大坝智能建设研究进展

钟登华，时梦楠，崔 博，王佳俊，关 涛

（天津大学 水利工程仿真与安全国家重点实验室，天津 300350）

1 研究背景

大坝建设攸关经济发展与国计民生，是水利水电工程建设中最为重要的建设部分。法国于1878年修建了世界上第一座水电站，自此大坝建设技术逐步发展起来［1］。总体来讲，大坝建设经历了人工化、机械化、自动化和数字大坝4个重要的阶段［2］。1940年前，受限于生产力水平、工程建设管理水平低下等原因，大坝施工质量难以得到保证，此阶段内大坝的建设主要依赖于人工力量，属于人工化大坝建设阶段。随着近代工业革命的发展，机械生产水平得到了长足的进步，机械化施工替代人工建设成为了大坝建设的必然趋势，大坝机械化建设时代也随之到来。但该阶段中施工设备落后，管理水平低效，故难以实现对大坝建设的有效管理与控制。现代化的施工机械和传感器的普遍应用标志着大坝建设进入到自动化阶段。这一阶段中，大坝建设水平得到了进一步的发展，大坝建设信息的自动化监测和信息化管理为数字大坝时代的到来奠定了良好的基础。随着计算机技术与施工管理水平的发展，以及物联网技术的广泛应用，钟登华［3-5］与马洪琪［5］开创性地提出了数字大坝理论，并将数字大坝理论成功应用于糯扎渡、大岗山、溪洛渡、长河坝等多个大型水电工程大坝建设的实践中，标志着我国大坝建设进入数字大坝阶段，这是中国大坝建设史上的大事件。数字大坝通过对工程施工过程中产生的信息进行实时自动采集与精细化监控，实现了大坝工程建设质量、施工进度、安全监测、工程地质等信息的数字化管理，并建立了工程信息实时动态集成系统，为实现大坝建设精细化控制与管理提供了科学指导与技术支撑。迄今为止，围绕大坝建设全过程，数字大坝在施工仿真［6-8］、上坝运输［9-10］、上坝料加水［11-12］、碾压监控［13-15］、灌浆控制以及数字大坝管理平台［16-17］等方面取得了丰硕的成绩。

随着物联网、数据挖掘、人工智能、大数据、区块链、计算机视觉及云计算等先进的科学技术日益成熟与广泛应用，工程建设逐渐由数字化模式向智能化模式发展。在此背景下，大坝数字化建设中存在的诸多不足逐渐显现出来。大坝建设中的重点环节如施工仿真、坝料交通运输、碾压、振捣、灌浆、温控和大坝建设信息集成管理平台等，仍存在着信息感知不全面、信息分析深度不足、智能决策与智能控制融合程度较低等问题。大坝数字化建设中存在的不足成为推动大坝数字化建设向智能化建设发展的原动力。

近年来，针对大坝数字化建设中存在的问题，许多学者对大坝智能建设的理论、方法与技术进行了有意义的探索。在大坝智能建设理论方面，张国新等［18］认为全面实现施工过程信息感知的自动化与智能控制，可促进数字大坝向智能大坝的转变；李庆斌等［19］认为大坝智能建设是在大坝数字化建设基础上，采用先进的通讯与控制技术在大坝建设全生命周期过程中全面、实时感知信息，并对信息进行自动化分析的建设模式；钟登华等［2］将智慧大坝定义为在数字大坝的基础上，通过引入物联网、智能技术、云计算、大数据等先进的技术，全面感知、实时传送和智能处理大坝建设信息的管理模式；樊启祥等［20］围绕大坝智能建设，提出“统一模型、平台和接口，数据准确、全面、及时、共享，直接面向生产需求，重在预测、预报、预控，应用操作简单、直观、逼真、智能”的智能监控原则。在大坝智能建设方法与技术方面，许多学者针对大坝建设中的施工仿真、坝料碾压、灌浆控制、交通运输、混凝土振捣、混凝土温度控制和建设信息集成管理平台等环节进行了智能化管理与控制研究，并在工程中进行了应用。

综上所述，大坝建设管理已逐步从数字化建设向智能化建设方向发展，形成了以智能仿真、智能碾压、智能灌浆、智能交通、智能振捣、智能温控和智能管理集成平台等为核心技术的水利水电工程智能建设管理体系。

2 大坝智能建设基本概念与内涵

大坝智能建设是以智慧大坝为理论基础，在大坝数字化建设体系基础上引入新一代信息技术（如物联网、大数据、云平台等），通过将先进智能技术（数据挖掘、人工智能、视觉智能、大数据、云计算、区块链等）与大坝建设进行跨界融合，形成了从大坝建设全过程、全环节、全要素、全覆盖、全天候信息智能感知到智能分析到智能馈控的闭环运行体系，实现了对智慧大坝理论的实践与检验。因此，大坝智能建设应具备如下的特征：

（1）信息感知的智能性。信息感知的智能性是指通过传感器、物联网等智能感知技术实现大坝建设信息感知与集成的泛在性、自主性、实时性以及信息传递的安全性。泛在性包含全面性和经济性，是指能采用低功耗、小型化和低成本的感知手段指对大坝建设中的多源异构信息进行全面感知的特点。自主性是指能感知设备网络具有自组织和自适应的特点，是信息感知智能性的重要体现，也是感知网络鲁棒性。实时性是指感知信息能在短时间内传送至数据服务中心供后续快速分析所用，“快”是实时性的重要体现。安全性是指感知信号在接入互联网时应采取安全措施保证大坝建设信息的安全。信息感知的智能性是区别大坝数字化建设和大坝智能化建设的技术基础。

（2）信息分析的智能性。信息的智能分析是将大坝建设信息中包含的广义知识表达出来的重要手段，是智能决策支持的基础。信息分析的智能性主要体现是大坝建设信息分析手段的智能性。数据挖掘、人工智能、大数据和云计算等智能技术手段，为感知对象的性态分析、静态/流态信息的知识挖掘以及专家系统的合理构建等提供了有力的技术支持。

（3）反馈控制的智能性。智能反馈控制是利用智能分析结果对受控对象进行智能优化决策、实时预警纠偏和机械自动化控制等。反馈控制的智能性是区别大坝数字化建设和大坝智能化建设的重要特征。

大坝智能建设的三大特点在智能仿真、智能碾压、智能灌浆、智能交通、智能振捣、智能温控及大坝建设信息集成管理平台等环节中的理论、技术与方法层面有着不同的表现形式。大坝智能建设体系以大坝建设信息集成管理云平台对建设全过程、全环节、全要素进行全局智能管控，为实现大坝建设过程的各施工环节全天候同步优化奠定了基础。大坝智能建设体系与主要研究内容如图1所示。

图1 大坝智能建设体系与主要研究内容

3 大坝智能建设研究进展综述

目前大坝建设已由人工化建设、机械化建设、自动化建设和数字大坝阶段逐步发展到智能建设阶段（如图2），形成了以智能仿真、智能碾压、智能灌浆、智能交通、智能振捣、智能温控等为核心技术的大坝智能建设管理体系，克服了大坝数字化建设过程中信息感知不全面、智能分析缺乏深度、智能控制水平低等不足。大坝智能建设是大坝建设科技创新再上新台阶的重要手段，必将开拓和引领大坝建设的技术发展，大坝智能建设研究具有极其重要的理论价值与现实意义。

3.1 智能仿真随着工程系统理论、计算机科学、物联网技术等的发展，施工仿真理论已广泛应用于地下洞室群、大坝施工、交通运输等领域。大坝建设仿真已从传统的面向设计阶段迈向服务于施工阶段，其发展历程可概括为4个阶段：第一阶段为数字仿真，第二阶段为可视化仿真，第三阶段为虚拟交互仿真，第四阶段为智能仿真。智能仿真，是指通过对施工仿真模型的智能更新、施工方案的智能优化与反馈控制等技术手段实现对大坝建设进度的动态控制，解决由大坝建设过程中的随机性和不确定性造成的施工进度控制难度大的问题。智能仿真需要解决的科学问题在于：（1）仿真建模时如何考虑不确定性因素的影响；（2）仿真参数和模型如何进行智能更新；（3）仿真控制如何实现智能化；（4）如何建立基于AR+BIM+GIS的可视化仿真平台。

图2 大坝建设主要发展阶段

围绕智能仿真的科学问题，许多学者已经开展了相关研究：钟登华等基于循环网络模型理论、离散事件仿真理论［21-22］和多Agent智能体理论［23］，建立了智能仿真理论框架体系，为大坝施工进度智能仿真参数和模型的智能更新、施工进度偏差分析与反馈控制等奠定了理论基础。毕磊［24］和Yu等［25］探索了地下工程仿真过程中如何考虑不确定性因素的影响，为大坝的智能仿真考虑不确定性奠定了基础。闫玉亮［26］考虑了大坝施工过程中的不确定性，建立了耦合优化方法的心墙堆石坝施工进度风险分析数学模型。钟登华等［27-28］基于实时监控技术和物联网技术等实现了仿真边界条件参数的全面实时感知，为智能仿真的模型更新奠定了数据基础。在此基础之上，Guan等［29］基于贝叶斯方法和改进重抽样法［30］实现了仿真模型的实时更新与分析。杜荣祥［31］基于群智能算法进一步实现了土石坝施工方案的智能优化。在施工进度偏差分析与反馈控制方面，钟登华等［32］建立了大坝施工质量与进度智能控制理论，提高了仿真控制的智能化水平；王乾伟［33］提出了基于自适应仿真的高碾压混凝土坝施工进度实时控制理论，实现了考虑不确定性因素影响的施工进度仿真的智能闭环反馈控制并应用于实际工程。与此同时，钟登华等开展了智能仿真三维可视化研究，包括基于GIS的可视化仿真［34］、基于CATIA平台［35］的仿真过程可视化分析和基于增强现实技术［36］（AR）的施工进度预警和反馈控制。基于当前先进的三维可视化技术构建了融合AR、BIM、GIS的可视化仿真平台，实现了智能仿真的直观、沉浸式分析及优化结果的反馈控制。

智能仿真目前已经形成仿真参数全面感知及智能更新、施工方案智能优化和反馈控制的研究体系。未来的智能仿真将向仿真参数泛在感知、施工全过程全环节的施工方案协同优化和基于先进反馈控制手段实现仿真结果与施工组织深度融合的方向发展，进一步提高对复杂条件下大坝施工进度的整体管控水平。

图3 大坝建设智能仿真研究体系图

3.2 智能碾压碾压作业是大坝施工过程中的重要一环，碾压作业的施工质量影响着大坝的施工质量，直接关系到大坝的安全；碾压作业的施工进度影响后序环节的施工，制约着大坝整体施工进度间接影响施工成本。黄声亨等［13］在水布垭工程中对面板堆石坝填筑碾压参数实时监控技术进行了有益的探索，实现了对部分碾压参数的实时监控；马洪琪等［5］在糯扎渡高心墙堆石坝施工中首次提出并成功实施了数字化碾压质量实时监控系统，对每一填筑仓面的碾压参数实现了全天候、实时在线、精细化、远程监控。大坝填筑碾压数字化实时监控技术自提出以来，在大坝施工质量、进度和成本分析与控制中发挥了重要作用。

然而数字化实时监控技术还存在着碾压作业过程施工信息感知不全、传统统计分析方法对施工信息分析不透彻、反馈控制水平低等不足。智能碾压是对数字化碾压的全新升级，是通过对大坝碾压施工信息智能感知、深度挖掘以及智能决策支持与控制等技术实现大坝填筑压实质量的智能控制。智能碾压主要研究内容包括碾压参数的智能感知、碾压质量的智能评价和碾压过程的智能反馈控制等。

碾压参数的智能感知是在数字化碾压监控感知技术的基础上通过集成加速度计、无人机、计算机视觉等新型感知测量设备和新型感知技术，实现碾压作业过程施工信息的泛在精准感知。智能感知为碾压质量的智能评价和碾压过程的智能反馈控制提供了数据基础。

碾压质量智能评价方法主要有两种：（1）采用基于碾轮振动特性的指标反应被碾材料的压实质量，如CMV（Compaction Meter Value）、RMV（Resonance Meter Value）和CCV（Continuous Compaction Value）等［37］，常见于道路施工中的IC技术（Intelligent Compaction）和CCC技术［38］（Continuous Compaction Control）。该方法基于碾轮和被碾压的路面或路基能形成良好耦合系统的假设，即碾轮振动特性主要取决于碾压路面或路基的刚度或密度［39］。然而大坝填筑材料的均匀度同于沥青或黏土等，因此碾压施工机械与坝料难以形成良好的耦合系统，目前已经发展出了一系列应用于大坝工程的智能压实指标，如CV（Compaction Value）［40］、SCV（Sound Compaction Value）［41］和CF（Compaction Feature）［42］等；（2）基于数据驱动模型来评价压实质量，如人工神经网络［43］和支持向量回归［44］等模型，如表1。这类模型基于机器学习算法，模型精度较高，对参数的考虑更为全面，是当前研究的热点。除此之外，林威伟等［51］基于随机森林算法实现了土石坝压实质量动态评价；针对碾压混凝土坝的施工质量控制，钟登华等［52］进行了考虑压实质量影响的碾压混凝土坝层间结合质量动态评价研究。

在智能碾压的反馈控制方面，采用机载馈控系统对碾压作业过程进行实时控制是目前较为先进的反馈控制方式。机载馈控系统如ODMS［53］（The onboard density measuring system）、MAS［54］（The multiagent system）、ICA［55］（Intelligent Compaction Analyzer）以及碾压质量实时监控系统［56］等，是通过将碾压信息反馈至操作手，指导其进行碾压作业。

在智能碾压的反馈控制方面，无人碾压技术是又一重大突破，它改变了传统人工控制碾压机作业的方式，通过底层控制机构和智能控制算法，减少了作业过程的人为干预，进一步提高作业精度和效率。无人碾压技术由中国水利水电第五工程局和同济大学依托长河坝工程做出了有意义的探索［57］，随后清华大学研究了无人驾驶碾压机自动作业系统并在前坪水库进行了应用［58］。天津大学钟登华院士团队开展了高寒、高海拔、高地震烈度等复杂施工条件下无人碾压机群智能协同控制的研究，取得了一定的成果［59］，并在两河口和双江口等水电工程中进行了应用。

大坝智能碾压总体的发展趋势总结为感知精细化、分析精准化和控制智能化。下一步需要进一步提高感知、分析和控制的集成水平，实现作业机具从传统碾压机械到智能碾压机械到智能碾压机器人的提升。

表1 压实质量评价模型对比

3.3 智能灌浆坝基灌浆可提高坝基岩体的强度，并阻止坝基中的潜在水流和内部侵蚀，因此对坝基进行灌浆处理是提高大坝施工过程安全性和大坝运行稳定性的关键技术之一。然而灌浆具有施工工艺流程复杂、施工过程难以控制和施工质量难以评价等特点，因此需要采用先进的科学技术对灌浆过程进行研究。灌浆研究的发展可大致分为3个阶段：第一阶段主要是对工程经验的简单应用；第二阶段主要实现灌浆数据的采集和可视化展示，如美国的AIAS（Advanced Integrated Analytical Systems）［60］；第三个阶段为智能灌浆。所谓智能灌浆，是指以物联网、大数据、人工智能、云计算平台等新一代信息技术为基本手段，充分运用数据挖掘、智能分析、智能决策等对灌浆过程信息进行实时感知与深度挖掘分析，对基础灌浆动态智能调控提供决策支持。李晓超［61］提出基础处理体系事前、事中和事后的智能控制理论，提升了灌浆智能化控制水平。

在智能灌浆灌前研究方面，樊贵超等［62］提出了基于分形理论的坝基裂隙岩体注灰量与导水率的关系，李晓超等［63］提出了考虑多参数指标的坝基岩体可灌性综合评价，王晓玲等［64-65］提出了基于三维精细地质模型的灌浆模拟理论，邓韶辉等［66］揭示了裂隙交叉区域、复杂裂隙网络中浆液扩散机理；闫福根等［67］提出了智能灌浆工程中多尺度建模理论，为智能灌浆实时采集、动态分析和智能反馈的闭环控制理论提供基础。

在智能灌浆灌中研究方面，闫福根等［68］提出“全面感知、智能分析、动态决策、实时控制”的监控理论，樊贵超［69］提出了灌浆施工过程智能监控方法，通过对灌浆施工过程智能分析和反馈控制，实现了灌浆施工质量的事中控制，樊启祥等［20］提出了灌浆施工自动化控制理论化方法，Lin等［70］利用数值模拟对抬动变形进行了模拟和控制。

在智能灌浆灌后研究方面，Bai等［71］和Huang等［72］利用压水实验、岩芯信息、地质雷达和声波检测评价灌浆质量，Li等［73］和Fan等［74］提出了灌浆效果智能分析及反馈控制方法，评价结果如图4所示，通过灌浆效果的智能预测分析、综合评价以及反馈控制，实现对灌浆施工质量的事后控制。

在智能灌浆系统研究方面，韩伟等［75］实时监测灌浆过程中压力、流量等参数，实现灌浆过程中统计图表的生成，Still等［76］实现了灌浆监测和预测理论的统一分析，闫福根等［67］耦合三维地质统一模型，实现了地质信息和灌浆施工信息的耦合分析，并且可完成地质预测和抬动预警。

三维地质模型质量关系到到灌浆分析的精度。自Houlding［77］提出在三维环境中以适当的数据结构建立场景的实体几何形态、空间关系和属性以来，三维模型的构建方法也得到了长足的发展。钟登华等［78］提出了面向大坝建设建模的NURBS-TIN-Brep混合数据模型，解决大坝建设模型的信息存储量大与分析要求高的矛盾；Li等［79］提出一种增强型多边形离散裂缝网络（DFN）模型实现对岩石裂缝的精细建模；Yue等［80］采用拉丁超立方抽样（Latin Hypercube Sampling）方法和采用最优蒙特卡罗模拟和动态模拟技术等建立断裂网络模型；Zhang等［81］引入基于T样条的建模方法来提升了三维模型建立的灵活性和有效性。

大坝智能灌浆总体的发展总结为灌前可灌性分析、灌中智能监控和灌后质量综合评估，下一步需要进一步耦合精细化三维地质模型，利用精细三维地质模型建立智能灌浆策略，最终实现基于智能灌浆策略的自动化和智能化灌浆控制。

3.4 智能交通在大坝建设过程中，确保坝料按既定路线运输、并对坝料进行合理加水、同时防止错误卸料等是保证大坝建设进度、成本、质量综合最优的重要因素，因此有必要对大坝建设中坝料交通运输环节进行有效管控。马洪琪等［5］对结合水电工程的特点及工程施工管理需求，在糯扎渡水电工程开展了坝料运输过程的实时监控研究，实现了对车辆超速、卸料点错误、车辆进出场、运输轨迹偏移等的实时报警分析及各类施工资源的实时统计分析，克服了人工管控存在的大坝建设交通运输过程难以管控的不足，这标志着大坝建设交通运输管控步入了数字化阶段。崔博［16］和Liu等［12］在数字化坝料运输管控系统的基础上研发了坝料运输车自动加水控制系统，实现了车辆的按量精准个性化加水，解决了传统人工控制加水方式难以实现坝料精准加水的问题，是大坝建设交通运输管控数字化阶段的又一成果。然而数字化阶段仍存在着信息感知不全、传统统计方法对运输过程信息分析不透彻、匮乏对交通运输过程的优化控制等不足，推动着大坝建设交通运输管控朝着智能化方向发展。

图4 灌浆质量综合评价结果［73］

大坝建设中的智能交通，是指以当前蓬勃发展的空间定位技术、传感器技术、无线通讯技术、数据库技术、GIS技术、计算机智能视觉技术等为手段，对车辆运输过程中的实时位置及作业状态进行实时感知、实时传输、智能分析与可视化表达，实现坝料运输全过程的智能监控。在智能交通领域，国外研究起步较早，如Han等［82］应用循环网络技术对土石方运输工程进行分析和模拟；Navon等［83］通过对监测数据进行实时分析，实现了对土石方运输过程中施工强度、资源利用等施工参数的动态分析，并用于指导车辆运输。近十几年来，随着国外大坝工程越来越少，其相关研究主要集中在城市交通领域。在国内，刘宁［84］结合大坝工程建设的特点，基于路径智能规划技术的上坝运输车辆智能调度方法，构建了施工场内智能交通馈控体系，实现了路况信息的智能分析与更新、运输路径的智能规划与车辆智能调度，该研究完成了大坝建设智能交通的初步探索。之后，钟登华等［85］通过集成射频识别技术、全球卫星导航技术、个人数字助手、地理信息技术和通用分组无线网络技术等，研发了坝料智能加水系统。该系统考虑了不同坝料、坝料含水率、坝料运载重量，并综合分析温度、风速、降雨等局部气候影响下坝料含水率变化过程，采用数据挖掘、人工智能等算法对坝料运输车辆加水量及仓面补水量进行智能分析与控制，构建工区气象短期预报模型和堆石料含水率变化量预测模型，对运料车辆应加水量的智能分析与精准预测，实现了坝料运输及施工仓面的智能加水，方法框架见图5。

当前的大坝建设智能交通正朝着感知信息精细化、分析优化精准化和反馈控制精确化方向发展，未来需要融合人工智能新技术，实现大坝建设交通运输管控的感知、分析和控制水平的进一步提升。此外，将大坝建设交通运输纳入到大坝施工全过程复杂系统中进行协同智能优化是未来科学发展的必然趋势。

3.5 智能振捣混凝土振捣是大坝施工中关键环节，振捣质量直接影响混凝土坝长期运行中的安全性及稳定性。如何有效保障混凝土振捣质量，智能振捣指明了解决方向。智能振捣是以物联网技术、人工智能技术等为手段，通过实时全面感知振捣作业信息，对混凝土振捣质量进行智能分析与反馈控制，确保仓面混凝土振捣施工质量。

图5 上坝料智能加水方法框架图［85］

目前智能振捣研究主要包括振捣信息可视化和振捣质量反馈控制等方面。在振捣信息可视化研究方面，国内外学者多以单个插入式振捣棒为对象，通过对振捣设备进行定位监控，开展混凝土智能振捣的研究。如Burlingame等［86］根据施工过程中振捣棒的温度显著高于其周围混凝土温度，采用热成像法监控振捣棒的移动轨迹，实现了对振捣信息可视化的初步探索。Gong等［87］利用UWB（Ultra-Wide-Band）定位技术，提出了一种混凝土振捣效应实时监控方法，提高了定位精度，实现了振捣棒移动轨迹的实时精确追踪；以振捣持续时间反映振捣能量的累积，通过占据栅格法实现了考虑振捣能量传播过程中衰减效应的振捣施工过程的计算机可视化展示。河海大学的Tian等［88］基于GPS动态跟踪的振捣施工可视化监测系统，通过集成GPS以及传感器等设备，实时监控振捣轨迹、振捣时间和插入深度等振捣质量参数的监控以及其可视化表达。中国电建集团成都勘测设计研究院［89］针对大坝施工现场广泛使用的振捣台车开发出了一套基于计算机图形技术的混凝土振捣可视化监控系统，实时监控振捣机架多个振捣棒的位置、倾角、插入深度和振捣时间等参数，从而定性分析振捣质量。以上研究对混凝土智能振捣进行了有益的探索，然而大体积混凝土振捣密实机理复杂且振捣质量难以及时定量分析，因此有必要进一步研究振捣质量的智能分析，从而对现场施工质量进行有效地控制。

在振捣质量反馈控制中，通常采用事中人工经验判断和振捣过程预警以及事后钻芯取样检测的方法。如何在事中及时且定量反馈控制混凝土振捣质量的研究仍处于空白状态。目前，在智能大坝理论与技术的基础上，钟登华等［90］建立了振捣质量智能监控数学模型（如图6）并研究出一种实时、连续的混凝土坝振捣施工质量监控和动态评价方法，以实现振捣施工参数的准确采集和全仓面混凝土振捣质量的精细化控制，突破了常规的数字化监控方式，确保混凝土坝工程的施工质量。

综上所述，目前的研究多集中于振捣施工过程的监控以及其过程的可视化，及时且有效评估振捣质量进而反馈控制振捣过程等方面内容仍有待进一步研究。

3.6 智能温控混凝土温度控制是提高混凝土坝施工质量，避免危险性裂缝产生的有效手段。智能温控是以智能化温度感知-分析-控制为核心，采用理论分析、数值计算、现场监测等多种手段，围绕大体积混凝土防裂智能监控的理论方法、数学模型、关键技术等，对混凝土温度进行有效的调控，形成以大体积混凝土温控为全要素的监测方法，以大体积混凝土热力学参数反演、温控效果评价、通水流量预测、温度应力和横缝开度模拟等为核心的分析方法，以智能通水理论为中心的温度调控措施。

国外的大体积混凝土温控分析研究起步早，美国垦务局在欧瓦西（Owyhee）拱坝最早进行混凝土冷却水管的现场试验，这是通水冷却首次在水电工程领域中的应用。随后胡佛大坝（Hoover）首次在混凝土内全面预埋通水冷却水管，取得了理想的温控防裂效果。此后，国外坝工领域在Hoover大坝温控基础上不断完善，并将温控措施进一步拓宽应用至混凝土材料、结构、施工等方面［91］。

我国温控防裂研究相对国外较晚。1990年代中期，我国在响洪甸拱坝首次采用预埋冷却水管措施控制混凝土的温度应力。随后，中国水利水电科学研究院在深入分析高拱坝基础温差、上下层温差和内外温差致裂机理的基础上，总体提出以“表面保温、低温浇筑、通水冷却”三大手段为主的温控防裂体系。在温控智能化研究方面清华大学详细阐述了智能化温控管理的构想，提出了通过物联网、自动测控和云计算技术实现个性化温度管理与分析的方法。目前国内智能温控研究已经取得较为丰富的成果，如中国水利水电科学研究院研发的大体积混凝土防裂动态智能温控系统［92］、清华大学研发的通水冷却智能温度控制系统［93］等，均结合我国实际的高拱坝工程得到了成功应用。

图6 振捣质量智能监控数学模型［90］

3.7 智能施工管理集成平台大坝建设施工智能管理集成平台是全方位管控大坝工程施工建设的重要手段，是多信息融合、多模块融合、多功能交互、跨平台使用的信息管理系统。智能施工管理集成平台通过现代网络、智能视觉、信息融合等技术实现大坝施工建设全方位信息的实时、在线、智能分析与管理，是海量工程信息存储管理及综合应用的共享资源池，是提升大坝建设智能化水平坚实的技术支撑。目前国外主流的施工管理基础平台主要侧重于施工项目管理方面，如美国Harris等［94］开发的Primavera Project Planner软件；Microsoft公司的Microsoft Project系列软件；惠康公司采用的OpenPlan项目管理平台；Zarn等［95］建立的项目管理软件WorkBench C PMW等。这些管理系统在工程建设项目投资规划，管控流程分解优化、项目集成化控制方面均取得了优异成绩，显著提高了施工管理人员对工程项目的控制能力。

国内智能施工管理集成平台与大坝建设结合更加紧密，在信息可视化，功能模块化以及人机交互等方面表现出色，不仅可以对大坝施工进度、质量、投资进行宏观管理，还可以对大坝建设过程中变形、渗流等安全情况及运输、灌浆、碾压等重要施工环节进行精细化控制。比较有代表性的如：天津大学钟登华院士团队研发的数字大坝施工信息综合集成管理平台［16］，实现了大坝施工质量监控信息、施工进度信息、施工监测信息的动态采集与智能分析，对大坝施工过程中碾压、运输、加水、灌浆等施工环节进行智能监控，显著提高工程管理人员对大坝施工质量、进度的控制能力，并在我国糯扎渡工程、长河坝工程、梨园面板堆石坝、两河口工程等众多大型水电工程中得以成功应用；中国长江三峡集团公司研发的智能化建设业务协同工作平台IDam平台［20］，利用手持式数据采集、生产数据自动采集、业务工作流等技术手段，实现大坝各个部分信息的实时采集，满足用户动态搜索与查询各部位的相关计划、进度、温度、质量、变形等信息；长江科学院［96］研发的溪洛渡水电站工程安全监测系统，实现了数据管理、资料分析和系统管理等功能，该系统将坝基渗压统计模型嵌入到系统中，能够及时预测渗压的变化趋势。

大型流域的水电开发建设往往以梯级滚动方式进行，在同一时刻存在不同开发建设阶段的工程。如何从全流域协同角度对项目群进行有效集中管控，进一步提升流域水电开发建设管理与决策水平、保障工程建设质量和进度、降低流域开发综合成本是当前智能施工管理集成平台研究需要解决的问题。针对该问题，由雅砻江流域水电开发有限公司牵头，中国电建集团成都勘测设计研究院和天津大学钟登华院士团队共同参与的“流域水电全生命周期数字管理平台研究与应用”项目，研发了海量三维地理信息（3DGIS）与工程信息模型（BIM）的高效融合技术，提出了流域水电全生命周期管理框架，实现了面向流域水电开发建设的高效智能管理，图7为雅砻江流域水电全生命周期数字管理平台架构。

未来智能施工管理集成平台将系统集成多尺度、多维度、海量多源异构信息，深度跨界融合前沿技术，具有极佳的可拓展性和智慧性，将从单个工程的全过程、全环节、全天候精细化管控演化到全流域范围内项目群集群管控，从平面化、简易的可视化系统演化到集成三维、智能的可视化系统，向着更快速、更高效、更全面、更智慧的方向发展，为我国的水利工程智能建设管理提供更加有力的技术手段。

图7 雅砻江流域水电全生命周期数字管理平台架构

4 大坝智能建设研究前沿和难点

大坝智能建设实现了对大坝数字化建设的跨越。我国大坝建设中心正逐渐向高寒、高海拔、高地震烈度、偏远地区转移，施工条件十分复杂，这给大坝建设管理带来了巨大挑战的同时也提出了更高要求，工程建设管理理论与技术发展挑战和机遇并存。目前，我国大坝建设已经基本实现自动化生产，在关键节点上实现了智能化建设管理，尤其是随着物联网、大数据、人工智能等新一代信息技术的发展，大坝智能建设已经取得突破性成果。但应该认识到，当前阶段的大坝智能建设还处于初始阶段，智能化程度仍有待提高，大坝工程建设智能监控理论与技术还需要在工程实践中不断改进、不断提高、不断发展。要全面实现大坝的智能建设，仍需在理论、方法与技术上实现全新的突破，并服务于工程实践。因此未来的大坝智能建设是在智慧大坝基本理论的基础上，通过引入先进的科学技术与方法，结合大坝建设重点环节及其特点，不断提高大坝建设过程中智能感知、智能分析与智能控制的水平，不断完善大坝智能建设体系的过程。

4.1 大坝建设全过程信息精细感知大坝建设全过程信息的泛在、实时、自主感知是大坝智能建设的基础。感知信息的质量直接影响到数据分析和反馈控制精度，进而影响大坝智能建设质量。大坝建设过程中，施工环境复杂，施工环节繁多，现场施工机械和人员配置多样，如何实现对大坝施工全过程多尺度、多维度、海量多源异构信息的精细感知是当前面临的难题。随着科技的发展，感知手段的日益繁多、智能感知水平的日益提高为大坝建设全过程精细感知的难题带来了突破口。未来有必要基于新技术，在感知的广度和深度上不断迭代更新大坝建设多源信息的感知体系；基于新型测量技术及物联网技术最新的成果，对大坝感知网络进行个性化定制，以技术的创新突破制约感知性能的瓶颈，实现信息感知的精准性与实时性。

4.2 大坝建设全过程信息传输与存储大坝建设全过程信息具有海量、多维度、多粒度、异构性强的特点，与此同时智能计算与智能控制需要依托于精细感知信息的实时快速检索和筛选，因此对信息传输的实时性、信息存储组织形式提出了更高的要求。然而目前海量传感器导致传统信息传输网络传输成本提高，基于点对点式的信息传输方式随着节点增大可靠性降低且对集散节点的硬件性能提出了考验。传统的信息存储系统的快速检索、信息提取自动化程度仍然不高，数据量、数据维度、数据粒度的急剧扩张使得传统存储系统无法满足应用需求进而导致从蕴含丰富规律与知识的大坝建设全过程信息中进行知识挖掘还存在困难。因此新时代背景下，需要研究考虑大坝建设过程特点的新型高性能无线自组网技术，实现网络拓扑动态的变化提高信息传输自动化程度；研究并应用大坝建设场景下的信息区块链技术，实现大坝建设全过程海量信息的快速实时传输；研究大数据条件下的传输网络结构优化方法，针对相似或冗余数据进行消除；研究应用于大坝建设全过程信息管理技术，实现大坝建设全过程信息的结构化管理和即时便捷检索。

4.3 大坝建设海量信息智能分析大坝建设信息的智能分析是大坝建设决策与控制的基础。随着大坝建设规模的增大，大坝建设信息感知范围急剧扩大，造成大坝建设多源异构信息维度和数据量呈几何级数倍增长，形成了大坝建设中的大数据。大坝建设的大数据具有数据量大、数据维度高、多源异构、时变性强等的特点，传统分析方法无法对大坝建设中的大数据进行有效分析。目前，广泛使用的人工智能算法如神经网络、支持向量机等实现了对大坝建设大数据的高精度智能分析。然而，这类算法多是基于数据驱动的弱人工智能，在分析的可解释性和可靠性上存在不足；多是采用完全标注的大样本进行静态特征学习，无法深入挖掘多源异构信息中的动态特征。未来有必要通过多学科跨界合作，进一步探究应用于大坝建设海量信息智能分析的人工智能模型机理，提高模型的动态可解释性；同时，充分结合大数据、云计算等先进技术，实现大坝建设海量信息精准、可靠的实时动态智能分析；有必要进一步探究人工智能新方法，实现大坝建设海量多源异构信息中不完全、无标注样本动态特性的自主智能分析。

4.4 大坝建设智能决策与控制大坝建设智能决策与控制技术是根据感知的信息和挖掘的知识，实时、自主地进行智能施工决策，对建设过程进行智能化控制，使得建设性能动态趋向于控制目标。大坝智能建设的决策系统做出施工调整决策后，其方案的实施依赖于施工设备等受控对象的自动调整。当前水利水电工程建设的主阵地逐步向西部迁移，高海拔气候条件和现场复杂施工环境下，施工人员和施工机械出现明显降效，对施工智能决策和智能控制水平提出了更高的要求。因此，有必要基于智能感知、自主控制和管理决策智能优化等技术，将人工智能与大坝建设深度结合，构建具有人类智慧的集优化、决策、控制为一体的大坝AI建设系统，促进大坝关键施工环节变革，实现从传统施工机械作业到智能施工机械协同作业的重大提升。

4.5 大坝智能建设工程管理模式大坝智能建设时代下，大坝建设理论、方法和技术的变革必将导致工程管理模式的变革。需研究创新智能大坝工程建设管理模式，与信息化深度融合，形成网络化、智能化、协同化的大坝建设工程管理体系：整合大坝建设全过程数据，形成面向施工全过程的决策服务信息，用数据支撑工程优化升级；依托智能控制技术，实现决策信息的精准执行；继续深化构建大坝智能建设全过程、全环节、全要素、全覆盖、全天候工程管理平台，实现建设、设计、监理和承包商等参建单位的信息实时共享，促进施工和控制全面互联；在建设管理过程中，逐渐摸索出具有普适性指导意义的大坝智能建设工程管理模式。

5 结论

大坝智能建设是保证大坝建设质量，全面提高大坝建设管理水平的重要战略举措。本文通过对大坝智能建设有关的大量文献的综述，阐述了大坝智能建设的原动力、基本理念和技术内涵，对大坝智能建设中重点的环节如智能仿真、智能碾压、智能灌浆、智能交通、智能加水和智能振捣以及大坝建设智能管理平台中的关键理论、方法与技术的研究进展进行了梳理，最后探讨了大坝智能建设中未来的发展方向和趋势。随着物联网、数据挖掘、人工智能、大数据、计算机视觉及云计算等先进科学技术的日益成熟以及在大坝建设中的广泛应用，我国全面实现大坝智能建设已成必然趋势。