悬索桥机器人巡检技术研究

针对悬索桥大尺度、结构复杂、检测盲区问题，采用BIM技术对悬索桥的机器人巡检技术进行探讨。根据悬索桥结构特点、机器人特点分析了悬索桥检测要点及机器人总的巡检实施流程，研究了机器人在巡检中坐标系建立、路径规划问题，利用Matlab开展了巡检仿真模拟，通过悬索桥BIM模型获得待检区域索塔的基本信息并建立栅格地图，推演无人机、爬壁检测机器人等的合理检测路径，进而探讨了主梁及主缆的检测路径。研究表明，采用BIM技术有助于实现悬索桥多机器人检测的全局规划，可提高巡检效率和覆盖率，从而保证检测数据的完整性，是机器人巡检的必要方法。     

基于多型智能桥检装备的梁桥联合检测技术研究

为解决桥梁检测机器人实桥检测过程中所面临的适用性问题，采用对已有研究成果归纳总结和桥梁检测机器人实桥应用验证的方法，对多型桥检测装备共同作业下的梁桥联合检测技术进行了研究。主要研究结果为：1)无人机初检，长臂、爬壁机器人根据初检结果抵近详检的联合作业模式，可减少检测过程的盲目性，大幅度提高检测效率；2)无人机、长臂、爬壁机器人在检测过程中将面临许多约束问题，检测前的事先路径规划可提高检测过程中的安全性；3)无人机、长臂机器人检测过程中应避免过多的转弯操作，无人机飞行策略和长臂机器人巡行采集模式宜采用转弯次数较少的短边向“S”形采集；4)通过苏家沟特大桥和玉带河桥的应用验证表明，本文所提出的规划内容可在一定程度上解决检测机器人实桥检测过程中的适用性问题。     

基于轻量化卷积神经网络的桥梁混凝土裂缝检测方法及验证

针对基于边缘检测算法、阈值法等传统的混凝土裂缝检测算法易受到干扰的问题，采用基于轻量化卷积神经网络的桥梁混凝土裂缝检测方法对混凝土裂缝检测难的问题进行研究，并通过对桥梁裂缝图像真实数据集进行检测验证。检测结果表明：1)所研究的轻量化卷积神经网络模型能够实现像素级的标注；2)所研究的轻量化卷积神经网络模型训练参数相比其他文献明显减少，权重文件所占内存明显减小；3)所研究的神经网络模型能够清晰准确地划分出图像中的裂缝像素，且不受图像分辨率大小、对比度等因素影响。上述结果表明，所研究的网络模型具有在像素级准确检测裂缝的良好性能，且权重文件占用内存小，能很好地适用于工程实践。