高坝枢纽泄洪消能建筑物智能巡检与安全评价理论方法和技术研究展望

陈永灿，王皓冉，李永龙，刘知贵，涂扬举，李 理，陈 刚，马芳平，谢 辉

(1.西南石油大学，四川 成都 610500；2.清华四川能源互联网研究院，四川 成都 610213；3.西南科技大学，四川 绵阳 621010；4.国能大渡河流域水电开发有限公司，四川 成都 610041)

高坝枢纽是支撑水能高效开发和水资源综合利用的重要战略基础设施，持续并稳定地为经济社会发展提供能源供给、防洪保障，产生了巨大的社会效益和经济效益。截至2018年底，中国水电装机容量达到了3.52亿kW，水电在国家能源体系中占据了重要位置。已建或在建的80余座200 m级以上高坝主要分布在水能资源集中的西南地区。以长江流域为例，干支流建有4万多座库坝，大型库坝近300座[1]，并拥有白鹤滩、溪洛渡、锦屏一级、大岗山等一批大型、特大型高坝枢纽。大机组发电、大流量泄洪、高速水流消能成为常态，对枢纽运行期泄洪消能建筑物的安全性、稳定性、耐久性要求十分高，泄洪消能问题十分突出。深入研究高坝枢纽安全泄洪与高效消能是保障水电工程安全运行的关键，具有十分重要的意义。

泄洪消能建筑物破坏成为高坝枢纽工程中常见的威胁大坝安全的关键问题，2007年至2010年实施的《全国病险水库除险加固专项规划》[2]表明泄洪消能建筑物破坏导致的病险水库案例占比高达74.6%。挑流消能在国内外高坝枢纽泄洪消能工程中应用广泛，在大型水利枢纽的运行中，泄洪孔口与水垫塘是易受损又尤为重要的泄洪消能建筑物，承载着下泄水流、改善流态、消散能量的作用。泄洪孔口与水垫塘常常伴随有不稳定的动水压力与脉动压力，容易造成局部甚至大范围的过流面混凝土损伤破坏，严重威胁水利枢纽运行安全。国内外实际工程中，曾发生多起泄洪孔口及水垫塘过流面结构损伤案例，例如：中国的景洪水电站在2018年进行全面安全检查时，发现其泄洪孔口出现多处裂缝、磨蚀以及止水破坏等损伤[3]；五强溪、安康水电站等，运行期水垫塘、消力池都出现过不同程度的破坏；孟加拉国的Karnafuli水电站、赞比亚的Kariba水电站、墨西哥的Malpaso水电站也发生过泄洪孔口及水垫塘等结构损伤事故，造成了严重的经济社会后果[4-5]。

定期对运行期的水电枢纽开展泄洪消能结构过流面损伤巡检已成为掌握其工作性态、评价结构安全状况的重要手段。依照规范，巡检的重点为查明混凝土结构裂缝、空蚀、冲刷、破损形成的粗骨料出露、坑槽、露筋等缺陷，并说明缺陷位置、规模、性状[6-7]。西南河流含沙水体在水垫塘底部形成的附着淤积等复杂水下检测条件，以及高速水流与过流面损伤的耦合机制认识不清，严重制约了高坝枢纽泄洪孔口、水垫塘等消能设施运行期的安全检测与评价。《水电发展“十三五”规划》[8]提出探索新一代信息技术与水电生产深度融合，随着装备技术、信息技术的创新与发展，依托特种机器人性能优势和智能巡检技术手段，辅助甚至逐步取代水电站人工巡检成为趋势。过流面破损机制研究与智能巡检方法的突破与融合，可使精准完备的泄洪消能结构安全分析评价得以实现，从而有效支撑高坝枢纽的安全运维和智能管控。

综上所述，高坝大库建设的新常态、枢纽大量投产运行的新趋势形成了独特的以拱坝坝身泄洪孔口与水垫塘为代表的泄洪消能安全防控新问题，应受到极大关注。本文面向西南峡谷高坝枢纽运行期面临的泄洪消能安全问题，揭示高速含沙水流与过流面损伤的作用机制，突破强适应、高效率的智能化巡检与损伤识别的理论方法与技术难题，通过阐明损伤特性与分布特征，实现基于“模拟—检测—监测”数据融合的泄洪消能建筑物安全评估。并以大渡河流域大岗山高坝枢纽坝身孔口、水垫塘为工程背景，对智能巡检方法和评价模型进行应用验证。研究成果对保障梯级水电站群发电安全，提高水电运维的精细化管理水平具有重大科学价值和指导意义。

1 国内外研究现状

系统和科学地开展高拱坝泄洪孔口及水垫塘智能巡检与安全评价的研究需要融合水工水力学、信息与控制等多个学科，探明高速水流条件下的损伤演化规律，研究适用于复杂环境的巡检方法，突破损伤特征识别的关键技术，构建结构安全分析与评价体系。

1.1 泄洪消能建筑物损伤规律

针对泄洪孔口及水垫塘运行期损伤的研究主要是通过流场水动力特性分布规律分析泄洪孔口破坏，水垫塘过流壁面裂缝、磨蚀、止水破坏等典型损伤的产生机理，对泄洪消能建筑物结构体型及运行条件进行重点优化。在水动力特性方面，杨敏等[9]基于水弹性模型试验，分析了白鹤滩水电站反拱型水垫塘的水动力荷载特性。张建民等[10]通过水工模型试验，对水垫塘冲击区底板动水动力进行了测量。许唯临等[11-12]分别对拉西瓦、小湾水垫塘进行了数值模拟，揭示了水垫塘内水动力要素的3维分布规律。陈永灿和许协庆[13]基于数值模拟方法，研究了射流对下游河床冲击的作用机制。在泄洪孔口破坏方面，缪鹏程等[14]通过对比多个模型在高速水流脉动压力作用下的随机响应，分析了高拱坝坝身孔口对坝体整体动力特性的影响及稳定作用。岳鹏博等[15]开展了泄洪表孔分流齿坎空化特性模型试验，并针对空蚀问题开展了分流齿坎结构优化。朱今凡等[16]采用3维有限元法对高孔挑流鼻坎裂缝成因进行了分析。在水垫塘裂缝损伤方面，Asadollahi等[17]基于3维块体稳定性算法估算了水垫塘池底的动水压力，并探究了动水压力对裂缝的影响机制。李爱华等[18]探讨了高坝水垫塘内脉动压力在底板缝隙水介质中的传播机理。在过流壁面冲刷磨蚀破坏方面，大量研究表明：冲刷磨蚀破坏是由上游下泄高速含沙水流推动水垫塘中高硬度卵石、杂物对过流壁面进行反复冲磨而产生的[19-21]。水流流速、水舌入射角、水垫厚度、水中含沙量等是影响冲刷磨蚀破坏的主要影响因素。此外，高速水流会诱发过流壁面产生空化现象，导致空蚀破坏进而加剧壁面磨蚀损伤的发展[22]。在水垫塘板间止水破坏方面，聂海勇等[23]分析了混凝土周边缝止水破坏机理，并提出了可靠的修复方案。在结构体型优化方面，Yan等[24]依据水流流态对水垫塘长、宽尺寸优化进行了探索。杨家修等[25]探讨了水垫塘下游二道坝及底板高程对于水动力指标的影响。王新等[26]以流态和动水压力为指标，对水垫塘体型的合理性进行了论证。

然而，现有研究仍主要依据水动力特性独立开展。未充分考虑水动力特性与裂缝、空蚀等典型损伤间存在相互耦合关系。一方面，高速水流的冲刷作用是导致过流壁面损伤的直接原因。另一方面，裂缝、磨蚀等典型损伤的出现使得壁面平整度恶化，从而影响到局部流场水力特性。此外，各类损伤之间也存在相互促进作用，目前对于各类损伤之间的影响机制尚未形成系统的、相关联的研究[27]。针对损伤影响因素的研究也多停留在枚举的层面上，没有深入明晰影响泄洪孔口及水垫塘安全性态的直接因素和间接因素，也并未明确各因素对于水垫塘损伤的影响程度。

1.2 高坝枢纽复杂环境智能巡检

受到泄洪孔口及水垫塘复杂工作环境的影响，获取客观的、高质量的、规模化的研究数据存在诸多不利因素。现有泄洪消能建筑物水下混凝土结构巡检的方法主要有以下几种：1）有缆遥控水下机器人（remote operated vehicle, ROV）巡检方法，该类方法主要通过人工遥控方式进行数据获取。魁北克水电研究所（IREQ）开发了一系列用于水电大坝检查的ROV[28]。Yu等[29]使用带有固定距离跟踪控制策略的ROV进行倾斜的水电大坝坝体检查。Sugimoto等[30]对水电大坝壁面和大坝闸门设备进行检查。Shimono等[31-32]将ROV和水面船相结合，用于实际水电大坝的场景。2）自主式水下机器人（autonomous underwater vehicle, AUV）巡检方法，该类方法通过预先设定的路径进行数据获取。Ridao等[33]采用AUV对大坝面板进行自主式的巡检。Neto等[34]采用AUV搭载视觉系统进行水电高坝坝体的巡检。Cruz等[35]采用预先编好的程序自动完成特定的水下检查作业。3）专用定制的水下机器人巡检方法，该类方法采用深度定制的作业流程对局部水下结构进行精细检查。由Yang等[36]设计的Anchor Diver 5.2定制检测系统，在日本Amagase大坝进行了评估。Sakagami等[37]设计了负压的装置，保持机器人与水电坝面表面之间的机械接触，以获得清晰的连续图像。Li等[38]设计了UIS-1消力池专用巡检机器人系统，采用图像进行消力池骨料裸露比的计算。而针对泄洪孔口这类水面以上建筑物的巡检，Ridolfi等[39]研究了坝面不同地面控制点的布置对无人机航拍 3 维建模的精度影响。Henriques[40]和Angeli[41]等利用无人机进行图像采集并进行 3 维重建，对缺陷进行量化研究。Buffi等[42]在拱坝巡检中，借助传统地形测量方法及相关工具，改善无人机 3 维建模局部区域的畸变和整体稠密点云的误差。Khaloo等[43]对混凝土重力坝采用固定翼和旋翼无人机在不同尺度下进行坝面图像采集。

然而，泄洪消能建筑物过流面结构巡检主要以遥操作为主，依靠人工在线闭环进行环境的感知和多个自由度控制，不适合大面积连续区域的作业。采用自主式巡检方法采集时，受限于溢流孔口半开放空间或水垫塘声学设备多次反射带来的误差及惯性导航设备累积误差，自主巡检受到定位精度的影响极大。现有巡检方法面临着巡检区域大、巡检效率低、巡检过程中未充分考虑损伤分布规律等问题。因此，现有泄洪孔口或水垫塘的混凝土智能巡检方法依然无法满足工程实际需求。

1.3 损伤特征感知技术

采用新型的传感方法与信息处理手段，进行水工混凝土结构损伤特征感知是工程和学术领域研究的热点。近年来，以计算机视觉和机器学习为基础的检测方法成为水工结构损伤特征感知的一种重要手段。朱兆彤等[44]提出采用水下声呐感知方法获得结构缺损图像。朱新民等[45]采用高精度 3 维激光扫描仪对表观缺陷进行检测，替代了传统的人工普查法。研究人员相继提出了声学、光学等丰富的缺陷传感方式。Xie等[46]提出将激光超声技术应用于水下损伤缺陷的识别和定位，可估计缺陷的宽度和大小。Yang等[47]提出结合光流法和图像匹配法来估计混凝土表面损伤分布的位置，该方法适用于对固定区域的量化分析。付军等[48]提出利用BP神经网络来进行水下大坝结构损伤识别，该方法能有效反映缺陷的形态学特征，并分析裂缝的位置结构。Pathirage等[49]提出了一种基于自动编码器的结构损伤识别框架。随着深度学习在目标检测领域快速发展，利用卷积网络识别损伤缺陷也逐渐成为研究热点。Fei等[50]提出了一种基于深度学习的损伤缺陷分割算法。Tabernik等[51]提出分段式损伤缺陷检测算法，采用分割网络进行缺陷像素级定位，并采用分类网络实现裂缝的准确分类。为评估水下建筑物结构失效的潜在风险，通常需要对损伤缺陷的大小、形状和深度信息进行表征量化。Ni等[52]提出了基于Zernike算子的裂纹宽度估计方法。Xu等[53]提出基于点云表面损伤缺陷的3 维重建与测量方法，通过提取点云轮廓线来获得损伤缺陷信息的量化指标。Wang等[54]提出利用二值裂纹图像自动测量裂缝宽度的方法。Li等[55]采用注意力机制改进了U-Net神经网络，对磨蚀的图像进行了骨料的语义分割。

然而，单一传感探测设备的感知方法具有局限性，对高拱坝泄洪孔口及水垫塘损伤的信息获取能力不足，无法精准感知损伤特征。其次，受周围复杂环境光线、畸变等不利因素的影响，难以获得高质量、规模化的损伤研究数据，损伤样本小、样本不均衡将导致识别精准率低。因此，泄洪消能结构损伤的识别与量化研究仍有较大提升空间[56]。

1.4 结构安全分析与评价方面

针对泄洪消能建筑物结构安全分析与评价的传统方法有事故树分析法、层次分析法、贝叶斯网络法、神经网络法、模糊评价法等。Khakzad等[57]对贝叶斯网络法与事故树法进行对比研究，指出前者更加科学准确但同时也需要大量全面的数据支撑。Peyras等[58]提出了基于概率的风险分析与可靠性方法相结合的安全评价模型，对工程中发生的复杂问题进行建模并对结构安全性进行评估。Morales-Nápoles等[59]则对传统的离散化贝叶斯网络法进行优化，针对安全分析与风险评价中出现的连续变量提出了非参数连续贝叶斯网络法，从而提高了评价的精确度。贝叶斯网络法等传统基于概率的评价方法需要使用大量的实测数据，数据量的大小将直接关系到评估的准确度，而在实际检测过程中并不总能满足此条件。针对此，Karuna等[60]提出了在实测数据不足时采用区间分析与模糊集理论等非概率方法进行结构安全评估的数学模型。张亚琳等[61]则结合D-S证据理论，发展了融合多种评价准则的结构安全综合评价方法。上述评估方法大多仅针对建筑物自身的损伤指标进行评估而未考虑人工管理与巡检等因素的影响。因此，Zhang等[62]提出了基于改进的D-S证据理论与反向传播神经网络理论的多源数据融合方法，通过反向传播神经网络提供基本概率分配，进而使用D-S综合规则实现多源数据的融合。练继建等[63]建立了较完善的指标体系，综合运行管理数据与结构检测数据建立了模糊综合评价模型。Wu等[64]提出了针对消力池的安全风险评估方法。Rao等[65]提出了考虑多因素耦合效应的评价体系，通过层次分析法与专家评价法确定评价指标及其权重，并采用模糊综合评价模型进行安全评估。

然而，目前针对库坝结构安全分析与评价的研究大多是对评价方法的研究，由于对泄洪消能结构损伤机理的研究有待深入，且大多只关注结构安全监测指标而忽视巡检数据等因素，因此，在评价指标的选取方面研究尚有不足。如何在现有基础上对此进行融合改进以实现优势互补仍是研究的重点难点。

综上所述，国内外学者在泄洪消能建筑物检测与安全评价领域开展了大量研究工作，但有关智能巡检与评价的技术方案与理论体系的研究尚不充分，难以满足高坝泄洪孔口和水垫塘安全运维的迫切需求。首先，缺乏高速水流作用下过流面损伤演变规律的理论研究，需要全面掌握典型损伤特征与分布规律，揭示水动力荷载与混凝土损伤演化的耦合机理。其次，缺乏高效巡检理论和智能检测技术，需要破解巡检范围大、巡检效率低、环境适应性差之间的矛盾，改进损伤感知方法并提升损伤识别效率。最后，缺乏“巡检—监测—模拟”融合的结构损伤风险分析与评价模型研究，对于典型损伤机理与评价模型的研究仍相对独立，且没有就水工结构损伤与水动力机制的结合开展系统研究，相关研究工作亟待开展。

2 拟解决的关键问题及研究内容

2.1 拟解决的关键科学问题

2.1.1 高速水流与过流面耦合作用下的损伤形成机理与演化规律

高速水流与过流面损伤相互作用机制是探究泄洪消能建筑物智能巡检方法与安全评估理论的重要支撑，有利于弥补复杂水动力荷载下损伤演化及累积效应的科学认知不足。研究关键水动力因子对损伤演化的影响机制，揭示高速水流与过流面耦合作用下的损伤形成机理与演化规律，是拟解决的关键科学问题。

2.1.2 适用于复杂环境的自适应巡检理论与方法

针对高坝枢纽泄洪消能建筑泄洪孔口、水垫塘等复杂环境，在常规方法巡检过程中巡检控制适应性差、数据采集精度偏低的问题，开展复杂环境多信息科学认知机理研究，建立复杂环境巡检区信息统一表达体素模型，并在此基础上结合自适应控制理论，研究高精度智能控制巡检方法，是拟解决的关键科学问题。

2.1.3 机理分析与数据驱动融合的结构安全风险分析和评价理论

泄洪消能结构荷载作用复杂，巡检数据、常规监测数据与数值模拟数据之间缺乏融合，通过单一数据均无法对泄洪消能结构安全风险进行综合判断。构建机理分析与数据驱动融合的结构安全风险分析与评价理论，实现综合性的科学评价，是拟解决的关键科学问题。

2.2 拟解决的关键技术问题

2.2.1 高速水流水动力荷载高精度数值模拟技术

由于泄洪消能建筑物具备水流流速高、紊动强以及流态复杂等特点，脉动压力等关键水动力荷载往往难以精确模拟。采用DES和VOF方法，综合泄洪消能建筑物运行特点，构建适用于泄洪孔口及水垫塘高速水流的3维水动力模型，对流场水动力特性开展数值模拟，明晰各水力要素分布规律。

2.2.2 多维感知信息的损伤智能分类与量化技术

针对智能巡检采集的过流面损伤数据因光学成像畸变、背景复杂、图像形态特征弱等因素导致损伤辨识时间长、量化准确率不高的共性问题，结合迁移学习方法建立损伤特征智能辨识模型与基于候选集的损伤分类与量化方法，通过神经网络的正向训练调优与逆向训练提速，大幅提升损伤特征识别与量化效率。

2.3 研究内容

针对四川高坝枢纽泄洪消能建筑物运行期面临的结构安全问题，以高拱坝泄洪孔口及水垫塘为研究对象，从过流面耦合损伤演变机理、复杂环境认知机理与自适应巡检理论、损伤智能辨识与量化方法、结构安全分析与评价等4个方面开展研究。

2.3.1 高速水流作用下过流面耦合损伤演变机理

1）复杂流场下泄洪消能建筑物水动力特性数值模拟。

基于计算流体力学，开展高速泄洪流场水力特性3维数值模拟，分析泄洪孔口及水垫塘流场的流速、脉动压强、紊动动能等水力要素的变化规律。拟利用分离涡模型DES等高精度紊流模型，对不同泄流量、不同孔口开度等工况下过流面所受荷载进行数值模拟，分析水力参数与分布对过流面损伤的影响，为开展泄洪消能建筑物损伤演化与安全评价研究奠定基础。

2）泄洪孔口与水垫塘典型损伤特征与分布规律。

结合复杂流场下的水动力特性与过流面混凝土力学性质，开展典型损伤的主要特征及分布规律的诊断分析，明晰过流面混凝土损伤类型、损伤位置、损伤规模等主要性状，提出损伤风险概率分布与损伤特征等级，并建立泄洪消能建筑物损伤分区与水动力特性的内在联系，支撑高效的智能巡检与准确的安全评价。

3）水动力荷载与混凝土损伤演化的耦合机理。

综合高速泄洪水流动力特性的数值模拟与典型损伤特性，系统研究流速、脉动压强、紊动动能等水力要素与磨蚀、裂缝等典型损伤的相互关系，探究不同类型损伤之间的耦合作用机制；基于流体水力学与固体材料损伤力学的流固耦合理论，重点研究关键水动力因子对损伤演化的累积效应，揭示宏观的关键荷载与微观损伤扩展规律之间的相互作用机制，为泄洪消能建筑物结构安全评价奠定理论基础。

2.3.2 复杂环境多信息认知机理与自适应巡检方法

1）泄洪消能复杂巡检环境的多信息认知机理。

针对坝身泄洪孔口异型、狭窄、半开放空间与水垫塘水下淤积、浑浊、弱光等复杂环境，开展环境信息语义表示方法研究，对其包含的空间、时间、尺度及属性进行表征及量化分析，并构建空间 3 维分布环境态势信息场，研究多信息间的驱动变化机理，揭示其相互关系和共性特征，为泄洪孔口及水垫塘等复杂巡检环境建模提供理论支撑。

2）巡检区多信息体素模型建模方法。

在多信息认知机理研究基础上，利用信息场建立基于三关联层的复杂环境巡检区的概念表达框架，包括流固环境因素（空间、尺度）、抽象域（光、气流、地磁）和动态变化（时间）。对空地和水下环境建模采用体素方式，其中，巡检全域场空间对应整体3维体素，泄洪孔口流面、闸墩、水垫塘护坦、导墙、二道坝等结构对应对象区域局部3维体素，结合抽象域和时间变化，可形成复杂环境巡检区多信息表达建模。

3）精准抵近的自适应巡检方法。

针对裂缝、磨蚀等过流面损伤需要精准近距离采集的需求，使用区域局部体素坐标集作为期望函数，将泄洪孔口巡检无人机/水垫塘巡检水下机器人（ROV）的SLAM实时高精度定位坐标作为控制函数，动态变化时间作为激活函数，构建基于自适应控制理论的近距离精准巡检方法，匹配不同巡检传感器的最佳采集距离需求。

2.3.3 泄洪消能结构损伤特征智能辨识与量化方法

1）基于迁移学习的结构损伤特征智能辨识与分类方法。

针对巡检采集的有效损伤数据样本噪声大、特征不显著等问题，利用迁移学习的思想构建损伤多模态特征识别与分类模型，研究神经网络架构搜索（NAS）的方法；以迁移网络为基础进行网络训练调优，将损伤辨识与分类融为一体，有效提高裂缝、磨蚀的背景分割效率，实现典型损伤的即时分类，减少时间开销。

2）泄洪消能结构损伤高精度量化表征方法。

基于完成辨识和分类的结构损伤2维光学、3维点云数据，研究损伤边缘提取与量化区域确定方法，对裂缝损伤的长度与宽度、磨蚀损伤的深度与面积等关键参数进行几何测量。针对量化过程中强噪声和量化离群值导致的测量精度下降问题，研究基于经验信息候选集和改进逆向训练的方法，建立噪声-量化级联分类优化模型，提高损伤的测量精度。

2.3.4 多元信息融合的结构安全分析与评价体系

1）拱坝泄洪消能结构安全评估指标体系和分级标准。

基于水动力、工程地质等条件，结合智能巡检、长期监测及数值模拟等信息，利用信息物元可拓模型解析多源异构数据并通过事故树法与层次分析法剖析事故元素，拟定结构安全评价指标，建立评价指标体系。针对过流面水压力荷载等关键指标，通过数值模拟对损伤状态下泄洪孔口及水垫塘的瞬时压力变化进行分析，明晰脉动压力荷载在过流面裂缝内部的作用机制。在此基础上，针对泄洪消能建筑物运行特点建立对应不同安全程度的压强分级标准。

2）基于“巡检—监测—模拟”融合的结构安全评价模型建立与应用。

基于泄洪消能建筑物结构的安全指标体系，采用专家评分法及乘积标度法确定指标的权重，提出针对泄洪孔口及水垫塘的典型损伤分级标准，综合贝叶斯网络法与模糊评价方法对数据进行动态整合并建立综合判断体系，进而针对不同结构段提出典型安全风险排序，确定整体安全风险的概率分布情况。以大岗山水电站为背景，开展泄洪孔口及水垫塘结构安全评价方法示范应用，验证安全评价模型的可靠性。

3 研究方法与技术路线

围绕科学问题与内容设置，综合数值模拟、数据统计、室内实验、现场观测、模型建立等方法，系统开展高拱坝坝身泄洪孔口及水垫塘运行期损伤的智能巡检方法及识别研究，并依托大渡河大岗山水电站为实际工程，应用检测模拟方法与评价模型，技术路线如图1所示。

图1 技术路线Fig.1 Technology roadmap

3.1 高速水流作用下过流面耦合损伤演变机理

3.1.1 泄洪孔口及水垫塘过流高精度数值模拟

针对泄洪孔口及水垫塘复杂流场作用下的水动力特性变化问题，基于计算流体力学的3维数值模拟方法，采用分离涡模型DES等高精度紊流模型，结合追踪自由液面的VOF法，建立大岗山泄洪孔口及水垫塘3维几何模型计算域，基于有限体积法对流场进行求解，模拟不同特征水位、不同孔口开度等实际运行工况下泄洪孔口及水垫塘所受的脉动压强、流速、紊动能等主要水力要素分布。

3.1.2 混凝土过流面损伤演化机理描述与损伤概率分析

根据混凝土损伤发育的过程，采用损伤力学的理论分析方法,分析混凝土表面损伤演化的机理，并结合泄洪孔口及水垫塘水动力特性的数值模拟与典型损伤特性，建立脉动压强、流速、紊动动能等水力要素与磨蚀、裂缝等典型损伤的相互关系，从理论角度建立水垫塘运行期水动力荷载与混凝土损伤发育的耦合机理模型，获取关键水动力因子对损伤演化的促进效应。采用风险概率的分析方法，提出损伤破坏等级与损伤风险概率分布，按照过流面混凝土块为最小单元指标，获取泄洪孔口及水垫塘过流面范围内不同损伤的等级分区图，建立水动力特性与过流面损伤等级分区的影响关系。

3.2 复杂环境多信息认知机理与自适应巡检方法

3.2.1 复杂环境数据语义表征及空间3维分布环境信息场建立

基于同一语义表示方法，针对坝身泄洪孔口异型、狭窄、半开放空间与水垫塘水下淤积、浑浊、弱光等复杂环境所蕴含的多维环境信息语义进行解析，量化其表征的环境要素及属性，将其按照空间、时间、尺度及属性进行分类。如：泄洪孔口异形结构数据属于空间语义分类，水垫塘的水下淤泥数据属于时间、尺度与空间语义分类，复杂环境中的气流信息因涉及点时间、规律计算与空间分布属于时间、属性与空间分类。因为所有的环境信息语义都涉及到空间语义属性，故建立表述所有复杂环境信息的3维空间分布环境信息场：将数据场定义为随时间变化、在3维空间分布的多维信息变量，是空间域和时间域到值域的映射；3维动态数据场是在一定的有限3维空间内分布，并且随时间变化的地理变量。巡检区域的空间界定了空地环境要素的空间界限和精确位置，是多维时空信息集成的基础。与传统的方法将空间对象抽象为点、线、面、体4大类不同，空间的划分可分为场空间和对象场空间两类，其分别对应巡检全域场模型和对象模型。在此基础上建立一个变化的概念表达框架，包括流固环境变化因素、抽象域和时间变化语义3个相关联的层次。其中，流固环境特征是变化参与的主体，时间过程是变化的驱动力，抽象域是变化发生的描述和模式。对一个流固环境中的某个具体变化来说，3者相互作用形成一个变化实例，构成互关联层。

3.2.2 泄洪孔口及水垫塘巡检系统验证测试

拟在大岗山水电站高拱坝泄洪孔口及水垫塘进行系统验证，为提高智能巡检作业效率，降低作业风险，通过拱坝3维体素模型结合泄洪孔口、水垫塘的结构模型，并与前期已有的检测数据融合，构建巡检虚拟演练平台。在此基础上，开展现场测试，采用旋翼无人机搭载采集与定位模块，融合视觉与激光定位数据，对泄洪孔口过流面、闸墩边墙的损伤开展数据抵近采集；水下巡检采用双模水下机器人，搭载Easytrak Alpha 2665水声定位仪、Tritech 701高度计、A50多普勒计程仪，在水垫塘预设定位分析的位置点进行巡检任务规划和实际定位数据收集，对定位和任务规划方案进行验证。

3.2.3 复杂水下环境可视化检测技术实验研究与现场测试

针对泄洪消能建筑物现场水下检测中淤积、浑浊、无光等环境特点，搭建模拟实验环境，设计优化“清淤-置换”的可视化采集方法和检测装置，如图2所示。通过水体置换与观测的方式采集损伤图像，并拟结合水下多介质条件下畸变矫正方法，实现浑浊与淤积条件下磨损、裂缝等表观缺陷毫米级检测。将检测装置模块与水下机器人融合，通过水池联调实验后，在大岗山水垫塘开展现场测试，结合自适应巡检控制算法，力争破解水下结构过流面淤积遮蔽的检测难题。

图2 水下机器人结合“清淤-置换”可视化检测技术Fig.2 Underwater robot combine with ‘desilt-replace’visualization detection technology

3.3 泄洪消能结构损伤特征智能辨识与量化方法

3.3.1 多模态异构传感信息融合模型建立

结合泄洪消能结构的作业面分布和使用环境，研究不同层次的声光联合数据融合技术，在多物理维度上实现优势信息互补。针对同一传感器探测单帧数据存在的信息缺失或探测范围受限问题，研究基于灰度分布和特征点的声学和光学图像的数据级融合拼接技术，通过加权平均、模拟退火、图像金字塔等算法实现水工建筑物的大视角、高分辨率观测；针对单一种类传感器数据维度缺失问题，研究声光信息的特征级融合技术，通过概率统计、逻辑推理等方法增强目标特征，实现对单一传感器信息的“升维”处理。

3.3.2 损伤迁移学习智能辨识的实验

利用迁移学习构建2维图像和3维点云语义分割的卷积神经网络，研究损伤数据与大型数据集上共有的特征集，使用在大型数据集上表现优异的骨干网络作为特征编码器，提取损伤的多层次隐含特征，设计特定的解码器在特征图上进行采样操作，从多维度海量的检测数据中，以最小检测单元将损伤进行分割，可提高识别损伤尺寸精度。采用神经网络架构搜索（NAS）的方法，在约束条件下，通过优化的方法，配置神经网络的架构，模仿专家加速网络训练手动调优，筛选大量超参数配置，快速构建智能辨识模型。

3.3.3 损伤高精度量化方法实验与验证

建立泄洪孔口及水垫塘多源传感数据的空间逻辑关系，采用多视角、运动重构等方法进行损伤3维立体特征构建，通过实验验证测试尺度不变特征变换（SIFT）算法特征提取与匹配方法的效果，以建立多模态传感信息的3维损伤模型；并在此基础上，进行像素、体素层面的损伤几何特征计算分析，如裂缝损伤的长度与宽度、磨蚀损伤的深度与面积等，获取损伤的定量化数据。采用经验信息候选集和改进逆向训练的方法，建立噪声-量化级联分类优化模型，进一步降低测量误差。搭建一批含有不同大小和尺寸的裂缝、磨蚀损伤试块，比较分析量化方法的精度，验证该方法的有效性，损伤量化方法如图3所示。

图3 损伤高精度量化方法Fig.3 High precision quantitative measurement of damage

3.4 多信息融合的泄洪消能结构安全分析与评价

3.4.1 泄洪消能结构安全评价模型建立

泄洪消能建筑物监测及巡检数据来源众多且异构性强，基于边界条件、荷载条件及损伤机理研究，综合使用事故树法与层次分析法溯源复杂事故因素并构建多尺度、多层次的综合评价指标体系，如图4所示。在确立了层级之间隶属关系之后，综合使用乘积标度法与专家评分法计算同层各指标之间的权重，并对其重要性进行量化，为进行结构安全评价做准备。通过贝叶斯网络法与模糊评价法对多源异构数据进行整合分析，按照从底层到顶层、从单因素到多因素的顺序进行结构安全综合评价，从而得到水垫塘整体结构安全隶属于各评语等级的模糊度大小，最后对比评价标准确定其具体的安全等级并给出相应的评语，从而完成水垫塘结构的定量安全分析与综合评价体系的构建。

图4 泄洪消能建筑物结构安全评价体系Fig.4 Safety assessment system for flood discharge and energy dissipation building structure

3.4.2 巡检数据统计与分析

根据奈奎斯特采样定理，对数值模拟所获得的脉动压强信号进行采样，确定脉动压强均方根的分布情况及水流脉动强度较高的区域，并依据结果，确定巡检的重点区域。针对泄洪孔口及水垫塘过流面常见的磨蚀、裂缝、止水破坏等典型损伤的成因及分布规律，结合智能巡检与损伤感知的成果，采用数据统计的方法，开展典型损伤的主要特征诊断与统计分析，明确过流面的损伤类型、损伤范围，以及损伤位置等关键信息，从而可获得过流面表观混凝土的骨料裸露比、大小与深度、裂缝长度等主要损伤量化参数。

3.4.3 拱坝泄洪消能结构安全风险分析评价

在上述理论模型和统计方法的基础之上，结合国能大渡河公司大岗山水电站等的相关监测、巡检数据及数值模拟结果，对模型进行实际应用。由于泄洪孔口及水垫塘的不同段具有不同的结构特点，进而会产生不同的损伤类型、损伤特征及变化规律。因此，首先使用综合评价模型对泄洪孔口及水垫塘各段进行分别评价；而后，提出典型安全风险排序，并在此基础之上确定水垫塘整体安全风险概率分布，从而实现从定量角度对泄洪消能整体结构安全的分析评价；最后，根据对泄洪消能结构安全分析的结果给出评语及改进建议。

4 结论与展望

西南高坝枢纽众多，高拱坝泄洪孔口及水垫塘等泄洪消能建筑物的定期巡检与安全评价已经成为保障工程安全运行的关键。国内外学者在泄洪消能建筑物检测与安全评价领域开展了大量研究工作，但有关智能巡检与评价的技术方案与理论体系的研究尚不充分，难以满足高坝泄洪孔口和水垫塘安全运维的迫切需求。

针对泄洪消能建筑物运行期水流特性多变、损伤机理复杂、巡检环境恶劣、巡检效率低下、损伤识别量化困难等瓶颈，以高拱坝枢纽泄洪孔口及水垫塘的智能巡检与安全运行为典型场景，揭示西南高山峡谷地区泄洪消能建筑物过流面损伤形成机理与演化规律，研发复杂环境强适应性泄洪孔口及水垫塘结构自主智能巡检方法，攻克多维感知信息的损伤智能分类与量化关键技术，构建“原位巡检—监测数据—水力模拟”多源数据融合的泄洪孔口及水垫塘结构安全分析与评价模型。研究成果可支撑高坝枢纽泄洪消能建筑物的安全运维与智能管控，保障梯级水电站群发电安全，提升水电运维的精细化管理水平。