, 陈嘉杰3, 王皓冉1,4, 巩宇5, 冯跃6, 刘昭伟1, 祁宁春7, 刘梅8, 李永龙4, 谢辉41. 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. 西南石油大学, 土木工程与测绘学院, 成都 610500;
3. 中广核研究院有限公司, 深圳 518026;
4. 清华四川能源互联网研究院, 成都 610000;
5. 南方电网调峰调频发电有限公司, 广州 510630;
6. 北京理工大学 机电学院, 北京 100081;
7. 雅砻江流域水电开发有限公司, 成都 610051;
8. 中国南水北调集团东线有限公司, 北京 100070
收稿日期：2022-10-31
基金项目：国家重点研发计划项目(2019YFB1310500)
作者简介：陈永灿(1963—), 男, 教授。E-mail: chenyc@tsinghua.edu.cn
摘要：作为重大工程关键构筑物的引水隧洞具有洞线长、洞径大、高水压、围岩地质复杂等特点, 长年运行会导致引水隧洞出现裂缝、塌方、露筋等典型缺陷, 如不加以防范, 将严重影响工程安全运行, 传统人工检测存在周期长、安全风险高、漏检率高、获取信息量不足等问题。针对特大型水利水电工程中的大直径超长距离引水隧洞定期检测的重大需求, 研发多功能“子母式”水下机器人系统, 突破在水体浑浊、高水压、附着淤积、局部可达困难等复杂水下环境机器人的远程供电、协同作业、智能巡检、缺陷识别、安全评估等关键技术, 完成引水隧洞结构安全分级与风险评价, 实现水下机器人“巡、检、控、诊、用”全过程集成, 并在南水北调东线工程、锦屏二级水电站等国家重大工程中示范验证。研究成果可显著提高检测效率, 大幅降低巡检成本, 提高经济效益, 同时具有广阔的产业与应用前景, 如促进人工智能学科和水利学科交叉融合、引导特殊环境机器人产业发展、提升我国相关领域技术及装备水平等。
关键词：引水隧洞子母式水下机器人示范应用南水北调锦屏二级
Key technology of underwater inspection robot system for large diameter and long headrace tunnel
CHEN Yongcan1,2
, CHEN Jiajie3, WANG Haoran1,4, GONG Yu5, FENG Yue6, LIU Zhaowei1, QI Ningchun7, LIU Mei8, LI Yonglong4, XIE Hui41. State Key Laboratory of Hydroscience and Engineering, Tsinghua University, Beijing 100084, China;
2. School of Civil Engineering and Geomatics, Southwest Petroleum University, Chengdu 610500, China;
3. China Nuclear Power Technology Research Institute Co., Ltd., Shenzhen 518026, China;
4. Sichuan Energy Internet Research Institute, Tsinghua University, Chengdu 610000, China;
5. China Southern Power Grid Peak Load Regulation and Frequency Modulation Power Generation Co., Ltd., Guangzhou 510630, China;
6. School of Mechatronic Engineering, Beijing Institute of Technology, Beijing 100081, China;
7. Yalong River Hydropower Development Co., Ltd., Chengdu 610051, China;
8. China South-to-North Water Diversion Eastern Route Co., Ltd., Beijing 100070, China
Abstract: Significance Headrace tunnels are key structures of major projects characterized by long tunnel lines, large tunnel diameters, high water pressure, and complex surrounding rock geology. Typical defects, such as cracks, landslides, and exposed reinforcement, will occur during long years of operation. If they are not prevented, the safe operation of the project will be seriously affected. Long cycles, high safety risk, high leak rate, and insufficient information are all issues with traditional manual inspection. Given the urgent need for regular inspection of large-diameter and super-long headrace tunnels in super-large water conservancy and hydropower projects, this study solved key scientific issues, such as the adaptability of robot underwater environment tasks, the active detection of super-long headrace tunnel apparent defects, and the safety risk assessment of tunnel structures based on robot inspection data. The key technology breakthroughs include the sub-parent cooperation of complex underwater environments, the fine operation of load manipulator, ultra-long distance underwater high-voltage power supply, umbilical cable safe release and recovery, ultra-long distance human-machine cooperative control, special environment adaptation of underwater robots, active defect detection and identification based on multi-sensor fusion. Structural safety classification, risk analysis and evaluation, and virtual drills were also carried out. The developed underwater robot inspection system was successfully applied to large-diameter and long headrace tunnels for comprehensive verification. Progress The application performance of underwater robots in special environments has improved due to breakthroughs in key technologies such as remote power supply, cooperative operation, intelligent patrol inspection, defect identification, and safety assessment of robots in complex underwater environments including water turbidity, high water pressure, adhesion and siltation, and local accessibility difficulties. The safety classification and risk assessment of the headrace tunnel structure are completed through the research and development of the multi-function "sub-parent" underwater robot system, and the whole process integration of "inspection, inspection, control, diagnosis, and use" of the underwater robot is realized, which has been demonstrated and verified in the eastern route of the South-to-North Water Transfer Project, Jinping Ⅱ Hydropower Station, and other major national projects, to improve the intelligent degree of the inspection of the headrace tunnel of large water conservancy and hydropower projects and support the safe operation of large projects. Conclusions and Prospects The research findings can significantly improve the accuracy of the headrace tunnel inspection, reduce the headrace tunnel inspection cost, and improve the guaranteed rate of the safe operation of large water conservancy and hydropower projects; promote the interdisciplinary integration of artificial intelligence and water conservancy disciplines to form interdisciplinary advantages; promote the application of robots in special environments, especially in the inspection of headrace tunnels, and guide the development of robots in special environments; promoting the application of artificial intelligence and intelligent management of water conservancy projects, as well as improving the level of technology and equipment in relevant fields in China and cultivating a large number of versatile talents, will have significant social, economic and scientific values.
Key words: headrace tunnelchild-parent formulaunderwater robotdemonstration applicationsouth-to-north water diversionJinping Ⅱ hydropower station
中国是水利水电大国，已建水电站9.8万座，装机容量达3.5×108 kW，居世界首位，南水北调等国家战略大型调水工程极大支撑了社会经济发展。作为重大工程关键构筑物的引水隧洞，具有洞线长、洞径大、高水压和围岩地质复杂等特点，长年运行会出现裂缝、塌方和露筋等典型缺陷，如不加以防范将严重影响工程安全运行[1-2]。目前，常规人工检测存在不及时、漏检和失真等情况，采用脐带缆供电的有线遥控水下机器人(remotely operated vehicle，ROV)仅适合1 kn(1 kn≈1.852 km/h)流速以下的短隧洞，且缺乏有效的评价手段，亟需通过水下机器人巡检关键技术突破，实现复杂环境、超长隧洞的全覆盖粗检细查，建立科学客观的引水隧洞结构安全评价体系并开展示范验证，真正解决大直径长引水隧洞定期检测难题[3-5]。
本文针对大直径长距离引水隧洞定期检测的迫切需求，研发多功能“子母式”水下机器人系统，解决现有水下机器人巡检距离短、定位精度差和缺陷检测效率低等技术瓶颈，突破水体浑浊、高水压、附着淤积、局部可达困难等复杂水下环境中机器人的远程供电、协同作业、智能巡检、缺陷识别和安全评估等关键技术，提高长距离引水隧洞水下巡检适应性，为大型水利水电工程的安全运行提供保障。
1 引水隧洞水下检测研究进展随着水下机器人在海底勘测、科学考察等方面的广泛应用[6]，综合考虑引水隧洞检测的环境约束、水质浑浊和附着淤积等限制因素，国内外相关机构开展了探索性的研究和试点应用，主要体现在以下4个方面。
1) 水下检测机器人环境感知技术。
White等[7]提出采用声呐进行ROV水下自主定位方法。Matveev等[8]采用局部感知数据，设计了隧洞环境下三维导航算法。Verma等[9]研究了隧洞环境下固定目标物避障算法。Loisy等[10]将水下机器人引入长距离引水隧洞检测，该水下机器人搭载了声呐、水下相机和可调节长度且末端安装有水听器的机械臂，并利用该水下机器人在隧洞检查中获取了大量声呐数据和视觉图像。Pereira等[11]针对隧洞检测设计了一种外形类似球体的水下机器人，该机器人搭载水下相机和多个激光传感器，可在深水环境中进行隧洞内的三维精细化建模。汪天伟等[12]研发了一种具有工作模式切换功能的水下检测机器人，该机器人根据检测任务需要可切换为ROV、自主遥控水下机器人(automatic remote vehicle，ARV)和自主水下机器人(autonomous underwater vehicle，AUV)工作模式，并可通过声呐实时感知局部环境，从而实现自动拖缆和自主返航。来记桃等[13-14]通过水下检测机器人搭载的多波束三维扫描声呐、水下高清摄像机和惯性导航定位系统等多元检测与定位传感器，开展整体普查和局部详查相结合的常态化水下检测，进而跟踪缺陷发展变化。熊小虎等[15]基于“面积性普查、局部性详查、多手段精查”的技术思路，协同运用多波束测深系统、侧扫声呐等水下声呐技术和水下高清连续摄像、二维图像声呐及三维声呐等水下声呐技术，辅以潜水员水下探摸，通过多种检测手段相互配合、支撑，相互验证，为水下数字化检测提供了可靠依据。王继敏等[16]采用Blueview-T2250三维扫描声呐和光学摄像等多传感器检测方法，利用惯性导航与Doppler计程仪组合定位技术，克服复杂工程边界条件限制，实现了有缆遥控潜水器2 km级隧洞表观全覆盖粗检细查。朱新民等[17]通过采用高分辨率红外热成像仪检测渗漏缺陷和高精度三维激光扫描仪检测表观缺陷的方法替代传统的人工普查法，辅以测距仪定位、数字地质雷达检测内部缺陷。该技术缩短了检测占用现场的时间，具有检测速度快、数据采样率高的特点，为长距离输水隧洞缺陷检测提供了全新的方法。
2) 水下检测机器人运动控制技术。
比例-积分-微分(proportional-integral-derivative，PID)控制由于结构简单、易于实现，在ROV实际应用中较为常见。王文辉等[18]采用自整定PID控制方法结合多传感器信号反馈设计水下机器人运动控制器，并使用双闭环控制结构增强ROV姿态控制稳定性。但PID技术难以应对复杂水下环境对水下机器人运动过程造成的干扰，研究人员在水下机器人领域引入其他控制方法，包括滑模变结构控制、模糊控制、自抗扰控制等。文[19-21]考虑PID方法在非线性控制应用中的劣势，将模糊理论引入PID控制，基于模糊逻辑优化PID控制参数，实现较高精度控制的目标。刘泽发[22]为提高系统响应速度，提出一种模糊自适应PID跟踪控制器，该控制器较好地实现了跟踪预定航向的目标。高胜等[23]设计的模糊PID控制器既可提高PID控制器的响应速度和抗干扰能力，又可弥补模糊控制存在稳态误差的缺点。Dong等[24]将模糊PID控制与动态补偿相结合，在深度控制实验中较好地实现了水动力分析误差补偿目标。陈巍等[25]提出一种基于动态滑模面的自适应控制方法，针对不确定外部干扰，设计了自适应规律对外部干扰进行估计，通过Lyapunov稳定性理论证明了系统的稳定性。Cildoz等[26]提出基于遗传算法(genetic algorithm，GA)的水下巡检机器人滑模变结构控制方法，利用GA对控制参数进行优化以消除抖振，并通过动态寻优实现全局优化目标。Chin等[27]将一种基于GA和模糊逻辑在线调节控制器参数的鲁棒控制算法用于控制由流体动力学(computational fluid dynamics，CFD)得到的不确定非线性ROV模型，利用鲁棒滑模控制实现GA的稳定性优化目标。Mu等[28]提出一种搭载海流观测器的双环滑模控制器，该控制器减少了调整时间，有效保证了ROV准确的轨迹跟踪性能，提高了响应时间。张英浩[29]基于自抗扰控制技术设计欠驱动AUV路径跟踪控制器，该控制器比传统PID控制能更有效地抑制干扰所造成的颤抖、超调等现象。万磊等[30]提出基于自抗扰控制的自主水下航行器地形跟踪控制方法，能更好地抑制水下复杂环境的干扰，更准确地完成预定地形的跟踪任务。薛前[31]将自抗扰控制技术应用于微小型水下巡检机器人，验证结果表明：自抗扰控制技术对处理非线性、环境适应性等问题具有较好的效果，以及自抗扰控制技术在水下航行器的姿态控制方面具有较大的潜力。针对水下检测机器人在巡检过程中的运动具有强非线性、强耦合性的特点，研究可靠的运动控制方法，对提升水下检测机器人在隧洞中的安全性和检测高效性具有重要的实际意义。
3) 水下检测机器人缺陷识别技术。
缺陷识别技术主要分为图像预处理、图像识别2部分。水下图像通常存在噪声大、对比度低等特点，针对此特点，图像预处理可对采集图像进行去噪、增强等处理，图像识别则多采用深度学习精准提取缺陷区域。Yang等[32]结合光流法和图像匹配法估计混凝土表面缺陷分布的位置，并对固定区域进行了量化分析。Pathirage等[33]提出一种基于自动编码器的结构损伤识别框架。随着深度学习在目标检测领域快速发展，利用卷积神经网络实现缺陷识别也逐渐成为研究热点。Xu等[34]提出基于点云的表面缺陷的三维重建与测量方法，通过提取点云轮廓线获得缺陷信息的量化指标。Wang等[35]提出利用二值裂纹图像自动测量裂缝宽度的方法，该方法可有效预测细微裂纹宽度扩展趋势。Wu等[36]提出一种实时的声呐图像语义分割算法，该算法利用全卷积神经网络和深度监督网络实现图像至图像的预测，减少参数并提高缺陷检测的实时性。Cha等[37]主要研究网络模型的简化，提出基于全卷积神经网络缺陷检测算法，既可减少网络参数又能增强缺陷检测的实时性。黄继爽等[38]针对水工隧洞缺陷识别任务中现有深度卷积神经网络对缺陷图像特征提取能力不足、识别种类少和推理耗时长的问题，提出一种基于动态特征蒸馏的缺陷自主识别方法，证明了将缺陷图像的动态特征蒸馏信息融入识别网络可以提高水工隧洞缺陷的识别效率。梁红等[39]提出小样本情况下基于深度学习的水下图像识别方法，利用提出的改进中值滤波器抑制水下图像的脉冲噪声，提高了正确识别率。由于水下环境成像具有复杂性，易引起直接采集的水下堤坝裂缝图像严重降质，陈文静[40]针对该问题提出一种基于导向滤波的Retinex图像增强算法，该算法可对采集的原始图像进行复原处理，实现水下堤坝裂缝图像增强。马嘉文[41]针对水下大坝图像纹理噪声干扰、水质干扰和复杂裂缝骨架提取等问题提出基于GA的图像分割算法，该算法极大地降低了人工调参所需成本，提高算法计算速度。由于水下环境复杂，采集的图像的质量与数量仍未达到智能缺陷识别的要求，未来需要针对缺陷检测手段及多元异构识别数据融合方法展开进一步研究。
4) 水下检测机器人应用。
国际上，美国斯坦福大学研发的类人水下机器人Ocean OneK[42-43]是ROV与灵巧机械臂的结合，操作端实时呈现机械臂与环境感知的视觉和触觉，实现水下检测、作业空间的可视化和精细柔顺作业；美国Hibbard Inshore公司基于美国SAAB公司Seaeye Sabertooth[44]水下机器人载体，通过搭载可实时检测水下环境的全向和单波束声呐传感器，对澳大利亚“雪山工程”直径6.30 m的Eucumbene Tumut引水隧洞进行连续12.00 km的缺陷检测，该机器人结合图像声呐和惯导信息可实时重构引水隧洞三维模型，并通过将三维模型与先验工程建造模型匹配，进而判断疑似塌方堆积等缺陷，若遇塌方堆积等情况该机器人则可通过局部自主控制实现紧急避障；德国ATLAS公司研发的SeaCat[45]水下机器人成功完成长24.00 km的半满水输水隧洞检测任务。国内，中广核研究院有限公司研发了可水下长距离巡检作业的履带式水下爬行机器人[46]，该机器人可适应水下隧洞动水状态下的巡检作业，同时通过搭载水下三维激光传感器实现实时三维重构，水下带缆巡检距离达5.00 km；南方电网调峰调频发电有限公司研发的ARV[18]通过全向和单波束声呐实时感知局部环境，实现机器人自动脱缆并自主返航，完成对海蓄电站直径8.40 m、长度1.20 km引水隧洞和天生桥二级电站直径10.00 m、长度1.80 km引水隧洞的检测任务，此外该公司还将ARV通过调压井放入锦屏二级电站引水隧洞下端(直径12.00 m)，并进行了2.50 km的检测；胡祺林[47]采用针对有压输水隧洞检测任务设计的AUV，通过配备能在有压输水隧洞环境下保证AUV稳定运行的智能控制与定位导航算法，从而完成了温州永嘉隧洞的检测工作；清华四川能源互联网研究院应用自主研发的履带式机器人对猴子岩电站引水隧洞水平段、上弯段和斜井段进行巡检与缺陷分析[48]，同时结合水动力学特性、电站监测与运营数据对引水隧洞进行健康评估，有效提升机器人巡检数据的实用价值。在长距离大直径引水隧洞巡检机器人结构形式方面，无缆水下机器人续航能力受限、水声通信延时高、带宽不足；有缆水下机器人在长距离、结构多变的引水隧洞中对线缆的拖拽力将不足以拉动长度15.00 km以上的线缆(在弯曲或倾斜引水隧洞中线缆长度更短)；履带式水下爬行机器人具有稳定性高、能耗低和对线缆的拖拽力大等特点；水下机器人协作模式有利于多种机器人优势互补。
综上所述，大直径长引水隧洞水下检测机器人技术的创新研究与应用具有重要的科学意义和显著的社会经济效益，引起了相关机构的高度重视，然而现有的技术与研究仍存在续航不足、对线缆的拖拽力不足等问题，对大直径长引水隧洞定期检测这一难题缺乏有效的解决方案。由于相关工作难度大，需要机电系统、控制工程、人工智能、水利水电和水工结构等多学科专家的协同创新，已有的研究工作未形成完整体系且实用性不足，在国内难以满足工程迫切需要。从发展趋势看，引水隧洞水下巡检机器人需要解决4个方面的问题：1) 具备高可靠性和强适应性的水下巡检机器人本体；2) 大范围、高效率、高精度的水下检测技术与装置；3) 适合多模式检测作业的人机协同控制；4) 以水利水电基础设施全生命周期智慧管控为目标的安全评估。
2 研究体系构建2.1 关键科学问题1) 基于多传感器信息融合的机器人水下环境任务适应性理论与方法。
大型和特大型水电站、引水工程中的大直径超长距离引水隧洞存在水体浑浊、高水压、附着淤积和局部可达困难等复杂水下环境。采用单一巡检载体和传感手段与孤立的信息利用方法，无法满足实时、高可靠、高安全的巡检作业和环境感知任务，需要基于三维声呐、二维声呐等多传感信息融合的环境感知方法，研究超远程多机协作与协同控制的体系结构，构建多传感器融合的水下环境任务适应性理论与方法，实现引水隧洞复杂对象全断面三维与二维图像多类检测信息的可靠获取和有效融合。
2) 基于复杂水下环境超长引水隧洞机器人精细检测作业的隧洞缺陷主动检测理论和方法。
大直径长引水隧洞检测作业存在待检任务重与检测效率低的矛盾、缺陷尺度小与检测精度差的矛盾、检测数据量大与缺陷特征利用率低的矛盾，传统水下检测的理论和方法无法满足隧洞缺陷检测的要求。需要研究缺陷感知与检测行为交互增强方法，形成粗检与精检互补、综合补偿与自校准结合的主动检测体系，建立“人机协同、宏微结合”的主动检测理论。
3) 综合机器人在水巡检数据、监测与模拟数据的隧洞结构安全风险分析和评价理论。
大直径长引水隧洞具有运行载荷和围岩地质复杂的特点，而机器人巡检数据、常规监测数据与数值模拟数据之间缺乏融合，通过单一数据均无法对隧洞安全风险进行综合判断。需要基于机器人在水巡检数据，结合关键水动力荷载及水岩耦合机理，同时考虑数值模拟和监测等运行条件，构建水工隧洞安全风险分析与评价理论，实现隧洞安全的科学评估。
2.2 关键技术问题1) 复杂水下环境“子母式”机器人协同与载荷机械手的精细操作。
采用单个水下机器人载体进行引水隧洞巡检作业存在运行姿态不稳定、巡检精度低等问题，需研究“子母式”多个水下机器人作业及搭配载荷机械手的联合作业方案。为实现子母机协同、载荷机械手与水下机器人协同和缺陷检测精细化等功能，子母式机器人协同作业与载荷机械手的精细操作技术是需要解决的关键技术问题。
2) 超长距离水下高压供电与脐带缆安全释放回收。
水下机器人需要通过脐带缆供电，但在超长距离大直径隧洞巡检作业时，脐带缆的压降和缠绕是必须克服的问题。因此，水下机器人超长距离高压、高效安全供电和脐带缆安全释放回收是需要解决的关键技术问题。
3) 水下机器人作业超远程人机协同控制与特殊环境适应。
水下机器人在长距离引水隧洞内具有检测作业时间久、通信距离远、反馈信息量大和遥控操作交互延时长等特点，尤其是在封闭洞内水环境复杂干扰条件下实现实时遥控作业可靠精准极为关键，因此，超远程人机协同控制与特殊环境适应能力是需要解决的关键技术问题。
4) 基于多传感器融合的缺陷主动检测与识别。
引水隧洞常见的表观损伤类型有裂缝、塌方、掉块和露筋等，依靠单一传感方式和被动式检测手段，无法对引水隧洞的缺陷进行全面、精准的检测，同时通过人工从海量的检测数据中进行缺陷判读存在主观性和耗时长的缺点。因此，基于三维声呐、二维声呐等多源传感器信息感知机器人所处环境，结合相对环境状态自适应调节的缺陷主动检测与缺陷智能识别是亟需突破的一项关键技术。
5) 引水隧洞结构安全分级与风险分析评价。
水下机器人巡检采集的信息均为局部表观缺陷，采用局部表观缺陷进行引水隧洞运行评价是困难的。因此，通过研究引水隧洞安全评价指标体系确定各指标的分类方法及分级标准，通过融合监测、检测和模拟等多源数据构建引水隧洞结构安全分析与评价模型，是需要解决的关键技术问题。
6) 水下机器人巡检作业虚拟演练与系统综合验证。
引水隧洞的巡检时间往往安排在检修期，减少检修时间可提升引水量或发电量，从而使业主单位产生可观的经济效益和社会效益。而超长引水隧洞的带水环境具有不易复制性，很难在真实场景进行巡检作业演练和系统综合验证。为保证巡检作业的安全性和可靠性，水下机器人作业场景的虚拟演练平台也是需要解决的关键技术问题。
2.3 主要研究内容针对上述关键科学与技术问题，主要开展如下5个方面的研究。研究内容与关键科学和技术问题的对应关系如图 1所示。
 |
| 图 1 研究内容与关键科学和技术问题的对应关系 |
| 图选项 |
1) “子母式”水下机器人及长距离精准运动系统研发。
设计爬行式母机与浮游式子机相结合的“子母式”强适应型本体系统，研究水下检测机械手及其载荷匹配，实现关键部件与机器人系统的水下动静密封技术，建立机器人应急安全保障机制。研究“子母式”水下机器人系统的功率设计与优化，设计水下机器人电源管理系统、自适应涓流充电系统。研究水下脐带缆动力学性能，设计超长脐带缆零浮力安全释放与回收系统。研究机器人导航及定位技术，结合基于多传感器融合的导航及定位方法，设计面向超长距离隧洞导航定位的补偿校正方法。
2) 基于多源信息感知的隧洞缺陷智能检测技术。
研究适应复杂水下环境的多源信息采集技术、多源感知数据的特征提取与配准技术，建立水下缺陷特征标准库，完成强适应型的水下检测与缺陷特征提取。针对引水隧洞混凝土典型缺陷，设计基于多传感器的快速粗检、抵近细察相结合的检测方法，研究感知与行为相融合的多模式缺陷主动检测技术。设计引水隧洞多类缺陷的多传感器检测数据融合方案，研究基于结构安全缺陷预判的重点巡检检测方法。
3) 复杂水下环境机器人集成控制系统。
研究洞内封闭空间环境中“子母式”水下巡检机器人系统运动控制技术，提出遥控操作与局部自主相结合的共享控制方法。研究岸基宜人化显控设计与集成方法，设计“人-机-环”相互协调的显控系统。建立基于多源感知信息的状态监测系统，研究故障快速检测与洞内封闭空间应急机制。研究基于特征匹配与深度学习方法的缺陷数据智能识别算法，建立基于分布式的关系型数据库的缺陷数据管理系统。
4) 引水隧洞结构安全风险分析与评价。
研究引水隧洞损伤机理和机器人缺陷巡检数据分析的方法，完成引水隧洞水动力特性及围岩稳定性的模拟计算分析，梳理引水隧洞结构安全影响因子和分析机器人缺陷巡检信息的内涵，掌握大直径长引水隧洞长期运行安全性态。建立引水隧洞安全评价指标，研究安全评估指标体系和分级标准。研究巡检信息和机理模型的多尺度数据融合理论，构建引水隧洞安全风险分析评价体系。设计典型隧洞的安全风险评估系统，开发安全风险评估决策支持系统。
5) 引水隧洞水下机器人系统集成与示范应用。
研究基于建筑信息模型(building information modeling，BIM)的水下检测机器人巡检作业虚拟演练技术。充分分析锦屏二级水电站引水隧洞工程、南水北调东线穿黄隧洞工程的结构特性及巡检需求，开展锦屏二级水电站引水隧洞和南水北调东线穿黄隧洞工程的智能巡检示范应用。对引水隧洞水下检测机器人系统集成、示范应用和成果进行评价分析。
3 技术路线与研究方案3.1 技术路线针对关键科学与技术问题，围绕实现大直径长引水隧洞定期检测需求，采用“基础研究-技术突破-系统开发-应用验证”的总体思路，从“巡、检、控、诊、用” 5个方面设计了整体研究方案，研究方案的整体技术路线如图 2所示。
 |
| 图 2 整体技术路线图 |
| 图选项 |
3.2 研究方案1) “子母式”水下机器人及长距离精准运动系统研发。
本文采用“理论研究-仿真建模-模块研制-系统集成”的研究思路，提出“子母式”机器人协同控制策略和线缆收放与电源管理的最优控制方法，通过模型搭建、方法探索和技术突破，最终完成系统研发。
首先，基于水环境各因素影响的子母机动力学机理构建任务空间模型和水环境下机械手运动学与载荷关联模型；其次，采用动静密封、功率设计与优化、模块化设计等关键技术，实现“子母式”机器人协同模式与环境任务的适应性；最后，通过对脐带缆进行微元受力分析构建拖行摩擦、流体黏滞力和流速等要素的力学模型，量化计算脐带缆受力状态，突破脐带缆力反馈收放、低张力防缠绕和安全制动等关键技术，实现脐带缆在绞车上自动排缆和安全收放。
2) 基于多源信息感知的隧洞缺陷智能检测技术。
本文通过“缺陷特征提升检测效率和精准度-检测提升数据质量-数据丰富缺陷特征-缺陷特征提升检测效率和精准度”方法，以持续进行数据迭代的方式提升检测效果，解决引水隧洞检测效率低、精准度差和智能化程度低的难题。
首先，通过分析水下缺陷典型特征及边界响应条件，利用物理补光、噪声去除和图像复原等水下信息增强技术，以及采用相关分析的点云配准算法，建立基于多源传感器信息的缺陷特征判别库；其次，利用母机粗检的感知信息和水工结构损伤机理定位疑似缺陷，采用“母机+子机”或“母机+机械手”的主动检测方式对疑似缺陷进行精细检测；最后，通过时间、空间序列标准化标定多频多维数据，优化和融合互补信息与冗余信息，从而获取高质量检测结果。
3) 复杂水下环境机器人集成控制系统。
本文以“子母式”机器人运动控制为出发点，以遥操作与局部自主控制的人机协同共享控制构架、“人-机-环”相互协调的显控系统设计方法、水下机器人快速响应故障应急机制、缺陷检测数据智能识别与管理方法为机理指导，实现水下机器人集成控制系统设计目标。
首先，建立基于动力学参数辨识的模型修正方法的动力学模型；其次，运用基于神经网络的滑模控制方法，利用基于控制器的局部自主控制与遥操作的转换模型，研究机器人局部自主控制与遥操作结合的控制方法，从而开发基于时间顺序的人机协同共享控制构架，实现遥操作与局部自主控制的最优结合；最后，通过基于人机工程学要素设计的“人-机-环”相互协调的宜人化岸基显控系统，满足数据处理、网络通信、综合显示和人机交互等需求，最终实现巡检机器人在监视与操控方面的全面、可靠和安全目标。
4) 引水隧洞结构安全风险分析与评价。
本文以机器人巡检信息为出发点，以水岩耦合和关键荷载分析为机理指导，以设计、监测和数值模拟等运行工况信息为数据驱动，以信息物元和Bayes分析方法，实现针对引水隧洞安全风险的动态、可拓展评价目标，为重大水利水电工程的运维策略提供定量支撑。
首先，在综合分析引水隧洞损伤巡检及机理模拟等多源数据基础上，利用层次分析法、熵权法等主客观方法，提出引水隧洞典型损伤分级标准，支撑安全风险评估系统；其次，需要利用事故树分析法获取事故元素，并梳理逻辑关系，从而构建多层安全框架，并应用Bayes原理将多源异构数据动态整合；最后，利用信息物元法定量计算水工隧洞的安全风险概率分布。
5) 引水隧洞水下机器人系统集成及示范应用。
本文针对充水封闭空间的引水隧洞结构特性及边界条件限制，采用“虚拟演练-工程应用-验证评价”的总体思路，通过基于BIM模型的水下检测机器人巡检作业虚拟演练方法将理论模型、工程特性、多源数据相互融合以验证分析。
首先，采用虚拟现实技术(virtual reality，VR)并结合硬件设备建立沉浸式虚拟演练平台；其次，通过在演练环境中测试巡检方案以达到优化智能巡检方案的目的，从而辅助水下巡检作业决策；再次，通过在南水北调东线穿黄隧洞和雅砻江锦屏二级水电站的大直径长距离引水隧洞中进行示范应用，实现复杂水工结构、复杂水下环境的引水隧洞智能巡检；最后，通过验证“巡、检、控、诊、用”一体化综合解决方案，最终实现世界级水利水电引水工程高精度、全覆盖的智能化示范应用。
4 关键技术研究成果1) “子母式”水下机器人系统关键结构与导航定位。
在“长距离高稳定低功耗‘子母式’水下机器人技术与系统”研制方面，本文通过建立基于水下多因素影响及任务负载匹配的子母机动力学模型开展核心驱动部件功率计算，通过构建面向复杂环境运行的环境与自身状态感知的传感系统，制订水下高压密封模块化实验方案，从而研制爬行式母机与浮游式子机相结合的“子母式”强适应型本体及机械手整体系统，为大直径长引水隧洞测试搭建可靠的运动平台。“子母式”水下机器人系统各模块关系如图 3所示。
 |
| 图 3 “子母式”水下机器人系统各模块关系图 |
| 图选项 |
首先，针对隧洞底部凹凸不平的情况，通过设计的Christie减震履带结构搭建坡面摩擦系数及坡度可调平台，从而建立驱动功率输出与坡度坡面适应关系模型，进而攻克不同坡度下阻尼可调节的关键技术，使整个履带底盘平稳运行。其次，针对隧道底部结构特点，通过构建自适应机构和搭建仿隧洞弧度平台，使履带在不同弧面下与隧道底部完全接触。最后，通过模拟分析事故工况，设计机器人安全应急系统，保证设备安全运行。
子机采用4组水平布置、2组垂直布置的推进器布局，可充分保证机器人动力充足和各个方向动作灵活，并进行了上浮、下潜、悬浮、左右游动和无动力回笼等试验；针对引水隧洞狭小空间入口设计的翻转式基站可使子母机竖直进入检测口后再翻转进入隧洞，进而开展巡检作业。“子母式”水下机器人设计模型与实体如图 4所示。
 |
| 图 4 “子母式”水下机器人设计模型与实体 |
| 图选项 |
在“子母式”水下机器人运动方面，首先，对构建的线缆及子母机模型进行流场、运动学的分析与迭代；其次，通过建立的子母机牵引力-线缆黏滞阻力关系模型计算车体正常行走、爬坡、越障、转向、回旋等工况的功率和扭矩，通过行走仿真、抗流和行走试验等搭建等比例功能验证机，并对电机功率、行走速度、爬坡能力和转弯半径等功能进行验证；最后，开展机器人模型抗流能力测试(流速大于3.0 kn)，如图 5所示。本文通过对机械臂、关节和密封舱等部件进行水下密封试验测试，水下机器人关键部件水下耐压达3.5 MPa。
 |
| 图 5 水下机器人模型抗流能力测试 |
| 图选项 |
为解决“子母式”水下机器人在隧洞中的综合导航与定位，通过导航定位控制器将综合惯导、Doppler计程仪和水下压力传感器等多传感器融合的导航定位信息进行数据融合，并通过隧洞内的桩号位置进行机器人长距离累计位置的误差校正；利用隧洞现场地形信息构建基于全局先验信息的机器人定位方法，利用“压力-位置”关系提供定位的先验信息，以惯性导航定位方法为基础，利用全局特征修正累积误差以提高机器人的定位精度；结合大直径隧洞BIM模型，通过搭建的定位控制系统软件架构制订多传感器融合的技术验证方案，进一步验证机器人定位的精确性和鲁棒性，从而为实现隧洞轮廓三维信息感知、精确定位等目标奠定技术基础。
2) 超长距离水下供电通信及脐带缆系统安全收放技术。
首先，结合机器人整体功率反推超长距离同步保真通信需求，通过采用光电复合绞制的方式设计兼顾零浮力和抗拉强度的光电复合线缆结构，并对线缆直径及质量进行迭代优化，优化后线缆直径仅为17 mm。其次，通过制订水下零浮力线缆拖拽阻力的等效试验方案，进一步验证通信、供电的可靠性，为机器人整体功率计算提供更加明确的输入信息。最后，通过制订基于力位反馈结合的大型线统绞车的整体方案和设计针对线缆保护及散热问题的自循环喷淋降温系统，为机器人的长距离、长时间可靠收放提供技术支持。线缆结构设计如图 6所示，线缆绞车模型及实体分别如图 7、图 8所示。
 |
| 图 6 脐带缆结构 |
| 图选项 |
 |
| 图 7 线缆绞车模型 |
| 图选项 |
 |
| 图 8 线缆绞车实体 |
| 图选项 |
在“长距离‘子母式’水下机器人供电单元设计与优化”研究方面，本文围绕超长距离水下稳定输电及水下机器人整体功率优化，通过构建母机外形流体阻力、供电线缆水下黏滞力、能耗三者的关系模型设计流线型密封舱反电气系统和搭建供电与蓄电混合供电系统，从而优化机器人作业工艺和工况功率分配。在保证满足机器人正常作业和应急处置要求的情况下，最大程度降低机器人整体工作功率，提高远距离输电的稳定性和可靠性。
3) 基于“子母式”机器人的检测及数据应用分析技术。
针对大直径长引水隧洞检测范围大、环境适应性差、检测效率低和重点区域检测精细度不足等问题，对基于“子母式”水下机器人的检测系统及模式进行了研究。首先，通过测试试验优选声学、光学和视频等传感器，基于“子母式”机器人结构设计集成多传感器检测系统，结合裂缝、塌方、掉块和露筋等隧洞缺陷检测的物理机制，构建多检测作业模式下“粗、细、精”结合的检测体系。其次，对于大范围待检区域，先通过由水下爬行机器人搭载的三维声呐传感器、激光扫描装置实现隧洞360°大范围的快速扫描检测，再通过二维声呐、侧扫声呐对底部及两侧缺陷高发区域进行补充检测；对于疑似缺陷，可由浮游机器人通过高清视频、激光等传感器抵近细察；对于损伤概率较大的区域，可通过释放子机或伸出搭载高清摄像机、激光尺测量仪的机械手对隧洞顶部和底部疑似缺陷抵近精细观察，进而确认缺陷。最后，在通过上述过程获取局部缺陷数据后，由爬行机器人大范围检查，完成检测校验。多检测作业模式下“粗、细、精”结合检测流程如图 9所示，三维声呐与二维声呐检测如图 10所示(图中绿线指隧洞轮廓)，多传感器融合检测如图 11所示。
 |
| 图 9 多检测作业模式下“粗、细、精”结合检测流程图 |
| 图选项 |
 |
| 图 10 三维声呐与二维声呐检测 |
| 图选项 |
 |
| 图 11 多传感器融合检测 |
| 图选项 |
针对大直径引水隧洞混凝土裂缝、塌方、掉块和露筋等缺陷，通过研究不同传感器对各类缺陷的响应特征，揭示了各类水下缺陷在多源传感器检测数据上的边界特征及其演变规律，为缺陷精准识别作前期铺垫；基于类似工况下已有多源传感器检测的影像、声呐等缺陷数据，通过“学习-认知-识别-规律”的方式提取缺陷特征，分析多源检测信息对各类缺陷响应的边界条件和量化多源检测信息对各类缺陷的响应指标，进而建立了多源传感器的缺陷特征判别库；开展多传感器检测各类特征缺陷的水池试验测试，通过判别多传感器响应各类缺陷特征的规律，不断提升缺陷判别准确度，丰富和细化缺陷特征标准库。
本文针对大直径引水隧洞缺陷的多传感器检测数据，先通过已明确的多源传感器检测数据互补信息与冗余信息最优化组合方法，将视觉、声学和激光等多源数据按照一定的时间、空间逻辑关系进行合理整合，再以声学数据作为确定缺陷空间位置、尺寸规模的主要手段，以光学数据作为缺陷类型解译的主要手段，将融合的多源数据以合适的权重值调整为最终解译成果，最终采用定量与定性相结合的方式综合分析缺陷的属性信息，从而提高成果可信度。
对于数据库缺陷数据，本文基于多源检测数据及缺陷模拟算法对样本库进行高质量扩充，并利用提取的高质量检测数据不断迭代，进而完善特征样本库。针对获取的原始水下图像成像质量差、分辨率高等问题，采用自动色阶增强算法提高图像各区域对比度，突显缺陷特征；通过裁剪、翻转等数据增广方法降低图像分辨率，从而获得更多的缺陷数据样本，提升数据集的多样性，引水隧洞水下缺陷图像增广如图 12所示。将神经网络对输入图像中各个位置的缺陷预测置信度与预设阈值进行比较，根据比较结果对各水下结构缺陷图像分类管理、记录缺陷位置信息和统计缺陷数量，并对含裂缝、剥落和露筋3种缺陷的缺陷数据集进行训练和测试，在测试集上识别率为92.2%。
 |
| 图 12 引水隧洞水下缺陷图像增广 |
| 图选项 |
4) 引水隧洞机器人超远程集成控制策略。
长距离引水隧洞因其作用环境复杂，单一类型机器人难以满足全方位探查、多维度探伤的任务需求，所以设计一款由履带式高负载水下机器人、小型可全向移动水下机器人、水下机械臂组成的引水隧洞机器人具有重大意义。然而，该引水隧洞水下机器人控制模块多、系统复杂，同时在长距离引水隧洞内开展检测工作时又存在作业时间久、通信距离远、反馈信息量大、遥操作交互延时长等困难，尤其是在封闭洞内水环境复杂干扰条件下实现机械臂精准轨迹跟踪难度很大。此外，目前常用的主从遥操作控制方法难以有效应对操作人员手抖动、应急反应等引起的误操作。
本文针对多源系统集成构架，研制了主控台、集成机械臂主手控制系统、多线程化智能管理系统，实现了对电源系统、绞车系统、母机系统、子机系统和机械臂主从控制系统的综合有效显控，并且融合了安全预警机制，防止因操作流程错误导致操作事故。同时，通过引入的虚拟显控系统帮助操作人员熟悉操作流程和实现安全预演。集成控制软件系统如图 13所示。
 |
| 图 13 集成控制软件系统 |
| 图选项 |
本文针对水下洞内封闭空间的特殊性，利用系统可靠性工程学思想，按照非冗余和冗余单元故障的致命级别建立了相应的快速响应故障应急机制。该应急机制包括非冗余单元致命级故障应急控制(线缆缠绕、供电故障、运动系统瘫痪和感知系统异常等)、非冗余单元非致命级故障应急控制(传感器失灵)与冗余单元故障应急控制(耐压舱漏水、模块间通信故障、部分动力单元故障)。同时，通过设计的主动容错控制器满足非致命故障的容错控制，提升系统的鲁棒性与适应性。而在感知层面，先进行环境和系统感知，再生成目标信息并及时处理。
本文针对机械臂水下复杂动力学环境中的主从精准遥操作控制难点，通过建立的机械臂非线性动力学系统模型和水动力学环境模型，设计了一种基于径向基函数(radial basis function，RBF)神经网络自适应滑模控制的机械臂轨迹跟踪控制算法。针对主手操作抖动问题，通过开展基于Gauss混合模型操作，输入聚类分析，提出了一种局部加权回归的抖动信号滤波，并实现了对操作员的意图识别，进而在模型预测控制的框架下将人工干预意图模型和自动控制指令的控制目标模型统一建模为待优化的目标函数；同时通过在线优化，直接在控制目标层完成对人工干预意图和自动控制指令的最佳权衡。机械臂抓夹控制与子机运动控制试验分别如图 14和15所示。
 |
| 图 14 机械臂抓夹控制试验 |
| 图选项 |
 |
| 图 15 子机运动控制试验 |
| 图选项 |
5) 引水隧洞结构安全分级与风险评价方法。
引水隧洞作为水利工程的重要组成部分之一，由于其运行条件恶劣、损伤类型众多、影响因素复杂，因此引水隧洞结构安全的检测和评价具有较大的挑战性。目前，工程中普遍使用的探测技术效果较差，导致评价体系的数据来源较为单一，降低了安全评价可信度，且国内外现行标准大多以定性判断为主，不足以支撑对引水隧洞安全情况的有效评估。此外，大多数评估方法也仅仅局限于对引水隧洞当前状态的评价，而对风险状态的发展趋势讨论较少。
本文基于智能机器人巡检数据、数值模拟数据和隧洞日常监测与检测数据等多源数据，结合引水隧洞结构损伤机理，建立了引水隧洞结构安全评价的3层指标体系，并确定了相应的评价标准。该标准可从隧洞衬砌裂缝、渗漏水、材料劣化、衬砌空洞、衬砌变形、衬砌剥落和运行环境等7个方面对隧洞结构安全风险实现系统化与定量化。引水隧洞结构安全评价指标体系如图 16所示。A—C指分层等级，1~26指不同种类。
 |
| 图 16 引水隧洞结构安全评价指标体系 |
| 图选项 |
本文基于灰色关联理论和Dempster-Shafer证据理论，提出了一种改进的模糊层次分析法，并使用该方法通过专家评价确定上述指标体系中各指标的具体权重，结合各个指标的检测结果计算引水隧洞当前的风险分布情况，进而实现对引水隧洞当前风险的综合评价。将引水隧洞当前各个指标的风险分布作为先验概率，基于指标权重确定条件概率，并根据指标检测数据通过参数估计算法学习转移概率，建立了用于引水隧洞结构安全评价的动态Bayes网络模型，模型结构如图 17所示。
 |
| 图 17 动态Bayes网络模型结构图 |
| 图选项 |
本研究基于动态Bayes网络模型的前向推理功能，计算引水隧洞整体或某一具体指标在未来某时刻的风险分布及发展趋势，从而为引水隧洞的运行维护提供依据和参考，评价方法技术路线如图 18所示。此外，根据动态Bayes网络模型的反向传播功能，可获得在预设的引水隧洞整体风险等级之下各个指标的具体风险分布，并进一步确定不同时期下的关键影响指标。图 19展示了模型在引水隧洞的应用结果，风险的反向传播表明在某个预设的整体风险状态下，引水隧洞各个具体指标对结构安全影响的重要程度存在一定差异，因此检修应当针对重点风险指标，从而实现对关键指标的精确排查，减轻运维压力。
 |
| 图 18 评价方法技术路线图 |
| 图选项 |
 |
| 图 19 风险反向传播结果 |
| 图选项 |
6) 机器人巡检作业虚拟演练平台关键技术。
虚拟演练平台是为研究水下机器人水下巡检作业虚拟演练而构建的三维数字化应用产品，即：集成工程基本资料、实测数据等信息，建立引水隧洞结构三维可视化模型，通过模拟水下作业场景及机器人运动状态，对智能巡检作业进行反复预演，分析水下作业实施方案的高效性、可行性，评估巡检过程中潜在的安全风险，从而制订针对性较强的应急措施，保障实际巡检作业的安全、顺利进行。平台研发采用Unity3D国际主流的仿真引擎进行开发，通过基于Unity3D引擎的高性能仿真灯罩系统、仿真级图像渲染引擎、NVIDIA专业物理引擎、逼真粒子系统和仿真实时渲染功能，实现高还原度沉浸式物理模拟效果，最终使演练人员可以根据不同的水下操控环境设置相应的场景参数，对复杂的作业环境进行适应性、针对性的演练，从而实现真正意义上的动态化、互动化、可视化的操控模拟。平台通过运动传感器、声呐影像、里程记录等信息与三维模型的位置关系反算，加入定位修正模型，通过联合定位实时调整虚拟ROV的定位信息，同步在虚拟演练平台中展示运动轨迹、姿态和位置。功能模块及平台封装界面分别如图 20和21所示。
 |
| 图 20 虚拟演练平台功能模块 |
| 图选项 |
 |
| 图 21 虚拟演练平台功能效果封装展示图 |
| 图选项 |
5 结论针对特大型水利水电工程中的大直径超长距离引水隧洞定期检测的迫切需求，通过解决机器人水下环境任务适应性、超长引水隧洞表观缺陷的主动检测和基于机器人巡检数据的隧洞结构安全风险评价等关键科学问题，突破复杂水下环境“子母式”机器人协同与载荷机械手的精细操作、超长距离水下高压供电与脐带缆安全释放回收、水下机器人作业超远程人机协同控制与特殊环境适应、基于多传感器融合的缺陷主动检测与识别、引水隧洞结构安全分级与风险分析评价、水下机器人巡检作业虚拟演练与系统综合验证等关键技术，开展了大直径长引水隧洞水下机器人系统的研发与应用。
通过突破在水体浑浊、高水压、附着淤积、局部可达困难等复杂水下环境机器人的远程供电、协同作业、智能巡检、缺陷识别、安全评估等关键技术，提升了水下机器人在特殊环境的应用表现；通过研发多功能“子母式”水下机器人系统，完成引水隧洞结构安全分级与风险评价，从而提高大型水利水电工程引水隧洞巡检的智能化程度，支撑大型工程的安全运行。
研究成果可显著提高引水隧洞巡检的准确性，降低引水隧洞巡检成本，提升大型水利水电工程安全运行的保障率；促进人工智能学科和水利学科的交叉融合，形成交叉学科优势；促进特殊环境机器人的应用，特别是在引水隧洞巡检中的应用，引导特殊环境机器人产业发展；推进人工智能的应用和水利工程的智能化管理，提升中国相关领域技术及装备水平并将培养大批复合型人才，具有重大的社会经济效益和科学价值。
下一步，本研究团队将继续开展机器人调试与功能性验证试验，并在南水北调东线穿黄隧洞与锦屏二级水电站引水隧洞中示范应用，对引水隧洞水下检测机器人系统集成、示范应用及成果进行评价分析，实现水下机器人“巡、检、控、诊、用”全过程集成，为大直径长引水隧洞巡检提供有力保障。
参考文献
| [1] | 张柏楠, 韩勃, 李宁博, 等. 长距离水工隧洞运营期无人检测技术及病害识别方法研究进展[J]. 应用基础与工程科学学报, 2021, 29(5): 1245-1264. ZHANG B N, HAN B, LI N B, et al. Research progress on unmanned inspection technology and disease identification method of long-distance hydraulic tunnels in operation period[J]. Journal of Basic Science and Engineering, 2021, 29(5): 1245-1264. (in Chinese) |
| [2] | 来记桃. 大直径长引水隧洞水下全覆盖无人检测技术研究[J]. 人民长江, 2020, 51(5): 228-232. LAI J T. Research and application of underwater full coverage unmanned detection technology for large diameter and long diversion tunnel[J]. Yangtze River, 2020, 51(5): 228-232. (in Chinese) |
| [3] | 黄泽孝, 孙红亮. ROV在深埋长隧洞水下检查中的应用[J]. 长江科学院院报, 2019, 36(7): 170-174. HUANG Z X, SUN H L. An application of remotely operated vehicle to underwater inspection of deep-buried long tunnel[J]. Journal of Yangtze River Scientific Research Institute, 2019, 36(7): 170-174. (in Chinese) |
| [4] | 李永龙, 王皓冉, 张华. 水下机器人在水利水电工程检测中的应用现状及发展趋势[J]. 中国水利水电科学研究院学报, 2018, 16(6): 586-590. LI Y L, WANG H R, ZHANG H. Application status and development trend of underwater robot in water and hydropower engineering detection[J]. Journal of China Institute of Water Resources and Hydropower Research, 2018, 16(6): 586-590. (in Chinese) |
| [5] | 沈勤. 水下机器人技术在水利工程检测中的应用[J]. 中国战略新兴产业, 2018(36): 157-158, 160. SHEN Q. Application of underwater robot technology in water conservancy project detection[J]. China Strategic Emerging Industry, 2018(36): 157-158, 160. (in Chinese) |
| [6] | 李硕, 刘健, 徐会希, 等. 我国深海自主水下机器人的研究现状[J]. 中国科学: 信息科学, 2018, 48(9): 1152-1164. LI S, LIU J, XU H X, et al. Research status of autonomous underwater vehicles in China[J]. Scientia Sinica Informationis, 2018, 48(9): 1152-1164. (in Chinese) |
| [7] | WHITE C, HIRANANDANI D, OLSTAD C S, et al. The Malta cistern mapping project: Underwater robot mapping and localization within ancient tunnel systems[J]. Journal of Field Robotics, 2010, 27(4): 399-411. DOI:10.1002/rob.20339 |
| [8] | MATVEEV A S, MAGERKIN V V, SAVKIN A V. Reactive control technology for 3D navigation of nonholonomic robots in tunnel-like environments based on limited sensory data[C]// 2018 26th Mediterranean Conference on Control and Automation (MED). Zadar, Croatia: IEEE, 2018: 1-6. |
| [9] | VERMA S C, VISGAARD R. A reactive control algorithm for 3D navigation of a non-holonomic robot in tunnel-like environments with static obstacles[C]// 2020 Australian and New Zealand Control Conference. Gold Coast, Australia: IEEE, 2020: 114-118. |
| [10] | LOISY F, FRAN?OIS P, DOUCHET G, et al. Underwater inspection experiment for a long tunnel of EDF's hydroelectric facilities[C]// 2010 1st International Conference on Applied Robotics for the Power Industry. Montreal, Canada: IEEE, 2010: 1-4. |
| [11] | PEREIRA R, RODRIGUES J, MARTINS A, et al. Simulation environment for underground flooded mines robotic exploration[C]// 2017 IEEE International Conference on Autonomous Robot Systems and Competitions. Coimbra, Portugal: IEEE, 2017: 322-328. |
| [12] | 汪天伟, 周红坤, 杨飞, 等. 一种水电站隧洞检查专用水下机器人的研制及应用[J]. 水电能源科学, 2019, 37(8): 174-176. WANG T W, ZHOU H K, YANG F, et al. Engineering application of a special underwater vehicle for tunnel inspection of hydropower station[J]. Water Resources and Power, 2019, 37(8): 174-176. (in Chinese) |
| [13] | 来记桃, 李乾德. 长大引水隧洞长期运行安全检测技术体系研究[J]. 水利水电技术, 2021, 52(6): 162-170. LAI J T, LI Q D. Study on long-term operation safety detection technical system of large and long diversion tunnel[J]. Water Resources and Hydropower Engineering, 2021, 52(6): 162-170. (in Chinese) |
| [14] | 来记桃, 聂强, 李乾德, 等. 水下检测技术在雅砻江流域电站运维中的应用[J]. 水电能源科学, 2021, 39(11): 207-210, 144. LAI J T, NIE Q, LI Q D, et al. Application of underwater unmanned detection technology in operation and maintenance of hydropower stations in Yalong River Basin[J]. Water Resources and Power, 2021, 39(11): 207-210, 144. (in Chinese) |
| [15] | 熊小虎, 柯虎, 付彦伟, 等. 多元协同探测技术在水电工程中的应用[J]. 水力发电, 2020, 46(9): 126-130. XIONG X H, KE H, FU Y W, et al. Application of multi-element collaborative detection technology in hydropower engineering[J]. Water Power, 2020, 46(9): 126-130. (in Chinese) |
| [16] | 王继敏, 来记桃. 锦屏二级水电站引水隧洞水下检测技术研究与应用[J]. 大坝与安全, 2021(1): 19-24. WANG J M, LAI J T. Research and application of underwater detection technology to diversion tunnel at Jinping Ⅱ hydropower station[J]. Dam & Safety, 2021(1): 19-24. (in Chinese) |
| [17] | 朱新民, 王铁海, 刘亦兵, 等. 长距离输水隧洞缺陷检测新技术[J]. 水利水电技术, 2010, 41(12): 78-81. ZHU X M, WANG T H, LIU Y B, et al. A new defect detection technology for long-distance water conveyance tunnel[J]. Water Resources and Hydropower Engineering, 2010, 41(12): 78-81. (in Chinese) |
| [18] | 王文辉, 陈满, 巩宇. 水电站长距离引水隧洞检测机器人研发及应用[J]. 水利水电技术, 2020, 51(S2): 177-183. WANG W H, CHEN M, GONG Y. Development and application of long-distance diversion tunnel detection robot in hydropower station[J]. Water Resources and Hydropower Engineering, 2020, 51(S2): 177-183. (in Chinese) |
| [19] | KHODAYARI M H, BALOCHIAN S. Modeling and control of autonomous underwater vehicle (AUV) in heading and depth attitude via self-adaptive fuzzy PID controller[J]. Journal of Marine Science and Technology, 2015, 20(3): 559-578. |
| [20] | XU B, PANDIAN S R, SAKAGAMI N, et al. Neuro-fuzzy control of underwater vehicle-manipulator systems[J]. Journal of the Franklin Institute, 2012, 349(3): 1125-1138. |
| [21] | DOS SANTOS C H, BITTENCOURT G, GUENTHER R, et al. Motion coordination for underwater vehicle-manipulator systems using a fuzzy hybrid strategy[C]// 2006 IEEE/RSJ International Conference on Intelligent Robots and Systems. Beijing, China: IEEE, 2006: 3018-3023. |
| [22] | 刘泽发. 观测型ROV航行控制系统设计及运动控制技术研究[D]. 杭州: 浙江大学, 2015. LIU Z F. Development of navigation control system and research on the motion control technique of observation-class ROV[D]. Hangzhou: Zhejiang University, 2015. (in Chinese) |
| [23] | 高胜, 陈昆, 张利巍, 等. 开架式观测型ROV定点悬停控制方法研究[J]. 石油机械, 2019, 47(2): 55-64. GAO S, CHEN K, ZHANG L W, et al. Control method for fixed point hovering of open-shelf observational ROV[J]. China Petroleum Machinery, 2019, 47(2): 55-64. (in Chinese) |
| [24] | DONG M J, LI J F, CHOU W S. Depth control of ROV in nuclear power plant based on fuzzy PID and dynamics compensation[J]. Microsystem Technologies, 2020, 26(3): 811-821. |
| [25] | 陈巍, 魏延辉, 曾建辉, 等. AUV纵倾角动态面滑模自适应控制[J]. 火力与指挥控制, 2016, 41(6): 73-76. CHEN W, WEI Y H, ZENG J H, et al. Adaptive control of AUV's pitch angle based on dynamic surface sliding mode[J]. Fire Control & Command Control, 2016, 41(6): 73-76. (in Chinese) |
| [26] | CILDOZ M U, DOS SANTOS C H F, REGINATTO R. Comparative study of chattering-free sliding mode controllers applied to an autonomous underwater vehicle (AUV)[C]// Proceedings of the 11th Portuguese Conference on Automatic Control. Porto, Portugal: Springer, 2015: 587-596. |
| [27] | CHIN C S, LIN W P. Robust genetic algorithm and fuzzy inference mechanism embedded in a sliding-mode controller for an uncertain underwater robot[J]. IEEE/ASME Transactions on Mechatronics, 2018, 23(2): 655-666. |
| [28] | MU W L, WANG Y X, SUN H L, et al. Double-loop sliding mode controller with an ocean current observer for the trajectory tracking of ROV[J]. Journal of Marine Science and Engineering, 2021, 9(9): 1000. |
| [29] | 张英浩. 基于自抗扰技术的欠驱动AUV路径跟随控制[D]. 哈尔滨: 哈尔滨工程大学, 2013. ZHANG Y H. Path following control of underactuated AUVs based on ADRC[D]. Harbin: Harbin Engineering University, 2013. (in Chinese) |
| [30] | 万磊, 张英浩, 孙玉山, 等. 基于自抗扰的自主水下航行器地形跟踪控制[J]. 兵工学报, 2015, 36(10): 1943-1948. WAN L, ZHANG Y H, SUN Y S, et al. AUV's bottom following control method based on ADRC[J]. Acta Armamentarii, 2015, 36(10): 1943-1948. (in Chinese) |
| [31] | 薛前. 面向小型水下机器人的精确控制研究[D]. 上海: 上海交通大学, 2019. XUE Q. Research on preciese control for small underwater vehicles[D]. Shanghai: Shanghai Jiaotong University, 2019. (in Chinese) |
| [32] | YANG Y S, WU C L, HSU T T C, et al. Image analysis method for crack distribution and width estimation for reinforced concrete structures[J]. Automation in Construction, 2018, 91: 120-132. |
| [33] | PATHIRAGE C S N, LI J, LI L, et al. Structural damage identification based on autoencoder neural networks and deep learning[J]. Engineering Structures, 2018, 172: 13-28. |
| [34] | XU Z, KANG R, LU R D. 3D reconstruction and measurement of surface defects in prefabricated elements using point clouds[J]. Journal of Computing in Civil Engineering, 2020, 34(5): 04020033. |
| [35] | WANG W J, ZHANG A, WANG K C P, et al. Pavement crack width measurement based on Laplace's equation for continuity and unambiguity[J]. Computer-Aided Civil and Infrastructure Engineering, 2018, 33(2): 110-123. |
| [36] | WU M H, WANG Q, RIGALL E, et al. ECNet: Efficient convolutional networks for side scan sonar image segmentation[J]. Sensors, 2019, 19(9): 2009. |
| [37] | CHA Y J, CHOI W, BVYVK?ZTVRK O. Deep learning-based crack damage detection using convolutional neural networks[J]. Computer-Aided Civil and Infrastructure Engineering, 2017, 32(5): 361-378. |
| [38] | 黄继爽, 张华, 李永龙, 等. 基于动态特征蒸馏的水工隧洞缺陷识别方法[J]. 计算机应用, 2021, 41(8): 2358-2365. HUANG J S, ZHANG H, LI Y L, et al. Hydraulic tunnel defect recognition method based on dynamic feature distillation[J]. Journal of Computer Applications, 2021, 41(8): 2358-2365. (in Chinese) |
| [39] | 梁红, 金磊磊, 杨长生. 小样本情况基于深度学习的水下目标识别研究[J]. 武汉理工大学学报(交通科学与工程版), 2019, 43(1): 6-10. LIANG H, JIN L L, YANG C S. Research on underwater target recognition based on depth learning with small sample[J]. Journal of Wuhan University of Technology (Transportation Science & Engineering), 2019, 43(1): 6-10. (in Chinese) |
| [40] | 陈文静. 水下堤坝裂缝图像检测方法的研究[D]. 郑州: 华北水利水电大学, 2019. CHEN W J. Research on image detection method of underwater dam cracks[D]. Zhengzhou: North China University of Water Resources and Electric Power, 2019. (in Chinese) |
| [41] | 马嘉文. 基于图像处理的大坝裂缝检测算法研究[D]. 哈尔滨: 哈尔滨工程大学, 2019. MA J W. Research on dam crack detection algorithm based on image processing[D]. Harbin: Harbin Engineering University, 2019. (in Chinese) |
| [42] | KHATIB O, YEH X, BRANTNER G, et al. Ocean one: A robotic avatar for oceanic discovery[J]. IEEE Robotics & Automation Magazine, 2016, 23(4): 20-29. |
| [43] | STUART H, WANG S Q, KHATIB O, et al. The ocean one hands: An adaptive design for robust marine manipulation[J]. The International Journal of Robotics Research, 2017, 36(2): 150-166. |
| [44] | SONG Z Y, MARBURG A, MANALANG D. Resident subsea robotic systems: A review[J]. Marine Technology Society Journal, 2020, 54(5): 21-31. |
| [45] | KALWA J. SeaCat AUV inspects water supply tunnel[J]. Sea Technology, 2012, 53(8): 43-44. |
| [46] | 葛世荣, 朱华. 危险环境下救援机器人技术发展现状与趋势[J]. 煤炭科学技术, 2017, 45(5): 1-8, 21. GE S R, ZHU H. Technology development status and tendency of rescue robot in dangerous environment[J]. Coal Science and Technology, 2017, 45(5): 1-8, 21. (in Chinese) |
| [47] | 胡祺林. 有压输水隧洞检测AUV的实时定位与在线构图[D]. 哈尔滨: 哈尔滨工程大学, 2020. HU Q L. Research on real-time localization and online mapping of an autonomous underwater vehicle for water tunnel inspection[D]. Harbin: Harbin Engineering University, 2020. (in Chinese) |
| [48] | WANG H R, WU X F, CHEN Y C, et al. Diversion tunnel structural inspection and assessment using a robotic system[C]// 38th IAHR World Congress. Panama, 2019: 6171-6176. |
