重载铁路桥梁智能运维关键技术.pdf

第 63 卷 第 7 期2023 年7 月铁道建筑Railway EngineeringVol.63 No.7July 2023文章编号：10031995（2023）07000806重载铁路桥梁智能运维关键技术尹京1，2 潘永杰1，2 袁磊1，21.中国铁道科学研究院集团有限公司 铁道建筑研究所，北京 100081；2.中国铁道科学研究院集团有限公司 高速铁路轨道技术国家重点实验室，北京 100081摘要 我国铁路桥梁传统运维技术存在工作效率低、人为因素影响大等问题。现代信息技术、大数据、人工智能、工业机器人等高新技术快速发展，为桥梁运维技术的创新和跨越发展提供了机遇。本文根据朔黄重载铁路桥梁管养特点，通过顶层设计搭建实时、动态数据管理平台，研究基于平台管理的新型感知、智能算法、智能分析、辅助决策等关键技术，推进智能技术与运维作业流程的深度融合；通过将桥梁构件单元化和唯一化，实现基于 BIM+GIS（Building Information Modeling+Geographic Information System）可视化技术的桥梁全寿命周期信息关联与数据交互，形成重载铁路桥梁智能运维闭环管理体系。关键词 重载铁路桥梁；智能运维；感知；评估；BIM+GIS；辅助决策中图分类号 U239.4；U445.7 文献标识码 A DOI：10.3969/j.issn.10031995.2023.07.02引用格式：尹京，潘永杰，袁磊.重载铁路桥梁智能运维关键技术 J.铁道建筑，2023，63（7）：813.随着新一轮科技革命和产业变革孕育兴起，人工智能、大数据、云计算、物联网、北斗卫星导航等新技术加速突破应用，人类社会在经历了工业化、信息化之后正向智能化时代迈进。智能化已成为全球铁路发展的重要方向，是新一轮世界铁路领域的竞争热点和难点。中国铁路根据国内经济社会发展现状及交通强国的战略部署，正加快推进高新技术与铁路运输深度融合，全面提升智能化水平。朔黄铁路作为我国重载铁路的代表之一，具有行驶列车总重大、轴重大、行车密度和运量大等特点。为建设智慧重载运输体系，提升铁路运营管理水平，朔黄铁路2020年提出了智能重载运输整体技术框架顶层规划，旨在基于新一代信息技术和智能技术，实现运营、装备、运维、管理四大关键业务的智能应用。铁路桥梁结构是重载铁路基础设施的重要组成部分，在多年运维过程中已形成检监测、评估、决策、养修作业等闭环运维管理体系。然而，传统的铁路桥梁运维管理各环节主要依靠人工完成，如日常状态检查、劣化状态分析、电子表格信息管理、巡检计划、维修决策制定等往往依赖经验。针对以上问题，结合重载铁路运输和桥梁结构特点，本文以工程全寿命周期管养为目标，采用智能信息技术对朔黄重载铁路桥梁设施进行维修养护管理，系统研究铁路桥梁智能运维整体架构与各应用环节中的关键技术。1 铁路桥梁智能运维整体架构 朔黄铁路西起山西省神池县神池南站，东至河北省黄骅市黄骅港站，采用中-活载图式设计，2000年起分段开通运营，全线长585 km，其中桥梁总计384座，总长约78.5 km。沿线桥梁分布范围广、列车荷载较为明确、运维天窗点固定。结合长大桥群的集中管理需求，铁路桥梁智能运维系统整体架构可分为感知层、传输层、智能运维系统三大层，如图1所示。感知层是智能运维系统的基础，由不同传感器、检测设备组成，数据获取的丰富性、准确性、规范性将直接影响智能运维系统分析与决策应用效果；传输层根据感知技术特点和铁路网络安全管理要求，采用铁路专网、互联网、移动网等传输技术，将桥梁感知结果以标准数据格式汇入运维系统；智能运维系统可实现资源管理、业务处理和应用展示，包括资源层（巡检数据与监测数据、台账与历史档案数据、施工管理数据、其他来源数据等）、业务层（设备数字可视化、图像学习与状态评估等智能分析算法等）、应用层（大屏信息显示、趋势分析、状态评估、维修建议等）。收稿日期：20221026；修回日期：20230321基金项目：中 国 国 家 铁 路 集 团 有 限 公 司 科 技 研 究 开 发 计 划（N2022G021）；国家能源集团科技创新项目（GJNY-22-85）；中国铁道科学研究院集团有限公司基金（2020YJ087）第一作者：尹京（1983），男，副研究员，硕士。E-mail:第 7 期尹京等：重载铁路桥梁智能运维关键技术朔黄铁路桥梁智能运维系统作为工务智能运维系统（包含轨道、道岔、路基、桥梁、隧道等诸多专业）的子系统，前端基于VUE、Element UI等技术框架，后端基于 Spring Cloud Alibaba、Spring Security OAuth2.0、Spring Cloud Gateway、Spring Boot 等技术构建分布式微服务。系统前端发送HTTPS请求通过标准Restful API与后端进行数据交互，采用关系数据库和非关系型数据库进行数据存储，并提供接口和数据的鉴权访问，通过灵活搭建数据管理平台，为数据挖掘、业务赋能提供支撑。综上，铁路桥梁智能运维建设属于系统工程，涉及传统桥梁运维、计算机和人工智能、信息传输、工业机器人等多专业技术融合，所有业务紧紧围绕核心数据展开，需要规范化解决多源异构数据的获取、存储、融合、分析、交互，为各功能层之间、各模块之间的数据协同与交互提供必要条件。桥梁智能运维系统应采用顶层设计，系统平台为后期新检测设备和采集系统的数据接入预留接口，并支持功能模块扩展。2 智能感知 在铁路桥梁运维中，桥梁状态感知是“眼睛”，为后续评估、决策桥梁状态提供基础数据。本文感知层数据来源主要有三部分：基于移动GIS的桥梁巡检、基于自动化装备的桥梁检测和针对重点桥梁的健康监测。2.1基于移动GIS的桥梁巡检桥梁巡检是掌握全线桥梁状态的基本方法。传统的桥梁巡检方式已无法满足智能运维中数据高效交互的需求，在日常设备运维管理过程中，桥梁工队可采用基于移动GIS的桥梁巡检终端，实现巡检作业闭环管理流程的电子化、自动化、规范化，以及巡检病害结果数据的规范化、精准化记录、上传系统和作业人员路径管理等。病害记录属性列项应综合考虑后续专业评估和统计分析的需要，包含构件类型、检测指标、位置描述、物理量值、照片格式等。建立数字化数据采集管理规范体系，可为桥梁巡检作业和病害管理“减负”，提高作业效率，这是数据一体化管理的前提。本文采用 ArcGIS Mobile 作为移动 GIS 的地图引擎，将山西、河北两省行政省界图样作为标准底图和朔黄铁路沿线相关矢量数据（含沿线线路、桥隧相关设备空间坐标信息等），实现移动GIS用户空间信息展示和应用。移动GIS终端基于本地化设计，采用Sqlite移动开放式数据库存储数据，以减少作业时间内数据交互频率，提升终端易用性。2.2基于自动化装备的桥梁检测随着信息化、自动化、智能化技术在土木工程领域不断发展，出现了很多新式检测装备，如无人机、机器人等智能装备应用于铁路桥梁设备检测，可显著提高检测效率，降低人工作业强度，应用潜力巨大1-3。采用具有合理避障、导航和续航能力的无人机搭载具有三轴增稳云台的高清相机，通过合理的航迹规划和拍照参数设置，可实现梁体与墩柱等典型桥梁结构的自动化巡检。朔黄铁路桥梁无人机检查的作业位姿如图2所示。除可见光相机外，无人机还可搭载红外相机、激光雷达相机完成有特定需求的作业。对于需要抵近狭小空间内的作业，可通过增设防护部件等对无人机进行定制化改装，以确保装备飞行安全。导轨机器人适用于需要定点关注的桥梁，如钢桁梁等，并可搭载多种成像设备，对桥梁重点关注部位进行全天候移动式的外观检查，在不增加现场人员作业的情况下实现检查频次的加密。但机器人的作业受限于导轨的走行路线，需根据结构特点和巡查目标图2铁路T梁无人机作业位姿图1铁路桥梁智能运维系统总体架构9铁道建筑第 63 卷进行预先规划。比如，将无人机和导轨机器人两种巡检作业方式结合，对桥梁外围采用无人机巡检，对空间受限的隐蔽部位和检查频次较高的部位可发挥机器人的抵近优势，实现全方位检查。此外，各种检测装备发展迅速，种类多样，其他非接触检测技术和智能装备如水下检测机器人等，也可作为铁路桥梁状态智能感知的手段。2.3重点桥梁健康监测桥梁健康监测可获取桥梁结构状态的波形、数值、视频、照片等多源异构数据，通过顶层设计对相关数据建立统一接口规则，定义为标准化和结构化数据，通过传输层接入桥梁智能运维系统进行存储和深入分析，便于监测数据的统一管理和综合应用4。以朔黄铁路钢桁梁桥健康监测系统为例（图3），该系统基于J2EE运行平台，采用WEB服务器+系统服务器+数据库服务器的三层体系架构。主要功能包括数据采集、数据存储、数据传输、数据处理、自检程序等，采用与硬件设备相配套的软件定制开发。系统平台采用工业级实时操作系统，能够保证整个数据采集系统的可靠性、实时性、稳定性。3 智能分析 桥梁状态分析的数据来源主要包括检查、检测、监测数据。针对大数据的智能分析模式包括探索数据、预测与分类、聚类与降维三类，如图4所示。机器学习是计算机智能化的重要途径，采用合理设计的模型算法可对大批量数据进行分析识别及预判。基于机器视觉的智能识别是机器学习在桥梁表观数据分析中的热点之一。图像识别主要针对结构表观数字图像，采用机器学习的方法对图像进行增强、降噪、分割与特征提取，实现对铁路混凝土桥和钢桥表观典型病害图像的智能识别。针对每类病害建立典型病害图像样本库，根据图像特征和识别物理量的不同，采用相应算法进行智能识别。机器学习是一个持续渐进的过程，随着样本库的丰富，识别准确率将不断提高5-10。以铁路钢桥螺栓缺失和锈蚀病害为例，本文设计采用了非常高效的基于深度神经网络的YOLO算法。该算法为单阶段检测算法，模型网络见图5。YOLO的训练是基于直接对应于检测性能的损失函数，联合训练整个模型。虽然YOLO具有实时性，但它对边界框预测有空间限制，不能很好地执行小目标和密集群体预测，在培训过程中也面临着类别不平衡的问题。因此，后续尝试引入锚点机制、采用多尺度预测等算法进行改进。铁路钢桥螺栓病害特征识别如图6所示。图3钢桁梁桥健康监测系统拓扑结构图4大数据分析模式图5YOLO模型网络图6铁路钢桥螺栓病害特征识别示例10第 7 期尹京等：重载铁路桥梁智能运维关键技术4 辅助决策 铁路桥梁运维决策主要涉及桥梁设备大中修，也包含日常巡检计划等。传统决策时主要由具有经验的管理人员收集整理全年检查结果，结合病害评定等级、成本因素等，依靠经验做出分析和判断，形成来年的大中修决策。为了准确、有效提出桥梁养修决策建议，朔黄智能运维系统结合桥梁养修整治专业知识，建立了开放式的整治方案知识库，将来可不断丰富和完善方案库。该整治方案根据病害类型和劣化程度进行分类和细化，每个方案包括各自所需概算指标和大致施工时间等关键比选因素。将每个等级病害与一个或多个整治方案建立对应关系，实现整治方案自动关联，通过设置目标函数实现多因素方案比选推荐。在此基础上，系统会自动形成桥梁年度、月度巡检计划和桥梁年度维修计划建议，实现智能辅助决策。管理人员可通过评估分析模块中的桥梁设备病害趋势分析、空间分布统计、单元综合评价等自动分析结果，快速掌握区段内某一类病害的数量发展趋势与分布情况，严重病害集中发生的区段，以及全部桥梁设备基于状态劣化程度的排序，结合系统自动形成的养修建议，做出桥梁养修的建议方案。5 信息融合与可视化管理 桥梁设备信息应包括全寿命周期内的设计建造图纸资料、运维期间检监测评估结果、维修改造履历情况等。设备信息具有数据量大、涵盖面广、类型多样等特点，传统的表格化管理无法直观展示和快速整合这些信息。朔黄铁路采用了 BIM+GIS 可视化技术，通过建立运维期桥梁BIM模型，动态关联设备台账信息、检测数据、评估结果等信息，并与地理和倾斜摄影数据相融合，进而实现多维度信息“一张图”展示11。5.1制定统一编码规则桥梁统一编码是将桥梁设备、病害等类型对象赋予计算机识别的符号代码。朔黄铁路编码规则延续了国铁集团铁路工务管理信息系统的编码规则，同时参考了GB/T 374862019 城市轨道交通设施设备分类与代码12、TB 29661999 铁路运输设备分类与代码基本规定13、T/CRBIM 0022014 铁路工程信息模型分类和编码标准14等对桥梁设备分类的规定，结合朔黄铁路以简支T梁为主的结构特点，采用组合码方式，涵盖单位、线路、行别、线别、位置、设施设备、序号等代码信息，形成了适用于重载铁路桥梁设备的统一编码规则。根据病害种类和运维管理需要，将病害类型按设备对象差异分为桥面、钢梁、混凝土梁、支座、墩台、桥渡水文、涵洞、附属设施八大类，各类下级细分子条目及相应分级描述，最终形成重载铁路桥梁病害字典，为设备状态评估提供依据。5.2运维期BIM建模运维期 BIM模型需要综合考虑铁路桥梁病害特点、运维要求、设备现状等，便于评估与管理。BIM模型精度包括几何精度和信息深度。原则上模型精度应向高几何精度和高信息深度并进，全生命周期信息最终集成至BIM模型。然而，过高的几何精度会对软硬件配置要求高。此外，朔黄铁路已服役超过20年，其设计图纸等竣工资料均为手绘，难以实现基于BIM的设计、施工、运维各环节正向设计。本文基于竣工资料、运营后加固改造图纸以及现场实物图片等，对不同桥梁结构几何精度设置不同等级，细化主体结构表观和附属设施等运维关注设备，侧重提高运维期信息深度。根据朔黄铁路实际需要，运维期桥梁BIM构件颗粒度分类如图7所示。全线桥梁模型采用基于线路中心线的参数化建模方法，通过创建参数化构件族库，研发快速建模系统进行全线桥梁设备的装配式快速创建。快速建模技术路线见图8。图7运维期桥梁BIM构件颗粒度分类11铁道建筑第 63 卷5.3BIM数据轻量化三维可视化为保证展示加载效果流场，通常需要适当提高硬件参数，同时采用数据轻量化技术，降低数据加载体量。本文主要采用以下轻量化方法。1）模型拆分、模型打散和三角网简化，不破坏模型轮廓，从而降低顶点数量和三角面数量，提升加载性能、减少内存占用。2）共享单元、实例化、复用率高的模型使用点外挂。不简化精细层，对点外挂文件夹中LOD（Levels of Detail）层模型进行简模、粗模制作；通过相机远距离观察，加载LOD简模；通过相机近距离观察，加载精细层（未简化），从而达到模型轻量化和数据加载性能的提升。5.4数据信息交互为实现设备数字可视化，朔黄铁路采用BIM+GIS技术，将设备模型与地理信息场景融合，以BIM模型为载体，通过统一设备编码，建立信息与模型间映射关系，动态更新和实时交互展示设备台账信息、历史检测数据、分析评估结果、维修作业信息等，实现“一张图”高效管理和展示四大业务模块中的关键信息，为管理人员全面获取相关信息、及时了解现场情况、高效维护数据资料提供平台支撑。6 结论 1）重载铁路桥梁智能运维系统整体架构主要分为感知层、传输层、智能运维系统三大层，前端基于VUE、Element UI等技术框架搭建了实时、动态数据管理平台和应用，后端采用分布式微服务。2）桥梁状态智能感知可采用基于移动GIS巡检终端、无人机、导轨机器人等智能装备，以及重点桥梁健康监测系统，共同建立起基于大数据平台的检测、监测一体化管理模式。3）针对铁路混凝土桥和钢桥表观典型病害，可根据图像特征和识别物理量的不同，采用相应算法进行智能识别，实现对图像的智能识别。4）将桥梁构件单元化和唯一化，采用参数建模技术可实现运维期桥梁BIM模型快速建模，结合数据轻量化实现基于BIM+GIS可视化的桥梁全寿命周期信息关联与数据交互，最终形成重载铁路桥梁智能运维闭环管理体系。参考文献1 李丹，王威.无人机检测系统在桥梁检测中的应用 J.交通世界，2020（17）：6-7，10.2 柏江源.基于无人飞机成像的桥梁裂缝宽度识别技术研究J.科技创新导报，2020（15）：18-20.3 杨扬，王连发，张宇峰.无人机桥梁检测技术进展与瓶颈问题分析 J.现代交通技术，2020，17（4）：27-32.4 吴刚，陈志强，党纪.桥梁智慧运维 M.北京：人民交通出版社股份有限公司，2022.5 钟新谷，彭雄，沈明燕.基于无人飞机成像的桥梁裂缝宽度识别可行性研究 J.土木工程学报，2019，52（4）：52-61.6 CHA Y J，CHOI W.Deep Learning-Based Crack Damage Detection Using Convolutional Neural Networks J.Computer-Aided Civil and Infrastructure Engineering，2017：1-18.7 沙爱民，童峥，高杰，等.基于卷积神经网络的路表病害识别与测量 J.中国公路学报，2018，31（1）：1-10.8 韩晓健，赵志成，沈泽江.卷积神经网络在桥梁结构表面病害检测中的应用研究J.结构工程师，2019，35（2）：106-111.9 CHA Y J，CHOI W，SUH G，et al.Autonomous Structural Visual Inspection Using Region-Based Deep Learning for Detecting Multiple Damage TypesJ.Computer-Aided Civil and Infrastructure Engineering，2018，33（4）：1-17.10 赵欣欣，钱胜胜，刘晓光.基于卷积神经网络的铁路桥梁高强螺栓缺失图像识别方法 J.中国铁道科学，2018，39（4）：56-62.11 潘永杰，刘晓光，蔡德钩，等.面向运维的铁路桥梁BIM模型及全生命周期信息关联研究 J.中国铁路，2020（5）：73-80.12 国家市场监督管理局，中国国家标准化管理委员会.城市轨道交通设施设备分类与代码：GB/T 374862019 S.北京：中国标准出版社，2019.13 中华人民共和国铁道部.铁路运输设备分类与代码基本规定：TB/T 29661999 S.北京：中国铁道出版社，1999.14 中国铁路 BIM 联盟.铁路工程信息模型分类和编码标准（1.0版）J.铁路技术创新，2015（1）：8-111.图8快速建模技术路线12第 7 期尹京等：重载铁路桥梁智能运维关键技术Key Technologies of Intelligent Operation and Maintenance of Heavyhaul Railway BridgesYIN Jing1，2，PAN Yongjie1，2，YUAN Lei1，21.Railway Engineering Research Institute，China Academy of Railway Sciences Corporation Limited，Beijing 100081，China；2.State Key Laboratory for Track Technology of High-speed Railway，China Academy of Railway Sciences Corporation Limited，Beijing 100081，ChinaAbstract The traditional operation and maintenance technology of railway bridges in China has problems such as low work efficiency and significant human factors.The rapid development of modern information technology，big data，artificial intelligence，industrial robots and other high-tech technologies has provided opportunities for innovation and leapfrog development of bridge operation and maintenance technology.According to the management characteristics of Shuozhou-Huanghuagang heavy-haul railway bridge，a real-time and dynamic data management platform was established through top-level design，and key technologies such as new perception，intelligent algorithms，intelligent analysis，and auxiliary decision-making based on platform management were studied to promote the deep integration of intelligent technology and operation and maintenance work processes.By unitizing and uniqueness of bridge components，the information association and data interaction of the whole life cycle of bridges based on BIM+GIS（Building Information Modeling+Geographic Information System）visualization technology were realized，and the closed-loop management system of intelligent operation and maintenance of heavy-haul railway bridges was formed.Key words heavy-haul railway bridge；intelligent operation and maintenance；perception；assessment；BIM+GIS；assisting decision-makingCitation format：YIN Jing，PAN Yongjie，YUAN Lei.Key Technologies of Intelligent Operation and Maintenance of Heavyhaul Railway Bridges J.Railway Engineering，2023，63（7）：813.（编辑：郑冰 校对：葛全红）声 明据有关方面反映并经编辑部核实，一些不法分子假冒 铁道建筑 杂志社名义，以虚假网站形式，仿冒本刊主办单位、主编、征稿须知等等信息欺骗广大作者。现有关部门已就此介入调查，通过法律途径向假冒者追究相应的责任，维护科技出版秩序，维护本刊和作者、读者的权益。铁道建筑 编辑部唯一使用的采编网站是由“中国知网”提供并维护的，其网址为 http:/。本刊从未授权任何单位或个人以任何形式代理本刊征稿、审稿等业务。请广大作者切实维护好自身的合法权益，防止受骗上当。铁道建筑 编辑部2021年3月26日 13