留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

利用管道胶囊进行排水管网协同检测的新方法

李清泉 谷宇 涂伟 朱家松 赵天鸿 朱松

李清泉, 谷宇, 涂伟, 朱家松, 赵天鸿, 朱松. 利用管道胶囊进行排水管网协同检测的新方法[J]. 武汉大学学报 ● 信息科学版, 2021, 46(8): 1123-1130. doi: 10.13203/j.whugis20200509
引用本文: 李清泉, 谷宇, 涂伟, 朱家松, 赵天鸿, 朱松. 利用管道胶囊进行排水管网协同检测的新方法[J]. 武汉大学学报 ● 信息科学版, 2021, 46(8): 1123-1130. doi: 10.13203/j.whugis20200509
LI Qingquan, GU Yu, TU Wei, ZHU Jiasong, ZHAO Tianhong, ZHU Song. Collaborative Inspection for the Sewer Pipe Network Using Pipe Capsules[J]. Geomatics and Information Science of Wuhan University, 2021, 46(8): 1123-1130. doi: 10.13203/j.whugis20200509
Citation: LI Qingquan, GU Yu, TU Wei, ZHU Jiasong, ZHAO Tianhong, ZHU Song. Collaborative Inspection for the Sewer Pipe Network Using Pipe Capsules[J]. Geomatics and Information Science of Wuhan University, 2021, 46(8): 1123-1130. doi: 10.13203/j.whugis20200509

利用管道胶囊进行排水管网协同检测的新方法

doi: 10.13203/j.whugis20200509
基金项目: 

国家自然科学基金·高铁联合基金 U1934215

详细信息
    作者简介:

    李清泉,博士,教授,国际欧亚科学院院士,研究方向为动态精密工程测量。liqq@szu.edu.cn

    通讯作者: 涂伟,博士,副教授,研究方向为城市动态感知与优化. E-mail: tuwei@szu.edu.cn
  • 中图分类号: P258

Collaborative Inspection for the Sewer Pipe Network Using Pipe Capsules

Funds: 

The High-Speed Railway Joint Project of the National Natural Science Foundation of China U1934215

More Information
    Author Bio:

    LI Qingquan, phD, professor, Academician of International Eurasian Academy of Sciences, specializes in dynamic precise surveying engineering. E-mail: liqq@szu.edu.cn

    Corresponding author: TU Wei, phD, associate professor.. E-mail: tuwei@szu.edu.cn
  • 摘要: 排水管网是城市基础设施的重要组成部分,对排水管网进行周期性的全面检测是快速发现管道病害、及时进行维修整改和提高管道建设质量的关键。管道胶囊是一种新型管道检测设备,可以在管道内部随流体运动时拍摄管道内壁图像,智能高效地检测出管道病害。该方法弥补了传统方法检测效率低、作业成本高等不足。在大范围管网检测工作中,多名工作人员可以相互配合,同时,操作多胶囊进行协同检测。因此,设计胶囊的投放、打捞位置,以及规划工作人员运动路径对于提高检测效率至关重要。提出了一种基于管道胶囊的排水管网协同检测方法,以最短工作时间、最短运动距离、最大检测范围、最大检测度为目标,利用模拟退火算法求解出最优协同检测方案。实验结果显示,基于管道胶囊的排水管网协同检测方法能够在实际检测作业中高效地完成管网检测任务,准确地识别管道病害区域。
  • 图  1  管道检测胶囊

    Figure  1.  Capsule for the Sewer Pipe Inspection

    图  2  管道胶囊检测排水管道

    Figure  2.  Sewer Pipe Inspection Using Pipe Capsules

    图  3  排水管网协同检测方法

    Figure  3.  Collaborative Inspection for the Sewer Pipe Network

    图  4  排水管道-道路双层图构建

    Figure  4.  Bi-graph of the Sewer Pipe and Road

    图  5  优化算法流程

    Figure  5.  Workflow of the Optimization Algorithm

    图  6  邻域变换

    Figure  6.  Neighborhood Exchange

    图  7  实验数据和管道检测权重分布

    Figure  7.  Experimental Data and Distribution of Inspection Weights

    图  8  管道协同检测方案和结果

    Figure  8.  Schemes and Results of the Collaborative Inspection

    图  9  排水管网实际检测过程

    Figure  9.  Process of the Actual Sewer Pipe Inspection

    表  1  数学变量

    Table  1.   Mathematical Annotations

    变量 含义 变量 含义
    $ S $ 工作人员集合 $ Q $ 人员运动速度
    $ C $ 胶囊集合 $ {V}_{s} $ 出发节点
    $ {X}_{{C}_{f}, i}^{{S}_{e}} $ $ {S}_{e} $需在$ i $点投放$ {C}_{f} $为1,否则为0 $ {P}_{ij}^{{S}_{e}} $ $ {S}_{e} $从$ i $运动到$ j $为1,否则为0
    $ {Y}_{{C}_{f}, i}^{{S}_{e}} $ $ {S}_{e} $需在$ i $点打捞$ {C}_{f} $为1,否则为0 $ {G}_{ij}^{{C}_{f}} $ $ {C}_{f} $从$ i $运动到$ j $为1,否则为0
    $ {D}_{i}^{{S}_{e}} $ $ {S}_{e} $到达$ i $的时刻 $ {I}_{ij} $ $ \mathop \sum \limits_{{C}_{f}\in C}{G}_{ij}^{{C}_{f}}\ge 1\mathrm{时}\mathrm{为}1 $,否则为0
    $ {R}_{i}^{{C}_{f}} $ $ {C}_{f} $到达$ i $的时刻 $ {H}_{ij} $ 道路$ {E}_{r}(i, j) $最短距离
    $ {L}_{ij} $ 管道$ {E}_{t}(i, j) $长度 $ {W}_{ij} $ 管道$ {E}_{t}(i, j) $被检测权重
    下载: 导出CSV

    表  2  协同检测优化行动方案

    Table  2.   Optimized Schemes of the Collaborative Inspection

    工作人员 出发 投放 打捞
    节点 时刻 胶囊 节点 时间/s 胶囊 节点 时间/s
    $ {S}_{1} $ 64 0 $ {C}_{1} $ 47 69.19 $ {C}_{2} $ 7 358.82
    $ {S}_{2} $ 64 0 $ {C}_{2} $ 43 75.32 $ {C}_{1} $ 5 305.52
    $ {C}_{4} $ 60 95.32
    $ {S}_{3} $ 64 0 $ {C}_{3} $ 27 66.16 $ {C}_{3} $ 10 226.76
    $ {C}_{4} $ 12 514.32
    下载: 导出CSV

    表  3  协同和非协同检测方案实验结果对比

    Table  3.   Comparison Between Collaborative and Uncollaborative Inspection Schemes

    检测方法 总工作时间/s 总运动距离/m 管道检测
    比例/%
    管道检测度
    协同检测 1 178.36 1 282.28 41.18
    1.58
    非协同检测 1 410.28 1 718.46
    下载: 导出CSV
  • [1] 邢玉坤, 曹秀芹, 柳婷, 等. 我国城市排水系统现状、问题与发展建议[J]. 中国给水排水, 2020, 36(10): 19-23 https://www.cnki.com.cn/Article/CJFDTOTAL-GSPS202010007.htm

    Xing Yukun, Cao Xiuqin, Liu Ting, et al. Current Status, Problems and Development Suggestions of Urban Drainage System in China[J]. China Waters & Wastewater, 2020, 36(10): 19-23 https://www.cnki.com.cn/Article/CJFDTOTAL-GSPS202010007.htm
    [2] 陈义, 王建辉, 张蒙. 利用有向图进行排水管网自动化流向分析[J]. 武汉大学学报·信息科学版, 2019, 44(1): 62-67 doi:  10.13203/j.whugis20180341

    Chen Yi, Wang Jianhui, Zhang Meng. Automatic Flow Analysis of Drainage Pipe Network Based on Directed Graph[J]. Geomatics and Information Science of Wuhan University, 2019, 44(1): 62-67 doi:  10.13203/j.whugis20180341
    [3] 施斯, 林开平, 陈荣让, 等. 厦门市城市内涝成因研究与对策分析[J]. 气象研究与应用, 2014, 35(4): 44-48 doi:  10.3969/j.issn.1673-8411.2014.04.010

    Shi Si, Lin Kaiping, Chen Rongrang, et al. Xiamen City Analysis and Countermeasure of Water Logging[J]. Journal of Meteorological Research and Application, 2014, 35(4): 44-48 doi:  10.3969/j.issn.1673-8411.2014.04.010
    [4] 孙立国, 周玉文. 埋地燃气管网泄漏规律及其次生灾害预防研究[J]. 煤气与热力, 2010, 30(1): 38-42 https://www.cnki.com.cn/Article/CJFDTOTAL-MQRL201001033.htm

    Sun Liguo, Zhou Yuwen. Study on Leakage Rule of Buried Gas Pipeline and Prevention of Secondary Disasters[J]. Gas & Heat, 2010, 30(1): 38-42 https://www.cnki.com.cn/Article/CJFDTOTAL-MQRL201001033.htm
    [5] 汪燕, 段怡慧, 高静思, 等. 深圳市污水管网建设绩效考核评价体系的修正与完善[J]. 中国给水排水, 2020, 36(4): 35-40 https://www.cnki.com.cn/Article/CJFDTOTAL-GSPS202004010.htm

    Wang Yan, Duan Yihui, Gao Jingsi, et al. Revision and Improvement of Performance Appraisal and Evaluation System for Wastewater Pipe Network Construction in Shenzhen[J]. China Waters & Wastewater, 2020, 36(4): 35-40 https://www.cnki.com.cn/Article/CJFDTOTAL-GSPS202004010.htm
    [6] 曹建树, 曹振, 赵龙飞, 等. 激光超声管道表面裂纹检测技术[J]. 光电工程, 2016, 43(3): 1-6 https://www.cnki.com.cn/Article/CJFDTOTAL-GDGC201603002.htm

    Cao Jianshu, Cao Zhen, Zhao Longfei, et al. Detecting Techniques of Surface Crack of Pipeline Based on Laser Ultrasonic[J]. Opto-Electronic Engineering, 2016, 43(3): 1-6 https://www.cnki.com.cn/Article/CJFDTOTAL-GDGC201603002.htm
    [7] 王文明, 王晓华, 张仕民, 等. 长输管道超声波内检测技术现状[J]. 油气储运, 2014, 33(1): 5-9 https://www.cnki.com.cn/Article/CJFDTOTAL-YQCY201401003.htm

    Wang Wenming, Wang Xiaohua, Zhang Shimin, et al. Long-Distance Pipeline Ultrasonic Internal Inspection-State of the Art[J]. Oil & Gas Storage and Transportation, 2014, 33(1): 5-9 https://www.cnki.com.cn/Article/CJFDTOTAL-YQCY201401003.htm
    [8] 王正, 王洪诚, 傅磊, 等. 基于多压力传感器负压波的管道检测法[J]. 传感器与微系统, 2015, 34(5): 115-118 https://www.cnki.com.cn/Article/CJFDTOTAL-CGQJ201505034.htm

    Wang Zheng, Wang Hongcheng, Fu Lei, et al. Pipeline Detection Method Based on Multiple-Pressure Sensor and Negative Pressure Wave[J]. Transducer and Microsystem Technologies, 2015, 34(5): 115-118 https://www.cnki.com.cn/Article/CJFDTOTAL-CGQJ201505034.htm
    [9] Halfawy M R, Hengmeechai J. Efficient Algorithm for Crack Detection in Sewer Images from Closed-Circuit Television Inspections[J]. Journal of Infrastructure Systems, 2014, 20(2), DOI:  10.1061/(ASCE)IS.1943-555X.0000161
    [10] Hawari A, Alamin M, Alkadour F, et al. Automated Defect Detection Tool for Closed Circuit Television (CCTV) Inspected Sewer Pipelines[J]. Automation in Construction, 2018, 89: 99-109 doi:  10.1016/j.autcon.2018.01.004
    [11] 吴挺, 鲁少辉, 韩旺明, 等. 基于主动式全景视觉传感器的管道内部缺陷检测方法[J]. 仪器仪表学报, 2015, 36(10): 2 258-2 264 doi:  10.3969/j.issn.0254-3087.2015.10.013

    Wu Ting, Lu Shaohui, Han Wangming, et al. In-pipeline Internal Defect Inspection Method Based on Active Stereo Omni-Directional Vision Sensor[J]. Chinese Journal of Scientific Instrument, 2015, 36(10): 2 258-2 264 doi:  10.3969/j.issn.0254-3087.2015.10.013
    [12] Rashid M Z A, Yakub M F M, Salim S A Z S, et al. Modeling of the In-Pipe Inspection Robot: A Comprehensive Review[J]. Ocean Engineering, 2020, 203, DOI: https://doi.org/ 10.1016/j.oceaneng.2020.107206
    [13] Murvay P S, Silea I. A Survey on Gas Leak Detection and Localization Techniques[J]. Journal of Loss Prevention in the Process Industries, 2012, 25(6): 966-973 doi:  10.1016/j.jlp.2012.05.010
    [14] Chi D, Yan G. From Wired to Wireless: A Miniature Robot for Intestinal Inspection[J]. Journal of Medical Engineering & Technology, 2003, 27(2): 71-76 http://www.ncbi.nlm.nih.gov/pubmed/12745914
    [15] 李清泉, 陈智鹏, 朱家松, 等. 一种管道智能检测方法及检测系统: 201810062322.7[P]. 2020-05-22

    Li Qingquan, Chen Zhipeng, Zhu Jiasong, et al. A Smart Sewer Pipeline Inspection Method and System: 201810062322.7[P]. 2020-05-22
    [16] 中华人民共和国住房和城乡建设部. 室外排水设计规范: GB50014―2006[S]. 北京: 中国计划出版社, 2014

    Ministry of Housing and Urban-Rural Development of the People?s Republic of China. Code for Design of Outdoor Wastewater Engineering: GB50014―2006[S]. Beijing: China Planning Publishing Press, 2014
    [17] 许州, 王天宇, 杨善, 等. CCTV用于成都市锦兴路排水管道检测与评估[J]. 中国给水排水, 2016, 32(14): 114-118 https://www.cnki.com.cn/Article/CJFDTOTAL-GSPS201614033.htm

    Xu Zhou, Wang Tianyu, Yang Shan, et al. Application of CCTV to Detection and Evaluation of Sewer at Jinxing Road in Chengdu[J]. China Waters & Wastewater, 2016, 32(14): 114-118 https://www.cnki.com.cn/Article/CJFDTOTAL-GSPS201614033.htm
    [18] 陆韬, 刘燕, 李佳, 等. 我国供水管网漏损现状及控制措施研究[J]. 复旦大学学报(自然科学版), 2013, 52(6): 807-810 https://www.cnki.com.cn/Article/CJFDTOTAL-FDXB201306014.htm

    Lu Tao, Liu Yan, Li Jia, et al. Leakage Situation and Control Solution of China Water Supply Pipeline[J]. Journal of Fudan University (Natural Science), 2013, 52(6): 807-810 https://www.cnki.com.cn/Article/CJFDTOTAL-FDXB201306014.htm
    [19] 陈华根, 吴健生, 王家林, 等. 模拟退火算法机理研究[J]. 同济大学学报(自然科学版), 2004, 32(6): 802-805 doi:  10.3321/j.issn:0253-374X.2004.06.023

    Chen Huagen, Wu Jiansheng, Wang Jialin, et al. Mechanism Study of Simulated Annealing Algorithm[J]. Journal of Tongji University (Natural Science), 2004, 32(6): 802-805 doi:  10.3321/j.issn:0253-374X.2004.06.023
    [20] Kirkpatrick S, Gelatt C D, Vecchi M P. Optimization by Simulated Annealing[J]. Science, 1983, 220(4 598): 671-680 http://www.sciencemag.org/content/220/4598/671.abstract
  • [1] 张寅, 蔡旭阳, 闫钧华, 苏恺, 张琨.  联合时空信息和轨迹关联的空中多目标检测 . 武汉大学学报 ● 信息科学版, 2020, 45(10): 1533-1540. doi: 10.13203/j.whugis20190359
    [2] 高飞, 王美珍, 刘学军, 王自然.  一种监控摄像机网络-路网覆盖优化调度方法 . 武汉大学学报 ● 信息科学版, 2020, 45(3): 362-373. doi: 10.13203/j.whugis20180247
    [3] 李健伟, 曲长文, 彭书娟.  SAR图像舰船目标联合检测与方向估计 . 武汉大学学报 ● 信息科学版, 2019, 44(6): 901-907. doi: 10.13203/j.whugis20170328
    [4] 陈义, 王建辉, 张蒙.  利用有向图进行排水管网自动化流向分析 . 武汉大学学报 ● 信息科学版, 2019, 44(1): 62-67. doi: 10.13203/j.whugis20180341
    [5] 朱庆, 韩会鹏, 于杰, 杜志强, 张骏骁, 吴晨, 沈富强.  应急测绘无人机资源多目标优化调度方法 . 武汉大学学报 ● 信息科学版, 2017, 42(11): 1608-1615. doi: 10.13203/j.whugis20130000
    [6] 刘涛, 张星, 李清泉, 方志祥.  顾及地标可视性的室内导航路径优化算法 . 武汉大学学报 ● 信息科学版, 2017, 42(1): 43-48. doi: 10.13203/j.whugis20150387
    [7] 孟永昌, 杨赛霓, 史培军.  基于改进遗传算法的路网应急疏散多目标优化 . 武汉大学学报 ● 信息科学版, 2014, 39(2): 201-205. doi: 10.13203/j.whugis20120584
    [8] 史劼, 高火涛, 周林, 张华君.  基于SMVF的高频雷达自适应多目标检测 . 武汉大学学报 ● 信息科学版, 2014, 39(11): 1304-1309.
    [9] 刘殿锋, 刘艳芳.  一种知识约束下的多目标土壤空间抽样优化模型 . 武汉大学学报 ● 信息科学版, 2014, 39(11): 1282-1286.
    [10] 刘殿锋, 刘耀林, 刘艳芳, 赵翔.  多目标微粒群算法用于土地利用空间优化配置 . 武汉大学学报 ● 信息科学版, 2013, 38(6): 751-755.
    [11] 陈炳文, 王文伟, 秦前清.  利用主成分背景抑制的红外目标检测 . 武汉大学学报 ● 信息科学版, 2012, 37(8): 925-928.
    [12] 李德仁, 胡晓光, 朱欣焰.  基于视觉反差的显著图生成与目标检测 . 武汉大学学报 ● 信息科学版, 2012, 37(4): 379-383.
    [13] 尤红建.  多尺度分割优化的SAR变化检测 . 武汉大学学报 ● 信息科学版, 2011, 36(5): 531-534.
    [14] 吴小平, 陈苏红, 赵文光, 王定涛.  市政排水管网节点汇水面积自动化计算的方法和应用 . 武汉大学学报 ● 信息科学版, 2011, 36(3): 355-357.
    [15] 汪长城, 廖明生.  一种多孔径SAR图像目标检测方法 . 武汉大学学报 ● 信息科学版, 2009, 34(1): 32-35.
    [16] 郑宏.  危险理论与影像目标检测 . 武汉大学学报 ● 信息科学版, 2009, 34(7): 799-804.
    [17] 许伟平, 朱庆, 张叶廷.  采用胶囊体进行三维城市模型的实时碰撞检测 . 武汉大学学报 ● 信息科学版, 2009, 34(9): 1030-1033.
    [18] 刘国英, 茅力非, 王雷光, 秦前清.  基于小波域分层Markov模型的纹理分割 . 武汉大学学报 ● 信息科学版, 2009, 34(5): 531-534.
    [19] 梅建新, 段汕, 秦前清.  基于支持向量机的特定目标检测方法 . 武汉大学学报 ● 信息科学版, 2004, 29(10): 912-915,932.
    [20] 孟令奎, 边馥苓, 陈晓宁.  基于GIS的城市雨水管网优化设计模型研究 . 武汉大学学报 ● 信息科学版, 1996, 21(4): 361-365.
  • 加载中
图(9) / 表(3)
计量
  • 文章访问数:  984
  • HTML全文浏览量:  357
  • PDF下载量:  122
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-09-28
  • 刊出日期:  2021-08-05

利用管道胶囊进行排水管网协同检测的新方法

doi: 10.13203/j.whugis20200509
    基金项目:

    国家自然科学基金·高铁联合基金 U1934215

    作者简介:

    李清泉,博士,教授,国际欧亚科学院院士,研究方向为动态精密工程测量。liqq@szu.edu.cn

    通讯作者: 涂伟,博士,副教授,研究方向为城市动态感知与优化. E-mail: tuwei@szu.edu.cn
  • 中图分类号: P258

摘要: 排水管网是城市基础设施的重要组成部分,对排水管网进行周期性的全面检测是快速发现管道病害、及时进行维修整改和提高管道建设质量的关键。管道胶囊是一种新型管道检测设备,可以在管道内部随流体运动时拍摄管道内壁图像,智能高效地检测出管道病害。该方法弥补了传统方法检测效率低、作业成本高等不足。在大范围管网检测工作中,多名工作人员可以相互配合,同时,操作多胶囊进行协同检测。因此,设计胶囊的投放、打捞位置,以及规划工作人员运动路径对于提高检测效率至关重要。提出了一种基于管道胶囊的排水管网协同检测方法,以最短工作时间、最短运动距离、最大检测范围、最大检测度为目标,利用模拟退火算法求解出最优协同检测方案。实验结果显示,基于管道胶囊的排水管网协同检测方法能够在实际检测作业中高效地完成管网检测任务,准确地识别管道病害区域。

English Abstract

李清泉, 谷宇, 涂伟, 朱家松, 赵天鸿, 朱松. 利用管道胶囊进行排水管网协同检测的新方法[J]. 武汉大学学报 ● 信息科学版, 2021, 46(8): 1123-1130. doi: 10.13203/j.whugis20200509
引用本文: 李清泉, 谷宇, 涂伟, 朱家松, 赵天鸿, 朱松. 利用管道胶囊进行排水管网协同检测的新方法[J]. 武汉大学学报 ● 信息科学版, 2021, 46(8): 1123-1130. doi: 10.13203/j.whugis20200509
LI Qingquan, GU Yu, TU Wei, ZHU Jiasong, ZHAO Tianhong, ZHU Song. Collaborative Inspection for the Sewer Pipe Network Using Pipe Capsules[J]. Geomatics and Information Science of Wuhan University, 2021, 46(8): 1123-1130. doi: 10.13203/j.whugis20200509
Citation: LI Qingquan, GU Yu, TU Wei, ZHU Jiasong, ZHAO Tianhong, ZHU Song. Collaborative Inspection for the Sewer Pipe Network Using Pipe Capsules[J]. Geomatics and Information Science of Wuhan University, 2021, 46(8): 1123-1130. doi: 10.13203/j.whugis20200509
  • 城市管网系统(给排水管网、油气运输管网等)是城市基础设施的重要组成部分。城市管网长期运输相关物质,管道易发生腐蚀老化、破损、变形、塌陷等病害,导致水体黑臭[1]和水环境污染[2],以及城市内涝[3]、油气泄露[4]等城市重大安全事故。对于已建设的管道,需要进行快速高效的管道检测,及时发现管道病害,进行管道维修整改,解决环境污染和城市安全问题[5]

    城市管网具有里程长、结构复杂等特点,导致大范围检测成本高昂、进度缓慢。现代管道检测方法包括激光检测法[6]、超声波检测法[7]、压力波检测法[8]等。这些方法通过声波、激光等手段检测管道变形和病害,检测精度较高,但存在设备成本高昂、操作复杂、无法检测含水管道等不足。闭路电视检测法[9-10]和全景视觉传感器检测法[11]通过拍摄管道内壁影像,利用计算机视觉技术识别病害区域,是目前应用最广的管道检测方法。但视觉传感器需要工作人员操作牵引设备辅助前进,提前对管道进行清淤抽水,导致单次检测范围小,作业强度大。这些方法均无法完全满足大规模城市管网全面高效检测的需求。因此,亟需发展高效、低成本的管网检测新方法,为管网普查提供有效的手段,提升管网智慧运维水平。

    管道胶囊是一种新型的管道检测设备,可以受流体驱动或内置动力设备在管道内运动,能够在不损害结构安全性的情况下进行长距离、高效率管道检测[12],已经在油气管道检测[13]、肠道检测[14]等领域取得了显著进展。

    管道胶囊可以应用于城市地下排水管网检测中。该设备被工作人员在上游井口投放后,随水漂流并拍摄管道内壁影像,在管道下游打捞回收,完成对该段管道的病害检测。在实际工作中,多名工作人员可以相互配合,同时,投放多个胶囊进行协同检测,以提高检测效率。

    在城市排水管网检测任务中,管道检测比例应尽量最大,同时,优先检测重要管道,最小化工作人员的工作时间和运动距离以节省人力资源。本文基于以上4个目标,提出了一种基于管道胶囊的排水管网协同检测优化方法,通过设计工作人员投放、打捞胶囊的位置,并规划人员运动路径,利用启发式算法获得最优的管道协同检测方案,为城市排水管网安全状态全面检测提供了一种快速高效可靠的手段。

    • 地下排水管网协同检测时工作人员可以同时投放多个管道胶囊进入管道进行检测,通过精心设计胶囊的投放与打捞位置,规划工作人员的运动路径,高效地完成管网检测任务。排水管网协同检测涉及的管道胶囊、工作人员、工作人员运动路径和排水管道检测定义如下。

      定义1:管道胶囊指投放至排水管网中的检测设备[15]。如图 1(a)所示,管道胶囊呈流线型,搭载鱼眼相机、补光灯、数据存储设备等;如图 1(b)所示,胶囊在管道内随水漂流运动时拍摄管道内壁影像,检测管道病害。如图 2所示,胶囊在井口处被投放和打捞实现管道检测。

      图  1  管道检测胶囊

      Figure 1.  Capsule for the Sewer Pipe Inspection

      图  2  管道胶囊检测排水管道

      Figure 2.  Sewer Pipe Inspection Using Pipe Capsules

      管道胶囊集合用$ C\in \{{C}_{1}, {C}_{2}\dots {C}_{m}\} $表示。胶囊$ {C}_{f}\in C $在上游井口$ i $被工作人员A投放进入管道,在管道内随水流运动至下游井口$ j $处,被工作人员B(A、B可以相同或不同)打捞出管道,完成对管道$ \mathrm{从}i\mathrm{到}j $的检测。胶囊被打捞后不能再继续使用,所有胶囊被打捞,则完成检测任务。

      胶囊运动速度、方向和管道内水流相同。参照《室外排水设计规范》[16]规定,管道从$ i $到$ j $水流速度$ {F}_{ij} $计算公式为:

      $$ {F}_{ij}=\frac{1}{n}\times {(k\times \frac{{r}_{ij}}{2})}^{\frac{2}{3}}\times {\left(\frac{\mathrm{\Delta }h}{{L}_{ij}}\right)}^{\frac{1}{2}} $$ (1)

      式中,粗糙系数n由管道材料决定;$ \mathrm{\Delta }h $为管道两端高程差;$ {L}_{ij} $为管道长度;$ {r}_{ij} $为管道半径;$ k $为充满度。

      定义2:工作人员集合用$ S\in \{{S}_{1}, {S}_{2}\dots {S}_{n}\} $表示,$ Q $为工作人员运动速度。$ Q $是实验参数之一,由实际作业中的交通工具所决定。

      工作人员$ {S}_{e}\in S $的工作过程包括:$ {S}_{e} $在井口$ i $投放胶囊$ {C}_{f}\in C $进入管道;$ {S}_{e} $在下游井口$ j $提前等待并打捞胶囊$ {C}_{g}\in C $,所有胶囊打捞完成,工作结束。

      当胶囊数量大于工作人员数量时,需要单人投放和打捞多个胶囊。为了简化工作过程,规定每个有效的工作人员$ {S}_{e}\in S $必须先完成所有投放任务,再进行打捞任务,且至少投放和打捞一个胶囊。

      定义3:工作人员$ {S}_{e}\in S $的运动路径包括以下部分:(1)$ {S}_{e} $携带若干管道胶囊从起点$ {V}_{s} $出发;(2)沿道路运动到井口$ i $,投放携带的胶囊$ {C}_{f}\in C $进入管道,再前往下个井口投放其他胶囊,直到全部投放完成;(3)前往井口$ j $,等待一段时间,待胶囊$ {C}_{g}\in C $到达时进行打捞,再前往下个井口等待并打捞其他胶囊,直到其打捞任务完成。

      定义4:当管道被胶囊经过即被检测,并且一段管道可以被多次检测。检测过程中应对不同管道进行差异化检测,因此,需要根据管道属性赋予被检测权重,制定针对性的管网检测方案[17]。管网中检测权重越高的管段,应该优先和多次检测。

      排水管网病害的主要原因包括管道发生化学腐蚀,早年铺设的低标准管网不能承受高水压[18]等。本文根据管材、建设年份、是否为水流交汇处3种因素计算管道发生病害的概率,并根据其上游支路管道数量计算重要程度,综合计算管道从$ i $到$ j $的检测权重$ {W}_{ij} $,公式如下:

      $$\begin{array}{l} \;\;\;\;\;\;{W_{ij}} = {M_{ij}} + {Y_{ij}} + {B_{ij}} + {I_{ij}}, \\ {M_{ij}}, {Y_{ij}}, {B_{ij}}, {I_{ij}} \in \left[ {{\rm{0}}, {\rm{1}}} \right], {W_{ij}} \in \left[ {{\rm{0}}, {\rm{4}}} \right] \end{array}$$ (2)

      式中,$ {M}_{ij} $为管材;$ {Y}_{ij} $为建设年份;$ {B}_{ij} $为是否是水流交汇处;$ {I}_{ij} $为重要程度,根据管网数据赋值后进行归一化。

      排水管网协同检测过程如图 3所示,工作人员$ {S}_{1} $和人员$ {S}_{2} $分别携带胶囊$ {C}_{1} $和胶囊$ {C}_{2} $出发,将胶囊从井口$ 1 $和井口$ 3 $投放进入排水管道,胶囊随水漂流并进行病害检测。工作人员$ {S}_{1} $和人员$ {S}_{2} $投放后继续沿道路运动,工作人员$ {S}_{1} $选择在下游井口$ 2 $打捞胶囊$ {C}_{2} $,工作人员$ {S}_{2} $则选择在$ 4 $打捞胶囊$ {C}_{1} $,打捞成功后检测任务完成。

      图  3  排水管网协同检测方法

      Figure 3.  Collaborative Inspection for the Sewer Pipe Network

    • 本文使用排水管道-道路双层节点-弧段图进行表达,简化检测过程为工作人员在道路上即可投放、打捞胶囊,如图 4所示。

      图  4  排水管道-道路双层图构建

      Figure 4.  Bi-graph of the Sewer Pipe and Road

      先输入排水管道和道路数据,数据匹配后,将井口连接到道路上,得到井口-道路节点$ V\in \left\{\mathrm{1, 2}\dots k\right\} $,作为排水管道图和道路图的共用节点;再以管道和道路作为边,构建排水管道图$ {G}_{t} $和道路图$ {G}_{r} $。排水管道图$ {G}_{t}=(V, {E}_{t}) $,$ {E}_{t}=\left\{(i, j):i, j\in V, i\ne j\right\} $,边$ {E}_{t}(i, j) $为上游井口-道路节点$ i $和邻接的下游节点$ j $之间的管道,方向为管道内水流方向从$ i $到$ j $。$ {F}_{ij} $为水流速度,$ {L}_{ij} $为管道长度,$ {W}_{ij} $为管道检测权重。道路图$ {G}_{r}=(V, {E}_{r}) $为无向图,$ {E}_{r}=\left\{(i, j), i, j\in V, i\ne j\right\} $,$ {H}_{ij} $为从$ i $到$ j $间的地上道路最短路径距离,工作人员在任意两节点之间的运动是沿最短路径进行的。

      建立排水管网协同检测的数学模型,数学变量如表 1所示。

      表 1  数学变量

      Table 1.  Mathematical Annotations

      变量 含义 变量 含义
      $ S $ 工作人员集合 $ Q $ 人员运动速度
      $ C $ 胶囊集合 $ {V}_{s} $ 出发节点
      $ {X}_{{C}_{f}, i}^{{S}_{e}} $ $ {S}_{e} $需在$ i $点投放$ {C}_{f} $为1,否则为0 $ {P}_{ij}^{{S}_{e}} $ $ {S}_{e} $从$ i $运动到$ j $为1,否则为0
      $ {Y}_{{C}_{f}, i}^{{S}_{e}} $ $ {S}_{e} $需在$ i $点打捞$ {C}_{f} $为1,否则为0 $ {G}_{ij}^{{C}_{f}} $ $ {C}_{f} $从$ i $运动到$ j $为1,否则为0
      $ {D}_{i}^{{S}_{e}} $ $ {S}_{e} $到达$ i $的时刻 $ {I}_{ij} $ $ \mathop \sum \limits_{{C}_{f}\in C}{G}_{ij}^{{C}_{f}}\ge 1\mathrm{时}\mathrm{为}1 $,否则为0
      $ {R}_{i}^{{C}_{f}} $ $ {C}_{f} $到达$ i $的时刻 $ {H}_{ij} $ 道路$ {E}_{r}(i, j) $最短距离
      $ {L}_{ij} $ 管道$ {E}_{t}(i, j) $长度 $ {W}_{ij} $ 管道$ {E}_{t}(i, j) $被检测权重

      目标函数由4项组成,表达式如下:

      $$\left\{ {\begin{array}{*{20}{l}} {\begin{array}{*{20}{l}} {{\rm{min}}F = {\rm{min}}({a_1} \times {F_1} + {a_2} \times {F_2} - {a_3} \times {F_3} - {a_4} \times {F_4})}\\ {{F_1} = \sum\limits_{i \in V} {\sum\limits_{j \in V} {\sum\limits_{{S_e} \in S} {P_{ij}^{{S_e}}} } } \times {H_{ij}}} \end{array}}\\ {{F_2} = \sum\limits_{i \in V} {\sum\limits_{{C_f} \in C} {\sum\limits_{{S_e} \in S} {\left( {R_i^{{C_f}} - D_i^{{S_e}}} \right)} } } \times Y_{{C_f},i}^{{S_e}} + }\\ {\;\;\;\;\;\;\left( {\sum\limits_{i \in V} {\sum\limits_{j \in V} {\sum\limits_{{S_e} \in S} {P_{ij}^{{S_e}}} } } \times {H_{ij}}} \right)/Q}\\ {\begin{array}{*{20}{l}} {{F_3} = \left( {\sum\limits_{{C_f} \in C} {\sum\limits_{i \in V} {\sum\limits_{j \in V} {G_{ij}^{{C_f}}} } } \times {L_{ij}} \times {W_{ij}}} \right)/\sum\limits_{i \in V} {\sum\limits_{j \in V} {{L_{ij}}} } }\\ {{F_4} = (\sum\limits_{i \in V} {\sum\limits_{j \in V} {{I_{ij}}} } \times {L_{ij}})/\sum\limits_{i \in V} {\sum\limits_{j \in V} {{L_{ij}}} } } \end{array}} \end{array}} \right.$$ (3)

      式中,$ {F}_{1} $表示工作人员总运动距离;$ {F}_{2} $表示工作人员总工作时间;$ {F}_{3} $表示管道检测度;$ {F}_{4} $表示管道检测比例。

      本文通过多组实验确定项前的权重取值,使不同量纲单位的函数项保持相近数量级,从而将多目标转换为单目标优化问题。约束条件为每个胶囊被投放、打捞有且只有一次:

      $$ \left\{\begin{array}{c}\mathop \sum \limits_{{S}_{e}\in S}\mathop \sum \limits_{\mathrm{ }i\in V}{X}_{{C}_{f}, i}^{{S}_{e}}=1, \forall {C}_{f}\in C\mathrm{ }\\ \mathop \sum \limits_{{S}_{e}\in S}\mathop \sum \limits_{\mathrm{ }i\in V}{Y}_{{C}_{f}, i}^{{S}_{e}}=1, \forall {C}_{f}\in C\end{array}\right. $$ (4)

      每个工作人员先完成所有投放任务,再进行打捞:

      $$ \mathop \sum \limits_{i\in V}{X}_{{C}_{f}, i}^{{S}_{e}}\times {D}_{i}^{{S}_{e}}\le \mathop \sum \limits_{i\in V}{Y}_{{C}_{g}, i}^{{S}_{e}}\times {D}_{i}^{{S}_{e}}, \forall {S}_{e}\in S, \forall {C}_{f}, {C}_{g}\in C $$ (5)

      每个工作人员最少投放、打捞一个胶囊:

      $$ \left\{\begin{array}{c}\mathop \sum \limits_{{C}_{f}\in C}\mathop \sum \limits_{\mathrm{ }i\in V}{X}_{{C}_{f}, i}^{{S}_{e}}\ge 1, \mathrm{ }\forall {S}_{e}\in S\\ \mathop \sum \limits_{{C}_{f}\in C}\mathop \sum \limits_{\mathrm{ }i\in V}{Y}_{{C}_{f}, i}^{{S}_{e}}\ge 1, \mathrm{ }\forall {S}_{e}\in S\end{array}\right. $$ (6)

      工作人员打捞胶囊之前必须提前等待:

      $$ {D}_{i}^{{S}_{e}}<{R}_{i}^{{C}_{f}}, \forall {Y}_{{C}_{f}, i}^{{S}_{e}}=1, {S}_{e}\in S, {C}_{f}\in C\left(7\right) $$ (7)

      所有工作人员从起点位置出发:

      $$ \mathop \sum \limits_{j\in V}{P}_{{V}_{s}, j}^{{S}_{e}}=1, \mathrm{ }\forall {S}_{e}\in S $$ (8)
    • 本文利用启发式优化方法获得多管道胶囊协同检测方案,算法流程如图 5所示。

      图  5  优化算法流程

      Figure 5.  Workflow of the Optimization Algorithm

    • 初始可行解求解步骤如下:(1)为胶囊随机生成投放节点$ i $;(2)在$ i $的下游节点中随机选择节点$ j $作为打捞节点;(3)重复步骤(1),直到为所有胶囊生成投放和打捞节点;(4)将投放和打捞胶囊的动作随机分配给工作人员,并计算每个工作人员的运动路径,得到初始解。若该解可行,则作为初始可行解$ M $,否则返回步骤(1),直到得到$ M $。

    • 本文使用模拟退火(simulated annealing,SA)算法[19]对初始可行解$ M $进行优化。Kirkpatrick等[20]成功地将模拟退火思想运用于优化领域之中。

      SA算法模拟自然界固体物理加热后的退火过程,以Metropolis准则[19]决定是否接收当前解,并利用不断下降的温度控制接受较差解的概率,收敛于一个高质量的解。Metropolis准则如下:

      $$ p=\left\{\begin{array}{l}1, F\left(M\mathrm{\text{'}}\right)\le F\left(M\right)\\ {\mathrm{e}}^{\frac{F\left({M}^{\text{'}}\right)-F\left(M\right)}{-T}}, F\left(M\mathrm{\text{'}}\right)>F\left(M\right)\end{array}\right. $$ (9)

      式中,$ M $为原解;$ M\mathrm{\text{'}} $为新解;$ T $为当前温度。

      SA算法的参数包括初始温度$ {T}_{s} $、温度变化系数$ \mathrm{\Delta }t $、迭代次数$ k $、终止温度$ {T}_{e} $。这些参数共同决定SA算法最优解的质量和收敛速度。

      得到初始可行解$ M $后,为了节省人力资源,实现最大范围、最大检测度的管道检测,本文使用模拟退火算法得到最优解。算法流程如图 5所示,首先,对参数进行初始化,得到初始可行解$ M $,计算目标函数$ F\left(M\right) $;然后,对$ M $进行邻域变换,得到新的可行解$ M\mathrm{\text{'}} $,$ \mathrm{计}\mathrm{算}\mathrm{目}\mathrm{标}\mathrm{函}\mathrm{数}F\left(M\mathrm{\text{'}}\right) $。若$ F\left(M\mathrm{\text{'}}\right)<F\left(M\right) $,则接受$ M\mathrm{\text{'}} $作为当前解,否则根据Metropolis准则判断是否接收$ M\mathrm{\text{'}} $作为当前解。达到迭代次数后降低当前温度,直到低于终止温度,算法结束,输出最优解。

      邻域变换如图 6所示,包括以下步骤:(1)对工作人员投放(打捞)胶囊的动作进行变换,随机选择胶囊$ {C}_{2} $和胶囊$ {C}_{4} $,交换投放(打捞)该胶囊的工作人员;(2)对胶囊打捞、投放节点进行变换,随机选择一个胶囊$ {C}_{1} $,其投放节点$ 1 $随机变换为任意节点$ i $,在其下游节点中随机选择$ j $作为打捞节点,得到新解。若该解为可行解,则作为新可行解$ M\mathrm{\text{'}} $,否则返回步骤(1),直到得到$ M\mathrm{\text{'}} $。

      图  6  邻域变换

      Figure 6.  Neighborhood Exchange

    • 本文使用了深圳大学西丽校区道路数据和雨水排水管道及检查井口数据。道路、排水管道数据如图 7(a)所示,其中,排水管道管径为300~800 mm,管道材料均为高密度聚乙烯,粗糙系数为0.009,充满度取0.25。根据排水管道数据计算管道检测权重分布如图 7(b)所示。

      图  7  实验数据和管道检测权重分布

      Figure 7.  Experimental Data and Distribution of Inspection Weights

    • 在算法流程中输入道路图和管道图,设置工作人员3名,管道胶囊4个,工作人员出发位置$ {V}_{s} $‍=64,工作人员运动速度$ Q $=2.5 m/s,SA算法参数如下:初始温度$ {T}_{s} $=100,终止温度$ {T}_{e} $‍=‍0.000 1,温度变化系数$ \mathrm{\Delta }t $=0.95,迭代次数$ k $‍=100。

    • 根据算法流程图 5,参数初始化后使用SA算法求解出最优协同检测工作方案。工作人员从出发到完成任务的工作方案如表 2所示。

      表 2  协同检测优化行动方案

      Table 2.  Optimized Schemes of the Collaborative Inspection

      工作人员 出发 投放 打捞
      节点 时刻 胶囊 节点 时间/s 胶囊 节点 时间/s
      $ {S}_{1} $ 64 0 $ {C}_{1} $ 47 69.19 $ {C}_{2} $ 7 358.82
      $ {S}_{2} $ 64 0 $ {C}_{2} $ 43 75.32 $ {C}_{1} $ 5 305.52
      $ {C}_{4} $ 60 95.32
      $ {S}_{3} $ 64 0 $ {C}_{3} $ 27 66.16 $ {C}_{3} $ 10 226.76
      $ {C}_{4} $ 12 514.32

      $ {S}_{2} $从起点64出发,前往43投放胶囊$ {C}_{2} $,再前往60投放胶囊$ {C}_{4} $,完成投放任务;$ {S}_{2} $从60继续前往5,并在此等待至胶囊$ {C}_{1} $运动到5对应的井口时,对其进行打捞,所有胶囊被打捞后,检测任务完成。

      工作人员工作的时空轨迹如图 8(a)所示,3名工作人员同时从起点出发,按照投放、等待、打捞的顺序,经过不同节点操作对应的胶囊。工作方案如图 8(b)所示,工作人员之间相互协同配合,通过投放多个胶囊及打捞同伴投放的胶囊来节省运动距离和工作时间。管道检测结果如图 8(c)所示,优先重复检测重点管道,完成管道检测任务。

      图  8  管道协同检测方案和结果

      Figure 8.  Schemes and Results of the Collaborative Inspection

    • 胶囊检测管道过程中,如果工作人员不进行协同配合,而是每人仅打捞自己投放的胶囊,直到所有胶囊全部打捞完成,这种行动方式为非协同检测方案。在工作人员出发点和检测管道相同的情况下,协同检测方法和非协同检测方法实验结果对比如表 3所示。

      表 3  协同和非协同检测方案实验结果对比

      Table 3.  Comparison Between Collaborative and Uncollaborative Inspection Schemes

      检测方法 总工作时间/s 总运动距离/m 管道检测
      比例/%
      管道检测度
      协同检测 1 178.36 1 282.28 41.18
      1.58
      非协同检测 1 410.28 1 718.46

      表 3可以发现,3名工作人员操作4个胶囊,在完成相同管网检测任务的情况下,协同检测方法优化行动方案与工作人员不进行相互协同配合,只操作单个胶囊的非协同检测方法相比,运动距离缩短了28.38%,工作时间节省了16.44%。协同检测方法充分利用了地上道路和排水管道网络的拓扑关系,工作人员彼此间巧妙配合,协同完成目标检测区域的管道检测工作,节省了工作时间和运动距离,有效地提高了检测效率。

    • 在实际检测过程中,通过协同检测优化方法规划工作人员最优运动路径,合理选择工作人员投放、打捞胶囊的位置,可以高效完成目标区域排水管网的检测工作,检测过程如图 9所示。过程如下:(1)工作人员投放胶囊;(2)胶囊在管道中随水漂流进行检测;(3)工作人员在下游井口打捞回收;(4)通过图像识别排水管道病害类别,生成管道检测报告。

      图  9  排水管网实际检测过程

      Figure 9.  Process of the Actual Sewer Pipe Inspection

      使用管道胶囊进行检测后发现,深圳大学西丽校区地下排水管道主要病害为变形和破损。该段管网一共存在19处病害问题点,包括13处变形、5处破损和1处沉积物,需要进行维护检修,以消除管道病害风险。

    • 对城市管网运行状态进行周期性全面检测是保障城市安全的重要措施。传统的管道检测方法由于工作效率低、作业成本高的缺点难以满足目前大规模城市管网检测的需求。

      本文使用搭载视觉传感器的流体驱动胶囊检测排水管道病害,并针对大规模城市地下排水管网,提出了基于模拟退火算法的协同检测优化方法。该方法与非协同检测方案相比,能够让工作人员在管道检测过程中充分协同配合,在完成管道检测任务的同时,最小化工作人员的工作时间和运动距离。在深圳大学西丽校区排水管网实际检测作业中,使用优化算法求解工作人员协同检测行动方案,成功完成了检测任务,为高效、快速、全面检测城市排水管网系统提供了新的方法。

参考文献 (20)

目录

    /

    返回文章
    返回