logo
专注油气领域
与独立思考者同行

智能化机器人技术 提高深水开采潜能

智能化机器人技术 提高深水开采潜能

智能化与机器人技术的结合将大幅度拓宽深水油气开采范围。

来自 | JPT
编译 | TOM 惊蛰

海上油气开采地点目前仍主要取决于潜水员能够执行维护的距离内,但未来的海洋作业将会转移至更深的水域,并且机器也会愈发复杂,需要配备有人工智能(AI)的机器人系统提供支持。目前处于研发中的新技术拥有巨大潜力,在勘探至停产的各个阶段,能够支持海洋开采作业。这些进展可能会对油气行业产生重大影响,而且油气行业本身也在寻找最大限度开采资源的方法。

机器人提高自主式水下航行器的智能性。目前商用的AUV主要依靠声学与惯性传感器进行导航。一般来讲,Doppler航速计程仪的速度测量与陀螺仪、加速度计的定位值相结合,能够估算AUV的当前位置。这些不断更新的数据有时会通过超短基线定位系统来进行绝对位置的修正。但是,在这样的任务中,待检测设备可能不会准确地位于预期位置。这可能是因为安装过程中定位的不准确,或者沉积物逐渐覆盖了管道,使其从标准传感器的视线中消失。因此,为现代AUV配备可以搜索、检测、跟踪以及重新获取检查目标的传感器与软件是至关重要的。

此外,可以利用更高分辨率的3D感应技术,例如激光投影仪,来增强摄像机与声纳组成的经典传感器套件。使AUV的机载软件创建一个精确到毫米的3D模型,与计算机辅助设计模型或先前检查的数据进行比较。利用全自动的3D模型交叉检查,AUV可以检测水下设备资产的变形、缺陷或海洋生物的生长。

目前AUV的续航时间有限,主要是因为电池容量有限。根据传感器套件的不同,机载数据的存储空间也是一个限制因素。这导致AUV最多只能执行数天的任务,天数长短还得取决于AUV的大小、形状、推进力、传感器效率以及作业区域的环境条件。

为了解决这个问题,目前AUV的研究重点是水下电池充电以及数据宽带连接的海底对接站。根据所需的充电时间,使用感应式电力传输或水下插拔式连接器。虽然两者都需要精确定位,但后者允许更高的充电电流,但也需要更复杂以及更大力的插入机制。若从AUV传输检查结果并上传新任务,则需要高带宽的数据连接。为了给电池充电与传输数据,AUV必须找到回归的路径,并自主地正确执行对接过程。在该应用中,使用了一组类似于入坞的定位传感器。

截至目前,自主入坞式导航、入坞、出坞、建立宽带连接、AUV电池水下充电,这一套完整的程序已经开发出来,并成功测试于FlatFish项目,该项目旨在设计一台AUV,可进行多次水下油气设施的检查,并能够在水下拥有较长的续航时间。

对于水下设施的检查,高分辨率的勘测数据能够检测出更细致的问题。然而,在浑浊的海水中,光学传感器无法保证可靠性,并且单相机系统无法获得深度信息。为了解决这些问题,可以将结构光投影仪与摄像机结合使用,增加在浑浊海水中的穿透力,并通过智能算法对观测区域进行三维重建。这种传感器组合的安装,通常包括安装在固定距离的激光器与固定角度的摄像机。距离与角度的组合确定了系统的深度分辨率与工作距离。

当物体在工作区域内时,可以在摄像机图像中检测到物体上的激光线,并利用线的位置计算出直线上的距离。这样做的同时,沿着感兴趣的对象移动系统就可以创建出详细的3D模型。实验表明,这种装置即使在浑浊的海水中,也能以较高的精度扫描目标,而在同一场景中,人类操作员却无法识别目标。需要利用人工智能算法来过滤与匹配机器人运动以及传感器数据,使扫描结果减少失真。

自主性与人工智能

尽管在机器人无人控制技术方面取得了重大进展,但在大多数生产场景中,仍然依靠专家直接控制机器人系统。不仅要降低人力资源的成本,还要有能力使用这些系统,而且,必须以可持续的安全方式使用它们,这就需要大幅提高机器人的自主水平。这些系统通常依赖于模型,而模型是对现实的抽象。例如,声纳测距仪的基于波束的接近模型,将允许机器人解释传感器数据,并推断其所处环境的物理特性。

在机器人技术中,这些模型主要是基于物理学的分析模型。它们需要对基础物理有深入的了解,若一旦找到正确的参数,通常计算效率很高。然而,这种模式有两个主要缺点。首先,参数的识别与优化可能会非常困难与繁琐,并且常常必须反复进行,以适应不断变化的环境。其次,这些分析模型可能无法精确地描述高度复杂或相互交织的观测结果。

在这些复杂情况下,机器学习技术,例如神经网络或支持向量机,是非常适合开发高质量模型的人工智能工具。诚然,需要足够的数据来训练函数回归量,例如多层感知或支持向量回归量,并且必须注意避免过度拟合。

目前部署的自主系统(如水下机器人与自主海底爬行器)有一个严重的限制,那就是在执行一次任务后需要手动检索、再充电以及重新编程。对于需求持久自主的情况,所有这些任务都必须自动执行。按照目前的技术,想要实现这样的目标则需要一个对接站。当出现可能阻碍或阻止自动系统返回到对接站的问题时,设备必须自行决定如何处理这种情况,而不需要人工干预。

这些长期的自主系统很可能将由多个机器人组成。这就会产生一个额外的需求,如何协调多个机器人。或许分解必要的任务可能是使系统能够协调控制机器人的关键。

但是,仅通过单独增强机器或资产,根本无法优化未来采矿作业的流程。未来整个采矿过程链的另一个关键部分,将是能够在空间与时间上管理多个复杂系统的协调作业。在这里,人为的规划将达到极限,但人工智能技术,如自主时空规划,可以应用于实现协调所有行动者,以保证长期安全的生产作业。

您也有让人挠头的难题需要解决,或是优质技术想要找应用市场吗?如果有的话,欢迎联系小编微信或邮箱,也许能找到一剂良药。

二丫:022-65771089;131-3255-0596

For English, Please click here (展开/收缩)

未经允许,不得转载本站任何文章:

评论 抢沙发