智能建造
——工程機械智能化

陸 亮， 吳軍凱， 孫 寧， 朱敏言

(1.同濟大學 機械與能源工程學院， 上海 201804；2.浙江大學 流體動力與機電系統國家重點實驗室， 浙江 杭州 310027)

引言

隨著科學技術的進步，第四次工業革命帶來了物聯網、云計算、人工智能、信息物理系統等信息化技術的迅猛發展，推動傳統建筑業向“智能建造”的方向發展[1-2]。智能建造目前尚未形成被廣泛認可的定義，總體上可以認為是“一種基于智能科學技術和組織管理技術的新型建造模式，通過改變建筑物建造時全生命周期過程的組織方式、生產工具，使建造系統有類似于人類智能的各種能力，從而實現更安全、更高效、更優質、更快速、更綠色的建造過程”[1-3]。

如上所述，智能建造包含兩方面，一方面是以智能科學技術為主導的各種生產工具的智能化，包括生產、運輸、施工、裝配，以及裝修、檢測、安防等，另一方面則是生產組織方式的提升，通過管理方式的智能化，實現對建筑全生命周期建造過程中的設計、制造、質量控制、人員設備管理等全面的監控與優化，從而提高建造過程的組織管理水平以及決策能力。

1 智能建造

1.1 智能管理技術

智能管理技術以建筑信息模型(Building Information Modeling，BIM)技術為代表，BIM是一種借助多維數據對項目全生命周期階段信息進行整合的數字化工具，可為建筑工程預測項目進度、信息交互、精細化管理提供數據支持。BIM技術自2003年于美國開始應用，后續在日本、歐洲、韓國均得到推行，我國自2003年引進BIM技術，納入國家“十一五”、“十二五”、“十三五”建筑業發展規劃當中，BIM技術已成為全球趨勢[4]。使用BIM進行現場施工的模擬圖，如圖1所示。

圖1 使用BIM進行現場施工模擬Fig.1 Use BIM for on-site construction simulation

1.2 智能科學技術

智能建造的科學技術包括生產、施工(土建)、裝配、裝修、檢測和安防等。生產技術包括預制化生產房屋、橋梁等，通過智能管理技術的配合，實現高效的標準化生產，并且支持特別的定制生產。

土建一般指建筑、構筑物等的一次建設，如降水、挖土方、打地基、澆筑柱梁板墻等圍護結構的澆筑與砌筑工程及其配套的鋼筋、簡單裝飾等。土建施工的智能化，一方面要優化工作模式，包括改進建造模式以及優化管理技術，另一方面要提高生產工具的技術水平，應用工程機械智能化技術。

裝修是指對建筑物的內、外進行改造、修理、整復等工程活動[6]。采用智能設備進行建筑裝修的主要手段和內容包括：建筑物內部的瓷磚鋪設、噴涂、抹灰等工作；增加建筑物外部的幕墻等維護結構等。2014年新加坡ETH中心發布了其研制的瓷磚自動鋪貼機器人，通過機械手臂，可以實現自動涂膠、精準自動鋪貼、振搗壓實等工作[7]。南洋理工大學研發的內墻噴涂機器人Pictobot提高了25%以上的噴涂效率，降低了對噴涂人員的要求[8]。

智能檢測是指在建筑施工完成后或施工進行過程中進行的，利用機器人、傳感設備等對生產設備、設施與環境以及施工效果和質量等進行檢測的過程，包括作業場所危害因素檢測、設備狀態檢測、生產成品探傷等，如斜拉大橋使用纜索爬升機器人自動檢測纜索的內部與表面病害[9]，使用探測機器人進行瀝青路面養護智能檢測與決策[10]，使用多種定位方式進行塔機狀態檢測等[11]。

安防的智能化是指借助于儀器、傳感器、探測設備等迅速而準確地了解生產系統與作業環境中的危險因素，并通過具有一定決策能力的智能控制系統進行處理的過程，包括對生產設備的安全情況進行檢測與報警，對生產過程中的有關數據進行安全情況分析與報警[12]，減少或避免因設備損壞、人員誤操作、無關人員破壞等造成的損失。

本研究主要針對智能建造中的智能土建工具，即工程機械智能化技術進行簡要的敘述。

2 工程機械智能化

工程機械智能化將信息技術、智能控制技術、計算機技術等集合在機械設備中，融合了多信息感知、故障診斷、高精度定位導航等技術的新型施工機械[13]。我國于20世紀末，在科學家蔣新松的倡導下，從工程機械機器人化、挖掘機智能化、推土機智能化和自動牽引車技術4個方面開始研究。按智能對象數量劃分，包括單機智能化與機群智能化2個層面。單機智能主要包括無人駕駛技術、機器視覺技術、人工智能技術、智能自動控制技術等。機群智能則交叉運用統計、運籌、計算機、人工智能等多學科技術，從整體上優化機群作業管理方式，從而達到節約、高效、優質的作業效果[4]。近年來的先進產品有結合了計算機視覺、人工智能等技術的百度無人挖掘機及AES系統[14](如圖2所示)，Built Robotics公司的無人自主挖掘機器人等[15]。

本研究以工程機械典型代表挖掘機為例，從智能化分級的定義開始，引入現階段各科研單位和公司研究應用的進展，并從液壓技術和定位技術2個層面，介紹支撐工程機械智能化的技術進展。

2.1 智能技術分級

工程機械自主作業的研究一直是近年來的研究熱點，但對于不同級別的自主作業的定義卻沒有一個準確的說法。工程機械包含的種類繁多，挖掘機、裝載機、吊機等這些常見的種類其作業方式和移動特性也大不相同，因此概括地對工程機械進行自主作業級別的定義是困難的。以建筑施工中很重要的土方作業為例，多位研究者對土方作業中主要使用的挖掘機的自動化升級進行了研究，并對其自主作業級別做相應的定義。DADHICH等[16]對土方作業機械自動化升級的各項關鍵技術進行詳細的調查，將遠程控制視為一種自動作業的階段，并且在附近遙控和控制室控制是不同的。提出了實現全自動作業的5個階段：

圖2 百度無人挖掘機作業系統Fig.2 Autonomous Excavator System (AES) from Baidu

(1) 手動操作：駕駛員在機艙內手動完成所有操作；

(2) 近距離遙控操作：駕駛員在挖掘機附近通過遙控手柄目視完成所有操作；

(3) 遠程離遙控操作：駕駛員在遠處的控制室通過視頻監控完成所有操作；

(4) 遠程輔助操作：駕駛員通過輔助功能遠程完成大多數操作，重要的任務需要駕駛員手動介入；

(5) 全自動操作：自主作業系統完成所有操作，駕駛員只提供高層次指令以及錯誤和緊急情況的處理。

HASHIMOTO等[18]在此基礎之上與一些項目負責人、建筑工人和工程師合作，提出了土方作業系統分解圖和土方作業機器的自動作業級別，如表1所示，以美國汽車工程師學會(SAE)發表的汽車自動駕駛級別標準SAE J3016為參考，將其中的條目替換為相應工程作業機械，形成了挖掘機的自主作業級別。

SAE J3016標準中，自動駕駛的級別從4個方面衡量：車輛運動控制，物體和事件檢測(ODER)，動態駕駛任務處理(DDT fallback)，可操作區域(ODD)。這4個方面是從由駕駛員還是系統完成，或者是否有限制，來確定其對應的自動駕駛級別。

類比挖掘機，相應的概念則是：機器控制，高效施工的檢測和判斷，作業失敗的響應和施工場景的條件限制。挖掘機自主作業分級如表1所示，單個作業動作，如移動、挖掘、回轉的自動化則達到1級自主作業，但這些動作的控制點、時間、完成條件等需要駕駛員輸入；多個連續動作的自動完成達到2級自主作業，如土方作業的典型工作循環：挖掘-抬起回轉-卸載-返回；當系統能夠自主計算動作，決定最優的作業方式時，駕駛員便不再關心是否高效，達到3級自主作業；4級自主作業限定某種場景，對施工條件有一定要求，如地形、天氣等，能對突發事件進行自主處理；而5級自主作業則面向開放場景。遠程操作不被視為一個階段，因為遠程可以附加在任何一個需要駕駛員的級別之上，駕駛員的工作條件會變好但所做的事情并沒有改變。類比挖掘機自主作業級別的定義，可以將該定義推廣到各類工程機械。

綜上所述，挖掘機從現在的純人工操作機械化作業到實現完全智能的自主作業，首先會經歷輔助階段，系統為駕駛員提供機器作業的輔助信息助其準確高效地操作，進而能夠自動控制一些簡單重復的動作，如固定深度挖掘、固定高度距離卸載、固定斜率切削等；其次是半自主作業，由操作員設定高階的指令之后可以完成一系列復雜的動作，如挖掘-抬起回轉-卸載-返回，駕駛員不必關注具體的高度、距離等參數，系統會為作業規劃最優的方式，但是有任何程序以外的情況發生還是必須駕駛員介入；自主作業則意味著完全脫離駕駛員， 當系統遇到任何意外情況均能從中斷恢復作業。自主作業從有限場景到開放場景，需要更加智能的系統的支持，面臨巨大的挑戰。單機的自主作業通過互相的聯通可以形成整個施工現場的集群自主作業，各機器之間互相配合，由系統統一進行規劃調度，這能極大提升整體的作業效率。

表1 挖掘機自主作業分級Tab.1 Levels of automation for excavator

對各類工程機械自主作業相關技術進行研究是目前的一個熱點，主要集中在半自主向部分自主作業邁進的階段。HALBACH等[19]對裝載機進行自動化改造，使用GNSS、IMU和輪速傳感器進行機器的定位，用2D激光雷達來獲得施工場地表面的點云數據；在無障礙和短距離的施工場景中，裝載機被手動駕駛到此處并面向瓦礫堆，在圖形操作面板手動指定裝載和卸載的區域之后，剩下的工作將自動規劃完成；實現了一個基本的自主作業測試系統，主要針對自主駕駛進行了研究，在裝載策略等自主作業方面還存在一些問題，鏟斗動作的定位和控制也有不足。HASHIMOTO等[18]對挖掘機進行自動化改造，使用IMU測量動臂、斗桿和鏟斗的姿態，旋轉編碼器測量履帶角度，GNSS對機器的全局坐標進行定位；安裝激光輪廓曲線測定儀和立體視覺相機為自主作業系統的安全監測和路徑規劃提供信息；此外，還使用MATLAB聯合VREP對挖掘機的控制、路徑規劃、環境感知等算法進行計算機仿真驗證，為自主作業挖掘機的研究提供軟件與硬件相結合的平臺。

百度研究院和馬里蘭大學合作研究的AES系統[14]是首個能夠在真實世界長時間處理多種作業任務的挖掘機自主作業系統。該系統的感知模塊能融合多個傳感器的數據，還包括先進的物體檢測和紋理檢測算法，結合基于學習和優化的運動規劃技術，在長時間的廢料處理測試中，該系統的作業效率達到了熟練駕駛員的水平。

ETH Zurich和Moog公司共同研究的自主作業輪式挖掘機HEAP[20](如圖3所示)裝備GNSS定位設備，并使用RTK技術校準GNSS的結果；安裝在各個機械臂上的IMU和執行器上的拉線傳感器結合，用來估計末端鏟斗的姿態；2個激光雷達為系統感知模塊提供信息；此外，還將該挖掘機的液壓系統改為電驅動先導級伺服液壓系統，該自主作業挖掘機在實際的斜坡構建、石墻堆砌等作業中的測試展現出很高的精度和控制性能。

而在實際商用的系統中，自主作業仍停留在輔助駕駛員的階段。卡特彼勒Cat Grade[21]挖掘機輔助駕駛系統可以根據駕駛員定義的深度和斜度參數輔助控制機械臂， 駕駛員只需要使用1個操縱桿即可控制整機精挖掘，減少操作的錯誤，提升45%的操作效率，其鏟斗輔助功能可以自動保持鏟斗的設定角度。Novatron的輔助作業系統Xsite[22]提供可定制的功能，可以很方便將現有挖掘機升級，如控制機械臂的運動和速度、運動邊界。BuiltRobotics同樣推出了可供現有挖掘機升級的輔助系統(如圖4所示)[15]，通過設定參數即可控制挖掘機自動按照路徑進行動作，但只適用于挖溝這類簡單重復動作。

圖3 輪式自動挖掘機-HEAPFig.3 Autonomous walking excavator-HEAP

圖4 BuiltRobotics自主作業系統Fig.4 BuiltRobotics autonomous operating system

2.2 智能挖機液壓技術

目前工程機械所使用的液壓系統主要是手柄控制的先導比例液壓系統，駕駛員通過手柄控制閥口開度進而控制輸出流量，改變執行器的速度。挖掘機通常采用正流量、負流量、負載敏感液壓系統，根據系統的狀態調節變量泵的輸出，使其與負載所需的流量匹配，減少系統的溢流損失進而提高能量利用效率[23-26]。這些系統的設計是以手動控制為目的，使用的控制閥以液控比例閥為主，存在滯后和死區，響應性能較差，在快速的自動控制中不能較好的跟蹤輸入信號，控制效果較差。比如卡特彼勒某挖機在自動平整作業中曾出現抖動的問題，是因為比例液壓系統頻響不足。

對于大型機器還會使用安裝電動先導閥[27-30]的方法，這樣可以利用現有的液壓系統的主閥等元件。CANNON等[31]研究的25 t自動裝載系統(ALS)正是用這種方式設計的自動裝載的挖掘機。有越來越多的公司開始在產品上安裝電動先導級的閥組，原因是除了可以直接在現有液壓系統的基礎上進行改裝以外，這些升級也可以為產品提供更多的功能。三一重機在其全電控挖機中也采用同樣的電控主閥設計，同時使閥芯的設計通用化，在保證系統成本大幅降低的同時也能賦予挖掘機產品自身性能極大的靈活性。

再者，提升液壓系統控制性能最直接的方式就是選擇伺服液壓系統，伺服系統有更高的響應速度和控制精度，其動態性能可以滿足非常復雜且高速的運動控制。波士頓動力公司的人形機器人Atlas即由伺服液壓系統驅動，在先進的控制算法的控制下可以完成后空翻和跑酷等高難度動作[32]。HEAP[20]自主作業挖掘機使用基于電機直驅伺服閥開發的集成控制模塊，在油缸上集成了微控制器、壓力傳感器和伺服閥，在響應時間和控制精度上都達到很高的性能。但是將伺服液壓系統運用到工程機械中也存在許多問題：伺服閥價格昂貴，大型設備所需的伺服閥更是如此；同時其對使用環境要求嚴格，而工程機械正是在惡劣的環境中工作，這對整個液壓系統的防護設計又提出很高的要求。在這樣的技術背景下，在比例閥技術和伺服閥技術之外，又出現了吸收兩者優勢的電液伺服比例閥技術。由比例閥發展而來的伺服比例閥，利用比例電磁鐵或電機作為能量轉換器驅動閥芯移動，閥芯的實際位移通過高分辨率的位移或轉角傳感器反饋到集成控制器中，通過調節電流使閥芯的位移偏差不斷校正。該伺服比例閥無零位死區，頻響較一般比例閥高，可靠性比普通伺服閥高[33-34]，相比一般的伺服閥平衡了性能和使用成本。

除了對液壓系統本身進行更多的研究，在現有元件的基礎上進行控制算法的研究也是一個重要的研究方向。廣泛使用的PID控制雖然具有算法簡單、魯棒性好的特點，但在實際的使用中，由于比例電磁閥的非線性特性[35]，參數固定不變的PID控制器無法很好的跟蹤輸入，控制效果并不理想。在實際應用中，可以將模糊控制等智能控制算法與PID控制相結合，實現PID參數的自動調整[36-38]。對于比例電磁閥的死區建模，利用速度和控制電流的關系進行前饋控制也是一種常用的方法。周翔等[39]對比例電磁閥的死區特性建立線性模型，在調速控制時前饋控制模塊根據目標速度換算為控制電流，使得速度控制誤差縮小，提高了系統的控制精度和動態性能。建立速度-電流的非線性模型采用手動識別的方式非常耗時且容易出錯，NURMI等[40]提出速度前饋學習方法，根據速度和位置反饋自動學習死區模型，同時使用了多段死區模型，可以更好的表示非線性特性。三一重機在進行傳統液控主閥的電控化升級過程中，將主閥設計極簡化、通用化，而電磁比例閥的相應算法開發則成為重要的開發方向，傳統液壓系統所簡化的功能以及由高加工工藝支撐的控制特性要求全部轉變為軟件算法替代，降低硬件成本的同時還能夠滿足客戶的定制需求，而不是傳統液控主閥通過閥口設計等硬件的改變來定制挖掘機性能。這些方式與提升液壓元件性能的方式相比，對元件的性能要求降低，減輕了成本壓力，但需要大量的數據采集、模型識別等工作，結合現在快速發展的機器學習等方法可以取得更好的效果。

2.3 智能挖機定位技術

無人駕駛的挖掘機要使用合適的技術方案替代駕駛員的作用，完成整個作業流程中的視覺定位工作，包括整機的自主駕駛和自主挖掘。自主駕駛是在整個施工環境中，根據作業任務規劃自主移動到目標任務區域，需要掌握周圍的環境信息以及自身所處的位置，也就是同步定位與建圖技術。環境信息主要包括地形數據和障礙物數據，目前主要使用的環境信息收集技術是攝像頭和激光雷達的多傳感器融合技術[41]，攝像頭低成本且信息量大，但容易受光照、塵霧等的影響，而激光雷達相比相機不容易受環境影響，將兩種傳感器的數據融合處理，可以得到更優的效果。環境信息實時在視覺處理系統中進行識別，得到的地形數據和障礙物數據等作為路徑規劃條件，為機體規劃一條到目標位置的合理的移動路徑，再控制執行器進行移動。但環境信息不只能為路徑規劃提供信息，結合不同時刻的數據，還可以計算當前機體相對于環境的姿態，同時融合多種傳感器的定位數據，能夠做到相當精確的定位。常用于測量姿態的傳感器主要有慣性測量單元，其通過內部加速度計和陀螺儀的測量，能夠精確感知機身的姿態[42]；基于載波相位差分技術，能夠實時提供站點在指定坐標系中的三維定位結果，能夠達到厘米級精度。

無人挖掘機的傳感器配置，如圖5所示。自主挖掘的過程為：機體移動到目標位置，底盤保持不動而工作裝置自動完成作業任務。該過程以環境感知為基礎，進行任務計劃、軌跡規劃，并通過控制系統和執行器實現目標任務[14]。作業過程中各執行器和末端機構的精確定位保證任務的順利實施，挖掘機的工作裝置是一個四自由度的機械臂，各個關節均為旋轉關節，因此測量出每個連桿當前的角度并結合已知的連桿長度可以計算出末端的位姿[43]。常用的角度測量傳感器為傾角傳感器和角度編碼器。

圖5 無人挖掘機的傳感器配置Fig.5 Sensor configuration for automation excavators

在作業過程中對障礙物和目標物紋理的識別，主流的技術是基于深度神經網絡的圖像識別技術，用大規模數據集對神經網絡進行訓練之后，對采集的數據在線進行識別。此外，有的研究團隊也會使用基于深度學習的視覺方法估計挖掘機工作裝置的姿態[44-45]。

3 結論

建筑業的智能化升級是大趨勢，智能建造包括生成組織方式和管理方式的智能化，以及生產工具的智能化。工程機械作為土建環節的重要工具在手動到全自主作業的升級過程中，會經歷輔助、半自主和自主作業(駕駛)等階段，每個階段人類駕駛員的參與都會減少，乃至最終完全消失。

實現完全自主的集群化作業，將大大減少對于人力的需求，并達到最優的作業效率。液壓系統作為驅動工程機械的核心模塊，必須提高數字化水平和控制性能以應對無人和自動化的要求。電控先導級是一種可以在現有液壓系統上直接應用的改進方法，但比例閥自身的動態響應并不能滿足自動控制的要求。伺服閥動態性能高，但價格昂貴，電液伺服比例閥技術吸收兩者的優勢，平衡了性能和使用成本。除了液壓元件性能的提升，還可以應用更先進的智能控制算法以及通過算法補償比例閥的缺陷等。

工程機械自主作業不可缺少定位模塊，保證系統時刻知道機器在現場的位置以及自身各機構的姿態。攝像頭、激光雷達、慣性測量單元和載波相位差分等技術是目前主流的定位技術，相應的設備配合計算機視覺、機器學習等軟件技術，可以精確測量機器當前的位置。機器各機構決定末端執行機構的姿態和軌跡，挖掘機機械臂的姿態測量主要采用傾角傳感器，對各個機械臂的姿態進行解算并結合機械臂的運動學方程計算末端運動。