張勁泉，晉 杰,2,3，汪云峰,2,3，周 煒,2，劉智超,2,3

(1.交通運輸部公路科學研究院，北京 100088；2.運輸車輛運行安全技術交通行業(yè)重點實驗室，北京 100088；3.自動化作業(yè)技術交通運輸行業(yè)研發(fā)中心，北京 100088)

0 引言

隨著國民經(jīng)濟發(fā)展的需要以及國家經(jīng)濟實力的支持，一座座橋梁拔地而起，跨越江河湖海，聯(lián)通深溝峽谷，優(yōu)化交通基礎設施空間布局，推動現(xiàn)代化經(jīng)濟體系發(fā)展和交通強國建設[1]。根據(jù)《2021年交通運輸行業(yè)發(fā)展統(tǒng)計公報》數(shù)據(jù)統(tǒng)計，截至2021年末全國公路橋梁96.11萬座、7 380.21萬延米，比2020年末分別增加4.84萬座、751.66萬延米[2]。而且，不僅我國橋梁基數(shù)巨大，在《國家公路網(wǎng)規(guī)劃(2022)》[3]和《“十四五”規(guī)劃和2035年遠景目標綱要》[4]的推動下，公路橋梁也持續(xù)開展建設，中國公路橋梁總數(shù)穩(wěn)居世界第一。然而，當前公路交通也隨著機動車保有量快速增長，面臨著超載、重載、大交通流現(xiàn)象普遍存在的問題；同時，公路基礎設施長期承載能力有限，服役20～30 a的橋梁受限于設計、施工、養(yǎng)護水平將進入病害集中爆發(fā)期，服役超30 a的橋梁也接近橋梁總數(shù)的30%[5]；此外，我國仍是災害多發(fā)國家，地震、泥石流、強風等自然災害對于橋梁的影響也是災難性的[6]。因此，為了進一步保證交通運輸安全穩(wěn)定可靠，我國公路交通基礎設施發(fā)展從快速建設逐漸向養(yǎng)護管理趨勢轉(zhuǎn)變[7]：加強檢測養(yǎng)護水平專業(yè)化、信息化發(fā)展，完善數(shù)據(jù)采集、檢測診斷、維修處治技術體系，進而有效強化設施耐用性和可靠性[8]。

與此同時，作為國家主要基礎設施的橋梁，因損壞造成的社會影響和經(jīng)濟成本損失巨大[9]。2015年7月，美國加利福尼亞州I-10高速公路大橋由于大雨導致的洪水沖擊發(fā)生了嚴重的橋梁坍塌事故[10]。I-10高速是洛杉磯市通往菲尼克斯市的重要通道，橋梁坍塌事故導致單幅橋梁直接無法使用、數(shù)千名司機被困高速。后續(xù)橋梁重建過程期間，雙向車流被迫使用另一幅橋梁通行，或繞行將近200 km，嚴重影響跨州通行效率。2018年8月，意大利西北城市熱那亞的莫蘭迪大橋發(fā)生災難性坍塌[11]，橋上的數(shù)十輛轎車和卡車一并墜落砸向橋下的鐵軌，造成43人死亡、多人受傷。據(jù)調(diào)查，橋梁養(yǎng)護不善導致莫蘭迪大橋長期受海風硫化物和氯化物的腐蝕，承力主梁鋼筋腐蝕度達到68%，外側鋼筋構件腐蝕度達到85%；坍塌時橋梁整體受力鋼筋性能已降低50%。2021年1月5日，江蘇南通九圩港大橋梁遭受橋梁撞擊，導致橋梁坍塌[12]。橋梁坍塌不僅導致車輛、行人繞行通過，同時水運船只也不得不重新規(guī)劃航線。如圖1所示，橋梁破壞和坍塌的影響遠遠超過與橋梁施工相關的總體材料和財務成本，不僅對這些基礎設施造成可用性的限制，而且可能會導致對周圍道路網(wǎng)絡的強烈交通干擾，從而對道路使用者產(chǎn)生負面影響[13]。此外，橋梁坍塌還包括各種間接成本，包括但不限于生命損失、用戶延誤、替代路線規(guī)劃以及與繞道和交通延誤相關的間接經(jīng)濟損失。

圖1 各國橋梁倒塌案例Fig.1 Bridge collapse cases in different countries

雖然自然災害無法避免，但是隨著公路橋梁檢測規(guī)范日益完善、無損檢測技術(Nondestructive Testing，NDT)快速發(fā)展以及智能檢測裝備的進一步投入應用，及時評估、檢測和養(yǎng)護橋梁可有效減少修復橋梁的直接成本以及橋梁破壞后可能造成的財產(chǎn)和生命損失的間接成本[14-15]。在役橋梁服役安全保障仍存在較高需求，橋梁檢測與養(yǎng)護系統(tǒng)及技術有待進一步優(yōu)化。因此，本研究將以文獻綜述的形式從公路橋梁智能檢測技術、公路橋梁智能檢測裝備分析公路橋梁智能檢測現(xiàn)狀與現(xiàn)有問題，并以此提出進一步優(yōu)化公路橋梁檢測過程的思路。

1 公路橋梁檢測規(guī)范要求

我國現(xiàn)行橋梁養(yǎng)護體系包括橋梁檢測評定與管養(yǎng)護理等。根據(jù)公路橋涵養(yǎng)護規(guī)范(JTG 5120—2021)[16]，橋梁檢查應分為初始檢查、日常巡查、經(jīng)常檢查、定期檢查和特殊檢查。單孔跨徑大于150 m的特大橋、特別重要橋梁的定期檢查周期不得超過1 a，其余橋梁定期檢查周期不得超過3 a。包括對材料缺陷、性能缺陷和維護需求的各項要素至少完成近距離目視評估。

梁橋、拱橋、索橋雖然結構上各有不同，但是根據(jù)公路橋梁技術狀況評定標準(JTG/T H21—2011)[17]定期檢測內(nèi)容上都可以分為橋面系、上部結構、下部結構、樁基、其他構件，同時定義了5類橋梁技術等級：1類(完好)、2類(較好)、3類(較差)、4類(差)和5類(危險)。檢查員必須定期定量估計每個病害對于橋梁的影響程度(取決于病害的性狀、位置、分布等)，并且根據(jù)病害的發(fā)展情況通過驅(qū)動預測模型評估橋梁當前及未來性能[18]。公路橋梁常見的病害類型主要包括裂縫[19]、分層[20]、內(nèi)部間斷[21]、蜂窩[22]、表面間斷[21]、外觀異常[23]、剝落[23]、疲勞磨損[24]、鋼板銹蝕[21]、鋼筋銹蝕[25]、支座開裂[25]、鋼筋斷裂[23]等。

橋梁的檢測方式可根據(jù)是否損傷橋梁分為有損檢測和無損檢測。由于公路交通存在連續(xù)性的特點，無需大規(guī)模封閉道路的橋梁無損檢測在技術發(fā)展過程中更受管養(yǎng)業(yè)主的青睞。無損檢測主要是指在對被檢測物體不造成損傷的條件下使用多種物理手段，針對橋梁構件或材料的微觀、宏觀缺陷進行規(guī)范化、系統(tǒng)性、科學化的測量與檢測，評定檢測物體化學成分、力學性能及組織結構，對構件、材料的適應性得出綜合性的評價[26]。通過無損檢測對構件、材料涂層、幾何尺寸、是否有腐蝕、深層硬度、應力狀態(tài)等方面進行技術測定。其中，橋梁的裂縫檢測是橋梁安全檢測里的一項常見且重要的內(nèi)容[27]。橋梁裂縫的出現(xiàn)表明橋梁內(nèi)部可能己經(jīng)出現(xiàn)了安全問題。而且，橋梁過多的裂縫也會導致橋梁內(nèi)部的鋼筋水泥遭受外面空氣和雨水不斷地侵蝕腐化，最終可能導致重大的安全問題[28]。對于橋梁路面的裂縫，通過傳統(tǒng)的人工巡查或者路面檢測車探測的方法即可檢測和定位。但是對于橋梁側面和底面上的裂縫，僅采用人工目測方法往往很難實現(xiàn)。常見的方法是將檢測人員輸送到特定區(qū)域(如圖2所示，通過大型橋梁檢測平臺車車載的機械臂、特殊橋梁檢測平臺或特殊吊索實現(xiàn))，再通過人工目測為主的方法進行檢測[29]。這些方法雖然容易實現(xiàn)，但是存在較多局限，檢測的效率和質(zhì)量都很難得到保證。

圖2 基于人工目測的橋梁檢測方法Fig.2 Bridge inspection method based on manual vision

由于目視檢查方法的主觀性，不同的檢查人員可能會報告不同的檢測結果。遠距離目視檢查將限制檢查員只能注意到足夠明顯的表面缺陷；近距離的目視檢查則限制檢察員處在特殊的環(huán)境(包括受交通影響、高空或水下作業(yè)、有限的視角、照明條件不足等情境)，兼顧自身安全的同時仍需要評估、定位、記錄橋梁構件病害，多任務處理也會影響檢查員的焦點和判斷，進一步影響人工檢查的可靠性[30]。此外，公路橋梁通常是公路交通的關鍵節(jié)點，交通流量大且重型、大型運輸車輛占比多的特點也影響實際人工檢測的作業(yè)精度。與此同時，大量的橋梁檢測數(shù)據(jù)仍需要人工整理與匯總，橋梁檢測專家也需要大量時間精力從海量的檢測數(shù)據(jù)中定位影響橋梁性能的關鍵問題[31]。因此，隨著智能檢測技術的快速發(fā)展，橋梁基礎設施無損檢測越來越重視(半自主或完全自主)機器人設備的應用，進而使得橋梁檢測過程更加安全，采集速率更快，檢測數(shù)據(jù)更準[32]。

2 公路橋梁智能檢測技術

根據(jù)對公路橋梁基礎設施智能檢測技術的研究，機器人設備可搭載不同的傳感器實現(xiàn)橋梁內(nèi)部、外部構件的智能無損檢測。不同的無損檢測方法可根據(jù)橋梁結構的種類(預應力混凝土結構、鋼結構、磚結構等)，針對性地設計檢測方案[33]。常見的檢測方式可按原理分為基于機器視覺的橋梁病害檢測方法、基于電磁波的橋梁病害檢測方法、基于機械波的橋梁病害檢測方法、基于電磁傳感器的橋梁病害檢測方法、基于放射射線的橋梁病害檢測方法。

2.1 基于機器視覺的橋梁病害檢測方法

隨著人工智能技術的快速發(fā)展，機器視覺是當前智能裝備主流的公路橋梁表面病害檢測方法。其中，橋梁裂縫是結構退化的早期跡象之一，持續(xù)暴露的裂縫也將導致橋梁結構進一步惡化[34]。結構表面裂縫類型、數(shù)量、長度、寬度的分布情況也揭示了橋梁的病害惡化程度[35]，同時較細的裂縫檢測精度也是行業(yè)檢測的難點問題。

在早期階段，通過應用圖像處理方法，對直觀明顯的圖像特征提取相對容易。Tsao等[36]學者首先將病害系統(tǒng)和圖像特征相結合，實現(xiàn)了多類明顯混凝土病害的分類和檢測。該方法基于模糊集理論對圖像濾波，通過二值化及聚類方法提取裂縫信息。隨著計算機硬件和支持向量機(Support Vector Machine，SVM)方法的發(fā)展，Jahanshahi等[37]學者使用人工神經(jīng)網(wǎng)絡(Artificial Neural Network，ANN)和SVM對裂縫進行分類和提取。為了進一步提高SVM的性能，Li等[38]學者采用一種基于線性SVM的新特征選擇方法和貪婪搜索策略，檢測了由迭代Canny算子提取的輪廓圖像的斷裂區(qū)域，然后消除了非斷裂噪聲。Asjodi等學者設計了一種基于“弧長法”的橋梁裂縫提取方法分析裂縫模式特征。如圖3所示，該方法可以在整個圖像中估計裂縫區(qū)域，并測量裂縫特征，如裂縫寬度、裂縫長度和裂縫模式角度等[39]。

圖3 基于“弧長法”的橋梁裂縫提取方法Fig.3 Bridge crack extraction method based on “arc length method”

近年來，隨著計算機技術的飛速發(fā)展，深度學習逐漸融入到橋梁病害檢測中。目前，基于深度學習的檢測方法可以分為3類：基于圖像分類(Image Classification)的網(wǎng)絡、基于對象檢測(Object Detection)的網(wǎng)絡和基于語義分割(Semantic Segmentation)的網(wǎng)絡。

2.1.1 基于圖像分類的網(wǎng)絡

圖像分類是一種有效的病害檢測方法。Cha等[40]學者將卷積神經(jīng)網(wǎng)絡(Convolutional Neutral Network，CNN)應用于病害檢測和分類。該方法不僅對光線不均勻等不利因素具有良好的適應性，而且在辨別陰影和裂縫方面也表現(xiàn)良好。此外，Xu等[41]學者提出了一種基于分類網(wǎng)絡和滑動窗口的鋼箱梁疲勞裂縫識別方法。該方法由3個步驟組成：首先，使用滑動窗口方法剪切原始圖像；其次，構建深度神經(jīng)網(wǎng)絡，實現(xiàn)鋼箱梁裂縫、筆跡和背景3類分類；最后，利用訓練好的神經(jīng)網(wǎng)絡實現(xiàn)了裂縫輪廓的提取。該網(wǎng)絡能夠?qū)α芽p和筆跡進行分類，但應用在高分辨率圖像上的準確性較差。對比傳統(tǒng)圖像處理方法和深度卷積神經(jīng)網(wǎng)絡方法的特點，Dorafshan等[42]學者提出了一種結合AlexNet分類網(wǎng)絡和邊緣檢測的具體裂縫檢測方法。在同一時期，Atha等[43]學者還比較了不同尺寸滑動窗和不同分類網(wǎng)絡對鋼結構表面腐蝕檢測的識別能力。

2.1.2 基于對象檢測的網(wǎng)絡

目標檢測不同于圖像分類，不僅區(qū)分圖像分類，同時可以直接輸出目標像素位置。Cha等[44]學者基于F-RCNN(Faster Region-CNN)網(wǎng)絡完成了結構螺栓腐蝕、混凝土裂縫、鋼構件腐蝕和鋼結構明顯劣化病害的檢測和識別。試驗結果表明，在高性能GPU的支持下，多類別檢測的平均準確率達到87.8%，對500×375像素的圖像只需0.03 s，幾乎實現(xiàn)了實時檢測。結合遷移學習(Transfer Learning)和CNN網(wǎng)絡，Dung等[45]學者實現(xiàn)了鋼結構疲勞裂縫區(qū)域的檢測。在該方法設定的測試集中，檢測準確率達到98%，但該方法不能實現(xiàn)橋梁病害的實時檢測。

2.1.3 基于語義分割的網(wǎng)絡

與分類檢測網(wǎng)絡相比，分割網(wǎng)絡可以直接獲取目標物體的輪廓和相對位置。Zhang等[46]學者提出了一種表觀裂縫分割網(wǎng)絡CrackNet，并通過試驗證明了其準確性和有效性。考慮到CrackNet沒有池化層，Dung等[47]學者提出了一種基于完全卷積網(wǎng)絡(Fully Convolutional Network，F(xiàn)CN)的裂縫提取方法，該方法可以對線性裂縫實現(xiàn)90%以上的檢測精度。同時，該網(wǎng)絡也可以用于檢測混凝土剝離等病害?；谠贔CN上構建新的圖像特征融合層，Liu等[48]學者提出了一種基于U-Net模型的混凝土裂縫識別技術。如圖4所示，混凝土結構表面裂縫可準確分割識別。

圖4 基于FCN網(wǎng)絡的橋梁裂縫語義分割方法Fig.4 Semantic segmentation of bridge cracks based on FCN network

2.2 基于電磁波的橋梁病害檢測方法

基于電磁波的橋梁病害檢測方法通過特定設備發(fā)射不同種類的電磁波，在特定的介質(zhì)上發(fā)生反射和折射，并通過特殊的接收裝置檢測特殊的電磁波信號，進而發(fā)現(xiàn)橋梁內(nèi)部的異構情況。此類方法可以按照電磁波的頻率分為紅外熱成像法和探地雷達法。

2.2.1 紅外熱成像法

紅外熱成像方法是基于熱輻射和溫度檢測之間的一種檢測方法，其中物體的異形結構可以通過表面溫度分布的差異映射在圖像中[49-51]。該方法通過紅外攝像機測量測試元件發(fā)出的紅外輻射，如果目標材料是均勻的，則熱信號在物體中平穩(wěn)傳播，即無內(nèi)部缺陷；而對于有缺陷的物體，會導致熱信號的急劇變化，并定性分析橋梁結構內(nèi)部病害。

紅外熱成像技術有兩種類型：脈沖熱成像(Pulse Thermography)[50]和鎖相熱成像(Lock-in Thermography)[51]。脈沖熱成像使用短持續(xù)時間的能量脈沖并記錄熱響應，容易受到被測物表面發(fā)射率和光照的影響，同時對深層微小缺陷檢測精度較低。相比之下，鎖相熱成像使用單頻正弦熱激勵從記錄的熱圖像中找到反射熱波的相位和幅度。鎖相熱成像方法為噪聲抑制提供了更好的精度和效率，但測量頻率需要更長的時間。

2.2.2 探地雷達法

探地雷達(Ground Penetrating Radar，GPR)檢測方法通過分析電磁波在混凝土內(nèi)部傳播和反射情況判斷混凝土內(nèi)部結構[52-53]。如圖5所示，移動橋梁外部探地雷達檢測儀器，電磁信號通過天線發(fā)送到橋梁內(nèi)部。反射場的強度(振幅)與介電常數(shù)大小的變化成正比。當探地雷達沿地面移動時，可獲得具有深度信息的二維圖像。該方法可用于評估橋面厚度診斷、鋼筋和鋼筋束管道測繪、腐蝕評估和分層測繪。

圖5 基于探地雷達的橋梁面板內(nèi)部檢測方法Fig.5 Interior inspection method of bridge deck based on GPR

探地雷達是一種強有力的無損評估方法，可以有效適用各種環(huán)境和條件[53]。然而，GPR在高導電性材料以及非均勻介質(zhì)條件下出現(xiàn)信號衰減或復雜散射的現(xiàn)象。另一個局限則是雷達檢測結果無法直觀表示檢測情況，需要大量的專業(yè)知識才能正確處理與理解。

2.3 基于機械波的橋梁病害檢測方法

基于機械波的橋梁病害檢測方法通過特定設備發(fā)射不同種類的振動，與橋梁結構在不同頻率上發(fā)生共振，并根據(jù)不同的信號接收頻率發(fā)現(xiàn)橋梁構件內(nèi)部的病害缺陷。此類檢測方法可以按照機械波的頻率和發(fā)射方式分為沖擊回波法、聲波發(fā)射法和超聲波檢測法。

2.3.1 沖擊回波法

沖擊回波法(Impact Echo)是通過在結構的表面施以微小的沖擊產(chǎn)生瞬時應力波信號，并接收和分析機械波返回信號檢測橋梁內(nèi)部[54-55]。應力波沿球形方向傳播至結構中，并被內(nèi)部裂縫或空隙或界面以及結構的外部邊界反射?？拷矒酎c的位移傳感器用于檢測反射波到達時的表面位移。通過分析應力波的波速、波形、頻率等參數(shù)，經(jīng)過計算機處理技術得到頻譜圖，判斷混凝土構件的內(nèi)部質(zhì)量情況。當前沖擊回波源產(chǎn)生的沖擊持續(xù)時間范圍約為10～80 μs。較短沖擊時長的波頻范圍更廣，但振幅較低。因此，沖擊回波法無法同時兼顧檢測精度和混凝土穿透能力。

2.3.2 聲波發(fā)射法

聲發(fā)射(Acoustic Emission)是利用應力波在混凝土或鋼板中傳播，根據(jù)其反射波的參數(shù)變化情況判斷構件的厚度及損傷情況[56-57]。該方法以彈性波的形式產(chǎn)生能量，這些波以圓形模式從裂縫尖端附近向外輻射，通過附在構件表面的傳感器獲取。為了定位裂縫并消除噪聲源的干擾信號，將傳感器以幾何陣列放置在待測構件上。聲發(fā)射方法在軋制型材、板材、焊接連接件和纜索配件等鋼構件檢測中效果明顯。然而，該方法只能用于檢測橋梁淺層的缺陷。同時，聲發(fā)射檢測方法需要較為復雜和經(jīng)驗性的設備布設方法。

2.3.3 超聲波檢測法

超聲波檢測(Ultrasonic Testing)在各類橋型損傷檢測中的應用均非常廣泛[58-60]。如圖6所示，該方法可用于檢測地下體積缺陷，包括夾渣和簇狀孔隙度、表面斷裂缺陷和材料厚度，以測量腐蝕和施工誤差。同時，該方法還可用于斜拉索和鋼筋束錨固區(qū)的斷線檢測。超聲波檢測方法使用的工具包括脈沖發(fā)生器、接收器、電子信號控制器和耦合裝置。在這種方法中，使用頻率超過可聽范圍的超聲波對結構部件進行測試。超聲波檢測器上的反射波包括地下內(nèi)部缺陷情況以及表面的精確距離。

圖6 基于超聲波的裂縫檢測方法Fig.6 Crack inspection method based on ultrasonic wave

電子脈沖的特定振幅和頻率通過連接到壓電晶體探針的引線產(chǎn)生。根據(jù)產(chǎn)生波的類型，存在兩種類型的換能器：直波束換能器和角波束換能器。直波束換能器產(chǎn)生由交替的原子層組成的壓縮波，這些原子層由于彈性運動而膨脹和壓縮。角波束換能器產(chǎn)生剪切波，該剪切波與波運動方向成直角振蕩。超聲波換能器的接觸與被測件表面之間存在氣隙可能會導致波散射。因此，需應用凝膠耦合劑于表面加強原位粘合以防止波散射。超聲波檢測法檢測快速、成本適中，且該方法的準確性、便攜性和安全性都處在較高的水平。然而，該方法對于檢查非常薄的構件、易碎材料和具有復雜幾何形狀的構件效果較差。同時超聲波檢測法效率較低，探測深度與成像分辨率成反比關系，且內(nèi)部深層無損檢測效果一般。

2.4 基于電磁傳感器的橋梁病害檢測方法

由于鋼筋、纜索、鋼板等鋼結構具有導電、導磁的特性，同時此類鋼構件通常是橋梁主要承載應力的單元，因此，通過檢測鋼構件內(nèi)電場、磁場的變化也是有效檢測橋梁現(xiàn)役狀態(tài)的手段。常見的基于電磁傳感器橋梁病害檢測方法可分為渦流檢測法和漏磁檢測法。

2.4.1 渦流檢測法

渦流(Eddy Current)檢測方法是一種使用通電探針的無損電磁測試[61-62]。該技術使用并排放置在探頭上的渦流線圈檢測構件內(nèi)渦流。如圖7所示，當探頭放置在待測構件上時，探頭周圍會產(chǎn)生動態(tài)磁場。該磁場在以探頭為中心的待測構件中產(chǎn)生渦流。待測構件上感應的電流以圓形模式振蕩，并沿著與線圈中電流相反的方向流動。由于渦流會產(chǎn)生特定的幅值和相位，因此任何裂縫或不連續(xù)病害都會影響幅值和相位。然而，該方法只用于能產(chǎn)生渦流的淺層導電材料。而且，檢測出渦流的因素較多，仍需要后續(xù)評估專家深入分析。

2.4.2 漏磁檢測法

漏磁檢測(Magnetic Flux Leakage Testing，MFL)主要用于檢測懸索橋和斜拉索橋中纜索的缺陷。為了檢測包括腐蝕、斷裂、橫截面損失和鋼構件內(nèi)部的缺陷，通過使用強外部磁體對元件進行磁化[63]。磁場存在于磁體的探針之間，因此鋼元件中的缺陷導致材料中的磁場從其磁通路泄漏，磁泄漏通過放置在磁極之間的磁傳感器檢測。應用MFL方法檢測每根纜索的時間約為10～20 min，但是由于纜索表面準備和后勤保障時間，平均每根纜索的實際檢測時間約是半個工作日。同時，這種方法仍有一些其他的局限性，一個是強電磁場的安全性問題，另一個是地面電纜準備的成本問題。

2.5 基于放射射線的橋梁病害檢測方法

預應力混凝土結構及鋼結構橋梁深層病害檢測一直都是無損檢測研究的難點。隨著粒子放射設備逐漸便攜化和輕量化，基于放射射線的橋梁病害檢測方法可用于橋梁深層結構檢測，主要可分為射線檢測法和中子探針法。

2.5.1 射線檢測法

射線檢測法主要是使用X射線或伽馬射線產(chǎn)生待測區(qū)域的射線照片，以記錄厚度、裝配細節(jié)和缺陷的任何變化[64-65]。射線檢測法在結構工程中有著重要的應用，通常用于鋼構橋焊接處檢測。動態(tài)載荷下焊接接頭中的裂縫會進一步擴展并減小橫截面，直到焊接部件發(fā)生斷裂處。此外，該方法在檢測焊縫內(nèi)部氣孔、裂縫、夾雜物和缺陷的能力和準確性也具有較強的效果。

射線檢測設備由輻射源、膠片暗盒或數(shù)字平板探測器、透度計和膠片制作器組成。射線檢測的應用幾乎不需要表面處理。射線檢測最有效的應用是檢測肉眼看不到的表面缺陷。在這種方法中，待測構件受到輻射源的照射。根據(jù)材料密度，輻射以不同的速率傳輸，并在照相膠片或熒光屏上捕捉變化。射線檢測的X射線靈敏度為2%，即20 mm部件的最小可檢測空隙為0.4 mm。射線檢測法也可在實驗室環(huán)境內(nèi)檢測斜拉索中的斷線。射線檢測方法的主要缺點包括操作速度慢、成本高、輻射風險高以及復雜的檢查員特殊培訓。

2.5.2 中子探針法

檢測氯化物的中子探針也稱為即時伽馬中子活化(Prompt Gamma Neutron Activation，PGNA)，這種無損檢測方法確定混凝土中輕元素(Ca，Si，F(xiàn)e，Cl，S，Al)的組成[66]?；炷林羞@些元素的含量提供了對混凝土一般結構狀況的評估。用便攜式鈾中子源對混凝土的給定部分進行中子輻照。如圖8所示，輻照過程會使每個元素都會產(chǎn)生一個特征伽馬射線，由高純鍺探測器檢測和計數(shù)。

圖8 基于中子探針法的橋梁檢測方法Fig.8 Bridge inspection method based on neutron probe method

然而在實際應用中，為了保障高純鍺探測器免受中子的輻射損傷，較厚的LiF保護層導致整個設備的質(zhì)量都較重，不太方便移動。同時，操作設備的專業(yè)程度和安全保護程度也有較高的需求。

3 公路橋梁智能檢測裝備

公路橋梁智能檢測裝備依托智能檢測技術及自動化機器人技術發(fā)展，針對檢測過程中特定的操作模式、電源、數(shù)據(jù)采集類型和精度需求，設置特殊的結構、尺寸和功能設計。根據(jù)需要檢查的區(qū)域或構件，主要可以分為以下6種類型的公路橋梁智能檢測裝備：橋面自動檢測平臺、梁底檢測平臺、纜索檢測機器人、巡檢無人機、吸附式檢測機器人以及水下檢測機器人。各類型代表性的機器人及常規(guī)檢測區(qū)域如圖9所示。同時，各檢測裝備間也存在互補關系：(1)首先路面檢測需求與交通荷載直接相關，可主要基于路面自動檢測平臺實現(xiàn)檢測；(2)通過橋底檢測平臺可實現(xiàn)與路面檢測相對應的橋底檢測過程，結合橋面檢測平臺共同完成橋梁面板上下表面的檢測過程；(3)對于特大跨徑橋梁，纜索結構是連接橋梁面板的主要受力構件，各類纜索檢測機器人可有效實現(xiàn)檢測；(4)針對較高區(qū)域的纜索、橋塔等區(qū)域，仍需要巡檢無人機覆蓋更大范圍的橋梁檢測；(5)吸附式檢測機器人也可進一步解決無人機無法抵近觀察的痛點，同時也可以實現(xiàn)箱梁內(nèi)部的檢測；(6)針對水下基礎等特殊檢測需求，仍需要各類水下檢測機器人輔助檢測。

圖9 各類型公路橋梁智能檢測裝備Fig.9 Various types of intelligent inspection equipment for highway bridges

3.1 橋面自動檢測平臺

公路橋梁路面在服役期間直接受交通荷載沖擊與影響，同時在強風、地震等外界條件下極易發(fā)生局部變化。公路橋梁通常鋪設瀝青路面，其常見的路面檢測與監(jiān)測可視化方法技術主要包括高清相機、線掃描照相機、紅外照相機、雷達探傷儀、光度立體技術等[67]。因此，通過大量的檢測數(shù)據(jù)實現(xiàn)全面、準確、可靠的橋梁路面數(shù)據(jù)可視化采集，及時發(fā)現(xiàn)橋梁路面病害狀況和病害，分析橋梁結構早期損壞趨勢，實現(xiàn)智能化養(yǎng)護決策，可有效降低養(yǎng)護成本，避免橋體、路面大幅度翻修，減少對公路交通的影響，具有十分重要的經(jīng)濟效益和社會效益[68]。

2011年，美國俄克拉荷馬州立大學Lim等[69-70]學者為了解決橋梁面板裂縫檢測的問題，設計了一種基于Pioneer 3-DX輪式機器人的裂縫測繪系統(tǒng)ROCIM(Robotic Crack Inspection and Mapping)。該系統(tǒng)首先通過LMS-200激光測距儀實現(xiàn)二維地圖上的定位；然后基于(分辨率1 024×768)的日立KP-F83GV CCD相機實現(xiàn)道路環(huán)境的原始數(shù)據(jù)采集；最后，原始數(shù)據(jù)可通過高斯拉普拉斯算法檢測橋面裂縫并在全局坐標系拼接相關裂縫圖像。通過實際橋梁驗證，該系統(tǒng)的有效檢測裂縫可達到1 mm精度。然而，該系統(tǒng)需要提前封閉道路并引導交通流，且實際檢測效率和精度與傳統(tǒng)人工路面檢測仍有一定差距。

2013年，La和Gucunski等[71-79]學者設計了一種路面檢測機器人RABIT(Robotics Assisted Bridge Inspection Tool)，并在美國40多座大橋?qū)嶋H應用。RABIT機器人以Seekur電動四輪差速機器人作為移動平臺，首先通過兩個RTK GPS單元、一個前置激光測距儀、兩個側向激光掃描儀以及一個慣性導航單元實現(xiàn)定位與運動規(guī)劃；然后通過兩組聲學傳感器、探地雷達、高分辨率相機及全景相機收集橋板無損檢測數(shù)據(jù)，并通過無線通信傳輸?shù)截涇嚿系闹笓]中心進行在線數(shù)據(jù)處理；其中，高分率相機使用寬幅鏡頭并配備單獨的閃光燈，每隔61 mm收集一次圖像，檢測面積約為183 mm×60 mm，30%的重疊區(qū)域可用于后續(xù)圖像拼接。該系統(tǒng)能夠分析橋面常見的病害，并且可以通過后續(xù)組合數(shù)據(jù)進一步分析橋梁路面狀態(tài)。該機器人具有較強的獨立自主導航能力同時配備了較為先進的橋面?zhèn)鞲衅鳎墙?0年橋面檢測機器人的設計參考模型。然而，該機器人在高速模式下(僅應用探地雷達和相機傳感器)的最大移動速度2 m/s，仍需要對道路進行交通管制和部分封閉引導；而且，在全功能模式下不僅速度最快僅為0.5 m/s而且每隔60 cm需要駐車應用聲學陣列傳感器接觸橋面收集數(shù)據(jù)；同時，該機器人整體質(zhì)量較重，工作范圍僅支持橋面檢測，仍需要其他檢測設備和手段匹配其他橋梁部位的檢測。

2014年7月，內(nèi)華達大學雷諾分校(University of Nevada，Reno，UNR)副教授La建立了高級機器人與自動化(Advanced Robotics and Automation，ARA)實驗室，并基于RABIT類似的傳感器布設方法，與Gibb等[80-83]學者設計了另一套基于輪式機器人的橋面檢測平臺。相比于RABIT機器人，該機器人將探地雷達布置在平臺后方，以增大平臺前方PrimeSense深度相機可視角度和范圍，提高多傳感器協(xié)同檢測效率；配置車載運算和處理設備，可針對快速檢測過程中潛在病害位置進一步深入檢測；優(yōu)化了相機數(shù)據(jù)和雷達數(shù)據(jù)的分析和融合效果，并構建概率和相關性模型，聚焦梁內(nèi)鋼筋劣化跡象，結合歷史數(shù)據(jù)和多種無損檢測數(shù)據(jù)結果分析和預測潛在裂縫位置。該項目同時研究了人機協(xié)同、多機器人協(xié)同檢測方案的總體有效性，整體方案可通過提升檢測效率，較為明顯地減少道路封閉和交通引導的成本，進一步優(yōu)化橋梁路面檢測過程。

廈門公路事業(yè)發(fā)展中心與上海圭目機器人有限公司侯海濤等[84]學者研究了一種基于機器人的道路病害自動化檢測系統(tǒng)。如圖10所示，該機器人基于四輪獨立電機獨立懸掛的中尺寸底盤平臺，搭載基于面陣相機的道路表觀采集系統(tǒng)、基于三維探地雷達的道路結構層信息采集系統(tǒng)，并基于2D-3D視覺融合數(shù)據(jù)及特征分析道路表面及隱性病害。該機器人基于U-Net模型實現(xiàn)路面全覆蓋、結構全斷面檢測，并完成內(nèi)部病害厘米級定位；機器人運行速度最快可達20 km/h，也可實現(xiàn)低速車流狀態(tài)下的路面檢測；可跨越高度達100 mm，對于道路形變、錯臺等特殊應用場景也有一定適應性。

圖10 圭目輪式機器人Fig.10 Guimu wheeled robot

綜上所述，橋面自動檢測平臺可以實現(xiàn)橋梁面板相關病害的檢測，具有安全性高、穩(wěn)定度高、檢測設備及流程相對完整的特點。同時，相比于常規(guī)道路路面快速檢測系統(tǒng)，橋面自動檢測平臺針對橋梁結構檢測需求搭載了多種橋梁無損檢測傳感器，可以對于橋梁內(nèi)部結構及病害完成檢測工作。然而，橋面自動檢測平臺仍有以下難以避免的問題，需要其他多種設備共同實現(xiàn)橋梁的檢測。

(1)檢測范圍在整體橋梁檢測任務中占比較低：設備質(zhì)量較大，檢測范圍只能覆蓋橋梁面板及內(nèi)部淺層區(qū)域相關病害。

(2)封閉道路和交通引導成本高：設備移動速度和檢測方式受限，導致橋梁檢測必須對于引導交通流實現(xiàn)讓行或繞行等方式。

3.2 橋底檢測平臺

由于現(xiàn)有橋梁的承載屬性和常規(guī)受力方式，因荷載導致的次應力裂縫及病害會優(yōu)先出現(xiàn)在橋梁底部，進而向兩側甚至橋面發(fā)展[85]。因此，橋梁底部的病害檢測是有效檢測橋梁載荷影響的關鍵區(qū)域。然而，橋梁底部的檢測人員通常處在高空作業(yè)環(huán)境，檢測精度、穩(wěn)定度等均難以有效保證。隨著基礎設施無損檢測技術的發(fā)展，部分學者設計了多款橋底檢測平臺，此類平臺通常通過大型工作臂將高清攝像機送到橋梁底部，基于機器視覺實現(xiàn)橋底病害檢測。

2009年，韓國漢陽大學Oh等[86]學者設計了一套橋梁智能檢測機器人系統(tǒng)。該機器人基于小型貨車底盤改裝，配有特殊的機械臂和攝像機(分辨率640×480像素)，通過手動遠程控制實現(xiàn)橋梁底部的病害檢測。然而，在韓國京畿道省Gu-Haengju大橋檢測過程中，檢測機械臂末端存在明顯的搖動與傾斜；與此同時，成像過程需要車輛保持靜止，且單幅圖像面積僅有9.6 cm×7.2 cm，檢測效率明顯低于人工檢測。此外，該設備臂展較短，僅支持半幅單車道的橋梁底部檢測。

2011年，韓國高速公路公司Byeong-Ju Lee等[87]學者提出了一種基于視覺的橋梁檢測系統(tǒng)U-BIROS(Ubiquitous Bridge Inspection Robot System)。該機器人基于履帶式自行走輪的固定運輸?shù)妆P開發(fā)，以保證設備在移動過程中的穩(wěn)定性；通過液壓臂移動多組視覺檢測單元和匹配的補光照明設備，并根據(jù)兩側的超聲波測距儀和激光測距儀實現(xiàn)定位、定距；最終基于多組型號Canon Powershot G10(1 500萬像素)的高清相機在距離橋梁底部3 m的位置記錄裂縫的尺寸、形狀等信息。U-BIROS機器人可以實現(xiàn)雙車道寬度橋梁底部的檢測，并且通過一種自動追蹤暗點的方法估算裂縫深度。然而，該系統(tǒng)智能化水平較低，需要預先查看橋梁圖紙確定橋梁檢測范圍，并基于無線通信全程通過人工遠程操作機器人作業(yè)。

2017年，為了進一步優(yōu)化橋梁檢測平臺實際檢測的效率，由湖南橋康智能科技有限公司、湖南省交通科學研究院、湖南大學等學者設計了一款橋梁檢測機器平臺BIR-X[88-99]。該平臺結構主要可分為橋面行走底盤、液壓機械臂、末端機械手及傳感器。橋面行走底盤由重型卡車二類底盤為基礎改裝，可有效保障該機平臺在橋面上方的穩(wěn)定性與安全性。該平臺橋檢作業(yè)過程與傳統(tǒng)基于檢測車的作業(yè)過程類似，無需完全封閉道路，僅需要占據(jù)應急車道和一條慢車道。機械臂采用6061-T6鋁合金，可以以340 MPa的抗拉強度承重28.9 kg的機器手以及其檢測裝備。該液壓機器臂展開時能達到15 m的檢測半徑，可覆蓋單向三車道橋梁的底部檢測，末端振幅可控制到185 mm以內(nèi)。為了進一步抑制末端抖動，該平臺末端配有自穩(wěn)定平衡的UR10機器人搭載末端檢測裝備(10 kg以內(nèi))。檢測裝備集成了3個JAI Spark系列SP-2000C-CXP2高精度相機(30 fps，5 120×3 840像素)及85～135 mm鏡頭、北陽的UTM-30LX激光掃描測距儀及補光設備。BIR-X檢測數(shù)據(jù)可通過ORB(Oriented FAST and Rotated BRIEF)算法快速拼接圖像，并基于YOLO-lump和YOLO-crack雙網(wǎng)絡快速識別病害。然而，該設備在作業(yè)過程中不僅需要配備4名工作人員(車輛駕駛員、設備操作員、交通引導員以及安全管理員)，且橋梁細小裂縫等病害仍無法依靠設備實時同步檢測。

為了減少對于實際交通的影響，2018年法國里昂國立應用科學學院Sutter等[100]學者設計并由Mobilev Cranes公司定制化生產(chǎn)一種用于公路和鐵路橋梁的半自動機器人系統(tǒng)。該機器人可在法國鐵路橋排水渠通道(寬度70 cm)以5 km/h的速度，1.2 L/h的油耗行駛作業(yè)至多12 h；機器人作業(yè)期間由檢測員在車內(nèi)操作機器人及機械臂，并由橋測垂直臂和橋下水平臂的檢測終端(約2 000萬像素)不斷移動自動記錄橋梁病害。然而，在法國Sud-Europe-Atlantique高速列車線實際檢測過程，由于該設備不具備病害自動識別功能，為了減少后期橋梁病害判定的二次人工成本，操作員更傾向通過手動模式拍攝橋梁病害，每天僅拍攝約100～150張照片。此外，由于機器人平臺和機械臂尺寸按照法國鐵路橋梁設計，無法直接適用其他國家橋梁檢測需求。

2021年，意大利技術研究所D’Imperio等[101-102]學者設計、Cammozzi集團建造生產(chǎn)了一種基于遠程視覺檢測技術的橋梁檢測平臺RIUs(Robot Inspection Units)。如圖11所示，該機器人可依托82個支撐輪減少每個輪體對橋梁側底部的壓強，并穩(wěn)定驅(qū)動機器人在橋上移動；同時，17 m長的碳纖維機械臂可將高清傳感器覆蓋整個橋底；最后，通過14個高清攝像頭、超聲波風速儀、激光雷達以及多光譜視覺系統(tǒng)有效檢測橋梁病害。在意大利熱那亞San Giorgio大橋的使用過程中，該機器人可以連續(xù)工作9 000 s，剩余的電量(約占使用電池的25%)用于支持該機器人返回充電倉。然而，該機器人以特定大橋為設計目標，設備成本較高，難以直接匹配常規(guī)橋梁，而且支撐輪受力方式是否對橋梁有額外損傷仍有待考究。

圖11 意大利橋梁檢測平臺Fig.11 Bridge inspection platform of Italy

綜上所述，依托橋底檢測平臺可以較為穩(wěn)定地將無損檢測傳感器應用于橋梁面板下表面的病害檢測中，可有效解決人工橋底檢測風險較高的問題。此外，相比于傳統(tǒng)吊籃式或桁架式橋梁檢測車，橋體外機械臂無需載人的情況也可有效減少機械臂質(zhì)量，防止檢測平臺因側傾導致的側翻、墜落。然而，橋底檢測平臺仍存在以下幾類問題。

(1)智能化程度較低：受限于橋梁結構復雜，現(xiàn)有梁底檢測平臺大多需要人工遠程操作實現(xiàn)平臺機械臂展開及移動平臺的驅(qū)動，僅檢測終端實現(xiàn)自動化。

(2)檢測范圍和檢測精度有待提升：現(xiàn)有橋梁檢測平臺于橋下有效覆蓋半徑通常僅為10～17 m，無法滿足單向四車道20 m級的檢測范圍需求；此外，較長的機械臂會導致末端抖動難以有效抑制，無法滿足病害高精度的檢測需求。

(3)檢測效率低：現(xiàn)有基于橋面行駛的橋梁檢測平臺一般是在應急車道行駛，檢測過程通常需要格外占據(jù)一條車道，同時路側燈桿、防拋網(wǎng)、隔音壁等干擾較多，檢測效率相比傳統(tǒng)檢測方式無明顯提高。

(4)裝備適用性較差：部分橋底檢測平臺針對各國橋梁檢測情況或特殊橋梁設計，無法直接滿足其余橋梁實際檢測需求。

3.3 纜索檢測機器人

纜索結構是懸索橋、斜拉索橋重要的受力方式，也是支撐橋梁實現(xiàn)大跨徑快速通道的關鍵，直接關系大跨徑橋梁的安全與使用壽命。因此，為了確保索結構橋梁的使用安全，定期對于纜索的檢測和養(yǎng)護尤為主要。常規(guī)目視的檢測方式無論在檢測范圍還是檢測效果上都有一定的局限性。因此，隨著無損檢測技術的發(fā)展，便捷、可靠的檢測機器人也因此可以輔助技術人員評估纜索系統(tǒng)的材料和結構狀況，提升纜索的實際檢測效果，完善橋梁整體結構安全與穩(wěn)定。

南京郵電大學徐豐羽教授[103-113]負責的課題組從2011年開始纜索檢測機器人領域的研究，分別針對纜索結構設計了多款輪式纜索檢測機器人。纜索機器人通常包括3部分功能：使機器人維持在纜索上夾緊機構、使機器人向上爬行的驅(qū)動機構以及其他特殊需求(越障、防風、防抖等)。該課題組分別設計了包括以彈簧、磁吸等方式作為纜索夾緊機構，兩邊輪或三邊輪作為纜索夾緊后的驅(qū)動方式，同時對于纜索機器人的越障性能、抗震安全性、清洗維修也有一定研究。該系列機器人已在武漢軍山大橋、十堰漢江大橋等斜拉索檢測項目應用試驗。然而在實際應用過程中，夾緊機構過松可能導致機器人無法在纜索上處在穩(wěn)定狀態(tài)，夾緊機構過緊可能導致后續(xù)驅(qū)動過程磨損纜索表面。同時，對于相對地面角度過大的斜拉索或懸索，基于輪式的纜索機器人還存在驅(qū)動輪附著力不足難以爬升的問題。

針對輪式纜索機器人隨著負載增加可能損壞纜索及保護層的問題，韓國成均館大學的Cho等學者充分考慮了機器人與纜索接觸面積的實際關系，設計了基于履帶式機器人的纜索檢查系統(tǒng)MRC2IN[114-116]和MRC2IN-II[117-118]，可以有效提升機器人的負載能力和爬升穩(wěn)定能力，實現(xiàn)懸索結構的爬升和檢測。同時，該系列也充分考慮了吊索的絞合股結構，通過優(yōu)化履帶紋路提升機器人的穩(wěn)定性。此外，考慮了纜索檢測項目纜索數(shù)量較多的情況，該團隊為MRC2IN系列機器人設計了僅需10 min操作的快速拆卸裝置。然而，該機器人仍需要電纜連接，為爬升過程提供電力支持，最大檢測范圍未超過40 m。

為了增加纜索機器人的使用范圍，ARA實驗室的La和Nguyen等[119-120]學者設計了一種基于磁吸法的坦克式機器人。該機器人利用履帶內(nèi)永磁體產(chǎn)生的吸附力使機器人可以攀爬于各種彎曲、粗糙的剛結構表面，并跨越螺母、螺栓、凹角、凸角等障礙。然而，在測試過程中采用7.4 V 900 mAh的電池僅能支持該機器人不到1 h的續(xù)航。而且，對于鳥糞等不整潔接觸面，仍存在失去附著力的情況。

華南理工大學魏武教授等[121-125]學者充分考慮纜索結構，設計研制了一種具有高攀爬和機動性的蛇形拉索檢測機器人。該系列研究充分考慮了纜索設計結構及纜索圓周方向視覺檢測需求，通過正交連接和P-R連接設計了仿照蛇骨骼特點和運動機理的多個水平和豎直關節(jié)模塊；然后通過仿真數(shù)據(jù)優(yōu)化螺旋半徑、螺旋上升角、螺距等控制參數(shù)，實現(xiàn)蛇形機器人的螺旋式攀爬運動模型；最終通過頭部設置的多傳感器實現(xiàn)纜索表觀缺陷檢測。然而該機器人有較高的多關節(jié)協(xié)同要求和高控制算法復雜度，電池過熱容易導致個別關節(jié)卡死，進而影響整個機器人的攀爬移動。

纜索檢測機器人大容量的有效荷載一方面可以增加電池負載，提升纜索檢測機器人的有效續(xù)航時間，另一方面可以搭載30 kg重的MFL傳感器。為了充分提升纜索檢測機器人的有效荷載，香港中文大學鄭振糧等[126-127]學者研制了蠕動式機器人(Cooperative Climbing Robot，CCRobot)系列，目前已更新至第五代。CCRobot蠕動式機器人考慮了蠕蟲爬行的過程，分別設計了鎖定模塊和攀爬模塊兩個模塊。在攀爬過程中，機器人上方的4個夾持器夾緊拉索表面，實現(xiàn)機器人上部結構在不同維度上的鎖止。在第二代CCRobot-II機器人[128]上，通過引導輪和滑動框架提升該機器人的攀爬速度。第三代CCRobot-III機器人通過將兩個模塊分離，以鋼絲束方式連接，優(yōu)化機器人結構，進一步提升爬升過程載荷(除自身外40 kg的載荷)[129]。由于分體式前驅(qū)模塊與纜索障礙物發(fā)生接觸會降低爬升系統(tǒng)的穩(wěn)定性，第四代CCRobot-IV基于旋翼式前驅(qū)模塊提升了對障礙物(如螺旋肋、小型金屬配件等)的通過能力，并于李家沱長江大橋得到驗證[130]。在第五代機器人CCRobot-V設計中，通過協(xié)作式串行多機器人系統(tǒng)進一步提升橋梁纜索檢查和維護的有效性[131]。如圖12所示，該系統(tǒng)由攀爬前驅(qū)機器人、主檢查/維護機器人、多個纜掛機器人和電力傳輸系統(tǒng)組成，每個纜掛機器人具有50 kg的有效載荷。此類蠕動式機器人相比于輪式機器人有更高的有效載荷，然而復雜的動作導致行動速度較為緩慢。

圖12 纜索檢測機器人CCRobot-VFig.12 Cable inspection robot CCRobot-V

此外，2022年CCRobot研究團隊針對懸索橋主纜檢測設計了“攀登者I號”(Cooperative Climbing Robot-Main Cable Version I，CCRobot-M-I)[132-133]，如圖13所示。該機器人以懸索橋人工檢修通道上的扶手繩為攀爬載體，通過CCRobot系列的仿生蠕動方式前進，基于環(huán)抱式多攝像頭實現(xiàn)主纜全角度的圖像采集和病害檢測，為橋梁纜索結構全自動化、智能化檢測提供新方案。

圖13 主纜檢測機器人Fig.13 Main cable inspection robot

綜上所述，纜索檢測機器人可有效完成大跨徑橋梁纜索結構的專項檢測。此類機器人通過各種仿生手段實現(xiàn)特殊纜索結構的固定、攀爬、越障，近距離、高穩(wěn)定的實現(xiàn)纜索結構無損檢測，可解決常規(guī)人工纜索檢測過程中技術人員安全保障要求高，有效檢測范圍較低、實際可量化數(shù)據(jù)不足等問題。然而，在實際應用過程中，仍存在以下多項技術難點。

(1)纜索夾緊結構過松或過緊：由于纜索是圓柱形外表面，通常夾緊機構都會有一定程度的接觸不足，進而導致機器人輪式、履帶式等基于接觸摩擦的驅(qū)動方式無法有效傳遞機械扭矩；或者，過度調(diào)整接觸壓力導致對于纜索及表面保護層二次損壞。

(2)機器人有效載荷少：除了MRC2IN-II和CCRobot系列機器人有效載荷超過30 kg外，其他機器人無法搭載MFL傳感器，同時較少的有效載荷也導致無法攜帶足夠的能源支持設備大范圍的攀爬和檢測。

(3)檢測范圍近：纜索機器人通常受制于電纜的供電方式和電池的載荷質(zhì)量無法實現(xiàn)長距離的檢測，檢測范圍很難超過100 m的索結構。因此、主塔附近的懸索上部或連接主塔上方的斜拉索上部仍是現(xiàn)有檢測方法的盲區(qū)。

(4)多執(zhí)行單元系統(tǒng)魯棒性低：纜索機器人攀爬過程中，通常涉及多執(zhí)行機構模塊、多執(zhí)行機構、甚至多機器人協(xié)同操作，控制電路、邏輯算法都較為復雜。高空強風作業(yè)環(huán)境下，單一故障可能導致系統(tǒng)無法移動，甚至存在高空墜落風險。

(5)其他干擾因素較多：纜索表面存在導流槽等特殊結構，同時強風、纜索共振等問題也影響機器人攀爬、檢測過程的安全性和穩(wěn)定性。

3.4 巡檢無人機

隨著橋梁結構及尺寸不斷升級，大跨徑橋梁、高橋塔、高橋墩等橋梁構件定期檢測難度也逐漸增加?；跓o人機(Unmanned Aerial Vehicle，UAV)高機動性的特點，無人機快速檢查的各類方法正在逐漸取代僅依靠望遠鏡目視觀察的傳統(tǒng)檢查方法。無人機依靠不同的飛行方式(直升機式、旋翼式、混合式等)懸停于人工難以抵近的構件附近，通過視覺或其他無損傳感器實現(xiàn)橋梁病害的定位與識別。因此，基于無人機的橋梁檢測方法可以大幅度提高橋梁檢測效率，降低橋梁檢測成本[134]。

2007年，法國巴黎路橋?qū)W院Metni等[135]學者提出了基于小型無人直升機的橋梁結構檢測方法。該方法主要考慮了無人機在飛行過程中如何兼顧自身穩(wěn)定性與目標檢測姿態(tài)：首先從初始導航點在開闊的機器視覺環(huán)境內(nèi)計算移動路徑及檢測姿態(tài)；然后基于飽和函數(shù)計算控制無人機的懸停靜止狀態(tài)；最終通過視覺系統(tǒng)獲取待測目標信息矩陣。仿真試驗優(yōu)化參數(shù)方案后，以法國某座塞納河上高飽和交通流的高架橋為例，通過安裝在無人直升機攝像頭拍攝了幾分鐘的視頻序列。后續(xù)數(shù)據(jù)由橋梁檢查專家分析，部分清楚的數(shù)據(jù)處理后可實現(xiàn)0.1 mm寬度裂縫的檢測。該方法初步證明了無人機對于橋梁病害檢查的可行性，尤其驗證了在高飽和交通流情況下可以減少不必要封路及其他安全保障措施并開展橋梁檢測的可能性。然而，分析該設備在短暫的實際驗證過程，無人機懸停穩(wěn)定性和后續(xù)數(shù)據(jù)完整可靠性都仍具有較大的提升空間。

隨著微機電系統(tǒng)(MicroElectro Mechanical Systems，MEMS)技術的成熟，消費級旋翼無人機以及高分辨率圖像采集設備進一步推動基于無人機的橋梁檢測設備發(fā)展。Dorafshan等[136-137]學者通過對比攜帶Nikon COOLPIX L830的自研四旋翼無人機以及商業(yè)化Iris無人機和DJI Mavic無人機測試了四軸飛行器在不同條件下對于鋼構橋梁病害檢測的準確性。首先，在實驗室環(huán)境內(nèi)研究了不同表面光照可實現(xiàn)表面裂縫檢測的最大距離，光照較差時可檢測到細小裂縫的最大檢測距離為0.3 m，光照較好時可檢測到細小裂縫的最大檢測距離為1.1 m；然后模擬無GPS條件弱風環(huán)境可到細小裂縫的最大檢測距離，除了無GPS無法起飛的無人機外，弱風環(huán)境下可檢測到裂縫的最大檢測距仍可達到1 m；最后通過2次戶外實地檢測驗證無人機對于室外鋼構橋檢測性能：在第一次愛達荷州阿什頓的Fall River大橋測試中，無人機可識別部分裂縫，然而標記痕跡下的裂縫難以被有效識別。此外，無GPS信號下，10 m/s的陣風也將導致無人機幾乎無法返回有效畫面；在第二次普渡大學S-BRITE中心培訓設施的檢測過程比較了無人機檢查和人工檢查的效率，無人機實際檢測到的裂縫與人工檢測數(shù)量相差不多。然而，無人機在高精度裂縫檢測中將耗費更多的檢測時間，同時裂縫誤檢率也較高，仍需要后續(xù)人工修正。

由于室外環(huán)境無人機受風的影響較為明顯，多位學者嘗試不同的解決方案減少風的影響。Morgenthald等[138]學者充分考慮了風速和風向波動導致圖像質(zhì)量(6清晰度、噪聲、對比度、顏色還原度)的影響，基于雙塔流體動力學模型設計較為穩(wěn)定的無人機路線規(guī)劃，盡可能減少大氣湍流對無人機檢測的干擾。Ikeda等[139]學者設計了一種基于八旋翼的觸墻式無人機，通過適當?shù)慕嵌冉佑|橋梁或橋墩側面，以提升無人機在氣流情況下的抵近能力。然而該無人機受限于結構，僅能應用于較為平整的豎直平面，無法應用于梁底等水平平面。Myeong等[140]學者設計另一種基于觸墻式無人機的橋梁結構檢測方法。該機器人配備4個硅膠皮表面的輕質(zhì)輪結構，以較低的沖擊力軟著陸橋梁待測表面；同時可以使無人機沿著橋梁結構在豎直和水平方向移動，甚至在40°～80°的角度內(nèi)以更低的功耗攀爬。然而，待測表面的灰塵很容易導致無人機摩擦系數(shù)的下降，豎直攀爬在實際過程中仍存在攀爬距離上限，后續(xù)可考慮提升無人機扇葉尺寸，一組扇葉用于提供吸力，另一組用于提供上升的助推力。同時，受限于接觸輪結構，無人機在水平和豎直方向都無法橫向移動，只能通過脫離后重新著陸的方式調(diào)整方向。

此外，除了傳統(tǒng)視覺檢測方式，無人機仍可搭載其他無損傳感器增加橋梁檢測數(shù)據(jù)維度。Omar等[141]學者通過無人機搭載熱成像傳感器實現(xiàn)了混凝土橋面分層的自動檢測。無人機位于橋梁板面上方低空飛行，并通過高分辨率熱成像相機對在役混凝土橋梁進行檢測，檢測結果經(jīng)過增強處理后通過K-means聚類方法分割并識別目標閾值，以此構建面向橋面分層的二維熱成像條件圖。該方法可以在交通流正常通行地情況下，依托人工智能技術高頻率、低成本、全自動的實現(xiàn)橋梁快速評估。然而，受制于檢測方式，該無人機無法應用于車流飽和度較高的場景，檢測局限性較高。而且，該方法需要無人機在道路正上方懸停式飛行檢測路面，存在一定低空飛行碰撞和墜機風險，對于無人機操作員技術的要求較高。同時，無人機低空飛行也受國家、地區(qū)針政策影響，無法大規(guī)模開展應用。

針對橋墩、橋塔等高柱狀的混凝土結構，Ayele等[142]學者設計了一種基于無人機視覺的自動橋梁裂縫識別系統(tǒng)。該系統(tǒng)分別采用DJI Matrice 100 & DJI Phantom 4 Pro V2作為無人機平臺，可實現(xiàn)無GPS環(huán)境下的自主避障和巡航；通過搭載可7倍變焦的Zenmuse Z3云臺相機實現(xiàn)橋梁外表面數(shù)據(jù)的收集并同步構建3D模型；該橋梁3D模型不僅可用于橋梁區(qū)域無人機SLAM定位和導航，同時也可以定位疲勞裂縫數(shù)據(jù)，為后續(xù)基于深層數(shù)據(jù)驅(qū)動模型分析橋梁病害發(fā)展提供理論數(shù)據(jù)支持。以挪威東部Viken縣1座140 m高、混凝土結構的Skodsberg大橋為例進行試驗，通過Mask R-CNN算法提取裂縫模型并通過GNU圖像處理程序(GNU Image Manipulation Program，GIMP)將數(shù)據(jù)標記在檢測圖像中，供橋梁檢測專家完成后續(xù)評估工作。盡管如此，Ayele等學者認為無人機檢查目前仍只能作為輔助手段，難以完全取代人工檢查。此外，在該項研究中也發(fā)現(xiàn)，天氣亮度變化仍有可能導致基于視覺SLAM定位存在偏航和定位失準的情況發(fā)生；同時，橋墩、橋梁側板等裂縫通常涉及多個平面(甚至涉及曲面)，難以直接讀取裂縫長度、寬度信息，且無法直接與橋梁3D模型匹配。

為了解決非平面結構模型幾何畸變的問題，中南大學祝志恒等[143]學者通過圖像拼接和剛性轉(zhuǎn)換擬合等方法實現(xiàn)多角度平面在單一平面展開。然而，實際橋梁裂縫還可能出現(xiàn)在凹坑、曲面、不規(guī)則脫落面、拼接面錯位處等區(qū)域，若直接展開為平面，將存在圖像部分失真的情況。清華大學劉宇飛等[144-145]學者基于上述橋梁多曲面特性，設計了一種基于無人機平臺的多視角橋墩裂縫三維構建方法。該模型分別應用于DJI S1000+無人機平臺搭載佳能EOS 5D Mark III相機(分辨率5 760×3 840，并搭配35 mm鏡頭)以及DJI Inspire 2搭載DJI Zenmuse X5S相機(分辨率5 280×2 970，搭配15 mm/45 mm鏡頭)進行驗證。該模型首先考慮無人機拍攝圖像覆蓋率的問題，制定了一種多角度、多備選圖像采集的無人機飛行拍攝策略，并通過激光雷達建立三維點云模型；然后，基于該模型將識別裂縫投影到網(wǎng)絡化三維表面的三角形模型中；最終結合裂縫寬度特征序列，實現(xiàn)裂縫模型三維重建。如圖14所示，該模型以北京豐臺區(qū)永定河附近某橋墩為例，在光線均勻的時段內(nèi)(清晨或陰天時段)，分別距離橋墩1,1.5,2 m開展橋墩裂縫檢測。試驗結果驗證，該模型可有效校正非平面結構表面變形和幾何變形，并可以依托高精度擬合定位的原始3D裂縫性狀分析橋梁。然而，在實際檢測過程中，由于進一步靠近橋墩可能導致撞擊風險，多次檢測中最窄裂縫寬度僅為0.57～1.29 mm，仍需要長焦或光學變焦鏡頭進一步提高裂縫識別精度。

圖14 基于無人機視覺的橋墩多角度檢測Fig.14 Multi-angle inspection of bridge pier based on UAV vision

綜上所述，在橋梁檢測過程中通過無人機使檢測傳感器進一步靠近橋墩、橋塔等人工難以到達的區(qū)域，提高橋梁檢測的檢測范圍和精度，從而大幅度提高橋梁構件外部表觀檢查效率。現(xiàn)有無人機通常搭載視覺傳感器并輔以激光雷達等其他無損檢測方法，可有效降低橋梁檢測成本，提高橋梁部分特殊構件檢測周期，進一步提高橋梁檢測數(shù)據(jù)多樣性和檢測結果可靠性。然而，基于無人機的橋梁定期檢測仍存在以下問題。

(1)GPS信號丟失：受橋梁混凝土、鋼筋、鋼板結構影響，無人機在部分橋梁構件附近(尤其是橋梁底部)處存在無GPS信號或GPS信號弱的情況，僅依靠人工操作員遠距離操作存在較高的撞橋、墜機的風向。

(2)抵近難度較大：除了上述GPS信號影響外，橋梁底部及橋墩橋塔附近風向、風力變化較大，常規(guī)無人機抵近距離難以突破2 m范圍。

(3)檢測精度：基于無人機的橋梁檢測有較高的機載視覺/激光傳感器高精度檢測及SLAM建圖的需求，無人機實際應用中較難滿足有風環(huán)境下懸停的實時自適應穩(wěn)定性，進而導致基于無人機的檢測常用于明顯病害的檢測，細小病害檢測結果存在較高的誤檢率，仍需要大量人工后續(xù)確認。

(4)無人機續(xù)航能力：受限于無人機載荷和飛行穩(wěn)定性需求，無人機機載電池無法實現(xiàn)長時間的作業(yè)過程；通過電纜供電的無人機則難以保證拖掛狀態(tài)下飛行穩(wěn)定性和無人機檢測范圍。

(5)檢測范圍有限：無人機橋梁檢測范圍僅可應用于橋塔、橋墩、橋面、橋梁底部表面檢測，且難以完成精細化檢測任務，仍需要其他智能檢測設備接觸構件完成內(nèi)部無損檢測。

3.5 吸附式檢測機器人

為了近距離使檢測傳感器靠近并檢查梁底、橋墩、橋塔等人工難以觀察的橋梁構件，解決現(xiàn)有基于無人機的橋梁檢測技術檢測精度較低、穩(wěn)定度較低等問題，國內(nèi)外研究學者以吸附式機器人為平臺，通過遠程控制或自動路徑規(guī)劃等方式實現(xiàn)特殊環(huán)境的橋梁檢測。吸附式檢測機器人技術難點主要是解決混凝土、鋼結構等橋梁豎直外立面或水平下表面長時間吸附的問題，常見的吸附方式主要是磁力吸附、抓取式吸附、氣動式吸附等[146]。磁力吸附常用于鋼結構橋梁檢測；抓取式吸附則多用于軌道、壁架等；氣動式吸附則可應用于更為廣泛的材料上，減少對橋梁外表面的二次損傷。

澳大利亞悉尼科技大學Ward等[147]學者設計了一種基于磁吸附的尺蠖機器人(Climbing Robot Caterpillar,CROC)。該機器人通過兩組腳墊仿生尺蠖運動姿態(tài)向前依次蠕動，其中每組焦點都帶有3個獨立控制的磁性腳趾并配有力學傳感器。CROC以悉尼港灣大橋為例進行測試，可以通過直徑0.3 m以內(nèi)的檢修孔，也可以通過鉚釘緊密的橫隔板。在斷電的情況仍可以保持穩(wěn)定的吸附能力。同時，CROC搭配PrimeSense深度相機用于橋梁鋼箱梁內(nèi)部建圖、導航以及病害檢測。然而，該設備仍需要額外的線纜支持機器人動力供給和數(shù)據(jù)的傳輸，最多只能檢測10 m左右的范圍。同時，這些線纜可能會在機器人運動過程中纏結，進而導致設備功率限制和數(shù)據(jù)損失。

為了進一步提升磁吸式機器人的移動速度，ARA實驗室的Pham等[148-149]學者設計了一種配備磁輪的小型鋼構橋檢測機器人。該機器人通過每個車輪中36個釹磁缸使車輛可以吸附于鋼結構橋任意一個平整表面，并通過8個高扭矩伺服電機(525 g/mm)驅(qū)動4個車輪和4個軸使車輛可以在崎嶇地形上動態(tài)調(diào)整接觸面積高速驅(qū)動；然后，通過搭載的兩個視覺相機和一個TOF(Time of Flight)相機實現(xiàn)鋼橋和鋼結構進行可視化和三維結構檢測；檢測的數(shù)據(jù)通過無線模塊實施發(fā)送到基站機型后續(xù)處理。在實驗室測試過程中，2塊7.4 v 5 000 mAh的電池較難維持設備長時間的作業(yè)過程。此外，僅依靠磁輪結構僅能輔助機器人實現(xiàn)較為簡單的鋼面切換，無法直接應用于鋼結構橋梁復雜表面結構。

日本大阪市立大學Takada等[150-151]學者考慮了輪式機器人的可通過性，設計了一種無框的雙驅(qū)動輪橋梁檢測機器人(Bridge Inspection Robot Equipping Magnets，BIREM)。該機器人通過額外搭配可旋轉(zhuǎn)腳輪實現(xiàn)橋梁直角鋼橋面的移動，并且基于無框的磁輪設計可以實現(xiàn)螺栓、螺母等障礙物的越障。然而，在實際測試過程中鋼構件吸引力需求較高，后續(xù)仍需要考慮磁力更強的磁鐵。同時，其74 mm的輪距存在部分螺栓間距處無法吸附的情況，仍需要可旋轉(zhuǎn)腳輪調(diào)整。

然而，對于表面材料為混凝土的橋梁，無法直接通過磁力吸附在橋梁表面。南京郵電大學徐豐羽[152-153]課題組還設計了一種基于抓爪的橋梁檢測吸附式機器人。該機器人首先建立了粗糙壁面上尖鉤與微突起之間關系的數(shù)學模型；然后分析了3種不同情況下鉤爪的受力情況，并得出鉤爪穩(wěn)定抓取的條件；最后通過高分辨率工業(yè)相機和混凝土鋼筋檢測儀實現(xiàn)橋梁關鍵部位精細化檢測。但是，該款機器人檢測平臺不適用于快速大規(guī)模橋梁檢測，且容易對橋梁表面造成二次損傷。同時，該設備成本高昂，設備操作存在一定的危險性，容易從橋梁墜落摔毀，存在砸傷橋下行人、車輛的風險。

華南理工大學蔡釗雄等[154]學者設計并研發(fā)了一種基于蜘蛛式橋梁檢測機器人。該機器人通過每個觸角的真空抽壓裝置實現(xiàn)對于混凝土結構的吸附，并且通過6個四自由度的機械足交替開關帶動機器人前進，最終通過機器人底部的視覺傳感器實現(xiàn)橋梁病害的檢測。然而，該機器人機械結構、控制算法較為復雜，無法保證實際檢測過程裝備的穩(wěn)定性和安全性，不適合市場化大規(guī)模應用。

印度特里凡得瑯工程學院學者Sekhar和Bhooshan[155]為了進一步減少真空吸附對于混凝土的影響，設計一種基于風扇生成負壓的吸附式機器人。該機器人通過伯努利原理利用風管風扇制造局部真空創(chuàng)造機器人的吸附能力，并通過驅(qū)動輪在橋梁底部行走，依托機器人前方的檢測器實現(xiàn)病害的識別。該機器人無法在不同橋面結構間切換，且位于橋墩、橋塔等非平面豎直外立面時，風扇吸附的負壓無法提供足夠的附著力使驅(qū)動輪穩(wěn)定爬升。

韓國世宗大學Jang等[156-157]學者設計了一種基于機械對向壓力的環(huán)抱式橋墩檢測機器人。如圖15所示，該機器人通過4組對向的輪組及機械裝置有效固定在橋墩附近；4組高清攝像機(分辨率1 920×1 080)安裝在機器人上方，距離橋墩表面約250 mm，可在機器人爬升的同時以60 Hz的幀率記錄橋梁表面細節(jié)。以韓國江陵城Jang-Duck大橋15 m的橋墩為例，該機器人僅需要67.5 s即可完成橋墩單次面的檢測。然而，由于成本考慮，該機器人僅設置4組攝像頭，無法實現(xiàn)全橋梁面的檢測，后續(xù)仍需多次人工調(diào)整相機位置。同時，該機器人僅針對截面為圓形且直徑范圍有限的橋墩，無法應對其他截面的橋墩類型。此外，橋墩底部通常處在水下，仍需要其他的檢測設備補足水下檢測的空缺。

圖15 韓國環(huán)抱式橋墩檢測機器人Fig.15 Surrounding pier inspection robot of South Korea

綜上所述，基于吸附式橋梁檢測機器人可有效實現(xiàn)橋墩、橋底、箱梁內(nèi)部等人工難以靠近區(qū)域的近距離觀察，依托無損檢測技術及人工智能處理可以實現(xiàn)待測區(qū)域的高精度重建并完成相應病害的檢測。然而，吸附式檢測機器人通常依照特定區(qū)域的檢測需求設計，仍包括以下幾點不足：

(1)吸附穩(wěn)定性和越障通過性難以兼容：由于橋梁表面結構不同，吸附式機器人通過磁吸、抓取、氣動等方式的同時，仍需在銹蝕、表面灰塵較多的環(huán)境下跨越螺栓、螺母等障礙物，并實現(xiàn)曲面或者不同外立面的爬行，機器人難以同時兼顧吸附能力和運動能力，進而導致檢測效率較低，同時存在機器人墜落風險。

(2)機器人續(xù)航較短：受限于機器人吸附方式，其常規(guī)負載通常較小，進而導致通過電池維持續(xù)航的方式難以持續(xù)推進；基于線纜作為供能方式的機器人則通常受限于線纜長度和應用環(huán)境，箱梁內(nèi)的機器人甚至出現(xiàn)線纜打結導致的機器人死機的現(xiàn)象。

(3)橋梁表面結構完整性難以保障：吸附式機器人由于需要于橋梁表面通過各種方法的接觸，難以有效保證機器人作業(yè)過程不對橋梁表面造成破損。

(4)機器人自動化水平有限：現(xiàn)有的吸附式檢測機器人可以部分解決特殊環(huán)境內(nèi)自主驅(qū)動的情況，然而仍需要人工在橋梁下方、橋墩等位置布置機器人。

3.6 水下檢測機器人

部分橋梁架設于海河之上，其水下的墩柱和橋梁樁基是支撐此類橋梁的重要承力結構。與此同時，近年來橋梁因水文因素造成的橋梁損毀已成為橋梁倒塌失效的首要因素[158]。水下橋梁構件檢測方式仍以人工潛水員水下目視為主，檢測人員水下風險和整體檢測成本都較高。部分學者基于多種水下潛航器配置水下無損檢測模塊，研發(fā)橋梁水下檢測機器人，可遠程控制裝備檢測水下橋梁狀態(tài)[159]。常見的無人航行器(Unmanned Marine Vehicle，UMV)可以按種類分為無人水面艇(Unmanned Surface Vessel，USV)、無人水下潛航器(Unmanned Underwater Vehicle，UUV)和遙控水下潛航器(Remotely Operated Vehicle，ROV)。USV通常是一種水面航行或半潛式的船艇，通過水下部分設置的傳感器實現(xiàn)橋梁下部結構的無損檢測；UUV通常是指能執(zhí)行自動路徑規(guī)劃并通過無線信號傳遞信息的水下行駛的無系繩平臺；ROV通常指通過系繩的水下航行平臺，可實現(xiàn)實時控制和感知。

2009年，美國德州農(nóng)工大學Murphy等[160-161]學者為了進一步分析颶風Ike后德克薩斯州玻利瓦爾半島Rollover Pass大橋橋梁下部結構情況，通過3種UMV實現(xiàn)橋梁水下結構的檢查，并針對各類型機器人特點進行分析。3種機器人分別采用Sea RAI(USV)、YSI Ecomapper(UUV)和VideoRay(ROV)，并配有多種傳感器：Sea RAI配有DIDSON聲學相機(水下檢查)、3臺高清相機(水上導航)，鉛酸電池續(xù)航4～6 h；YSI Ecomaper配有慣性導航和聲納掃描器；VideoRay配有Blueview聲學攝影機。各種類型的UMV通常都需要配有1名操作員、1名橋梁檢查員以及1名目視安全員。在實際使用過程中，3款UMV可以基本上實現(xiàn)水下橋梁墩柱及基礎結構沖刷情況檢查以及周圍的碎片分布掃描。相比于另外兩款水下檢查器，USV可以在淺水區(qū)域及沿海區(qū)域運行，而且可以有效避開水下障礙物，然而該設備不僅在控制過程中要應對洋流變化也要應對水上風流變化。對于渾濁水域，USV和UUV搭載的聲吶設備可以有效成像，而ROV只使用一個攝像機，無法直接穿透1 m左右的渾濁水。此外，UUV在災后場景的航行過程中，較多的航道障礙物造成了接近50%的航行事故率。多款UMV在水下橋梁檢查過程中均表現(xiàn)出不同的特點，常規(guī)檢測條件可有效觀察、收集、記錄橋梁水下構件數(shù)據(jù)，但是在颶風、地震等災后環(huán)境下開展水下檢測仍有較多的局限。同時，水下檢測信息數(shù)據(jù)流較大，后續(xù)橋梁結構建模及數(shù)據(jù)分析等操作仍面臨較大的挑戰(zhàn)。

考慮裝備在水面上下行駛特性差異，德國不來梅雅各布大學Mueller等[162]學者設計了一款兼顧水面和水下運行的水下橋梁檢測裝備Muddy Waters。該機器人同時具有橫向和縱向的推進器，可針對不同障礙物有效避障；然后，通過搭載的多波束聲納、RGB-D相機以及自適應分辨率成像聲納系統(tǒng)實現(xiàn)不同水下能見度的檢查；最終通過遠程監(jiān)測的橋梁靜力學分析專家評估橋梁狀況。該裝備以Karl Carstens大橋為例，分析了橋梁結構相關區(qū)域的水位、土壤等信息。然而，水下橋梁檢測的精度明顯低于水上橋墩結構的檢測，針對水下橋梁結構裂縫等細節(jié)的研究仍有待進一步提升。

大連海事大學Li等[163]學者設計了一款水下無人檢測設備。該設備為了提升水下檢測設備視覺檢測能力，考慮了水下機器人計算資源有限的情況，基于YOLO V4為主體構建了一個輕量級卷積神經(jīng)網(wǎng)絡。該網(wǎng)絡通過MobileNetV3取代CSPDarkent作為主干特征提取網(wǎng)絡，并且調(diào)整MobileNetV3的特征層尺度，并將提取的初步特征層輸入到增強的特征提取網(wǎng)絡中進行特征融合。同時，在各種試驗環(huán)境中測試了每個網(wǎng)絡的病害識別精度和網(wǎng)絡的性能，并驗證了輕型網(wǎng)絡在橋梁水下結構損傷識別中的可行性。如圖16所示，無人檢測設備可實現(xiàn)清水環(huán)境、濁水環(huán)境和深水環(huán)境中混凝土裂縫的檢測。

圖16 大連海事大學水下橋梁檢測裝備Fig.16 Underwater bridge inspection equipment of Dalian Martime University

2022年7月，荷蘭DroneQ公司部署了加拿大Seamor Marine公司開發(fā)的型號為Chinook的ROV，用于檢測荷蘭鹿特丹Maassluis港的一座鐵路橋[164-165]。該橋位于河流出?？?，上方水流湍急、渾濁模糊，檢測難度較大，超過130 a未進行檢查。該機器人可以成功在狹窄的空間移動，并通過自動對焦高清攝像機實現(xiàn)港口底部橋梁基礎的檢測；同時，依托薩克遜大學研究的裝置測量了橋梁基礎厚度。試驗結果證明，高清圖像不僅記錄了老化橋梁基礎的狀況，還幫助養(yǎng)護單位和業(yè)主提供了長期養(yǎng)護計劃和經(jīng)費預算分配的可視化數(shù)據(jù)支持。

為了解決雨季后水流濁度過高且伴有漩渦水流的問題，悉尼科技大學Le等[166]學者開發(fā)了水下結構清潔和檢查的自主機器人系統(tǒng)(Submersible Pylon Inspection Robot，SPIR)。該設備首先通過爪臂剛性對接橋梁墩柱；然后使用基于高壓水流噴射的三自由度機械臂實現(xiàn)待測區(qū)域的清潔；最后通過攝像頭和聲納傳感器對待測結構3D重建和檢測。該機器人可在低能見度(可視距離50 cm以下)環(huán)境內(nèi)應用全自動化實現(xiàn)橋梁檢測，可替代潛水員執(zhí)行常規(guī)橋梁水下結構清洗和檢測。然而，該機器人與橋梁接觸過程的強度難以保證，有可能對橋梁結構造成二次損傷。同時，SPIR難以在水流流速過高的水下自動航行，仍需要人工駕駛員和安全員保證設備穩(wěn)定。

綜上所述，現(xiàn)有水下橋梁檢測設備主要均依靠各類無人航行器將水下橋梁無損檢測設備可以有效應用在水中。此類設備可以大幅度降低人工水下橋梁檢查潛水員的風險，在此基礎上可以提升水下橋梁結構檢測精度。此外，水下橋梁檢測機器人還可以在以下3個方面優(yōu)化：

(1)自主運行能力穩(wěn)定性：受風流、洋流影響較大，不僅船體自身穩(wěn)定性難以控制，洋流內(nèi)碎石的障礙物也呈一定動態(tài)特性，難以避障。

(2)水下可觀測能力：水下環(huán)境受光線渾濁度影響較大，仍需要多種無損檢測方法提高水下橋梁構件檢測精度和數(shù)據(jù)維度。

(3)設備專業(yè)性：現(xiàn)有設備通常是基于無人航行器增加部分水下傳感器實現(xiàn)橋梁水下結構觀察，僅個別設備針對水下橋梁等水下交通基礎設施。

4 總結與展望

公路橋梁檢測是保證橋梁結構安全穩(wěn)定的重要過程，智能檢測技術與裝備可進一步輔助橋梁檢測專家完成橋梁服役性能的評估。隨著人工智能和數(shù)字圖像處理技術的快速發(fā)展，人工目視檢測演化的機器視覺表觀檢測方法成為智能檢測裝備在公路橋梁外表面檢測的主要技術手段，不同類型的無損檢測方法也可進一步為橋梁內(nèi)部病害檢測提供數(shù)據(jù)支持，實現(xiàn)橋梁檢測數(shù)據(jù)可定位、可對比、可溯源、可監(jiān)督。與此同時，無人車、無人機、無人船、爬壁機器人等多類型智能檢測裝備已經(jīng)逐漸覆蓋多種橋梁構件檢測環(huán)境，檢測精度和病害識別效果也隨著無損檢測技術發(fā)展而不斷提升，突破傳統(tǒng)檢測中病害漏檢、檢測效率低等技術瓶頸。然而，根據(jù)當前裝備發(fā)展現(xiàn)狀及無損檢測技術水平可知，現(xiàn)有公路橋梁智能檢測裝備仍以半自動甚至人工主動操作的方式控制，尚無一體式模塊化智能檢測作業(yè)平臺實現(xiàn)檢測任務自主動態(tài)規(guī)劃、智能控制過程精細化操作、多設備檢測協(xié)同作業(yè)、多源數(shù)據(jù)同步融合分析等功能。如何依托一體式模塊化智能檢測作業(yè)平臺進一步提升公路橋梁檢測效率、優(yōu)化公路橋梁檢測數(shù)據(jù)的完整性和可靠性、實現(xiàn)橋梁檢測全過程智能化、信息化轉(zhuǎn)變?nèi)允钱斍皹蛄褐悄軝z測行業(yè)的重要難題。

為了進一步強化公路橋梁預防性評估養(yǎng)護體系，優(yōu)化公路橋梁檢測作業(yè)、數(shù)據(jù)采集、安全評估流程，及時、準確、全面地發(fā)現(xiàn)安全隱患，提高公路橋梁設施質(zhì)量和使用壽命，改善交通設施安全水平，一體式模塊化作業(yè)平臺可從以下幾個方面開展下一階段的研究：

(1)自動化驅(qū)動裝備：依托高精度實時定位、動態(tài)路徑規(guī)劃、多模塊智能協(xié)同控制、數(shù)字孿生等技術方法，實現(xiàn)一體式模塊化智能檢測平臺全過程(除裝備運輸與安全監(jiān)控外)自動化作業(yè)；依托多智能體集群系統(tǒng)協(xié)同控制技術，一體式模塊化智能檢測平臺下多裝備相互配合，實現(xiàn)橋梁集群式同步檢測。

(2)高效化過程檢測：針對橋梁特定結構障礙物區(qū)域，研發(fā)定制化裝備裝置實現(xiàn)避障、越障功能，提升行進間檢測效率，尤其是降低面向橋面承載的智能檢測裝備使用時間、減少橫向占道截面積，弱化橋梁檢測對路面交通的干擾；延長智能檢測裝備作業(yè)范圍，改進智能檢測裝備續(xù)航能力，提升智能檢測設備有效檢測時長占比；避免檢測裝備橋梁硬接觸，減少因裝備檢測導致的橋梁二次損傷；根據(jù)日常巡查、經(jīng)常檢查、定期檢查甚至災后特殊檢查需求，配置專項化檢測流程、裝備和技術方法。

(3)多元化數(shù)據(jù)分析：進一步提高病害檢測數(shù)據(jù)質(zhì)量，完善數(shù)據(jù)采集標準化流程，提升檢測設備最小可檢測范圍，減少檢測設備平均相對誤差，優(yōu)化病害定位精度及相對橋梁位姿關系；依托無損檢測多源異構數(shù)據(jù)，提升橋梁內(nèi)部病害檢測能力，完善多維病害數(shù)據(jù)融合分析能力；結合橋梁BIM系統(tǒng)和歷史病害信息，系統(tǒng)化分析評估橋梁安全狀況。