杨玉柱
中铁十二局集团第二工程有限公司
摘要：混凝土块软体排在长江航道整治中主要用于隔离和反滤，进行河床的护底和固滩，能有效防冲刷，且能适应岸坡的沉降变形，具有投资省、工期短、施工维修方便等优点。目前，混凝土联锁块虽然已实现预制场生产，但仍以固定模台、人工操作的生产方式为主，存在生产效率低、自动化程度低、智能化水平低的现状。随着预制构件需求量的增加，传统的生产方式正逐步被智能化设备生产方式所代替。为实现生产运行最优配置、安全环保管理、质量控制及能耗优化，打造基于新一代依托物联网、大数据、人工智能技术的自动化混凝土联锁块生产线势在必行。本文将从无人值守称重技术、锅炉状态在线监测技术、不安全行为识别技术及智能故障诊断技术四个方面对混凝土预制构件批量自动化生产系统展开介绍。
关键词：航道整治；混凝土；智慧工厂；应用
引言
我国水运资源丰富，水路交通基础设施建设发展迅速，多类型的土工合成材料在长江、黄河、海河及东北严寒水系等航道整治工程中得到了广泛应用。其中，混凝土联锁块软体排是航道整治工程的基础，也是极其重要的一个步骤，它能有效地防止水流冲刷侵蚀，且能够有效地减少岸坡沉降变形带来的影响，具有成本低、施工时间短、施工维修方便等优点。内河航道整治工程施工主要在冬季枯水期进行，现阶段养护时间较长。联锁块预制施工往往需持续整个冬季，户外露天养护易受冬季恶劣天气（温度低、结霜、大雾、雨、雪等因素）的影响，经常出现联锁块无法满足施工现场供给，进而导致施工现场经常出现停工现象，造成了极大的窝工现象，显著增加了施工成本。
1总体设计
航道整治用系联锁块软体排在长江航道整治的应用中主要利用其隔离和反滤功能进行河床的护底和固滩，能有效防冲刷，且能适应岸坡的沉降变形，具有投资省、工期短、施工维修方便等优点。D型联锁块是系联锁块软体排的重要组成部分，系联锁块软体排具有整体性好、适应河床变形能力强，保沙性较好，是目前中下游航道整治工程用于护滩（底）的主要结构型式，D型联锁块在长江航道整治工程中已是成熟的产品。然而传统生产方法均为人工布料、自然养护，其工艺流程包括：清理模具——喷脱模剂——穿绳——人工布料——人工振捣——自然养护——脱盖模——继续自然养护——脱底模。其中布料和振捣两个工序既耗人力又耗时间，它是由人力将堆放在盖模上的混凝土散料用铁锹逐个铲到80个圆洞中逐个振捣。同时，受气温、降雨等天气影响，混凝土自然养护时间较长，尤其是在冬季，联锁块产量极低，脱模时间超过72小时。传统工艺中各环节用料及质量监控均以工人的经验作为前提，如物料进场时运货车的装车环节、人工布料环节及调节锅炉原料与进风比环节等，这种依靠人工监控的生产模式具有主观性，加之生产易受天气因素影响，就会造成材料配比不均及一定程度的材料浪费，进而造成产品质量不均、生产过程可控性差及环境污染。经充分研究，并实验论证，提出机械化生产及养护的全套工艺，根本性改变了联锁块生产工艺，可取得良好的经济和社会效益。通过采用D型联锁块机械化生产及高温蒸汽养护，和PC生产工艺，封闭搅拌站供料、天然气锅炉供热、自动化流水生产线、钢结构厂房内生产等生产工艺。改良后的生产工艺采用智能定量系统，做到从进料到生产各环节的全程质量监控，科学定量地用料，解决了质量可控性差的问题；改良后的生产线更多地采用了封闭的生产环境，受天气影响产量不稳定等无法克服的弊端；同时，也从根本上解决了传统工艺重污染的问题。如图1.
.png)
图1生产管理系统网络连接
2航道整治混凝土预制构件自动化生产技术研究
2.1不安全行为识别技术
本文以FasterR-CNN算法为基础模型，结合多尺度训练和负样本挖掘策略，利用KITTI数据集训练深度神经网络模型，并进行合理的参数调节，把未佩戴安全帽检测问题转换为未佩戴安全帽的二分类问题，解决了光照、目标尺度和图像质量等因素的影响，训练时负样本空间大的问题，进一步提高了未佩戴安全帽检测的效率和精确度。采用多尺度训练方法，将每张图像设置了3种尺度（768、960、1024），每张图像随机选择三种尺度之一输入进网络进行训练，使得训练出来的模型对目标大小具有一定的鲁棒性。训练的原始数据集为KITTI数据集，该数据集在房地产、土木、港航等场景采集的真实图像数据，每张图像中最多包含15个人。实验中选取了3000张图像，并根据实验需求将其转化为VOC2012数据集格式进行训练。根据实验结果，本算法检测精度为95%左右，检测单张图片时间为200ms左右，检测精度较高。
2.2重视典型施工阶段的监理工作
小型预制构件典型施工是保证小型预制构件成品质量和生产效率的必要条件。典型施工阶段的监理工作对于小型预制构件预制场监理标准化显得尤为重要。通过典型施工，使管理人员和预制工人熟悉技术要领和质量要求；通过典型施工，确立小型预制构件生产标准流程；通过典型施工，选定正式生产的各项参数（人员组成、搅拌站调试、混凝土配合比、模具规格、脱模时机等）；通过典型施工，才能分析、查找影响小型预制构件成品质量的各种因素和其中的主要因素。
2.3基于机器视觉的预制件批量检验技术
随着人工智能、大数据、云服务、物联网技术的飞速发展，对传统航道工程施工、航道工程管理等领域也带来了强烈的冲击。传统半破损法和无破损法检测虽然都能发现航道整治混凝土预制构件的缺陷，但是其检测效率相对较低，智能化程度也不高。因此，基于图像识别的混凝土结构检测技术应运而生。混凝土预制构件裂缝将会对航道整治工程带来严重影响。目前对于裂缝主要采用人工巡检，效率较低，且在检测过程中出于懈怠、疲惫等原因导致检测的精度也较低。基于数字图像处理技术的航道整治混凝土预制构件裂缝检测方法，其检测不受作息时间限制，具有高效作业的优点，不同于人工检测精度具有波动性，图像识别的识别精度总是保持在一个比较高的范围内。基于图像的混凝土预制构件检测方法需要重点解决图像对比度弱或模糊时的图像识别可靠性问题。
3应用及推广前景
自动化的生产线能够做到生产全过程的质量监控，提高生产效率的同时也能提升产品质量，且设计流程完整，从技术角度具有可行性，在航道整治领域具有广泛的推广应用前景。从经济角度上讲，新型自动化的生产线主要资金需求应用在前期的生产设备、监控设备安装及自动化系统的适配上，但考虑到后期在生产过程中的大量的物料和人力资源节约，产品的价格不应有大幅的提升，因此，从经济角度上仍具有较高的可行性。对于新技术的推广，当前的关键技术是管理系统与实际生产线的适配问题，需要做到因地制宜，结合工厂环境适宜地安置生产和监控设备，并通过内网与智能平台产生交互。实际应用的难题在于前期的一次性资金投入以及智能系统的管理维护等方面。
结语
在航道治理过程中，混凝土预制构件的应用能够很好地节省施工时间，降低治理成本，提高工程效率。但其当前大量依靠人工值守、监管的生产方式严重影响了其生产工厂的生产效率及生产安全。本文主要研究航道整治混凝土预制构件批量自动化生产中无人值守称重技术、锅炉状态在线监测技术、不安全行为识别技术及智能故障诊断技术四个关键技术。采取上述多项技术能够显著提升当前混凝土预制构件生产企业的生产、安全、管理水平，提升其市场智能化水平、竞争力、经济效益。
参考文献
[1]周生利,张俊峰.混凝土单元排护滩结构在航道整治工程中的应用[J].水运工程,2014(11):105-109.
[2]吴杰,朱敏涛,陈兆荣,等.新型预制混凝土构件生产技术研究及工艺装备开发[J].智能制造,2018(12)：42-51.