导 读

季节性雨水、城市建设等自然、人类活动对城市排水能力提出较高要求，维持排水管网的正常运行是城市基础设施运维的重要内容。目前，城市排水管道运维主要依靠人工作业，存在作业难、作业量大、风险性高等问题。

以机械代替人工作业的模式因为具有安全、高效的特点成为了城市排水管道运维作业的发展趋势。介绍了国内外管道检测、作业机器人的研究现状，从作业方式、机械设计、控制模式三个方面分析了现有技术存在的不足；提出了排水管道运维机器人的作业规程并总结其发展方向，如检测技术提升、功能模块优化、控制模式智能化等，为排水管道运维机器人的研究发展提供新思路。

关键词：排水管道；机器人；运营维护；无人装备

引用本文：刘峰华，李琛，刘文黎，等. 城市排水管道运维机器人研究进展［J］. 给水排水，2022，48（3）：147-154.

截至2019年底，我国排水管网总长超过74.4万km，年污水排放量达555亿m3。而随着海绵城市建设以及国家对于污水处理要求的提高，近年来管网系统以8.5%的年增长速率持续扩大其运维规模。

2021年政府工作报告指出,要持续改善环境质量，“十四五”时期要求基本消除城市黑臭水体，排水管网已由保障城市安全的重要基础设施升级为保证人民幸福生活的重大民生工程。因此，维持排水管网的平稳运行成为一项重要的城市治理任务。

随着管网的建设规模的扩大，保证管网正常服役的需求也逐渐凸显。据住房和城乡建设部科技发展促进中心有关资料显示，我国城市管网普遍存在设施老化与管理技术落后的问题，管道破裂、腐蚀等缺陷导致的城市管道运维事故频发。

因此，近些年管网的工作重点逐渐由建设转向维护更新。目前，排水管网检测、清淤、修复等工作通常采用人工作业或人机协同作业模式。以管道清淤为例，常用方式有绞车清淤，钻杆疏通及高压射流。绞车及清淤设备需要工人下井安装，空间狭小、昏暗，作业困难；且施工环境中的硫化氢等有害气体会严重危害工人健康。总之，管网维护的人工作业方式效率低，局限大，存在安全隐患。

利用机器人代替人工作业已成为管网运维管理的新趋势。在排水管道中使用的运维机器人已由传统的大型工业机器人发展成“小精尖”的特种机器人，能够适应复杂管况并完成任务。

管道运维机器人可分为检测机器人与作业机器人：检测机器人指通过声学、光学设备或技术实现管道内部的信息采集及模型重建的机器人；作业机器人指清理管内淤积或完成管体缺陷修复及更换的机器人，这些机器人的协同配合可辅助排水管道的运维工作。

本文归纳了排水管道运维机器人的研究现状，介绍了国内外高校、科研院所及企业具有代表性的产品，并对其使用的关键技术或机构做简要概述，最后总结了研究现状的不足，并对该领域的发展趋势做出展望。

1 排水管道运维机器人研究现状

为厘清目前国内外对于排水管道运维机器人及技术研究的总体情况，本文在WOS（Web of Science）核心数据库上统计了领域内文章发表数量并使用文献计量工具对相关文献进行了合作作者可视化分析，结果如图1和表1所示。

其中，AHRARY A团队、ELKMANN N团队成果较多，形成了一定的研究体系。AHRARY A团队设计了原型机器人KANTARO ，系统地研究了排水管道机器人检测、定位、导航技术；ELKMANN N团队致力于进行排水管道检测、清理机器人系统的研究，提出了基于运动学、视觉的全自动检测系统的实现方法及面向服务的数据检测及处理架构。

图1 管道机器人及排水管道机器人作者合作关系网络

表1 发文数量统计

本文同时计量了管道机器人（石油、燃气等管道）的研究现状，意图通过对比确定排水管道机器人的研究广度与先进性。相较管道机器人，城市排水管道机器人研究起步晚，范围小。相关研究团队缺乏持续、深入地研究，团队间交流合作较少。数据表示排水管道机器人的研究存在不足，亦说明目前排水管道机器人的研究有较好的发展前景。

1.1 检测机器人

管道运维机器人的相关研究主要集中于检测机器人。国外起步较早，20世纪80年代已有产业化的商品机器人投入市场，德国、美国、日本等国的技术处于世界领先水平。

我国同期开始对了管道检测机器人的探索。哈尔滨工业大学、清华大学、上海交通大学等高校研制了适用于不同场景的检测机器人，以深圳施罗德、武汉中仪物联公司为代表的企业陆续投入产品研发，填补了国内管道机器人研究、市场的空白。

管道内部相关数据是其运维管理所需的重要信息，其数据的精度与机器人上搭载的检测技术存在直接关系。因此，高效准确的管道检测技术或方法十分重要。易于机器人搭载的技术有管道闭路电视检测（Close circuit television inspection，CCTV）、声呐、雷达等，这些技术均存在其优势区间及不足：CCTV可检测所有结构性、功能性缺陷，但工作条件较为严苛，且使用前需暂停管段使用并进行排水、冲洗工作，管道能见度直接决定检测质量；声呐可在黑暗、有水环境下完成对管道的检测，但检测缺陷种类有限，数据存在噪声。

美国通用电气贝克休斯集团旗下的韦林工业集团基于其世界领先的内窥镜技术研发了ROVVER系列检测机器人。ROVVER900采用轻量机械设计，重25kg，尺寸约582 mm×200 mm×150mm，易于使用人工或小型机械部署；模块设计具有扩展性与适应性，可用于限制、突出管道及支管检测；搭载高像素CCD摄像头，高度、角度、焦距在一定范围内可调，具备多视角、高精度获取图像的能力 。

深圳施罗德工业集团面向排水管道及箱涵推出S系列检测机器人。该系列机器人多采用轮式行走模式，配备防侧翻警报与位姿检测系统；应用高精度计米装置与GPS实现作业进度厘米级控制；机器人前端、后端搭载高清无延时摄像头，消除检测死角。

表2展示了国内外典型检测机器人的型号、参数，面向多管径、多管况的检测机器人已经提出，技术体系逐渐成熟。

表2 国内外典型管道检测机器人

基于人工智能的管道检测辅助技术指的是使用机器学习、深度学习算法自动处理机器人检测结果，辅助作业人员得出检测结论的技术，是继检测机器人后新的研究热点。

清华大学、阿肯色理工大学、开罗大学、同济大学等高校在CCTV的基础上利用CNN、SVM、ELM等算法分割检测结果，识别、分类管道缺陷。该类技术有效降低工人劳动量与检测成本，避免不确定因素导致的漏诊、错诊，实现检测流程智能化。

1.2 作业机器人

管道作业主要包括管道清淤及管道修复。清淤机器人已存在大量设计方案，华中科技大学研发了面向深隧的清淤、检测一体机器人，针对深隧埋深大、管径大的问题，机器人使用有缆方式进行通信与电力供给，续航时间长、信号传输稳。清淤使用弹簧钢片与螺旋叶片结合的方式，范围广，效率高，耗能小，作业稳定。

萨拉斯瓦蒂工程学院提出了一个集成检测、清淤及有毒气体中和的机器人系统。机器人配有红外摄像头，高压水、切割刀片、抽吸泵，气体传感器。使用红外摄像头及传感器检测管道中的堵塞并反馈给终端界面；使用高压水、切割刀片与抽吸泵清除管内淤积并抽吸至地上容器储存；有毒气体由气体传感器检测并通过添加液化微生物来消除有害影响。

表3列举了国内外部分管道清淤机器人，介绍了清淤机器人模块设计方案。目前清淤机器人的研究多而不精，机构设计较检测机器人均较为普通；部分方案仍处于概念设计阶段，清淤能力难以表征。

表3 国内外管道清淤机器人

管道修复常使用非开挖修复技术，指采用不开挖或少量开挖的方式进行地下管道修复。作业过程开挖量小，避免土方作业导致的交通拥堵及环境污染。人工非开挖修复主要使用钢套环、螺旋缠绕、管道内衬技术，工艺流程复杂，不适于机器人作业。

国内外非开挖修复机器人的研究总量少。相比国外，我国相关成果或方案较多，但尚未形成研究体系，成果多来自施罗德等机器人企业或市政公司等城建企业，中国石油大学等高校也有相关研究。较为常见的是使用光固化成型技术、水泥砂浆喷涂技术及3D打印技术，作业模块小且工序简单，具有一定工程使用价值。

2 研究现存问题

分析排水管道运维机器人作业环境、技术要求等因素，本文认为排水管道机器人研究的技术难题有三点，见下文分析。

2.1 传统的检测方式无法满足所有检测需求

传统的检测方式各自存在一定的弊端，需要融合多种检测手段或研发新检测技术以应对复杂作业环境或检测需求。

部分污水氮、磷元素含量较高，藻类、藓类植物在管壁或管底大量生长形成生物菌膜。这导致部分管道缺陷被生物膜覆盖，使用视觉进行检测时易出现漏诊情况。

在实际的检测工作中，另一项重要的工作是判断管道侵蚀程度，管道在侵蚀作用下的受损量将成为管道修复、更新的依据。传统方法以对比点云模型与设计模型的方法计算侵蚀程度，效率低、欠直观，无法有效解决工程问题。

2.2 传统的机体设计无法适应所有管道环境

管道淤积成分复杂，有软质淤积物（淤泥等），硬质淤积物（石块、泥块及树根等），还有较为特殊的尼龙、塑料袋及油脂。针对不同淤积物的处理方式不同：软质采用刮、刨、推、冲，硬质采用切、割。尼龙、塑料袋较难切断，易缠绕在机构增大机械运行的不稳定性，是清淤的难点。清淤机器人普遍采用一种或两种作业方式，无法应对复杂淤积物，清淤效果不佳。

恶劣环境是机器人的机构、功能设计的一项挑战。以行走模块为例，轮式机器人行进速度快、效率高，越障能力较差，易陷入软泥；履带机器人运行平稳，适用于各种地形，行进效率偏低。保证机器人可靠度与工作性的关键在于选择各模块，设计行进功率、作业功率、机体尺寸等参数设计需将环境因素纳入考虑。

作业机器人多数处于概念设计且考虑约束条件较少，作业性能存在问题，整体结构与关键模块的技术仍需升级。

表4 排水管道机器人面临的挑战

2.3 传统的控制模式无法实现自主作业

机器人初期是一种辅助人类完成作业的半自主智能机器，人工智能的发展小幅度修改了其本质：“机器人是自动执行工作的机器装置，既可以接受人类指挥，又可以运行预先编排的程序，也可以根据以人工智能技术指定的原则纲领行动”。

初级的自主式机器人通过算法、程序完成固定化工作，适用于工业流水线或稳定的作业环境；智能机器人的作业模式相对高级，实时获取环境信息并以此制定作业方案，迭代、优化并执行。大多数运维机器人依靠遥控完成作业，通过人脑完成作业方式、参数选择，路径规划等关键步骤，缺乏智能化控制。

3 研究展望

在研发具有自主学习功能的建筑机器人的趋势下，无人土方作业推土机、无人盾构掘进机等无人作业装备被陆续提出，碧桂园公司已将无人抹灰、无人浇筑等机器人投入应用，排水管道运维机器人在无人作业领域较其他机械存在较大差距。

因此，运维机器人自动化作业是未来重大发展方向。本文综合其他无人设备的工作模式对管道智能运维机器人作业的规程作简要介绍，并按实现规程所需关键技术对机器人的发展做出展望。

3.1 管道智能运维机器人作业规程及要求

作业规程可简单凝练为“工作环境检测→工作场景理解→智能规划、导航→执行作业方案”。

3.1.1 工作环境检测

工作环境检测是较检测而言更广度的概念，包括缺陷等管道信息及温、湿度，水深，淤积物厚度等管内信息。多类别的目标检测要求机器人搭载多种检测技术及传感器。

3.1.2 工作场景理解

场景理解基于环境检测实现，自图像、视频中利用深度学习、语义分割等算法提取信息，多层次表达作业环境，实现机器人对作业目标的识别、理解。场景理解为智能作业提供数据基础，要求机器人应用鲁棒性强、泛化误差小的识别算法。

3.1.3 智能规划、导航

无人作业的关键是制定作业方案，包括作业方式、作业流程等。以清淤作业为例，需判断管内淤积情况（淤积物种类、淤积地形、淤积物硬度等），选择清淤方式与功率（高压水、刀具、铲板等），规划合理的清淤路线（分层清理、按行进方向清理等）。作业方案需要不断修正，每段甚至每个截面的管况都有概率发生变化，在作业过程中需要实时获取、处理、反馈信息，对计算能力与自适应控制有较高要求。

3.1.4 执行作业方案

复杂管况下的作业方案应用多机构、多模块，需求多种检测、清淤技术。要求机器人在结构尺寸、行进能力等参数合理的设计范围内实现多功能集成。

3.2 管道智能运维机器人作业技术发展

智能运维机器人技术发展将从感知技术、功能模块、智能控制三方面进行论述。

3.2.1 升级感知技术

针对常规管况部分光学技术可以有效地解决主流技术存在的问题。结构光扫描与声呐SLAM常用于三维模型重建与逆向工程，亦可以实现水下测量，具有高精度，全场景测量等优势；深度传感技术从基于二维图像的检测转向基于三维深度的检测，其中ToF（Time of Flight,飞行时间）技术效果最佳，具有良好发展潜力；利用光反射测距的激光雷达能够提供精确的管道参数测量，检测结果稳定。

而面对上文提出的复杂管况，苏黎世联邦理工学院与牛津大学联合设计了使用触觉系统评估混凝土管道劣化程度的机器人。该机器人通过预设动作抓挠混凝土管产生振动，位于腿部的力/扭矩传感器捕捉这一振动并通过预先训练的支持向量机完成对混凝土管的评估；澳大利亚拉筹伯大学面向管道顶部腐蚀检测研发了使用位移探头的遥控机器人，根据探头伸出距离使用数学模型快速计算管道有效内径及腐蚀程度，为管道的更新维护提供了直接依据。两项研究创新地通过触觉、物理方法实现管道检测，为检测技术的发展提供了新思路。

3.2.2 优化功能模块

功能模块需要从集成、升级两个角度进行优化。检测和作业机器人功能简单，作业手段单一，工作方向明确。智能运维机器人具有 “一机多用”的特性：完成检测、作业单项任务或管道全流程运维管理，其实现方法为多层次集成：在功能层面集成检测功能及作业功能；在机构/技术层面集成多种机构/技术以应对不同需求。

“小、轻、快、强”是机器人升级的目标：机器人及运行所需配套设施体积小，使用电池供电及5G通信等方案使机器人运行“无线化”，增大作业范围及深度；机器人及附属机构质量轻，通过人工、叉车或行走模块完成机器人部署，无需吊车等大型设备；机器人在陆上、管内行进速度快，动力强，作业效率高；机器人附属机构功效强。检测设备使用范围广、成像清晰、易于机器人提取信息，清淤设备功率大、冲击力强、清淤效果好。

3.2.3 实现智能控制

运动控制是机器人控制的关键，常分为高度控制、位置控制、航向控制等。为实现更复杂的控制，必要的工作是将机器人的耦合运动解耦，设计其子运动的独立闭环控制回路实现精细控制，更好地表征机器人的运动形态。在闭环回路中，控制算法（控制器）根据输入参数返回闭环回路的输出，是决定控制效果的关键。在实际工程中，选择一种稳定、鲁棒性强的算法十分重要。

而在排水管道内，控制算法要兼具稳定性及适应性，以便及时对复杂环境做出反馈。神经网络、自适应控制方法是主流的两种控制算法，自适应控制通过输入输出参数的变化自主调整系统参数以达到最优的输出效果，神经网络控制在处理非线性和不确定性变量方面有突出优势，均可作为排水管道智能运维机器人的控制算法。在此基础上，为弥补控制算法的缺点通常使用多控制方法结合的控制策略，如自适应神经网络控制、模糊神经网络控制、自适应滑模变结构控制等。

控制领域正在持续发展，提出了诸多新的控制算法，但大都处于理论探索阶段。开发或应用适宜运维机器人作业的新算法尚存在较多困难，需要进行深入的理论与实测验证。

4 结语

排水管网的运维管理是一项重大民生工程，其传统的运维方式存在一定的不足，基于管道运维机器人的管网运维辅助成为了城市基础设施运维管理研究的热点。本文介绍了排水管道运维机器人的作业优势及国内外代表性研究成果，分析了现有研究的不足。

现阶段研制的管道运维机器人检测方式局限大，作业方式单一，难以较好完成作业任务。而复杂的管况又对机器人提出了严苛要求，须研发性能卓越的硬、软件系统以应对可能的挑战。

在无人装备的研究热潮中，实现管道运维机器人的自主作业是一项重大课题。自主作业要求机器人具有高精度的环境感知能力，信息识别能力，决策、优化能力和调整能力，需要在感知、智能控制等技术上取得突破。

希望未来能依托于现有的研究基础实现排水管道运维的自动化作业，研制出稳定、可靠的自主作业机器人，有效解决因管网淤积、破损导致的诸多问题，提高城市治理水平。