融合先進(jìn)人工智能技術(shù)，自主研發(fā)了集成多模態(tài)智能感知、智能規(guī)劃決策和智能控制等功能的無(wú)駕駛艙原生集成式智能無(wú)人碾壓系統(tǒng)，并構(gòu)建了相應(yīng)的數(shù)字孿生平臺(tái)，旨在提升高心墻堆石壩碾壓施工質(zhì)量和效率。

2 高心墻堆石壩原生集成式智能無(wú)人碾壓系統(tǒng)

高心墻堆石壩原生集成式智能無(wú)人碾壓系統(tǒng)可從“原生”和“集成式”兩個(gè)方面解讀。“原生”是指碾壓施工過(guò)程中摒棄人的參與并實(shí)現(xiàn)自主碾壓，在外形上最大的特征是移除了駕駛室；“集成式”是指拋棄了使用外掛執(zhí)行設(shè)備改造碾壓機(jī)的理念，其中感知設(shè)備、執(zhí)行設(shè)備和控制設(shè)備等由本團(tuán)隊(duì)統(tǒng)一設(shè)計(jì)并在出廠前以集成裝配的方式進(jìn)行車(chē)體制造，以提升碾壓施工設(shè)備的耐久性與穩(wěn)定性；“原生集成式智能無(wú)人碾壓”是指在本研究團(tuán)隊(duì)已有的智能感知、智能規(guī)劃決策和智能控制等研究基礎(chǔ)上研發(fā)，其中車(chē)體的控制是本團(tuán)隊(duì)基于廠商提供的無(wú)駕駛艙車(chē)體底層控制協(xié)議根據(jù)BOA-PID研發(fā)的控制系統(tǒng)來(lái)實(shí)現(xiàn)。

在高心墻堆石壩碾壓施工過(guò)程中，精確感知質(zhì)量、位姿和環(huán)境信息，動(dòng)態(tài)優(yōu)化碾壓參數(shù)并對(duì)碾壓機(jī)進(jìn)行精準(zhǔn)控制是保證碾壓施工質(zhì)量、提升碾壓施工效率的重要環(huán)節(jié)。因此，本研究建立的高心墻堆石壩原生集成式智能無(wú)人碾壓系統(tǒng)包括多模態(tài)智能感知、智能規(guī)劃決策和智能控制等三大重要功能。原生集成式智能無(wú)人碾壓系統(tǒng)架構(gòu)如圖1所示。多模態(tài)智能感知采用RTK-GNSS、加速度計(jì)、毫米波雷達(dá)和計(jì)算機(jī)視覺(jué)等組成的感知體系實(shí)現(xiàn)對(duì)壓實(shí)質(zhì)量、環(huán)境障礙物和位姿的精準(zhǔn)感知；其中，壓實(shí)質(zhì)量采用本團(tuán)隊(duì)提出的有效壓實(shí)功率ECP進(jìn)行表針[19]，該指標(biāo)能適用于高心墻堆石壩中堆石料、過(guò)渡料、反濾料和礫石土心墻料等不同的筑壩材料。智能規(guī)劃決策集成了全覆蓋路徑規(guī)劃算法和碾壓參數(shù)動(dòng)態(tài)優(yōu)化算法，實(shí)現(xiàn)了事前碾壓軌跡的規(guī)劃與事中碾壓參數(shù)的動(dòng)態(tài)優(yōu)化；其中，在碾壓施工前，采用本團(tuán)隊(duì)提出的全覆蓋路徑規(guī)劃算法進(jìn)行路徑規(guī)劃[14]，并在碾壓施工過(guò)程中采用本團(tuán)隊(duì)提出的碾壓參數(shù)動(dòng)態(tài)優(yōu)化算法對(duì)碾壓施工參數(shù)進(jìn)行優(yōu)化[20]，主要包括碾壓遍數(shù)、碾壓速度、振動(dòng)頻率和振幅等，以期實(shí)現(xiàn)壓實(shí)質(zhì)量合格且均勻、碾壓效率最大等目標(biāo)。智能控制是基于蝴蝶優(yōu)化算法(Butterfly Optimization Algorithm，BOA)優(yōu)化PID控制，將動(dòng)態(tài)變化條件下的控制誤差作為適應(yīng)度，通過(guò)BOA優(yōu)化PID參數(shù)，實(shí)現(xiàn)復(fù)雜條件下碾壓參數(shù)的精確控制。

圖1 原生集成式智能無(wú)人碾壓系統(tǒng)研究框架

2.1 集成壓實(shí)質(zhì)量、環(huán)境障礙物與位姿的多模態(tài)感知方法為實(shí)現(xiàn)對(duì)壓實(shí)質(zhì)量、車(chē)身位姿和環(huán)境障礙物信息的智能感知，建立了原生集成式無(wú)人碾壓機(jī)多模態(tài)智能感知體系，如圖2所示。其中，壓實(shí)質(zhì)量ECP指標(biāo)是作為規(guī)劃決策的重要信息，而車(chē)身位姿信息和環(huán)境障礙物信息是實(shí)現(xiàn)無(wú)人碾壓控制的關(guān)鍵，可從如下三個(gè)方面進(jìn)行闡述：

圖2 原生集成式無(wú)人碾壓機(jī)多模態(tài)感知框架

(1)基于有效壓實(shí)功率(Effective compaction power，ECP)的壓實(shí)質(zhì)量感知。壓實(shí)質(zhì)量感知是原生集成式無(wú)人碾壓機(jī)的重要組成部分。實(shí)時(shí)準(zhǔn)確評(píng)估壩料(礫石土料、過(guò)渡料和堆石料)的壓實(shí)質(zhì)量意義重大且極具挑戰(zhàn)?？紤]到壩料壓實(shí)質(zhì)量與壓實(shí)能量密切相關(guān)，原生集成式智能無(wú)人碾壓采用本研究團(tuán)隊(duì)提出的有效壓實(shí)功率ECP指標(biāo)評(píng)估土工材料壓實(shí)質(zhì)量[19]。ECP指標(biāo)是基于能量守恒原理對(duì)鋼輪的行走系統(tǒng)、振動(dòng)系統(tǒng)、傳動(dòng)系統(tǒng)進(jìn)行動(dòng)力學(xué)建模，計(jì)算碾壓機(jī)在碾壓過(guò)程中的功率損耗，從而分析出作用于壩料的有效壓實(shí)功率。ECP計(jì)算公式如式(1)所示：

(1)

式中ECP參數(shù)分為兩種類型：系統(tǒng)參數(shù)和動(dòng)態(tài)參數(shù)。系統(tǒng)參數(shù)與碾壓機(jī)車(chē)體相關(guān)，可查閱碾壓機(jī)的參數(shù)手冊(cè)獲得，包括c1、c3、ζ、M、g、ξ、b。其中，c1和c3分別為碾輪的橫向和縱向阻尼；ζ為內(nèi)部零件的能量消耗系數(shù)；M為車(chē)體質(zhì)量，kg；g為重力加速度，m/s2；ξ和b為傳動(dòng)系統(tǒng)的能量損失系數(shù)。動(dòng)態(tài)參數(shù)與碾壓施工過(guò)程相關(guān)，可通過(guò)實(shí)時(shí)監(jiān)控系統(tǒng)測(cè)量得到，包括Pg、f、Ax、Ay、α、a和V。其中，Pg為發(fā)動(dòng)機(jī)總功率，W；f為振動(dòng)頻率；Ax為橫向振動(dòng)幅度，m；Ay為縱向振動(dòng)幅度，m；α為碾壓機(jī)俯仰角度，(°)；a為碾壓機(jī)移動(dòng)加速度， m/s2；V為車(chē)速，km/h。本研究團(tuán)隊(duì)提出的ECP指標(biāo)已被證明與粗粒料(如堆石料、過(guò)渡料)和細(xì)粒料(如心墻材料)的碾壓遍數(shù)和壓實(shí)質(zhì)量密切相關(guān)[19]，能夠輔助原生集成式智能無(wú)人碾壓機(jī)實(shí)現(xiàn)壓實(shí)質(zhì)量的精準(zhǔn)感知。

(2)基于擴(kuò)展卡爾曼濾波的RTK-GNSS高精度位姿感知模塊。擴(kuò)展卡爾曼濾波是一種非線性高斯系統(tǒng)的預(yù)測(cè)和濾波技術(shù)，通過(guò)預(yù)測(cè)和測(cè)量更新兩個(gè)基本步驟遞歸估計(jì)系統(tǒng)的狀態(tài)[21]。當(dāng)山體遮擋、復(fù)雜氣象等不良因素導(dǎo)致RTK-GNSS信號(hào)漂移時(shí)，采用擴(kuò)展卡爾曼濾波對(duì)無(wú)人碾壓機(jī)的位姿狀態(tài)進(jìn)行估計(jì)，有效增強(qiáng)了原生集成式無(wú)人碾壓機(jī)在復(fù)雜環(huán)境下位姿感知的準(zhǔn)確性和穩(wěn)定性。

(3)基于相機(jī)-毫米波雷達(dá)融合的環(huán)境障礙物感知。該模塊由相機(jī)和毫米波雷達(dá)組成，實(shí)現(xiàn)了在復(fù)雜施工環(huán)境中障礙物的精準(zhǔn)感知。相機(jī)用于采集碾壓機(jī)前后方實(shí)時(shí)畫(huà)面，并進(jìn)行障礙物目標(biāo)檢測(cè)；毫米波雷達(dá)用于檢測(cè)障礙物距離和在夜間等光線條件較差環(huán)境下障礙物的檢測(cè)(只能檢測(cè)到是否有障礙物，不能區(qū)分是何種障礙物)。通過(guò)對(duì)相機(jī)與雷達(dá)的障礙物信息融合，實(shí)現(xiàn)了障礙物信息的精確感知。其中，機(jī)器視覺(jué)采用了YOLOv5算法[22]，它是一種單階段目標(biāo)檢測(cè)深度神經(jīng)網(wǎng)絡(luò)，具有預(yù)測(cè)速度快、準(zhǔn)確率高、體積小等優(yōu)點(diǎn)。采用毫米波雷達(dá)與相機(jī)的空間融合技術(shù)，將雷達(dá)檢測(cè)到的目標(biāo)位置轉(zhuǎn)換到圖像像素坐標(biāo)系下，與圖像識(shí)別的目標(biāo)檢測(cè)結(jié)果進(jìn)行融合，實(shí)現(xiàn)空間上的統(tǒng)-描述，提升了障礙物檢測(cè)精度，融合過(guò)程如圖3所示。

圖3 原生集成式無(wú)人碾壓機(jī)毫米波雷達(dá)與相機(jī)感知障礙物坐標(biāo)融合示意圖

2.2 基于全覆蓋路徑規(guī)劃和碾壓參數(shù)動(dòng)態(tài)優(yōu)化的規(guī)劃決策方法原生集成式無(wú)人碾壓機(jī)智能規(guī)劃決策模塊集成了全覆蓋路徑規(guī)劃算法和碾壓參數(shù)動(dòng)態(tài)優(yōu)化算法兩部分，實(shí)現(xiàn)了事前碾壓軌跡的規(guī)劃與事中碾壓遍數(shù)、碾壓速度、振動(dòng)頻率和振幅等碾壓參數(shù)的動(dòng)態(tài)優(yōu)化，如圖4所示。

圖4 原生集成式無(wú)人碾壓機(jī)智能規(guī)劃決策模塊

(1)全覆蓋路徑規(guī)劃。事前的全覆蓋路徑規(guī)劃用于生成碾壓機(jī)作業(yè)軌跡。碾壓軌跡需要實(shí)現(xiàn)作業(yè)區(qū)域遍歷、符合碾壓工藝且需安全避障，隸屬于全覆蓋路徑規(guī)劃研究范疇。本研究團(tuán)隊(duì)通過(guò)作業(yè)面分解、子作業(yè)面規(guī)劃、子作業(yè)面連通和任務(wù)分配四個(gè)步驟，研發(fā)了Boustrophedon-CMM-TSP全覆蓋路徑規(guī)劃算法[14]，實(shí)現(xiàn)了復(fù)雜條件下的軌跡優(yōu)化，并集成入原生集成式智能無(wú)人碾壓的軌跡規(guī)劃中。

(2)碾壓參數(shù)動(dòng)態(tài)優(yōu)化。碾壓參數(shù)動(dòng)態(tài)優(yōu)化是指基于當(dāng)前壓實(shí)質(zhì)量狀態(tài)，自動(dòng)調(diào)整碾壓參數(shù)以保證碾壓施工質(zhì)量合格的條件下，提高壓實(shí)質(zhì)量均勻性和碾壓施工效率。本團(tuán)隊(duì)提出了一種SGRPD(Spatial Global Rolling Parameter Decision)碾壓參數(shù)動(dòng)態(tài)優(yōu)化算法[20]，并已集成入原生集成式智能無(wú)人碾壓參數(shù)動(dòng)態(tài)優(yōu)化中。該方法綜合考慮壩料空間異質(zhì)性，采用ECP指標(biāo)動(dòng)態(tài)分析每個(gè)碾壓條帶每個(gè)子區(qū)域的壓實(shí)質(zhì)量(本研究中以2 m為長(zhǎng)度劃分條帶形成子區(qū)域)，以最大化碾壓條帶的壓實(shí)質(zhì)量分布均勻性和碾壓效率為目標(biāo)，以碾壓遍數(shù)、碾壓速度、振動(dòng)頻率和振幅為決策變量，建立優(yōu)化數(shù)學(xué)模型，并采用粒子群算法進(jìn)行模型的動(dòng)態(tài)求解，實(shí)現(xiàn)對(duì)碾壓施工參數(shù)的動(dòng)態(tài)優(yōu)化。

2.3 BOA-PID控制模型常規(guī)PID控制是典型的單向負(fù)反饋控制系統(tǒng)，由PID控制器和被控對(duì)象組成。PID控制的數(shù)學(xué)表達(dá)式為：

(2)

式中：u(k)為k時(shí)刻控制器輸出；e(k)為k時(shí)刻誤差；Kp為比例增益系數(shù)；Ki為積分增益系數(shù)；Kd為微分增益系數(shù)，T為測(cè)量周期。

然而，PID控制算法參數(shù)調(diào)節(jié)耗時(shí)費(fèi)力，且固定的控制參數(shù)難以適應(yīng)復(fù)雜的高心墻堆石壩施工環(huán)境。因此有必要對(duì)PID控制算法的參數(shù)進(jìn)行動(dòng)態(tài)調(diào)整。群智能算法如粒子群算法[23]、人工蜂群[24]等是解決此類問(wèn)題的重要方法。然而這類群智能算法存在收斂速度慢、易陷入局部最優(yōu)等缺點(diǎn)，難以作為PID控制算法參數(shù)優(yōu)化的最佳選擇。新興的智能優(yōu)化算法—蝴蝶算法(butterfly optimization algorithm，BOA)具有較高的收斂精度和能夠跳出局部最優(yōu)等優(yōu)勢(shì)[25]。因此，本研究提出采用BOA動(dòng)態(tài)更新PID控制參數(shù)，實(shí)現(xiàn)復(fù)雜的施工環(huán)境下碾壓軌跡與碾壓參數(shù)的精確控制，結(jié)構(gòu)如圖5所示。

圖5 BOA-PID控制算法原理圖

蝴蝶優(yōu)化算法認(rèn)為：(1)所有的蝴蝶都散發(fā)出某種香味，使蝴蝶能夠互相吸引；(2)每只蝴蝶都會(huì)隨機(jī)移動(dòng)，或朝著散發(fā)出更多香味的最佳蝴蝶移動(dòng)；(3)蝴蝶的刺激強(qiáng)度受目標(biāo)函數(shù)值的影響或決定。當(dāng)蝴蝶能感覺(jué)到其他任何蝴蝶的香味時(shí)并朝它移動(dòng)，該階段稱為全局搜索；當(dāng)蝴蝶不能感覺(jué)周?chē)南阄稌r(shí)，蝴蝶隨機(jī)移動(dòng)，該階段稱為局部搜索。利用轉(zhuǎn)換概率p∈[0，1]控制全局和局部搜索過(guò)程，其迭代公式為：

F=ctIa

(3)

(4)

(5)

(6)

圖6 BOA-PID控制算法流程圖

2.4 原生集成式智能無(wú)人碾壓數(shù)字孿生平臺(tái)基于B/S架構(gòu)研發(fā)的原生集成式智能無(wú)人碾壓數(shù)字孿生平臺(tái)實(shí)現(xiàn)了碾壓施工過(guò)程中物理空間與孿生空間的雙向交互，集成了無(wú)人碾壓機(jī)施工作業(yè)過(guò)程中多模態(tài)感知信息、智能規(guī)劃決策與智能控制等功能，平臺(tái)界面如圖7所示。其中，物理空間與虛擬空間的孿生互動(dòng)主要由車(chē)載控制器與遠(yuǎn)程平臺(tái)通過(guò)現(xiàn)場(chǎng)自主搭建的通信局域網(wǎng)絡(luò)進(jìn)行雙向通訊實(shí)現(xiàn)。一方面，車(chē)載控制器將碾壓機(jī)作業(yè)信息(即空間坐標(biāo)、速度、振動(dòng)狀態(tài)等)發(fā)送到數(shù)字孿生平臺(tái)上進(jìn)行分析與展示，并存儲(chǔ)在數(shù)據(jù)中心；另一方面數(shù)字孿生平臺(tái)向車(chē)載控制器發(fā)送相關(guān)任務(wù)進(jìn)行施工(即碾壓區(qū)域、碾壓遍數(shù)、車(chē)輛速度、搭接寬度、點(diǎn)火熄火和急停指令等)。因此，該平臺(tái)通過(guò)多模態(tài)智能感知體系為原生集成式智能無(wú)人碾壓物理實(shí)體創(chuàng)建精準(zhǔn)的孿生體，并通過(guò)智能分析模擬和預(yù)測(cè)其狀態(tài)和行為并做出決策，反饋控制原生集成式智能無(wú)人碾壓的作業(yè)過(guò)程。

圖7 原生集成式無(wú)人碾壓數(shù)字孿生平臺(tái)

3 工程應(yīng)用

以西南大型礫石土高心墻堆石壩兩河口水電工程為例開(kāi)展試驗(yàn)，壩料主要包括堆石料、過(guò)渡料和礫石土心墻料。為滿足多種壩料的碾壓作業(yè)，在工程現(xiàn)場(chǎng)構(gòu)建了應(yīng)用于工程現(xiàn)場(chǎng)多料種的原生集成式智能無(wú)人碾壓系統(tǒng)，并在施工現(xiàn)場(chǎng)開(kāi)展生產(chǎn)性試驗(yàn)。

3.1 原生集成式智能無(wú)人碾壓系統(tǒng)運(yùn)行過(guò)程分析原生集成式智能無(wú)人碾壓系統(tǒng)運(yùn)行過(guò)程包括事前全覆蓋路徑規(guī)劃、事中碾壓參數(shù)動(dòng)態(tài)優(yōu)化、碾壓軌跡與碾壓參數(shù)控制、安全保障和質(zhì)量驗(yàn)收等環(huán)節(jié)。取三種不同壩料的倉(cāng)面對(duì)原生集成式智能無(wú)人碾壓過(guò)程進(jìn)行分析。首先，操作員對(duì)原生集成式智能無(wú)人碾壓作業(yè)面進(jìn)行軌跡規(guī)劃，規(guī)劃過(guò)程中考慮了靜態(tài)障礙物等環(huán)境信息；其次，原生集成式智能無(wú)人碾壓機(jī)在碾壓施工過(guò)程中實(shí)時(shí)感知壩料壓實(shí)質(zhì)量，并基于當(dāng)前的壓實(shí)質(zhì)量動(dòng)態(tài)優(yōu)化碾壓遍數(shù)、車(chē)速和振動(dòng)狀態(tài)等參數(shù)；然后，采用BOA-PID算法控制碾壓機(jī)按照優(yōu)化出的碾壓參數(shù)進(jìn)行作業(yè)，作業(yè)過(guò)程中基于實(shí)時(shí)的環(huán)境感知信息進(jìn)行安全避障；最后，碾壓作業(yè)完成，由系統(tǒng)生成碾壓質(zhì)量報(bào)告以進(jìn)行驗(yàn)收。原生集成式智能無(wú)人碾壓過(guò)程見(jiàn)圖8。

圖8 高心墻堆石壩原生集成式智能無(wú)人碾壓過(guò)程

3.2 原生集成式智能無(wú)人碾壓系統(tǒng)運(yùn)行結(jié)果分析如圖9所示，原生集成式智能無(wú)人碾壓系統(tǒng)在兩河口大壩施工現(xiàn)場(chǎng)進(jìn)行了90個(gè)倉(cāng)面的生產(chǎn)性試驗(yàn)，其中，30個(gè)堆石料倉(cāng)面，30個(gè)過(guò)渡料倉(cāng)面和30個(gè)礫石土心墻材料倉(cāng)面。此外，選取了各分區(qū)工程前期各相似的30個(gè)人工碾壓作業(yè)倉(cāng)面作為對(duì)比。為了量化原生集成式智能無(wú)人碾壓相較于傳統(tǒng)人工碾壓方法的優(yōu)勢(shì)，在完成每個(gè)倉(cāng)面作業(yè)后，采用原位試坑檢測(cè)壓實(shí)質(zhì)量并計(jì)算壓實(shí)效率。每個(gè)倉(cāng)面隨機(jī)選擇2～4個(gè)檢測(cè)點(diǎn)，獲取堆石料、過(guò)渡料和礫石土心墻料的干密度(g/cm3)，并以最薄弱的一點(diǎn)作為測(cè)試結(jié)果。以檢測(cè)值與設(shè)計(jì)標(biāo)準(zhǔn)值的百分比作為衡量壓實(shí)質(zhì)量的指標(biāo)，以單臺(tái)碾壓機(jī)的平均壓實(shí)效率(m2/h)作為衡量碾壓施工效率的指標(biāo)。

圖9 原生集成式智能無(wú)人碾壓機(jī)現(xiàn)場(chǎng)碾壓施工圖

圖10總結(jié)了3種筑壩材料的壓實(shí)質(zhì)量和壓實(shí)效率。由圖可知，原生集成式智能無(wú)人碾壓的壓實(shí)質(zhì)量比傳統(tǒng)壓實(shí)方法更接近標(biāo)準(zhǔn)值，且低于設(shè)計(jì)標(biāo)準(zhǔn)的壓實(shí)質(zhì)量值較少，壓實(shí)效率更高。

圖10 生產(chǎn)成果統(tǒng)計(jì)

表1對(duì)統(tǒng)計(jì)結(jié)果進(jìn)行了比較分析。結(jié)果表明，原生集成式智能無(wú)人碾壓系統(tǒng)在3種筑壩材料的壓實(shí)質(zhì)量和效率均優(yōu)于傳統(tǒng)壓實(shí)方法。與傳統(tǒng)的壓實(shí)方法相比，原生集成式智能無(wú)人碾壓方法的壓實(shí)質(zhì)量達(dá)標(biāo)率平均提高了2.42%(堆石料5.59%、過(guò)渡料1.12%、心墻料1.01%)，壓實(shí)效率平均提高了15.20%(堆石料20.03%，過(guò)渡料15.42%，心墻料10.17%)，壓實(shí)質(zhì)量均勻性(以倉(cāng)面內(nèi)試坑檢測(cè)的干密度標(biāo)準(zhǔn)差為均勻性指標(biāo))平均提高了59.47%(堆石料66.67%，過(guò)渡料55.97%，心墻料55.77%)。分析優(yōu)勢(shì)來(lái)源主要包括三個(gè)方面：(1)所提出的原生集成式智能無(wú)人碾壓集成了全覆蓋路徑規(guī)劃算法實(shí)現(xiàn)了最佳碾壓路徑的規(guī)劃，確保了每個(gè)無(wú)人碾壓機(jī)具有相對(duì)平衡的任務(wù)；而人工碾壓時(shí)的軌跡由操作手自行決定，雖然已經(jīng)完成子區(qū)域碾壓工作的操作手可以自組織幫助其他碾壓機(jī)，但在包含障礙物和不規(guī)則邊界的復(fù)雜工作區(qū)域，人的主觀因素過(guò)大，且子區(qū)域遍歷順序不是最優(yōu)的，導(dǎo)致碾壓效率不高；(2)所提出的原生集成式智能無(wú)人碾壓集成了碾壓參數(shù)動(dòng)態(tài)優(yōu)化算法實(shí)時(shí)動(dòng)態(tài)調(diào)整碾壓參數(shù)；而人工碾壓采用固定的碾壓參數(shù)進(jìn)行作業(yè)，無(wú)法動(dòng)態(tài)調(diào)整碾壓參數(shù)，導(dǎo)致壓實(shí)質(zhì)量分布不均、碾壓施工效率較低等不足；(3)原生集成式智能無(wú)人碾壓可以避免因人工延遲和執(zhí)行不準(zhǔn)確造成的壓實(shí)效率損失。綜上所述，與傳統(tǒng)方法相比，所提出的系統(tǒng)將壓實(shí)效率提高了15%以上，表明所提出的系統(tǒng)可以顯著加快大壩建設(shè)。

表1 原生集成式智能無(wú)人碾壓和傳統(tǒng)碾壓對(duì)比表

4 結(jié)論

針對(duì)目前缺乏多料種復(fù)雜施工環(huán)境條件下的無(wú)人碾壓系統(tǒng)、現(xiàn)有無(wú)人碾壓機(jī)未集成壓實(shí)質(zhì)量、環(huán)境障礙物和位姿等多模態(tài)信息及外掛執(zhí)行機(jī)構(gòu)的改裝方式難以保證設(shè)備耐久性和穩(wěn)定性等問(wèn)題，本研究提出了一種高心墻堆石壩原生集成式智能無(wú)人碾壓系統(tǒng)，取得如下成果：

(1)提出了集成RTK-GNSS、加速度傳感器、毫米波雷達(dá)和機(jī)器視覺(jué)等在內(nèi)的多模態(tài)信息感知體系，實(shí)現(xiàn)了壓實(shí)質(zhì)量、環(huán)境障礙物和位姿的精準(zhǔn)感知；

(2)提出了集成全覆蓋路徑規(guī)劃算法和碾壓參數(shù)動(dòng)態(tài)優(yōu)化的智能規(guī)劃決策模塊，實(shí)現(xiàn)了事前碾壓路徑規(guī)劃和事中碾壓遍數(shù)、車(chē)速等碾壓參數(shù)的動(dòng)態(tài)優(yōu)化；

(3)提出了基于蝴蝶優(yōu)化算法優(yōu)化PID的智能控制模塊，實(shí)現(xiàn)了在復(fù)雜條件下碾壓參數(shù)的精確控制。

(4)構(gòu)建了原生集成式智能無(wú)人碾壓數(shù)字孿生平臺(tái)，實(shí)現(xiàn)了多模態(tài)智能感知、智能規(guī)劃決策與智能控制等功能的集成與施工過(guò)程信息的沉浸式可視化展示。

(5)研發(fā)的高心墻堆石壩原生集成式智能無(wú)人碾壓系統(tǒng)已在大型水利水電工程中進(jìn)行了生產(chǎn)性試驗(yàn)，結(jié)果表明，相較于傳統(tǒng)人工作業(yè)方法，一次碾壓質(zhì)量達(dá)標(biāo)率提升2.42%，效率提升15.20%。

除土石壩外，碾壓機(jī)是碾壓混凝土壩、機(jī)場(chǎng)、道路等施工現(xiàn)場(chǎng)不可或缺的施工機(jī)械。這些土方工程的壓實(shí)目標(biāo)和施工場(chǎng)景與土石壩相似。原生集成式智能無(wú)人碾壓已經(jīng)證明了能極大提升該類土方工程壓實(shí)質(zhì)量和壓實(shí)效率，未來(lái)將進(jìn)一步統(tǒng)計(jì)分析該技術(shù)產(chǎn)生的經(jīng)濟(jì)效益。因此，本研究所提出的原生集成式智能無(wú)人碾壓系統(tǒng)可推廣至碾壓混凝土壩、機(jī)場(chǎng)路基、道路施工。