CN110705858B - 一种进度偏差驱动的混凝土坝生长策略及差异化资源调配方法 - Google Patents
一种进度偏差驱动的混凝土坝生长策略及差异化资源调配方法 Download PDFInfo
- Publication number
- CN110705858B CN110705858B CN201910911962.5A CN201910911962A CN110705858B CN 110705858 B CN110705858 B CN 110705858B CN 201910911962 A CN201910911962 A CN 201910911962A CN 110705858 B CN110705858 B CN 110705858B
- Authority
- CN
- China
- Prior art keywords
- growth
- deviation
- construction
- progress
- strategy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000012010 growth Effects 0.000 title claims abstract description 119
- 238000000034 method Methods 0.000 title claims abstract description 99
- 238000013468 resource allocation Methods 0.000 title claims abstract description 43
- 238000010276 construction Methods 0.000 claims abstract description 145
- 238000004458 analytical method Methods 0.000 claims abstract description 51
- 230000008569 process Effects 0.000 claims abstract description 43
- 230000000694 effects Effects 0.000 claims abstract description 36
- 238000012937 correction Methods 0.000 claims abstract description 8
- 230000004069 differentiation Effects 0.000 claims abstract description 8
- 230000021332 multicellular organism growth Effects 0.000 claims description 22
- 238000005516 engineering process Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 230000001186 cumulative effect Effects 0.000 claims description 7
- 239000003795 chemical substances by application Substances 0.000 claims description 6
- 238000007621 cluster analysis Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 238000005065 mining Methods 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 230000002146 bilateral effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000001413 cellular effect Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 238000013523 data management Methods 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000010230 functional analysis Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000013450 outlier detection Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000005553 drilling Methods 0.000 claims description 2
- 230000002452 interceptive effect Effects 0.000 claims description 2
- 230000008520 organization Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
Abstract
本发明提供了一种进度偏差驱动的混凝土坝生长策略及差异化资源调配方法,首先综合坝体施工过程信息,建立进度偏差分析与决策模型,判断施工进度及计划之间存在的偏差及类别,分析产生偏差的原因,确定纠偏时机,根据偏差影响效应分析结果确定纠偏目标,再根据资源状态、关联规则等进行生长需求与资源配置的匹配,决定生长决策并结合生长策略演进对生长策略进行修正,最后确定生长步,再依据实时获取的现场施工信息,建立资源差异性识别模型,然后依据生长步的多重信息属性、资源差异化属性确定施工任务,根据施工任务和匹配规则确定资源调配策略,最终实现施工过程中的差异化资源调配目标。
Description
技术领域
本发明涉及水利工程施工组织管理领域,具体涉及一种进度偏差驱动的混凝土坝生长策略及差异化资源调配方法。
背景技术
混凝土坝是高坝建设的优先选择坝型之一。混凝土坝工程结构复杂、施工工序多、工艺要求高,安全风险和质量风险高,且施工进程易受到地形地质、水文气象等随机因素和机械故障等偶然因素的影响。随着我国水利水电工程建设的发展和工程建设主战场西移,当前正在建设和未来规划建设的混凝土坝大多为高坝或特高坝,这些工程的施工环境更恶劣、场地更狭小,施工资源的调配更困难,单位体积施工成本更高。
在方案设计阶段进行进度-资源优化,或跟随施工进程在混凝土开仓浇筑前进行方案预演和优化,即便预设方案科学合理、预演结果准确详细,但预演预测结果与实际施工进程之间的偏差广泛存在且不可忽略,这种偏差主要表现为进度偏差。另外,由于每个混凝土仓的施工具有后效性,即一个仓位的施工计划执行进程会影响相邻坝块的浇筑约束状态(立模时占用相邻坝块空间,导致相邻坝块不可浇筑),也会影响整个施工系统的资源使用状态。因此,进度偏差可能产生累积效应和连锁反应,进而影响后续仓位的施工进度安排和资源调配,造成“差之毫厘,失之千里”的结果。
混凝土坝施工规模大、周期长、工艺质量要求高。受多重因素影响,混凝土坝施工组织设计或者施工前的方案预演、预测结果与实际施工进程之间广泛存在进度偏差。进度偏差的存在不仅与水文气象等随机因素、故障等偶然因素或新的工艺、方法等的引入有关,更与资源本身的个体差异、时间差异、环境差异、工种差异和工况差异等密切相关。所以这种偏差无法在施工前消除,必须在施工进程中进行预防和调控。
进度偏差对后续施工进程产生累积效应和连锁影响效应,显著影响后续的坝体生长需求、生长特征和资源特征,可能使后续的进度偏差进一步累积或放大,进而全面影响坝体施工进程。因此,应该高度重视混凝土坝施工过程中的进度偏差,深入研究进度偏差条件下的坝体生长策略以及考虑差异性的资源动态调配方法。
发明内容
本发明所要解决的技术问题在于科学设计施工组织方案,正确应对各种不确定性因素对施工过程的动态影响,优化生产调度和资源调配,实现工程建设目标。本发明提出了一种进度偏差驱动的混凝土坝生长策略及差异化资源调配方法,所采用的技术方案是:基于进度偏差分析与决策模型,分析施工进度偏差,确定纠偏目标,根据资源状态、关联规则等进行生长需求与资源配置的匹配,决定生长决策并进行策略演进后确定生长步,基于资源差异性识别模型,进行差异化资源调配,最终实现施工过程中的差异化资源调配目标。具体步骤如下:
为了实现上述的技术特征,本发明的目的是这样实现的:一种进度偏差驱动的混凝土坝生长策略及差异化资源调配方法,它包括以下步骤:
步骤一:采集现场施工数据,建立数据库,进行施工信息存储、更新及维护;
步骤二:建立进度偏差识别模型,判断施工进度及计划之间存在的偏差及类别,分析产生偏差的原因,确定纠偏时机;
步骤三:建立进度偏差影响效应分析模型与纠偏目标决策模型,根据偏差影响效应分析结果,确定纠偏目标;
步骤四:根据资源状态、关联规则进行生长需求与资源配置的匹配,决定生长决策并结合生长策略演进对生长策略进行修正,最后确定生长步;
步骤五:依据实时获取的现场施工信息,建立资源差异性识别模型,结合施工系统特点进行施工效率-进度差异性分析,匹配施工效率-进度差异性分析结果与纠偏目标;
步骤六:依据生长步的多重信息属性、资源差异化属性确定施工任务;
步骤七:通过施工任务和匹配规则产生资源调配策略并进行自适应调整,最终实现施工过程中的差异化资源调配目标。
步骤一中采集现场施工数据,需要利用GPS、RFID、UWB及视频采集实时监测技术获取施工现场数据,利用三维激光扫描技术获取坝体施工面貌数据,建立静态数据库、实时数据库和历史数据库,以三个数据库为基础,基于C#、JAVA和SQL程序开发技术构建数据存储与管理平台,实现施工信息存储、更新及维护。
步骤二中进度偏差分析与决策模型通过利用过程挖掘和一致性检测技术建立,根据不同类别进度偏差的特征,确定当前施工进度与进度计划的偏差;进度偏差包括当前进度滞后、不同工种或工序之间进度不均衡及临时停工三类;根据进度偏差产生的时间,将其分为施工过程中的进度偏差、施工前的进度偏差和停工后复工前的进度偏差。
步骤二中分析产生偏差的原因需要利用基于关联规则的挖掘算法,根据进度偏差类别及施工现场信息:资源配置情况、人和机械的施工效率和突发事件信息进行分析;不同时间产生的进度偏差对坝体生长的影响程度不同,需要根据偏差识别结果分析其对坝体生长特征:生长起点、生长速度及并行生长特征的影响,根据偏差原因分析及类型识别结果,利用系统科学理论,建立进度偏差纠偏时机判断模型,确定纠偏时机。
步骤三中利用改进灰色一致关联分析方法建立进度偏差影响效应分析模型,分析当前进度偏差对总时差、自由时差及系统资源状态的影响,并通过进度预测分析进度偏差对后续生长的资源调配边界和生长速度的影响,确定是否产生累积效应和连锁影响效应;根据进度偏差纠偏时机判断结果,建立基于数学分析耦合模拟计算的纠偏目标决策模型,确定纠偏目标;
所述资源状态,是在坝体生长时段内,其对应的资源处于占用状态,在生长结束时刻,这些资源被释放,状态变为闲置可用,将某时刻系统资源的使用情况称为资源状态,而将该时刻系统的可用资源称为资源调配边界;
所述偏差的累积效应和连锁影响效应,是指当实际施工进程与施工计划产生进度偏差时,有可能产生偏差累积效应,即影响后续工作的开仓时间或者影响总进度;另一方面,因施工进度-资源与坝体“生长”的关系复杂,进度偏差可能“牵一发而动全身”,产生连锁反应,引起坝体生长条件、当前资源状态的变化;偏差的累积效应和连锁影响效应导致后续方案执行参数的改变甚至可能造成后续方案作废。
步骤四中根据当前系统可用资源的限制建立生长需求和资源配置的关联匹配规则,采用基于离群点检测的自动实体匹配方法,确定当前生长;利用约束理论构建纠偏目标-约束函数,结合施工条件分析,构建纠偏目标影响下的坝体生长策略决策模型;利用点集拓扑学和泛函分析方法,根据坝体生长-施工资源匹配关系及当前坝体生长策略,动态生成生长步。
所述坝体生长策略,主要分为三类:择仓策略、生长速度策略和生长步时间搭接策略;
所述生长步是坝体随施工进程上升的过程称为坝体的生长,一个开仓浇筑方案称为一个生长步,一个生长步可能是单坝块浇筑或多坝块并行浇筑,开仓时间是生长步的生长起点,并行开仓数和开仓坝块集合是生长步的并行生长特征,坝块浇筑持续时长为生长速度,不同浇筑仓的混凝土方量、施工作业面大小、结构工艺复杂性、施工机械效率、不同工作小组的生产率都不尽相同,若同时有多个仓开仓浇筑,其收仓时刻也存在差异,须分别记录和存储。
步骤四中策略演进是指具有个体偏好和有限理性的系统通过不断学习演练、交互反馈最终达到目标寻优的一个过程;策略演进可以提高个体策略的适应度,使得个体的活动更接近于真实,生长策略演进主要包含评价生长策略与生长步信息获取、回报效应分析、建立生长策略库及聚类分析。
所述回报效应分析,结合Q-learning、深度卷积网络构建具有自主学习能力的坝体生长策略回报函数,根据系统性、可测性、层次性、简易性、可比性、定性-定量指标相结合、绝对-相对指标相结合的指标体系构建原则,建立坝体生长策略回报效应评价指标体系,分析当前生长步对应的坝体生长策略对坝体控制性进度和总工期的贡献率。
所述聚类分析,利用K-means、模糊聚类分析法方法,建立策略演进聚类分析模型,采集坝体生长历史策略数据,以聚类平均半径或聚类平均直径评价类簇内的紧凑性,以聚类平均最小间距评价类簇间差异,分析策略趋势性状及变化规律。
步骤五中资源差异性识别模型是通过采取支持向量机、未知有理数滤波等智能算法分析资源数据建立,开展室内混凝土浇筑试验,利用GPS、UWB、视频采集等实时信息采集系统获取人工、机械设备等资源的工作路径、工效等差异化属性,利用构建的资源差异化识别模型分析数据,验证模型的可靠性,资源差异性的种类分为个体差异、时间差异、环境差异、工种差异和工况差异;
步骤五中根据资源差异性识别结果,建立基于施工过程仿真技术的施工效率与进度差异性分析模型,并结合施工系统特点进行施工效率-进度差异性分析;基于系统论的思想,采用理论分析方法研究纠偏目标与施工效率-进度差异性分析结果之间的匹配关系,建立并表达匹配规则。
步骤六中生长步的多重信息属性包括纠偏目标、生长步及资源匹配集;资源差异化属性包括个体差异、时间差异、环境差异、工种差异及工况差异;采用基于不完全序值信息的双边匹配方法,结合资源调配多重属性信息,确定详细施工任务。
步骤七中建立调配策略与现场施工资源的对应关系,使用立体匹配方法,从不同的角度产生调配策略,根据差异化资源调配策略的特征构建特征编码机制,建立策略多维属性参数表,使用参数自适应差分进化算法自适应调整资源调配策略,基于Multi-agent与元胞自动机理论,利用每个Agent具有独立性和自主性的特点,解决现场资源配置的子问题,使用面向对象建模方法建立基于策略的差异化资源调配模型,编制程序实现资源的现场调配,最终实现施工过程中的差异化资源调配目标。
本发明有如下有益效果:
本发明基于一种进度偏差驱动的混凝土坝生长策略及差异化资源调配方法,通过进度偏差分析与决策、坝体智能生长策略、差异化资源调配及策略演进,为混凝土坝施工现场复杂多变环境下坝体生长方案的动态优化及资源的差异化调配提供新的理论支撑和解决思路,确保更合理的进行施工进度安排及资源调配,提高施工资源利用率。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1是本发明研究方案技术路线图。
图2是本发明步骤四中生长步属性结构图。
具体实施方式
下面结合附图1-2对本发明一种进度偏差驱动的混凝土坝生长策略及差异化资源调配方法的实施方式进行详细说明。具体步骤:
步骤一,采集现场施工数据,建立数据库,进行施工信息存储、更新及维护;
采集现场施工数据,需要利用GPS、RFID、UWB及视频采集等实时监测技术获取施工现场数据,利用三维激光扫描技术获取坝体施工面貌数据,建立静态数据库、实时数据库和历史数据库,以三个数据库为基础,基于C#、JAVA、SQL等程序开发技术构建数据存储与管理平台,实现施工信息存储、更新及维护。
步骤二,建立进度偏差识别模型,判断施工进度及计划之间存在的偏差及类别,分析产生偏差的原因,确定纠偏时机;
进度偏差分析与决策模型通过利用过程挖掘和一致性检测技术建立,根据不同类别进度偏差的特征,确定当前施工进度与进度计划的偏差。进度偏差包括当前进度滞后、不同工种或工序之间进度不均衡及临时停工三类;根据进度偏差产生的时间,可以将其分为施工过程中的进度偏差、施工前的进度偏差和停工后复工前的进度偏差。
分析产生偏差的原因需要利用基于关联规则的挖掘算法,根据进度偏差类别及施工现场信息(资源配置情况、人和机械的施工效率、突发事件信息等)进行分析。由于不同时间产生的进度偏差对坝体生长的影响程度不同,因此,需要根据偏差识别结果分析其对坝体生长特征(生长起点、生长速度及并行生长特征)的影响,根据偏差原因分析及类型识别结果,利用系统科学理论,建立进度偏差纠偏时机判断模型,确定纠偏时机。
步骤三,建立进度偏差影响效应分析模型与纠偏目标决策模型,根据偏差影响效应分析结果,确定纠偏目标;
利用改进灰色一致关联分析方法建立进度偏差影响效应分析模型,分析当前进度偏差对总时差、自由时差及系统资源状态的影响,并通过进度预测分析进度偏差对后续生长的资源调配边界和生长速度的影响,确定是否产生累积效应和连锁影响效应。根据进度偏差纠偏时机判断结果,建立基于数学分析耦合模拟计算的纠偏目标决策模型,确定纠偏目标。
资源状态指在坝体生长时段内,其对应的资源处于占用状态。在生长结束时刻,这些资源被释放,状态变为闲置可用。本实施例将某时刻系统资源的使用情况称为资源状态,而将该时刻系统的可用资源称为资源调配边界。
偏差的累积效应和连锁影响效应是指当实际施工进程与施工计划产生进度偏差时,有可能产生偏差累积效应,即影响后续工作的开仓时间或者影响总进度。另一方面,因施工进度-资源与坝体“生长”的关系复杂,进度偏差可能“牵一发而动全身”,产生连锁反应,引起坝体生长条件、当前资源状态的变化。偏差的累积效应和连锁影响效应导致后续方案执行参数的改变甚至可能造成后续方案作废。
步骤四,根据资源状态、关联规则等进行生长需求与资源配置的匹配,决定生长决策并结合生长策略演进对生长策略进行修正,最后确定生长步;
根据当前系统可用资源的限制建立生长需求和资源配置的关联匹配规则,采用基于离群点检测的自动实体匹配方法(ODetec算法),确定当前生长。利用约束理论(Theoryof Constraints,TOC)构建纠偏目标-约束函数,结合施工条件分析,构建纠偏目标影响下的坝体生长策略决策模型。利用点集拓扑学、泛函分析等方法,根据坝体生长-施工资源匹配关系及当前坝体生长策略,动态生成生长步。
回报效应分析即结合Q-learning、深度卷积网络构建具有自主学习能力的坝体生长策略回报函数,根据系统性、可测性、层次性、简易性、可比性、定性-定量指标相结合、绝对-相对指标相结合的指标体系构建原则,建立坝体生长策略回报效应评价指标体系,分析当前生长步对应的坝体生长策略对坝体控制性进度和总工期的贡献率。
聚类分析即利用K-means、模糊聚类分析法等方法,建立策略演进聚类分析模型,采集坝体生长历史策略数据,以聚类平均半径或聚类平均直径评价类簇内的紧凑性,以聚类平均最小间距评价类簇间差异,分析策略趋势性状及变化规律。
步骤五,依据实时获取的现场施工信息,建立资源差异性识别模型,结合施工系统特点进行施工效率-进度差异性分析,匹配施工效率-进度差异性分析结果与纠偏目标;
资源差异性识别模型是通过采取支持向量机、未知有理数滤波等智能算法分析资源数据建立。开展室内混凝土浇筑试验,利用GPS、UWB、视频采集等实时信息采集系统获取人工、机械设备等资源的工作路径、工效等差异化属性,利用构建的资源差异化识别模型分析数据,验证模型的可靠性。资源差异性的种类分为个体差异、时间差异、环境差异、工种差异和工况差异。
根据资源差异性识别结果,建立基于施工过程仿真技术的施工效率与进度差异性分析模型,并结合施工系统特点进行施工效率-进度差异性分析。基于系统论的思想,采用理论分析方法研究纠偏目标与施工效率-进度差异性分析结果之间的匹配关系,建立并表达匹配规则。
步骤六,依据生长步的多重信息属性、资源差异化属性确定施工任务;
生长步的多重信息属性包括纠偏目标、生长步及资源匹配集。资源差异化属性包括个体差异、时间差异、环境差异、工种差异及工况差异。采用基于不完全序值信息的双边匹配方法,结合资源调配多重属性信息,确定详细施工任务。
步骤七,通过施工任务和匹配规则产生资源调配策略并进行自适应调整,最终实现施工过程中的差异化资源调配目标。
建立调配策略与现场施工资源的对应关系,使用立体匹配方法,从不同的角度产生调配策略,根据差异化资源调配策略的特征构建特征编码机制,建立策略多维属性参数表,使用参数自适应差分进化算法(DE)自适应调整资源调配策略,基于Multi-agent与元胞自动机理论,利用每个Agent具有独立性和自主性的特点,解决现场资源配置的子问题,使用面向对象建模方法建立基于策略的差异化资源调配模型,编制程序实现资源的现场调配,最终实现施工过程中的差异化资源调配目标。
Claims (8)
1.一种进度偏差驱动的混凝土坝生长策略及差异化资源调配方法,其特征在于,它包括以下步骤:
步骤一:采集现场施工数据,建立数据库,进行施工信息存储、更新及维护;
步骤二:建立进度偏差识别模型,判断施工进度及计划之间存在的偏差及类别,分析产生偏差的原因,确定纠偏时机;
步骤三:建立进度偏差影响效应分析模型与纠偏目标决策模型,根据偏差影响效应分析结果,确定纠偏目标;
步骤四:根据资源状态、关联规则进行生长需求与资源配置的匹配,决定生长决策并结合生长策略演进对生长策略进行修正,最后确定生长步;
步骤五:依据实时获取的现场施工信息,建立资源差异性识别模型,结合施工系统特点进行施工效率-进度差异性分析,匹配施工效率-进度差异性分析结果与纠偏目标;
步骤六:依据生长步的多重信息属性、资源差异化属性确定施工任务;
步骤七:通过施工任务和匹配规则产生资源调配策略并进行自适应调整,最终实现施工过程中的差异化资源调配目标;
步骤四中根据当前系统可用资源的限制建立生长需求和资源配置的关联匹配规则,采用基于离群点检测的自动实体匹配方法,确定当前生长;利用约束理论构建纠偏目标-约束函数,结合施工条件分析,构建纠偏目标影响下的坝体生长策略决策模型;利用点集拓扑学和泛函分析方法,根据坝体生长-施工资源匹配关系及当前坝体生长策略,动态生成生长步;
所述坝体生长策略,主要分为三类:择仓策略、生长速度策略和生长步时间搭接策略;
所述生长步是坝体随施工进程上升的过程称为坝体的生长,一个开仓浇筑方案称为一个生长步,一个生长步可能是单坝块浇筑或多坝块并行浇筑,开仓时间是生长步的生长起点,并行开仓数和开仓坝块集合是生长步的并行生长特征,坝块浇筑持续时长为生长速度,不同浇筑仓的混凝土方量、施工作业面大小、结构工艺复杂性、施工机械效率、不同工作小组的生产率都不尽相同,若同时有多个仓开仓浇筑,其收仓时刻也存在差异,须分别记录和存储;
步骤四中策略演进是指具有个体偏好和有限理性的系统通过不断学习演练、交互反馈最终达到目标寻优的一个过程;生长策略演进主要包含评价生长策略与生长步信息获取、回报效应分析、建立生长策略库及聚类分析;
所述回报效应分析,结合Q-learning、深度卷积网络构建具有自主学习能力的坝体生长策略回报函数,根据系统性、可测性、层次性、简易性、可比性、定性-定量指标相结合、绝对-相对指标相结合的指标体系构建原则,建立坝体生长策略回报效应评价指标体系,分析当前生长步对应的坝体生长策略对坝体控制性进度和总工期的贡献率;
所述聚类分析,利用K-means、模糊聚类分析法方法,建立策略演进聚类分析模型,采集坝体生长历史策略数据,以聚类平均半径或聚类平均直径评价类簇内的紧凑性,以聚类平均最小间距评价类簇间差异,分析策略趋势性状及变化规律。
2.根据权利要求1所述一种进度偏差驱动的混凝土坝生长策略及差异化资源调配方法,其特征在于:步骤一中采集现场施工数据,需要利用GPS、RFID、UWB及视频采集实时监测技术获取施工现场数据,利用三维激光扫描技术获取坝体施工面貌数据,建立静态数据库、实时数据库和历史数据库,以三个数据库为基础,基于C#、JAVA和SQL程序开发技术构建数据存储与管理平台,实现施工信息存储、更新及维护。
3.根据权利要求1所述一种进度偏差驱动的混凝土坝生长策略及差异化资源调配方法,其特征在于:步骤二中进度偏差分析与决策模型通过利用过程挖掘和一致性检测技术建立,根据不同类别进度偏差的特征,确定当前施工进度与进度计划的偏差;进度偏差包括当前进度滞后、不同工种或工序之间进度不均衡及临时停工三类;根据进度偏差产生的时间,将其分为施工过程中的进度偏差、施工前的进度偏差和停工后复工前的进度偏差。
4.根据权利要求1所述一种进度偏差驱动的混凝土坝生长策略及差异化资源调配方法,其特征在于:步骤二中分析产生偏差的原因需要利用基于关联规则的挖掘算法,根据进度偏差类别及施工现场信息:资源配置情况、人和机械的施工效率和突发事件信息进行分析;不同时间产生的进度偏差对坝体生长的影响程度不同,需要根据偏差识别结果分析其对坝体生长特征:生长起点、生长速度及并行生长特征的影响,根据偏差原因分析及类型识别结果,利用系统科学理论,建立进度偏差纠偏时机判断模型,确定纠偏时机。
5.根据权利要求1所述一种进度偏差驱动的混凝土坝生长策略及差异化资源调配方法,其特征在于:步骤三中利用改进灰色一致关联分析方法建立进度偏差影响效应分析模型,分析当前进度偏差对总时差、自由时差及系统资源状态的影响,并通过进度预测分析进度偏差对后续生长的资源调配边界和生长速度的影响,确定是否产生累积效应和连锁影响效应;根据进度偏差纠偏时机判断结果,建立基于数学分析耦合模拟计算的纠偏目标决策模型,确定纠偏目标;
所述资源状态,是在坝体生长时段内,其对应的资源处于占用状态,在生长结束时刻,这些资源被释放,状态变为闲置可用,将某时刻系统资源的使用情况称为资源状态,而将该时刻系统的可用资源称为资源调配边界;
所述偏差的累积效应和连锁影响效应,是指当实际施工进程与施工计划产生进度偏差时,有可能产生偏差累积效应,即影响后续工作的开仓时间或者影响总进度;另一方面,因施工进度-资源与坝体“生长”的关系复杂,进度偏差可能“牵一发而动全身”,产生连锁反应,引起坝体生长条件、当前资源状态的变化;偏差的累积效应和连锁影响效应导致后续方案执行参数的改变甚至可能造成后续方案作废。
6.根据权利要求1所述一种进度偏差驱动的混凝土坝生长策略及差异化资源调配方法,其特征在于:步骤五中资源差异性识别模型是通过采取支持向量机、未知有理数滤波智能算法分析资源数据建立,开展室内混凝土浇筑试验,利用GPS、UWB、视频采集实时信息采集系统获取人工、机械设备资源的工作路径、工效的差异化属性,利用构建的资源差异化识别模型分析数据,验证模型的可靠性,资源差异性的种类分为个体差异、时间差异、环境差异、工种差异和工况差异;
步骤五中根据资源差异性识别结果,建立基于施工过程仿真技术的施工效率与进度差异性分析模型,并结合施工系统特点进行施工效率-进度差异性分析;基于系统论的思想,采用理论分析方法研究纠偏目标与施工效率-进度差异性分析结果之间的匹配关系,建立并表达匹配规则。
7.根据权利要求1所述一种进度偏差驱动的混凝土坝生长策略及差异化资源调配方法,其特征在于:步骤六中生长步的多重信息属性包括纠偏目标、生长步及资源匹配集;资源差异化属性包括个体差异、时间差异、环境差异、工种差异及工况差异;采用基于不完全序值信息的双边匹配方法,结合资源调配多重属性信息,确定详细施工任务。
8.根据权利要求1所述一种进度偏差驱动的混凝土坝生长策略及差异化资源调配方法,其特征在于:步骤七中建立调配策略与现场施工资源的对应关系,使用立体匹配方法,从不同的角度产生调配策略,根据差异化资源调配策略的特征构建特征编码机制,建立策略多维属性参数表,使用参数自适应差分进化算法自适应调整资源调配策略,基于Multi-agent与元胞自动机理论,利用每个Agent具有独立性和自主性的特点,解决现场资源配置的子问题,使用面向对象建模方法建立基于策略的差异化资源调配模型,编制程序实现资源的现场调配,最终实现施工过程中的差异化资源调配目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910911962.5A CN110705858B (zh) | 2019-09-25 | 2019-09-25 | 一种进度偏差驱动的混凝土坝生长策略及差异化资源调配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910911962.5A CN110705858B (zh) | 2019-09-25 | 2019-09-25 | 一种进度偏差驱动的混凝土坝生长策略及差异化资源调配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110705858A CN110705858A (zh) | 2020-01-17 |
CN110705858B true CN110705858B (zh) | 2022-03-04 |
Family
ID=69197635
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910911962.5A Active CN110705858B (zh) | 2019-09-25 | 2019-09-25 | 一种进度偏差驱动的混凝土坝生长策略及差异化资源调配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110705858B (zh) |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101270572B (zh) * | 2008-04-24 | 2010-08-18 | 杨举 | 一种利用冷冻技术的大坝施工方法 |
CN108596423A (zh) * | 2018-03-02 | 2018-09-28 | 重庆机电装备技术研究院有限公司 | 一种基于bim的轨道工程施工进度信息管理方法 |
-
2019
- 2019-09-25 CN CN201910911962.5A patent/CN110705858B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110705858A (zh) | 2020-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101825881B1 (ko) | 빅 데이터 분석을 이용한 제조 공정 관리 방법 및 이를 이용한 제조 공정 관리 시스템 | |
CN102402716B (zh) | 智能生产决策支持系统 | |
KR101846793B1 (ko) | 제조 장비에서 수집된 데이터의 분석을 이용한 제조 공정 계획 방법 및 이를 이용한 제조 공정 계획 시스템 | |
CN110516837A (zh) | 一种基于ai的智能化诊断方法、系统及装置 | |
CN110378799A (zh) | 基于多尺度深度卷积网络的氧化铝综合生产指标决策方法 | |
CN104463717A (zh) | 一个适用于特大地下洞室群的施工专家信息系统 | |
CN106156343B (zh) | 一种深基坑施工方案安全评审知识库以及自动安全评审方法 | |
CN112462696A (zh) | 一种智能制造车间数字孪生模型构建方法与系统 | |
CN106951990A (zh) | 电力负荷智能预测方法及装置 | |
CN113760625B (zh) | 一种模型预测控制器性能的评估方法及监控系统 | |
CN110619187B (zh) | 一种混凝土坝施工方案及资源冲突检测与调整方法 | |
CN117434912B (zh) | 无纺布制品生产环境监控方法及系统 | |
CN112147947A (zh) | 数字孪生选煤智能控制系统 | |
CN111985716B (zh) | 一种客运信息可视化的客运量预测系统 | |
CN112364560A (zh) | 矿山凿岩装备作业工时智能预测方法 | |
CN114415607A (zh) | 基于数据驱动的设计工艺制造一体化数字孪生系统 | |
CN114418177B (zh) | 基于生成对抗网络的数字孪生车间的新产品物料配送预测方法 | |
CN109976270A (zh) | 城市污水处理云管理平台 | |
CN116029682A (zh) | 一种基于bim技术的施工进度管理方法及系统 | |
CN108230183A (zh) | 一种基于时标量测的电网设备多维度综合告警的处理方法 | |
CN107703847A (zh) | 一种集控器选址方法及传感器监控系统 | |
CN109615115A (zh) | 一种面向任务可靠性的集成生产任务调度方法 | |
CN114548494A (zh) | 一种可视化造价数据预测智能分析系统 | |
CN110705858B (zh) | 一种进度偏差驱动的混凝土坝生长策略及差异化资源调配方法 | |
CN117436727A (zh) | 一种智能水利调度优化系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |