- 1、本文档共7页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
综合管廊是城市重要的市政基础设施,可实现给水、排水、电力、通信、燃气等各类
市政管线的集成化管理,便于后期维护与检修,保障城市“生命线”的正常运行。自2015年
以来,我国综合管廊建设规模和里程已达到世界前列,目前已将重心从建设转移到运维上,
周期智能化管理已成为今后我国综合管廊运维中需要实践和贯彻的重要理念,而智能化运
维新技术应用,旨在实现管廊的智能化管理,提升运维效率及水平。
城市综合管廊运维中需要达到的目标是:保障结构及管线正常运行、与城市综合防灾
机制联动和确保城市地下国土的安全;直观显示运维情况和精细管理资产情况;节省能量
开支和减少管道漏损。提升运维管理水平的新技术有BIM+可视化技术和大数据+人工智能
技术。
1智能巡检机器人
智能巡检机器人(IntelligentinspectionRobot)系统利用挂轨式或轮式机器人在综合
管廊内进行巡检等任务,可有效减轻巡检人员的工作量,还能弥补监控系统只能定点监控
的缺陷。
结合人工智能技术,目前智能巡检机器人可以做到:
1.自主完成巡检任务并出具体检报告
智能巡检机器人可设定基本任务,运维人员通过选择任务、编排顺序、选择巡检管段
等操作,定义日检内容并由机器人自主执行。机器人工作过程中,无须人工干预,系统自
动将数据上传到服务器进行数据分析。在体检报告中可展示隐患点现状以及异常数据。
2.智能识别渗漏水等管廊病灾
经过大量真实照片的训练后,系统可针对该条管廊的特征渗漏水作出标示,帮助巡检
人员筛选出隐患点,并且记录该隐患点的历史变化趋势,巡检人员只需对筛选出的隐患点
作重点补救或监控病灾的演变趋势。
3.完整、准确的巡检数据采集
智能巡检机器人系统可实现连续且完整数据采集的方式。从依靠巡检人员经验判断隐
患转变为数据阈值判定进行隐患告警。从没有数据档案的维护历史转变为大数据分析进行
历史重现和趋势预判。
4.应急状态下的高速驰援和现场实时监控
当出现紧急状况时,机器人可通过高速驰援,先于救援人员到达事故现场,回传现场
实况画面和现场环境参数(如O2、CO、H2S、CH4气体浓度,温湿度等),以协助制定
救援方案,自带的语音通话功能可提高救援效率。
5.对接综合管理平台,提升智慧化水平
智能巡检机器人系统在数据采集、数据分析、实时监控和应急处理上的优势,必将成
为综合管廊运维平台的有效补充。灵活的接口对接能力,还可以将信息数据对接至更高一
级的智慧管理平台,尤其为突发事件的多部门协同解决提供了技术支持。如果将智能巡检
机器人与现有的弱电、安防系统对接,则可实现多系统联动,提升整体管廊运维系统的智
能化。
下表为传统人工巡检+固定传感器的巡检方式,和智能巡检机器人巡检方式的效率优化
对比。
2BIM+AR技术
增强现实(AugmentedReality,AR),在人们的生产生活的现实环境中叠加由计算机
生产的图像、视频、3D模型等。增强现实硬件作为人工智能的核心硬件之一,集成了大量
的人工智能技术,例如通过物体识别技术识别和理解现实环境、依靠语音识别技术检测和
分析用户指令、利用空间同时定位及建图判别所在空间中的位置等等。
目前,在现有AR设备的基础上,针对BIM行业的特殊工作环境,研制适用于BIM行
业工作环境的AR分体式设备,搭建具有物体识别、基于深度学习的异常目标检测、BIM
模型轻量化、3D内容管理的云服务平台,开发面向BIM行业的基于AR技术的智能化应用,
并进行产业化示范,从而协助工程设计、施工监理、工程维保等企业人员提高工作效率,
具体的建设工作如图所示:
运用到综合管廊运维的BIM+AR可以实现以下功能:
1.基于视觉的异常检测
基于视觉的异常检测功能利用BIM匹配和深度学习检测技术进行协同决策,智能检测
场景中的异常。基于BIM匹配技术的异常检测即将建筑的三维模型叠加到真实场景之上,
通过真实场景与三维模型的1:1匹配,检测出建筑中存在的异常。通过对异常样本的大量
学习,能够得到不同类型异常的本质特征,从而对真实场景中的异常进行检测。基于深度
学习的异常目标检测对于位置的要求不高,因此能够很好地补充BIM匹配技术的不足。真
实场景图像在同时经过上述两种检测方式处理后,再通过智能化的协同决策系统进行最终
的决策处理,智能判定异常类型和异常位置。
2.智
您可能关注的文档
最近下载
- 固体物理:第十一章 自旋玻璃.ppt
- 警察礼仪(PPT页)(最新整理版).pptx VIP
- Chapter1-林子雨-大数据技术原理与应用-大数据概述(年2月17日版本)44.ppt
- 【建筑专业】03J609 防火门窗.pdf
- 第6课《老山界》核心素养教学设计-统编版语文七年级下册.docx VIP
- 商场地产潮玩解压计划夏日集市方案.pptx VIP
- 新版高速公路基础知识必考重点题库.doc VIP
- 普通高等学校毕业生就业协议书(三方协议).pdf VIP
- JJG 1118-2015电子汽车衡(衡器载荷测量仪法).docx VIP
- 2023年深圳百合外国语学校小升初面试英语模拟题及答案.docx
文档评论(0)