基于数字孪生技术的预制梁智能振动机器人系统研究

《Buildings》:Research on the Intelligent Vibrating Robot System for Prefabricated Beams Based on Digital Twin Technology

【字体: 大 中 小 】 时间:2026年07月09日 来源:Buildings 3.4

编辑推荐:

  为应对密集钢筋区域和人工操作随意性所导致的预制梁振动过程中的振动盲区与质量控制“黑箱”问题,研究人员提出开发一种闭环智能振动系统。该系统集成了智能设备、评估模型、自适应算法与数字孪生(Digital Twin)反馈控制。首先,通过将滚筒式振动机器人用于大面积操

  
为应对密集钢筋区域和人工操作随意性所导致的预制梁振动过程中的振动盲区与质量控制“黑箱”问题,研究人员提出开发一种闭环智能振动系统。该系统集成了智能设备、评估模型、自适应算法与数字孪生(Digital Twin)反馈控制。首先,通过将滚筒式振动机器人用于大面积操作,与可穿戴传感设备用于复杂死角相结合,实现了操作区域的全面覆盖。其次,基于机电液多物理场(mechanical-electrical-hydraulic multi-physics fields)耦合机制,建立了振动压实度的定量评估模型。此外,设计了一种基于流变状态反馈的分层自适应控制策略。通过融合实时定位数据与振动能量指标,动态优化振动频率和持续时间等工艺参数。最后,通过所开发的数字孪生反馈控制平台,可实时生成反映内部质量的振动能量云图,从而实现过程可视化与缺陷预警。结果表明,该系统能够准确检测并解决漏振和欠振问题。因此,施工活动得以通过数据而非主观经验判断来管理。
### 论文解读:基于数字孪生技术的预制梁智能振动机器人系统研究

**研究背景与问题**

在“建设4.0”时代,交通基础设施建设的工业化与数字化对预制混凝土(Precast Concrete, PC)构件的生产质量提出了更高要求,其直接关系到桥梁工程全生命周期的安全。在预制梁生产过程中,混凝土浇筑后的振动工序是决定结构密实度、力学强度及耐久性的核心操作。然而,现有研究指出,振动棒激发的振动能量在粘弹性介质中呈非线性衰减,有效作用半径通常限制在30–50 cm,这意味着插入点间距偏差过大或重叠区域不足极易导致微观残余孔洞、蜂窝麻面甚至结构离析。目前,预制梁生产中的混凝土振动仍高度依赖人工操作,导致压实质量变异性大:欠振或过振可导致抗压强度较最佳压实混凝土降低约5%–18%;人工振动下混凝土密实度的变异系数达8%–15%,密集配筋区域的蜂窝及孔洞缺陷率可达10%–20%。这种变异性主要归因于有限的有效振动半径以及复杂钢筋布局中保证振动区域一致重叠的困难。由此,基于经验的操作难以避免空间压实的不均匀,导致频繁的欠振与过振缺陷。

为打破对人工经验的依赖,近年来施工机器人技术取得显著发展。多项研究探索了基于龙门架或机械臂的自动振动系统。例如,Li等人基于3D LiDAR开发的振动机械臂在开放区域表现出色。然而,预制箱梁复杂的内部结构带来持续挑战:单纯依靠大型机器人难以兼顾大面积作业的效率与局部死角的覆盖。因此,探索“大型机器人负责大面积、可穿戴设备辅助死角”的人机协同模式成为解决全覆盖作业的新途径。在设备升级之外,如何实时评估与控制振动质量是另一挑战。传统质量控制常滞后于拆模后的目视检查。为实现实时监测,学者们引入了基于加速度传感器、智能骨料及能量衰减模型的监测方法。然而,混凝土振动是一个高度非线性的动态过程,受钢筋分布、混凝土坍落度及振动位置等因素的耦合影响,传统PID控制或简单阈值判断难以适应这种复杂工况。近年来,长短期记忆网络(Long Short-Term Memory, LSTM)和人工神经网络(Artificial Neural Network, ANN)在处理施工时间序列数据方面展现出强大能力。利用LSTM处理振动能量的时序特征,并结合建筑信息模型(Building Information Model, BIM)中钢筋的几何信息,有望实现最优振动时长和间距的自适应推荐。为实现从“数据采集”到“决策执行”的闭环,数字孪生(Digital Twin)技术提供了理想框架。通过构建物理实体的虚拟映射,数字孪生可实时融合多源异构数据,实现过程可视化监控。现有研究已利用数字孪生进行预制构件的尺寸检测与进度管理,但少有研究能生成反映内部质量的“振动能量云图”并反馈至前端设备进行实时修正。

针对上述振动盲区与质量控制黑箱问题,研究人员提出并开发了一套集成智能设备、评估模型、自适应算法与数字孪生反馈控制的闭环智能振动系统。该系统通过滚筒式振动机器人(用于标准台座大面积作业)与可穿戴传感振动棒(用于密集钢筋区域)的组合,实现操作区域的无死角覆盖;再通过实时解算振动棒定位、振动能量及BIM钢筋信息,自适应推荐最优工艺参数;最后,构建由BIM数字孪生驱动的反馈控制系统,实时生成振动能量云图,使施工不再依赖主观经验,而是基于实测数据进行。该论文发表在《Buildings》。

**主要关键技术方法(不超过250字)**

研究人员为开展研究采用了几项关键技术方法。硬件层面:发展了基于履带底盘的滚筒式振动机器人和基于笛卡尔坐标系的龙门悬挂自动绞车振动机器人,后者采用柔性轴与恒张力自动绞车机构实现Z轴垂直进给,并引入刚性导杆约束解决柔性轴压曲失稳问题;同时开发了集成超宽带(Ultra-Wideband, UWB)定位标签与惯性测量单元(Inertial Measurement Unit, IMU)的可穿戴传感振动棒。算法与系统层面:基于流变学机理提出利用定子电流均方根(Root Mean Square, RMS)变化率反馈函数实现分层变频控制;基于机械-电气-水力多物理场耦合机制建立有效振动能量密度压实度评估模型;利用BIM数字孪生与体系素化离散理论,结合反距离加权(Inverse Distance Weighting, IDW)插值算法生成连续振动能量云图,并设计涵盖设备级、工艺级与人机协作级的三级反馈回路。现场试验依托某高速公路预制梁场(R88-8型标准跨度30 m预制箱梁)作为样本对象进行验证。

**研究结果**

**4.1 自动化振动操作流程**
针对预制箱梁深腹板(>1.6 m)与极密钢筋网的非结构化环境,研究人员提出了一种双侧异步交错进给策略,并将整个操作流程建模为闭环有限状态机(Finite State Machine, FSM)。通过双杆同步插入、定点驻留振动、振动辅助提升及纵向微步交错等动作,结合实时阻力感知与自愈逻辑,系统能够在全自主盲插模式下有效避开钢筋干扰,形成沿梁长方向的连续均匀振动压实。试验验证表明,该策略消除了传统“回零重启动”模式中的无效行程,显著提升了作业效率与覆盖率。

**4.2 机械稳定性与鲁棒性分析**
依托R88-8预制箱梁台座开展实地测试,从机械动态稳定性、混凝土成型质量、结构力学性能及作业效率四个维度进行了综合评价。测试表明,履带式底盘在湿滑路面和硬质障碍上无明显打滑或偏航,XY平面绝对定位误差控制在±20 mm以内,为振动棒精确插入提供几何基准。在连续全自动盲插操作中,系统对刚性碰撞事件的误检率低于5%,基于“回缩-重定位-重试”策略的障碍点自主恢复率超过93.3%,验证了控制架构在高动态干扰下的鲁棒性。

**4.3 混凝土成型质量与性能验证**
从外观特征、密实度及工程结构性能三个尺度进行量化评估。振动棒抽出后棒体表面粘附均匀浆液,表明高频能量有效传递至深层混凝土;拆模后箱梁侧板表面呈现一致蓝灰色,未观察到蜂窝、麻面或气泡富集缺陷。量化对比显示:智能振动组的超声脉冲速度(Ultrasonic Pulse Velocity, UPV)最高达4.59 km/s,显著优于人工振动的3.42 km/s;表面缺陷面积比(Surface Defect Area Ratio, SDAR)和密实度均匀性系数(Compactness Uniformity Coefficient, CUC)均优于对比组。物理检测结果与数字孪生系统的振动能量云图高度一致,能量密度-结构应变Pearson相关系数达0.93(Evoxel与应变)。全比例静载试验(加载效率系数0.91)显示,跨中实测挠度11.40 mm小于理论值14.94 mm,挠度标定系数0.74–0.76符合规范;实测应变沿截面高度线性分布,残余应变仅0.1%–2.5%,远低于20%限值,梁体处于弹性工作阶段,无新裂缝出现,证实智能振动显著提升了结构刚度与强度储备。

**总结与结论翻译**

**5. 结论**
针对预制梁振动过程中长期存在的“盲区”与“黑箱”痛点,本文提出并验证了一套闭环智能振动系统。主要结论如下:
(1) **异构协作与深腔操作**:建立了滚筒式机器人与可穿戴传感设备相结合的人机协同模式,实现了复杂钢筋环境下的覆盖改善。特别地,为解决柔性轴在深腔操作中的欧拉失稳挑战,引入了刚性导杆机构,有助于缓解“鼓包”现象,并支持在深度约1.6 m的腹板中更稳定地作业。
(2) **数据驱动的工艺优化**:通过将BIM钢筋数据与实时传感数据融合,算法实现了从固定参数到动态优化的转变,在测试条件下有助于改善构件的密实度与均匀性。
(3) **工艺透明度与反馈控制**:由数字孪生技术生成的振动能量云图提供了隐蔽工程质量的可视化表征,为施工现场的质量监控与决策提供了潜在支持。
(4) 需指出,验证仅在单一预制梁、特定混凝土配合比和结构配置上进行,因此结果应视为概念验证,需进一步研究以验证其对于其他材料、几何形状及施工条件的泛化性。
该系统的应用标志着预制梁生产从传统粗放管理向精细化与智能制造迈出了关键一步。未来研究将进一步探索基于机器视觉的表面气泡实时识别与反馈,以及多机器人协同作业的路径规划算法,旨在实现更加无人化和智能化的预制工厂。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号