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家重點實驗室，天津 300350；2.雅礱江流域水電開發(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完成，并通過人工控制碾壓施參數(shù)和試坑抽檢法進行壓實質(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)量實時監(jiān)控系統(tǒng)，實現(xiàn)了碾壓施工參數(shù)(碾壓遍數(shù)、碾壓速度、壓實厚度和振動狀態(tài)等)全天候、精細(xì)化、在線實時監(jiān)控，破解了人工控制碾壓施工參數(shù)主觀性強、耗時費力的難題。連續(xù)壓實控制[5](CCC，Continuous Compaction Control)和智能碾壓[6-7](IC，Intelligent Compaction)等技術(shù)通過在碾壓設(shè)備上安裝加速度計和RTK-GNSS定位裝置，實現(xiàn)了碾壓施工參數(shù)的實時監(jiān)控和壓實質(zhì)量的自動反饋，有助于減少欠碾和過碾等質(zhì)量缺陷并提高碾壓效率。然而，CCC與IC方法均認(rèn)為被碾材料的壓實程度可由碾輪振動特性反應(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，碾壓參數(shù)和壓實質(zhì)量的實時監(jiān)控技術(shù)均無法解決人為因素干擾大的難題。

無人碾壓技術(shù)通過替代人工駕駛碾壓機作業(yè)，全面消除了碾壓過程中人為因素的干擾，對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]對碾壓機進行改裝，使得碾壓機具備自動駕駛功能；Song等[10]對復(fù)雜條件下的控制算法進行了深入研究，提高了循跡控制的精度；Yao等[11]改裝沖擊碾，提出了用于機場建設(shè)的無人壓實系統(tǒng)；Zhang等[12-13]設(shè)計了一種應(yīng)用于堆石壩的無人碾壓系統(tǒng)，并構(gòu)建了基于無人駕駛碾壓機的大壩智能壓實系統(tǒng)。然而，已有的無人碾壓大多采用外掛執(zhí)行機構(gòu)的方式進行改裝，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設(shè)備的耐久性和穩(wěn)定性發(fā)起了挑戰(zhàn)。

無人碾壓系統(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，壓實質(zhì)量、障礙物和碾壓機位姿是感知的關(guān)鍵內(nèi)容。目前壓實質(zhì)量感知主要基于碾輪振動特性反應(yīng)被碾材料的壓實程度，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、過渡料、礫石土心墻料等)壓實質(zhì)量的精準(zhǔn)感知。上述無人碾壓機障礙物感知多采用毫米波雷達進行障礙物檢測，無法精準(zhǔn)檢測障礙物的類型與位置；且無人碾壓機位姿感知未能考慮GNSS信號微弱條件下的誤差修正，易出現(xiàn)導(dǎo)航精度低等問題。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，本研究團隊已經(jīng)實現(xiàn)無人碾壓機碾壓軌跡的全覆蓋路徑規(guī)劃[14]；在碾壓參數(shù)動態(tài)優(yōu)化方面，已有研究實現(xiàn)了碾壓遍數(shù)、車速和振動狀態(tài)等碾壓施工參數(shù)的事前優(yōu)化[15]，但尚未實現(xiàn)在施工過程中碾壓施工參數(shù)的動態(tài)優(yōu)化，無法保證復(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]等算法實現(xiàn)無人碾壓機的循跡控制。但固定參數(shù)的控制算法無法適應(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，建立與無人碾壓機雙向通訊且交互友好、沉浸逼真的控制平臺對碾壓機運行性態(tài)及施工信息展示具有重要意義。數(shù)字孿生通過綜合運用感知、計算、建模等信息技術(shù)，對物理空間進行描述、診斷、預(yù)測、決策，實現(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，是人工智能快速發(fā)展的新生概念[18]，然而目前在智能無人碾壓領(lǐng)域的相關(guān)研究相對匱乏。

綜上，本文開展多料種復(fù)雜施工環(huán)境條件下無人碾壓系統(tǒng)的研究，需重點解決如下問題：(1)在感知層，現(xiàn)有的無人碾壓多基于RTK-GNSS和毫米波雷達對位姿與障礙物進行感知，如何對壓實質(zhì)量、環(huán)境障礙物和位姿進行多模態(tài)感知是一大挑戰(zhàn)；(2)在規(guī)劃決策層，如何在施工過程中實現(xiàn)碾壓施工參數(shù)的動態(tài)優(yōu)化以保證施工質(zhì)量和效率；(3)在控制層，如何動態(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，以友好、沉浸的方式展示碾壓機運行性態(tài)及施工信息。

針對上述問題，本研究深入剖析高心墻堆石壩施工特點，采用感知設(shè)備、執(zhí)行設(shè)備和控制設(shè)備統(tǒng)一設(shè)計和集成裝配的方式，融合先進人工智能技術(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駕駛艙原生集成式智能無人碾壓系統(tǒng)，并構(gòu)建了相應(yīng)的數(shù)字孿生平臺，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人碾壓系統(tǒng)

高心墻堆石壩原生集成式智能無人碾壓系統(tǒng)可從“原生”和“集成式”兩個方面解讀。“原生”是指碾壓施工過程中摒棄人的參與并實現(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)備等由本團隊統(tǒng)一設(shè)計并在出廠前以集成裝配的方式進行車體制造，以提升碾壓施工設(shè)備的耐久性與穩(wěn)定性；“原生集成式智能無人碾壓”是指在本研究團隊已有的智能感知、智能規(guī)劃決策和智能控制等研究基礎(chǔ)上研發(fā)，其中車體的控制是本團隊基于廠商提供的無駕駛艙車體底層控制協(xié)議根據(jù)BOA-PID研發(fā)的控制系統(tǒng)來實現(xiàn)。

在高心墻堆石壩碾壓施工過程中，精確感知質(zhì)量、位姿和環(huán)境信息，動態(tài)優(yōu)化碾壓參數(shù)并對碾壓機進行精準(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、毫米波雷達和計算機視覺等組成的感知體系實現(xiàn)對壓實質(zhì)量、環(huán)境障礙物和位姿的精準(zhǔn)感知；其中，壓實質(zhì)量采用本團隊提出的有效壓實功率ECP進行表針[19]，該指標(biāo)能適用于高心墻堆石壩中堆石料、過渡料、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)動態(tài)優(yōu)化算法，實現(xiàn)了事前碾壓軌跡的規(guī)劃與事中碾壓參數(shù)的動態(tài)優(yōu)化；其中，在碾壓施工前，采用本團隊提出的全覆蓋路徑規(guī)劃算法進行路徑規(guī)劃[14]，并在碾壓施工過程中采用本團隊提出的碾壓參數(shù)動態(tài)優(yōu)化算法對碾壓施工參數(shù)進行優(yōu)化[20]，主要包括碾壓遍數(shù)、碾壓速度、振動頻率和振幅等，以期實現(xiàn)壓實質(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，將動態(tài)變化條件下的控制誤差作為適應(yīng)度，通過BOA優(yōu)化PID參數(shù)，實現(xiàn)復(fù)雜條件下碾壓參數(shù)的精確控制。

圖1 原生集成式智能無人碾壓系統(tǒng)研究框架

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

圖2 原生集成式無人碾壓機多模態(tài)感知框架

(1)基于有效壓實功率(Effective compaction power，ECP)的壓實質(zhì)量感知。壓實質(zhì)量感知是原生集成式無人碾壓機的重要組成部分。實時準(zhǔn)確評估壩料(礫石土料、過渡料和堆石料)的壓實質(zhì)量意義重大且極具挑戰(zhàn)?？紤]到壩料壓實質(zhì)量與壓實能量密切相關(guān)，原生集成式智能無人碾壓采用本研究團隊提出的有效壓實功率ECP指標(biāo)評估土工材料壓實質(zhì)量[19]。ECP指標(biāo)是基于能量守恒原理對鋼輪的行走系統(tǒng)、振動系統(tǒng)、傳動系統(tǒng)進行動力學(xué)建模，計算碾壓機在碾壓過程中的功率損耗，從而分析出作用于壩料的有效壓實功率。ECP計算公式如式(1)所示：

(1)

式中ECP參數(shù)分為兩種類型：系統(tǒng)參數(shù)和動態(tài)參數(shù)。系統(tǒng)參數(shù)與碾壓機車體相關(guān)，可查閱碾壓機的參數(shù)手冊獲得，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為車體質(zhì)量，kg；g為重力加速度，m/s2；ξ和b為傳動系統(tǒng)的能量損失系數(shù)。動態(tài)參數(shù)與碾壓施工過程相關(guān)，可通過實時監(jiān)控系統(tǒng)測量得到，包括Pg、f、Ax、Ay、α、a和V。其中，Pg為發(fā)動機總功率，W；f為振動頻率；Ax為橫向振動幅度，m；Ay為縱向振動幅度，m；α為碾壓機俯仰角度，(°)；a為碾壓機移動加速度， m/s2；V為車速，km/h。本研究團隊提出的ECP指標(biāo)已被證明與粗粒料(如堆石料、過渡料)和細(xì)粒料(如心墻材料)的碾壓遍數(shù)和壓實質(zhì)量密切相關(guān)[19]，能夠輔助原生集成式智能無人碾壓機實現(xiàn)壓實質(zhì)量的精準(zhǔn)感知。

(2)基于擴展卡爾曼濾波的RTK-GNSS高精度位姿感知模塊。擴展卡爾曼濾波是一種非線性高斯系統(tǒng)的預(yù)測和濾波技術(shù)，通過預(yù)測和測量更新兩個基本步驟遞歸估計系統(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信號漂移時，采用擴展卡爾曼濾波對無人碾壓機的位姿狀態(tài)進行估計，有效增強了原生集成式無人碾壓機在復(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-毫米波雷達融合的環(huán)境障礙物感知。該模塊由相機和毫米波雷達組成，實現(xiàn)了在復(fù)雜施工環(huán)境中障礙物的精準(zhǔn)感知。相機用于采集碾壓機前后方實時畫面，并進行障礙物目標(biāo)檢測；毫米波雷達用于檢測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(只能檢測到是否有障礙物，不能區(qū)分是何種障礙物)。通過對相機與雷達的障礙物信息融合，實現(xiàn)了障礙物信息的精確感知。其中，機器視覺采用了YOLOv5算法[22]，它是一種單階段目標(biāo)檢測深度神經(jīng)網(wǎng)絡(luò)，具有預(yù)測速度快、準(zhǔn)確率高、體積小等優(yōu)點。采用毫米波雷達與相機的空間融合技術(shù)，將雷達檢測到的目標(biāo)位置轉(zhuǎn)換到圖像像素坐標(biāo)系下，與圖像識別的目標(biāo)檢測結(jié)果進行融合，實現(xiàn)空間上的統(tǒng)-描述，提升了障礙物檢測精度，融合過程如圖3所示。

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

2.2 基于全覆蓋路徑規(guī)劃和碾壓參數(shù)動態(tài)優(yōu)化的規(guī)劃決策方法原生集成式無人碾壓機智能規(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)動態(tài)優(yōu)化算法兩部分，實現(xiàn)了事前碾壓軌跡的規(guī)劃與事中碾壓遍數(shù)、碾壓速度、振動頻率和振幅等碾壓參數(shù)的動態(tài)優(yōu)化，如圖4所示。

圖4 原生集成式無人碾壓機智能規(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)劃用于生成碾壓機作業(yè)軌跡。碾壓軌跡需要實現(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。本研究團隊通過作業(yè)面分解、子作業(yè)面規(guī)劃、子作業(yè)面連通和任務(wù)分配四個步驟，研發(fā)了Boustrophedon-CMM-TSP全覆蓋路徑規(guī)劃算法[14]，實現(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人碾壓的軌跡規(guī)劃中。

(2)碾壓參數(shù)動態(tài)優(yōu)化。碾壓參數(shù)動態(tài)優(yōu)化是指基于當(dāng)前壓實質(zhì)量狀態(tài)，自動調(diào)整碾壓參數(shù)以保證碾壓施工質(zhì)量合格的條件下，提高壓實質(zhì)量均勻性和碾壓施工效率。本團隊提出了一種SGRPD(Spatial Global Rolling Parameter Decision)碾壓參數(shù)動態(tài)優(yōu)化算法[20]，并已集成入原生集成式智能無人碾壓參數(shù)動態(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)動態(tài)分析每個碾壓條帶每個子區(qū)域的壓實質(zhì)量(本研究中以2 m為長度劃分條帶形成子區(qū)域)，以最大化碾壓條帶的壓實質(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行模型的動態(tài)求解，實現(xiàn)對碾壓施工參數(shù)的動態(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控制器和被控對象組成。PID控制的數(shù)學(xué)表達式為：

(2)

式中：u(k)為k時刻控制器輸出；e(k)為k時刻誤差；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為測量周期。

然而，PID控制算法參數(shù)調(diào)節(jié)耗時費力，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PID控制算法的參數(shù)進行動態(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，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[25]。因此，本研究提出采用BOA動態(tài)更新PID控制參數(shù)，實現(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)每只蝴蝶都會隨機移動，或朝著散發(fā)出更多香味的最佳蝴蝶移動；(3)蝴蝶的刺激強度受目標(biāo)函數(shù)值的影響或決定。當(dāng)蝴蝶能感覺到其他任何蝴蝶的香味時并朝它移動，該階段稱為全局搜索；當(dāng)蝴蝶不能感覺周圍的香味時，蝴蝶隨機移動，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 原生集成式智能無人碾壓數(shù)字孿生平臺基于B/S架構(gòu)研發(fā)的原生集成式智能無人碾壓數(shù)字孿生平臺實現(xiàn)了碾壓施工過程中物理空間與孿生空間的雙向交互，集成了無人碾壓機施工作業(yè)過程中多模態(tài)感知信息、智能規(guī)劃決策與智能控制等功能，平臺界面如圖7所示。其中，物理空間與虛擬空間的孿生互動主要由車載控制器與遠(yuǎn)程平臺通過現(xiàn)場自主搭建的通信局域網(wǎng)絡(luò)進行雙向通訊實現(xiàn)。一方面，車載控制器將碾壓機作業(yè)信息(即空間坐標(biāo)、速度、振動狀態(tài)等)發(fā)送到數(shù)字孿生平臺上進行分析與展示，并存儲在數(shù)據(jù)中心；另一方面數(shù)字孿生平臺向車載控制器發(fā)送相關(guān)任務(wù)進行施工(即碾壓區(qū)域、碾壓遍數(shù)、車輛速度、搭接寬度、點火熄火和急停指令等)。因此，該平臺通過多模態(tài)智能感知體系為原生集成式智能無人碾壓物理實體創(chuàng)建精準(zhǔn)的孿生體，并通過智能分析模擬和預(yù)測其狀態(tài)和行為并做出決策，反饋控制原生集成式智能無人碾壓的作業(yè)過程。

圖7 原生集成式無人碾壓數(shù)字孿生平臺

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展試驗，壩料主要包括堆石料、過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)場構(gòu)建了應(yīng)用于工程現(xiàn)場多料種的原生集成式智能無人碾壓系統(tǒng)，并在施工現(xiàn)場開展生產(chǎn)性試驗。

3.1 原生集成式智能無人碾壓系統(tǒng)運行過程分析原生集成式智能無人碾壓系統(tǒng)運行過程包括事前全覆蓋路徑規(guī)劃、事中碾壓參數(shù)動態(tài)優(yōu)化、碾壓軌跡與碾壓參數(shù)控制、安全保障和質(zhì)量驗收等環(huán)節(jié)。取三種不同壩料的倉面對原生集成式智能無人碾壓過程進行分析。首先，操作員對原生集成式智能無人碾壓作業(yè)面進行軌跡規(guī)劃，規(guī)劃過程中考慮了靜態(tài)障礙物等環(huán)境信息；其次，原生集成式智能無人碾壓機在碾壓施工過程中實時感知壩料壓實質(zhì)量，并基于當(dāng)前的壓實質(zhì)量動態(tài)優(yōu)化碾壓遍數(shù)、車速和振動狀態(tài)等參數(shù)；然后，采用BOA-PID算法控制碾壓機按照優(yōu)化出的碾壓參數(shù)進行作業(yè)，作業(yè)過程中基于實時的環(huán)境感知信息進行安全避障；最后，碾壓作業(yè)完成，由系統(tǒng)生成碾壓質(zhì)量報告以進行驗收。原生集成式智能無人碾壓過程見圖8。

圖8 高心墻堆石壩原生集成式智能無人碾壓過程

3.2 原生集成式智能無人碾壓系統(tǒng)運行結(jié)果分析如圖9所示，原生集成式智能無人碾壓系統(tǒng)在兩河口大壩施工現(xiàn)場進行了90個倉面的生產(chǎn)性試驗，其中，30個堆石料倉面，30個過渡料倉面和30個礫石土心墻材料倉面。此外，選取了各分區(qū)工程前期各相似的30個人工碾壓作業(yè)倉面作為對比。為了量化原生集成式智能無人碾壓相較于傳統(tǒng)人工碾壓方法的優(yōu)勢，在完成每個倉面作業(yè)后，采用原位試坑檢測壓實質(zhì)量并計算壓實效率。每個倉面隨機選擇2～4個檢測點，獲取堆石料、過渡料和礫石土心墻料的干密度(g/cm3)，并以最薄弱的一點作為測試結(jié)果。以檢測值與設(shè)計標(biāo)準(zhǔn)值的百分比作為衡量壓實質(zhì)量的指標(biāo)，以單臺碾壓機的平均壓實效率(m2/h)作為衡量碾壓施工效率的指標(biāo)。

圖9 原生集成式智能無人碾壓機現(xiàn)場碾壓施工圖

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

圖10 生產(chǎn)成果統(tǒng)計

表1對統(tǒng)計結(jié)果進行了比較分析。結(jié)果表明，原生集成式智能無人碾壓系統(tǒng)在3種筑壩材料的壓實質(zhì)量和效率均優(yōu)于傳統(tǒng)壓實方法。與傳統(tǒng)的壓實方法相比，原生集成式智能無人碾壓方法的壓實質(zhì)量達標(biāo)率平均提高了2.42%(堆石料5.59%、過渡料1.12%、心墻料1.01%)，壓實效率平均提高了15.20%(堆石料20.03%，過渡料15.42%，心墻料10.17%)，壓實質(zhì)量均勻性(以倉面內(nèi)試坑檢測的干密度標(biāo)準(zhǔn)差為均勻性指標(biāo))平均提高了59.47%(堆石料66.67%，過渡料55.97%，心墻料55.77%)。分析優(yōu)勢來源主要包括三個方面：(1)所提出的原生集成式智能無人碾壓集成了全覆蓋路徑規(guī)劃算法實現(xiàn)了最佳碾壓路徑的規(guī)劃，確保了每個無人碾壓機具有相對平衡的任務(wù)；而人工碾壓時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，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人碾壓集成了碾壓參數(shù)動態(tài)優(yōu)化算法實時動態(tài)調(diào)整碾壓參數(shù)；而人工碾壓采用固定的碾壓參數(shù)進行作業(yè)，無法動態(tài)調(diào)整碾壓參數(shù)，導(dǎo)致壓實質(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 原生集成式智能無人碾壓和傳統(tǒng)碾壓對比表

4 結(jié)論

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

(1)提出了集成RTK-GNSS、加速度傳感器、毫米波雷達和機器視覺等在內(nèi)的多模態(tài)信息感知體系，實現(xiàn)了壓實質(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)動態(tài)優(yōu)化的智能規(guī)劃決策模塊，實現(xiàn)了事前碾壓路徑規(guī)劃和事中碾壓遍數(shù)、車速等碾壓參數(shù)的動態(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人碾壓數(shù)字孿生平臺，實現(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人碾壓系統(tǒng)已在大型水利水電工程中進行了生產(chǎn)性試驗，結(jié)果表明，相較于傳統(tǒng)人工作業(yè)方法，一次碾壓質(zhì)量達標(biāo)率提升2.42%，效率提升15.20%。

除土石壩外，碾壓機是碾壓混凝土壩、機場、道路等施工現(xiàn)場不可或缺的施工機械。這些土方工程的壓實目標(biāo)和施工場景與土石壩相似。原生集成式智能無人碾壓已經(jīng)證明了能極大提升該類土方工程壓實質(zhì)量和壓實效率，未來將進一步統(tǒng)計分析該技術(shù)產(chǎn)生的經(jīng)濟效益。因此，本研究所提出的原生集成式智能無人碾壓系統(tǒng)可推廣至碾壓混凝土壩、機場路基、道路施工。