油气业长期以来一贯使用自主水下系统和远程操作工具,水下处理设备和空中无人机也在近几年开始使用,但是今年,机器人技术迈进了试验性的步伐,在实现其第一台上部模块平台机器人领域探索了更大的可能性。

2017年5月,法国石油巨头道达尔在法国拉克完成了其Argos(天然气石油现场自主机器人)挑战赛,五组参赛队伍的机器人在一个模拟平台上完成一系列任务。道达尔的目标是创造一个重量在100公斤以内的机器人,能够对泄漏进行检测和控制,可以在各层之间以及不同类型的地面(从光栅和槽型铁板到水泥和湿滑地面)进行自主移动,从而精简海上作业人员。

雪佛龙也在北海测试用于船舶内部检验的被称为蛇臂的机器人。该项目的后续工作成为了Petrobot机器人挑战赛的一部分,挑战赛涉及船舶和罐体检测机器人的开发,为此还在荷兰组建了Sprint机器人协作组织(Sprint Robotics Collaborative)。

目前,另一家由英国工业战略挑战基金(UK Industrial Strategy Challenge Fund)资助1900万美元(1430万英镑)的早期组织也成立了。它是一个以海洋机器人为重点的新型研究中心,由爱丁堡大学领导。

资产认证海洋机器人The Offshore Robotics for Certification of Assets (ORCA)中心将开发用于极端和不可预测环境下的机器人技术和人工智能(AI)技术。该中心将致力于开发机器人辅助资产检查和维护技术,这些技术可以在空中、平台和海上进行自主和半自主决策和干预。

位于阿伯丁,由政府资助的油气技术中心(Oil & Gas Technology Centre)的资产完整性解决方案中心经理Rebecca Allison表示,“机器人技术在油气行业的应用前景广阔,目前刚刚崭露头角。”Allison热衷于机器人技术,并希望能够发挥机器人的潜力来优化检测工作,减少人工参与资产管理活动,如压力容器和污染管道检查(如果需要人员进入作业现场,需要停产)。

但是,她也强调了使用能够执行简单操作任务的新兴水下检测机器人,以及下一代无人机(UAV)技术。

她表示,“这关乎提高安全性,减少作业人员,更具连接性和竞争力。再过10年左右,机器人技术将变得稀松平常,如同自动驾驶汽车将不会被视为机器人,机器人技术将和我们管理资产的其他技术一样。我很希望看到我们的后代和机器人一起工作,甚至向机器人学习。”

自主系统工程教授、爱丁堡机器人中心主任David Lane称,机器人技术目前才刚刚兴起,主要用于提高生产力,减少海上人力配备。这也得益于像iPhone、电子元件小型化、芯片技术的发展,以及机器学习技术的发展。

德国Darmstadt技术大学仿真、系统优化和机器人小组领导人Oskar von Stryk教授,在道达尔Argos挑战赛中带领Argonauts团队,与奥地利机器人公司Taurob一起赢得了胜利,目前他们正在与道达尔合作,进一步研发海上机器人系统。

他表示,机器人系统可以有不同的外形,但组成机器人需要3个重要元件:

 “机器人和人类的关键区别在于人类可以观察和理解,而机器人只是收集数据,如数字数据,并试图通过计算获得一些关于数字的信息。”例如,在Argos挑战赛中Argonauts收集的数据只是点数据。

机器人执行任务的环境通常是肮脏、危险和无趣(重复性)的。Stryk表示,机器人完全可以具备更多的能力、更高效、更敏捷。迄今为止,机器人系统主要工作在平坦的环境中,如自动驾驶汽车(客运、农业、采矿等)、物流系统(移动货架、采摘机)、自动送货机器人,以及搜索和救援机器人。这些工作都需要导航、自定位和地图系统。要让机器人系统在更加立体的3D环境中(如海上平台)工作,难度将更大。

如今的机器人系统大多为单独工作,即没有工作人员在场。但是,现在有很多工作需要机器人与人类一起完成,所谓的“cobots”,即协作机器人。德国公司Franka Emica开发了一种机械臂,能够在避免与移动中的人发生碰撞的情况下接触和移动。

海洋机器人可能会面临诸多挑战,而且必须经过ATEX认证,能够应对恶劣的环境。海洋机器人必须能够在复杂的结构间穿梭,包括上楼梯,可能需要执行一些规划中的作业、临时作业和应急响应,如声音测量等检查,以及监测、气体探测、热成像,甚至是维护任务、清洁或晚上操作阀门。机器人也需要能够发现着火点并灭火。

Argonauts机器人经过ATEX认证,并且能够爬楼。Stryk称,“我们已经证实这(爬楼)是可能的。自主机器人可以用于油气作业场所。展望2021年,我们将看到大量工业级机器人出现在陆上和海上现场。”

Lane表示,海底系统或海洋机器人,由于水下通信的局限性(如今正在打破这种限制),40多年来一直是自主运行。自主性一直是海洋机器人技术一部分,他例举了1990年推出的Remus AUV。

然而,目前功能更多的机器人系统正在出现,其中一些得益于多年的开发工作,像Subsea 7公司的AIV(自主检测工具),它由Heriot-Watt大学研发,研发过程中还开发出无人驾驶车辆软件SeeByte。Lane表示,AIV一直在北海为壳牌服务,进行海底检查,没有绳缆限制。它可以自行定位,能到达3000m水深处,一次任务可移动40公里,并且可根据任务情况潜水24小时。

他指出,“海洋机器人目前可以很好地进行测绘和跟踪,可以超长距离检查管道,但它们无法停靠。”拥有能够停靠的机器人能使任务变得简单,因为它们是静止的,同时也可以为水下部分进行充电和上传下载数据。

曾经有一些项目,如Cybernetics主导的EU ALIVE项目,采用了系泊停靠技术。

然而,无法停靠的机器人也可以进行许多工作,如采用预编写的程序来操作阀门,或者使用机器学习技术来适应环境。

Pandora EU AUV项目也探究了如何教机器人开关阀门。Lane指出,也有一些研究的目的是稳定操纵臂的末端,而非稳定机器人本身。

西班牙Girona大学(也参与Pandora项目)的研究主要集中在自动学习、开关阀门,以及对Girona 500项目出现的事故做出反应。

Lane指出,“这些工作目前已经可以完成,下一个阶段是让操作更加成熟稳定,从而将机器人用于海上。最困难的部分是认知,例如,让机器人识别它们正在查找的内容,并能够在工作的陌生区域绘图和导航。”

无人机技术在提高自主性和增加传感器有效载荷方面也取得了同样的创新成果。最初,作为检查工作的一部分,我们需要手动操作无人机飞行来收集图像。目前无人机技术的研究重点集中在自动飞行以及扩大检查能力范围。

英国Strathclyde大学研究员William Jackson表示,无人机可以建立或使用现有的CAD模型来探测结构随时间的变化,例如海上风力涡轮机叶片。无人机能够将叶片作为参考基准,在叶片周围自主导航。对于空间更大的区域,可以使用无人机组,最终将许多图片合成一个高分辨率图像。

但是,传感器有效载荷正在进一步发展,无人机目前已经能够在船舱内飞行。今年早些时候,Texo DSI公司的Texo无人机勘测和检查部门(Texo Drone Survey and Inspection,简称UKCS)表示,他们使用无人机进行了全球首次UT测试(超声波厚度测试)。这只是现场先导试验的一部分,但扩展了无人机的检查能力。Texo公司表示,无人机可以在平面或曲面上使用,并且已被用于海上和陆上风力涡轮机结构,以及电信和其他海上资产。检测数据与覆盖已完成测量区域的可视化摄影测量图相结合,帮助用户精确定位结构/表面上的测量位置,精确度小于10mm。Jackson称,目前正在测试使用来自无人机的脉冲涡电流,这是一种用于金属厚度测试的非连接电磁技术。

Lane表示,下一步是让不同的机器人系统一起工作,而这正在水下行业中发生,即自主水面机器人正在与自主水下机器人进行通信和协作。

英国油气技术中心(OGTC)和资产认证海洋机器人(ORCA)中心认为机器人的潜力是无限的,他们正在专注于那些对行业有价值的技术。11月初,在阿伯丁举行的OGTC机器人研讨会上,展示了15个机器人潜在的使用案例和1个差距分析,以确定未来将从“呼吁创意(Call for Ideas)”活动或新的行业联合项目中受益的领域。

使用案例包括完全自主的空中无人机,它们可以规划并对自己的飞行路线(一些工作无人驾驶操作员已经在着手做)进行导航;包括体积小、高度灵活的机器人,它们可以自主爬升,导航和执行检查,很少进行或无需人为干预和支持(例如道达尔Argos挑战赛的机器人);使用案例还包括一种管道检测仪(PIG),它具备自治性、适应性、可靠性、多功能性,能够在恶劣环境下工作。

以下是能够应用于海上的机器人技术的详细信息,按不同领域介绍:

完全自主的无人机可以规划并导航自己的飞行路线,从而消除对借助远程解决方案的人工检查的需求,还可以实现重复性活动,提高数据质量(以已知的时间间隔从同一地点收集数据),这种无人机使用易于安装和可复制的传感器,具备多传感器监测和数据收集能力。

这种场景面临的挑战包括对用于自动飞行的机器学习系统的监管,以及有效载荷限制,无人机和数据的安全性。

OGTC研讨会上提出的可用于实现这一技术的领域,包括发射和回收系统、障碍物识别和躲避系统、备用电源选择、无人机诊断、通信系统集成到协同作业中,以及工作许可系统和监管验收。同时也提出了一些疑问,即如何在没有GPS覆盖的区域和植物周围飞行,以及如何适应天气条件。

陆地研讨会上提出了一种体积小、高度敏捷的机器人版本,它可以自主在复杂的三维油气装置间穿梭,可以自行定位,发现问题并进行无损检测,仅需很少的人工干预和支持。

这样的系统将有助于减少海上人员配备,提高检查的频率和质量,协助故障预测和维护计划,进行更深入的分析,通过减少工作人员的风险来提高安全性,并更好地获取和利用设备设施相关的应用知识(而不是随着老员工的退休,年轻人对海上工作丧失兴趣)。

这种场景没有什么挑战,需要做的工作包括“运动策略(locomotion strategy)”,即平台机器人如何移动,导航,本地化和智能化,以及机器人的电源管理、维护、有效载荷集成和通信基础设施(OE:2017年12月)。

同时也有人提出可以使用多台协作机器人,由一个母机提供通信和导航。还讨论了机器人如何粘附在不同的表面,以及ATEX合规性、电源/充电站和有效载荷,以及与工作许可系统的集成。

水下机器人将有助于检查和监视作业,包括管道壁厚,利用基于云的分析和机器学习来提高能力,以识别腐蚀、瑕疵等。这种系统可以部署在任何地方,能够适应新环境,利用过去的检查数据,记录故障,减少检查时间,提高数据可靠性,并使终端用户更容易进行解释。

这种场景面临的挑战主要是关于数据,即安全性、数据共享、格式和处理/管理。更多需要开展的工作领域包括创建早期检查数据的开放式云数据库,以及与机器学习有关的自动化通信,例如使用机器学习和数据分析,将数据上传到基于云系统的应用程序。

其他的疑问包括执行长时间任务时,地面实况数据、供电和数据管理的可用性限制的问题,以及如何在变化的环境中工作,如何应对工作中断。另外,关于商业模式和协作,以及常见的数据模型也有许多担忧。