展商风采 | 突破卡脖子,广东省城市生命线工程智慧防灾与应急技术重点实验室携关键技术和产品亮相2024深圳应急展

时间:2024-09-20    来源:    作者:


“2024年深圳安全应急科技展览会暨深圳应急产业博览会”于2024年8月22-24日在深圳会展中心(福田)举办。广东省城市生命线工程智慧防灾与应急技术重点实验室将展出近年来在城市多灾害风险感知及应急保障领域的代表性研发成果和产品,包括城市大规模建筑群地震灾害风险智能感知系统、基于少量传感器的城市大型桥梁健康监测技术、超声导波无损探伤系统、应急救援仿生智能机器人系统等。

广东省城市生命线工程智慧防灾与应急技术重点实验室是我国针对生命线工程多灾种耦合下风险识别、性态评估、智慧诊断、高效应急开展基础理论和技术研究攻关的主要科研机构。实验室拥有一支以院士和长江学者为核心的近百人专职科研团队,已建成国内首个面向应急管理的高校卫星地面站,与清华大学携手发行防灾应急领域国际英文期刊,承担多项国际、国家及省市重大科研项目,获多项省部级科研奖励。

实验室通过多灾耦合下工程结构服役性态评价体系研究,支撑国家防灾减灾精准化以及抵抗自然灾害现代化重大国家战略发展,推动我省“安全应急与环保”产业集群的发展与升级换代,实现相关重大基础设施“全息、全域、全时”智能安全保障,研发成果将为粤港澳大湾区城市群安全高效运行提供有力支撑,促进我省防灾减灾及应急处置产业链服务能力与创新能力提升,对粤港澳地区乃至全国的城市生命线工程减灾防灾工作以及产业发展做出重要的贡献。

多学科交叉融合,打造国际一流科研团队

城市大规模建筑群地震灾害风险智能感知系统

以城市群构建大中小城市和城镇协调发展的建设格局已经成为我国城镇化建设的主要路径和方向。为有效提高大规模建筑群地震灾害风险感知能力,实现对城市层面的灾情分布和建筑群损伤程度的快速准确评估,国家重点研发计划项目“城市大规模建筑群地震灾害风险智能感知系统研发”,建立了一套基于高集成度、高性价比传感器网络的城市建筑群地震灾害风险智能感知和快速评估系统,对提升我国城市建筑群抗震防灾技术水平和应急救援快速决策能力具有重要的意义。

典型的项目案例

相关技术已用于昆明、大理、西昌、康定、北京、天津、唐山、深圳、河源等9个城市的101栋代表性建筑,为政府部门地震灾害应急决策提供精确高效的智能化、信息化支撑。

地震灾害风险智能感知与灾情一体化平台搭建及工程应用示范

基于少量传感器的城市大型桥梁健康监测技术

城市交通基础设施安全服役问题频发,加之传统结构监测系统传感器繁多、成本过高等问题。基于少量传感器的结构安全监测及智能感知新技术,一直是省重点实验室科研攻关的重要方向。

典型的项目案例

项目单位已与港珠澳大桥管理局等单位联合,开发了“重大跨海交通集群工程安全监测系统”,应用于港珠澳大桥这一世纪工程,为国之重器安全运行保驾护航;与广东省地震局联合攻关,开发了“大型桥梁地震安全性在线监测与评估系统”,规模化应用于虎门大桥、黄埔大桥、九江大桥、中国散裂中子源等大工程,取得了良好的社会和经济效益;同时服务东莞本地重大基础设施。

重大交通基础设施智能监测诊断技术工程应用示范

东莞理工学院卫星地面站

东莞理工学院卫星地面站是国内首座面向防灾应急的高校卫星地面接收站,位于东莞理工学院松山湖校区,占地面积约150平方米,针对极端气候、自然灾害、次生灾害、复杂环境等多种灾害作用,围绕工程外部环境监测和风险识别,主要承担遥感卫星的数据接收任务。2022年初,东莞理工学院启动卫星地面站的建设工作, 预计2024年8月底正式运行卫星地面站。

东莞理工学院卫星地面站整体效果图

应用场景

拟业务化接收Terra、Aqua、Soumi-NPP、JPSS-1、风云系列、齐鲁一号等国内外十余型卫星遥感数据。未来,基于东莞理工学院卫星地面站、高分数据中心,将打造集数据接收、预处理、存储管理、数据分发、数据服务、产品研发全链条的卫星遥感数据服务与应用中心,为科学研究、工程外部环境监测预测提供数据与技术支撑,服务于广东省及大湾区智慧城市建设。同时,将打造国内先进的应急管理卫星遥感科普教育基地,承担东莞理工学院相关院系学生实训实践,打造学术交流、成果展览、系统演示的高水平宣传平台,争取获批省级或市级科普教育基地,打造应急管理卫星遥感科普样板。


城市安全应急统一编码体系及原型平台搭建

城市安全应急统一标识代码体系致力于实现城市基础设施节点的统一身份标识。原型平台致力于对现实世界中的基础设施节点灾情风险进行实时预报和具体直观的可视化展示。通过构建城市基础设施的应急编码体系以及预警原型平台,有助于对特定环节和特定位置的基础设施节点给出具体和可视化的灾情预判,对应急救援的提前布局、精细化防灾决策具有重要的现实意义。

应用场景:

基于IDcode的统一编码体系,构建城市安全应急统一标识代码体系,实现城市基础设施节点的统一身份标识,支撑城市安全综合风险监测预警原型平台的建设。该平台将对现实世界中的基础设施节点灾情风险进行实时预报和具体直观的可视化展示,辅助精细化应急决策。


老城区及农村自建房常态化安全监测与预警平台建设

广东省老城区及农村自建房存量大、情况复杂,其安全运维形势不容乐观。研发团队依托东莞理工学院牵头“十三五”国家重点研发计划项目“城市大规模建筑群进行地震灾害风险智能感知和灾情快速评估系统(2019YFC1511000)”的研究成果和技术优势,聚焦自建房倒塌和火灾安全风险,正在搭建一套基于高性价比“天空地一体化”传感器网络的广域老旧房屋群智能感知和快速评估系统。在“天基”层面,聚焦广域范围老旧房屋,“空基”层面,聚焦大规模房屋群,“陆基”层面,聚焦代表性房屋单体。相关技术有利于提升自建房防灾技术水平和应急救援快速决策能力。

应用场景

相关技术研发工作初步完成,正在东莞理工学院结构工程实验室开展中试,后续拟在东莞、珠海等城市代表性自建房屋群开展应用示范。

老城区及农村自建房缺乏常态化的多灾风险监测、评估和预警

自建房常态化安全监测与预警平台方案


超声导波无损探伤系统

项目团队对超声导波的传播特性理论研究、超声导波的激发与接收装置以及弱超声导波信号识别进行了全面的系统研究,进行了原创性系统级的开发,包括超声导波探伤仪主机、多款适用于不同场景的超声导波换能装置以及导波信号处理与分析算法。其检测效果已在实验室和合作企业提供的现场管道和钢轨中得到了有效验证。可实现2%截面损失率的管道缺陷识别与定位;所激发的超声导波可在钢轨轨底传播100余米,轨头传播近百米,解决当前行业基于超声波技术在钢轨轨底脚存在探伤盲区的问题,可实现轨头5mm、轨底3mm缺陷的检测与定位。

应用场景:

该成果可以广泛应用于钢轨、管道以及板类等细长型构件的探伤作业。自主研发的超声导波检测样机,为实现超声导波检测技术的国产化、降低检测成本奠定了重要基础。


应急救援仿生智能机器人系统

项目团队研发了一套可用于海陆空救援的智能仿生机器人系统,包括扑翼鸟、仿生机器蛇、机器鱼和基于波浪推动的远洋监测无人船等装备。通过搭载各种传感检测设备,无线通讯等迅速传输回有效信息,为救援人员提供参考,并在高危或复杂环境中,进行灾后信息探测获取、搜救、物质/伤员运输等,提高应急救援能力。

应用场景

仿生机器蛇,可应用于地震后的废墟的救援中,需要机器人能够这种复杂的环境中快速移动,探测内部生命体征和获取灾害地点的情报。

仿生机器鱼,可以用于水中人员的救援搜索,以及水下装置的巡检,获取有用情报进行救援和维护。

波浪推动无人船,用于远洋水文与气象情报的收集,利用波浪能推进,摆脱对能源依赖和人工充电需求,可以实现长时间自主执行任务。

越野救援机器人, 采用全向移动底盘,运动灵活;具有四连杆构型的柔性悬架,可以通过主动减震和姿态调节来有效减弱复杂路面行驶的颠簸性,增强伤员转运过程的稳定性与平衡性,有效预防复杂路面对伤员的二次伤害。

轮式巡检机器人,搭载激光雷达等传感器,通过RTK的实时差分技术可实现高精度定位,并基于Astar进行避障,实现环境感知和信息融合,实现机器人自主运动控制、导航建图,路径规划、安全巡检等功能。

天-地-水跨域的桥梁健康巡检系统

天-地-水跨域桥梁健康巡检系统致力于通过全域应急无人装备实现桥梁结构的自动化健康巡检。采用无人机群系统、水下机器人、轮式巡检机器人等开展桥梁水上及水下结构的定期巡检,通过高清摄像头全方位对检测部位进行“扫描”, 利用AI技术现场识别蜂窝麻面、露筋、裂缝、桥梁支座滑移等多种桥体病害,为桥梁及时养护维修提供科学依据,降低现场人工检测安全风险,减少对检测路段交通的影响。

应用场景:

利用无人机、水下机器人和地面机器人等全域应急装备进行桥梁结构病害采集,通过边缘计算、云计算和人工智能算法对数据进行传输和处理。实现网格化集群部署,一网统管,分层分级分时调度的应急装备管理平台。

无人机群系统对水上桥梁结构进行巡检拍摄,实时进行数据采集,在线传输。地面智能机巢为无人机提供持续的充电服务,保证无人机全天候飞行作业。同时,机巢高度自动化,远程管控无人机飞行作业,实现日常无人化维护,无人值守。

桥梁的水下结构桥墩所处环境更为恶劣,混凝土病害现象更为严重,传统由人工下水获取病害图像方式时间消耗大,风险高。采用水下机器人对水下桥墩病害进行拍摄,通过自主研发的基于深度学习的语义分割算法实现桥梁裂缝的快速准确检测。

2024年8月22-24日,“2024年深圳安全应急科技展览会暨深圳应急产业博览会”隆重召开,东莞理工学院、广东省城市生命线工程智慧防灾与应急技术重点实验室邀请您共赴盛会!

原文链接:https://mp.weixin.qq.com/s/WzdOyoSkMuPAakGrQJrrBQ