基于視覺檢測的智能橋梁檢查車設計與分析

梅仕偉，羅 祎，孔令俊，劉 軍，李文斌

(1.株洲時代新材料科技股份有限公司,湖南 株洲 412007; 2.中鐵大橋勘測設計院集團有限公司,湖北 武漢 430056)

隨著我國公路建設的蓬勃發展,橋梁在公路中所占比重越來越大,其中變截面梁也運用的越來越多。為了及時了解變截面梁的健康狀況,查清橋梁病害種類及測量病害大小,需要配置專門的檢修裝置。目前公路橋梁檢修裝置主要有兩種,一是采用橋面的汽車載式橋梁檢測車來檢查,但需要交通管制占用車道,且橋梁檢測車的檢查平臺是單臂懸掛式,存在安全風險[1];二是采用懸掛在梁底的軌道式橋梁檢查車來檢查[2-3],邊停邊檢。上述兩種檢查方式采用的依然是傳統的人工檢查存在高空作業危險性,且梁體為變截面,其檢查平臺須時刻升降,效率非常低下。為了提高變截面梁檢查效率和檢查工作安全性,采用智能檢測代替人工檢查就顯得十分必要。本文以G312合六葉公路橋為研究對象,提出了一種基于視覺檢測的變截面梁智能檢查車。

1 總體設計

橋梁的養護工作大部分是橋梁的檢測或檢查,只有在確定需要維修時才會專業維修。在具備橋梁維修平臺的基礎上,擁有快速高效的檢測功能是本檢查車的總體設計思路。所以本檢查車擁有兩種模式:智能檢測模式及定點維修模式。日常檢查時采用效率高的無人智能檢測模式,專業維修時采用可近距離抵達的人工定點維修模式,很好地實現了檢修分離,有效地提高了橋梁養護效率及檢查工作的安全性。具體如圖1所示,本檢查車采用了懸掛在梁底的固定軌道式檢查車布局,由車體平臺和視覺檢測平臺組成。車體平臺是整個智能檢查車的承重主體,保留了橋梁檢修平臺功能,檢查工作人員能利用此平臺對變截面梁進行升降近距離抵達維修。視覺檢測平臺搭載在車體平臺上,在不需要車體平臺升降的情況下,自動全覆蓋采集變截面梁的表觀圖像數據,進行智能病害識別處理,提供可定位、可量化、可追溯的可視化表觀病害清單,為后期橋梁定點維修提供數據支撐。

2 車體平臺設計

車體平臺主要由桁架結構、升降機構及行走機構組成。

2.1 桁架結構

桁架結構是檢修人員的作業平臺,通過行走機構懸掛在軌道上,主要由兩側的豎桁架及底部的橫桁架固接而成,整體呈“U”型與梁體輪廓一致,有利于檢查人員全方位維修作業。豎桁架內設置有爬梯和可旋轉打開的踏板,便于檢修人員站在爬梯或踏板上維修橋梁。橫桁架兩端與豎桁架固接,并作為檢修吊籃的初始承載平臺,且整體寬度大于檢修吊籃寬度,便于檢修人員進入吊籃。

為確保安全,對桁架結構進行了有限元分析[4]?？紤]最惡劣工況,即移動荷載(包含桁架結構內的移動荷載和檢修吊籃內的移動荷載)全部加載于桁架結構的右側。此時桁架結構內的移動荷載為5 kN,檢修吊籃右側荷載為5.5 kN(1/2檢修吊籃自重+吊籃內移動荷載),檢修吊籃左側荷載為2.5 kN(1/2檢修吊籃自重),并考慮附屬荷載5.5 kN、風荷載4.75 kN及桁架結構自重荷載。設定相關邊界條件后,計算結果如圖2所示,桁架結構最大應力為48.96 MPa,最大位移為1.66 mm,滿足使用要求。

2.2 升降機構

檢查車沿橋縱向行走,變截面梁體高度時刻變化,梁底檢修平臺也需要升降,以便適應變截面梁的高度變化需求。在橋梁工程上,升降驅動一般采用齒輪齒條驅動、絲桿絲錐驅動、電葫蘆驅動及鋼絲繩提升機驅動。齒輪齒條驅動精密度要求較高,結構復雜龐大且重量大;絲桿絲錐驅動精密度要求也較高,且升降距離短;電葫蘆驅動結構簡單,但一般用于單點升降;鋼絲繩提升機驅動不但結構簡單、安全可靠、環境適應性強,且常用于雙點升降,非常適合于梁底檢修平臺的整體升降,所以本檢查車的梁底檢修平臺采用鋼絲繩提升機驅動。

本升降機構由檢修吊籃、提升機、導軌、導向裝置及鋼絲繩組成。導軌安裝在兩個豎桁架的內側,提升機與導向裝置都安裝在檢修吊籃的兩側。提升機通過鋼絲繩帶動檢修吊籃沿導軌升降,導向裝置保證升降過程中不脫軌、不偏離。

為確保升降機構受載安全,有必要對鋼絲繩和檢修吊籃等關鍵部件進行校核。選用公稱直徑為12 mm的6×19S鋼絲繩,其最小破斷拉力為80.5 kN[5],參考GB 19155高處作業吊籃中的鋼絲繩安全校核公式:

(1)

其中,Zp為安全系數;FO為鋼絲繩最小破斷拉力,FO=80.5 kN;S為鋼絲繩最大工作靜拉力,S=4 kN;計算式(1),可以得出Zp=20.125,滿足鋼絲繩的安全使用要求。

然后對檢修吊籃結構進行了有限元分析[6]?？紤]最惡劣工況即移動荷載處于檢修吊籃中間,計算結果如圖3所示,檢修吊籃最大應力為22.99 MPa,最大位移為11.77 mm,滿足使用要求。

2.3 行走機構

行走機構共兩套,左右對稱布置,分別懸掛在兩條軌道上,主要由支架、電動機、減速器、行走車輪、水平導向輪及編碼器組成。行走機構既可單獨控制運動,也可兩套聯動。

支架為整個行走機構的承重構件,其余零部件都安裝在其上面。水平導向輪可有效限制檢查車行走時橫橋向竄動。行走車輪有主動輪和從動輪,主動輪與減速器、電動機相連,帶動行走機構運動,從動輪上安裝有編碼器,記錄從動輪行走的圈數,通過對比兩邊行走機構編碼器的數字,調節兩邊行走機構的運動狀態,使兩邊行走機構編碼器的數字相同,從而實現檢查車同步行走。同時編碼器也是檢查車視覺檢測平臺的空間定位模塊的重要組成部分,通過編碼器與相機的程序聯動,建立起兩者的空間位置關系,為圖像數據空間定位提供基礎。

為確保檢查車驅動可靠,有必要對電動機的驅動參數進行校核。檢查車在軌道上行走時,行走機構的運行阻力Pj主要由摩擦阻力Pm、坡道阻力Pα及風阻力PWI組成[7]。設定檢查車自重7 t,行走軌道最大坡度為2%及設計抗風等級為6級等邊界條件,計算運行阻力Pj為8 368.5 N。參考GB/T 3811起重機設計規范中的電動機的靜功率計算公式[8]:

(2)

其中,Vy為運行速度,Vy=0.17 m/s;m為電動機臺數,m=4臺;η為行走機構的傳動效率,η=0.9。計算式(2),可以得出:PN=0.4 kW。考慮啟動慣性力,取1.3倍功率放大系數,此時PN=0.52 W,這里我們選擇0.8 kW的電動機即可滿足要求。

3 視覺檢測平臺設計

視覺檢測平臺由視覺采集系統和數據處理系統組成。視覺視野覆蓋整個梁體的底面和側面,以便做到梁體表觀檢測的全覆蓋、無遺漏。

3.1 視覺采集系統

為實現梁底梁側外表面無遺漏采集的目標,采集系統采用組網式布置。組網式圖像采集系統是將多個陣列相機組合起來實現大場景的采集。

根據小孔成像原理,相機的成像視場公式為:

(3)

其中,h為攝影距離;α為視場角;d為視場覆蓋距離。為后續進行病害拼接處理,需確保沿橫斷面方向的相鄰圖像具有一定的旁向重疊度。旁向重疊度由進行方向的距離觸發控制,是影響圖像拼接處理和布置個數的關鍵參數[9]。計算公式如下:

L=d×(1-s%)×(n-1)+d

(4)

其中,L為橫斷面覆蓋范圍;s%為相鄰圖像之間的旁向重疊度參數;n為觀測完整的橫斷面所需要的采集單元個數。

根據變截面梁型特點,將梁體分為左翼緣板、左腹板、右翼緣板、右腹板及底板。其中,左翼緣板和右翼緣板的長度都為3.48 m,左腹板和右腹板最大長度都為7.77 m,底板長度為6.25 m。由于需要檢查車近距離抵達維修,檢查車的車體平臺離梁體僅為0.5 m,安裝在車體平臺的單個相機視野的橫斷面覆蓋范圍L是有限的,在高質量成像的要求下都達不到翼緣板的覆蓋范圍,為此我們選擇雙模組陣列相機,此時n=2;同時為保證圖像視野全覆蓋,旁向重疊度參數設置為s%≥20%。代入式(4)計算,得到的L能滿足翼緣板的全覆蓋要求,仍然不能滿足腹板及底板的全覆蓋要求,為此需要將腹板及底板都分割成兩部分。至此,整車共設置8個采集點,每個采集點采用雙模組陣列相機,具體如圖4所示。每個采集點的相機安裝參數如表1所示。

表1 采集系統參數設置

站點采集范圍水平視場角/(°)水平覆蓋范圍/m垂直視場角/(°)垂直覆蓋范圍/m偏轉角/(°)1左翼緣板99.03.5863.91.909.72右翼緣板99.03.5863.91.909.73左腹板上81.23.4663.92.520.04左腹板下96.04.5063.92.538.255右腹板上81.23.4663.92.520.06右腹板下96.04.5063.92.538.257底板左側111.33.2263.91.3715.958底板右側111.33.2263.91.3715.95

3.2 數據處理系統

數據處理系統旨在對海量的梁底表觀圖像數據進行管理和處理,由圖像定位模塊、病害篩選模塊、圖像拼接模塊及病害提取模塊組成。數據處理系統由計算機完成整個處理流程,無需人工干預,可在梁底數據采集完后不久得到處理結果。其中病害篩選與病害提取技術是數據處理系統的核心。

我們這里采用基于深度學習的橋梁表觀病害篩選算法。首先搭建了Yolo-v3的網絡結構[10],并對其anchorbox重新聚類,然后改進了重疊滑窗的篩選檢測技巧,使網絡掃描的重疊區域減少,提高了檢測速度,且能夠較為精準地定位病害的具體位置。最后,對網絡的超參數進行了細調,使網絡更加適應于橋梁病害篩選的任務。采用此算法的病害篩選結果如圖5所示。

橋梁病害圖像具有噪聲種類多、背景紋理復雜和分布無規律等特性,傳統的提取算法對于這類圖像不具有很好的魯棒性。因此本文采用了一種基于深度學習的橋梁病害提取算法。首先對U-net網絡模型進行改良[11],然后搭建并訓練了一個魯棒性強的病害提取神經網絡ShuffleNet_Crack網絡。采用此算法的病害提取結果如圖6所示。

4 試驗分析

4.1 數據準備

G312合六葉公路橋位于安徽省合肥市小廟鎮,是國內跨徑第一的內河變截面連續鋼箱梁橋,主跨長度為180 m。鋼箱梁橋的主要橋梁病害是涂層劣化[12-13],且由于該橋是新建橋梁,細小的涂層劣化病害可能不存在,為此試驗前準備了8個細小的人工偽造病害,其規格大小選擇10 mm×10 mm左右,并隨機貼上變截面梁上。

4.2 人工檢查

按照JTG 5120公路橋涵養護規范中的表觀檢查方法[14],檢查人員攜帶專業工具(如皮尺、鋼卷尺、照相機等)乘坐本檢查車利用人工維修模式近距離抵達檢測,邊停車邊檢查,具體如圖7所示。8名檢查人員檢查完180 m 主跨共花費137 min,發現15處橋梁病害。

4.3 智能視覺檢測

按照JTG 5120公路橋涵養護規范中的表觀檢查方法,采用檢查車的智能檢測模式,無需檢查人員和專業工具,不停車檢測,檢測速度保持在8 m/min,具體如圖8所示。智能采集完180 m主跨的圖像數據共花費22.5 min,發現20處橋梁病害。

4.4 對比分析

我們對人工檢查和智能視覺檢測所得的數據進行了對比,具體如表2所示。

表2 人工檢查與智能視覺檢測對比

通過表2,我們發現智能視覺檢測比人工檢查的病害檢測完整性更好,檢測效率更高,其病害識別及定位精度更高,且不需要檢查人員,避免了人工檢查的高空作業危險性。

5 結語

本文提出的一種基于視覺檢測的變截面梁智能檢查車,既能實現橋梁病害的無人智能檢測,又能為人工維修提供作業平臺,很好地實現了檢修分離,解決了以往公路變截面梁人工日常檢查時存在的檢查效率低、漏檢、高空作業危險性等難題。同時也為后續橋梁智能檢修設備研究提供了參考。