CN110727986A - 基于bim和加权灰云聚类模型的古建筑维护模型获取方法 - Google Patents

Abstract

本发明属于古建筑安全评估及风险可视化技术领域，公开了一种基于BIM和加权灰云聚类模型的古建筑维护模型获取方法，包括如下步骤：S1：建立云模型，获取评价因子的灰类即风险等级和对应的灰类的指标范围；S2：获取各评价因子隶属于各风险等级的加权灰云聚类模型；S3：获取风险隶属度和分类权重；S4：获取各构件的灰云聚类系数；S5：建立建筑信息模型BIM，得到古建筑维护模型。本发明建立了可靠的评价指标和权重体系；提升了评估方法对不确定信息的处理能力，使其能够同时处理信息的模糊性和随机性，从而使维护评价结果更可靠；与BIM的结合，可视化的呈现古建筑的维护评价结果，为维护决策提供更直观的建议。

Description

基于BIM和加权灰云聚类模型的古建筑维护模型获取方法

技术领域

本发明属于古建筑安全评估及风险可视化技术领域，具体涉及一种基于BIM和加权灰云聚类模型的古建筑维护模型获取方法。

背景技术

古建筑是人类文明的瑰宝，蕴含着丰富的史料信息。与近代钢筋混凝土结构建筑相比，古建筑的材质特殊，具有易风化、腐蚀、遭受虫蛀以及引起火灾等特性，尤其是历经漫漫历史长河的蚕食，古建筑木结构出现不同程度的损伤。同时，其工艺精巧、构造复杂，造成维护鉴定人员对其性能拿捏不准；类型变化丰富、安全性影响因素众多且不独立，且因时代久远，某些构件的信息获取不够精确和充分；评估完成后，问题庞杂，难以确定维护顺序等。

目前，针对古建筑木结构安全性评估方面的研究尚未有一整套可遵循的标准；随着信息化技术的发展，建筑信息模型BIM技术在现代化建筑上得到长足应用，但在古建筑上的应用仍在探索。因此，有效处理评估过程中兼具模糊性和随机性的信息，并提供直观的辅助维护手段，从而探索出一种古建筑评估维护方法，已成为当下古建筑研究的重要主题。

BIM(Building Information Modeling)技术是一种应用于工程设计、建造、管理的数据化工具，通过对建筑的数据化、信息化模型整合，在项目策划、运行和维护的全生命周期过程中进行共享和传递，使工程技术人员对各种建筑信息作出正确理解和高效应对，为设计团队以及包括建筑、运营单位在内的各方建设主体提供协同工作的基础，在提高生产效率、节约成本和缩短工期方面发挥重要作用。BIM技术是目前已经在全球范围内得到业界的广泛认可，它可以帮助实现建筑信息的集成，从建筑的设计、施工、运行直至建筑全寿命周期的终结，各种信息始终整合于一个三维模型信息数据库中，设计团队、施工单位、设施运营部门和业主等各方人员可以基于BIM进行协同工作，有效提高工作效率、节省资源、降低成本、以实现可持续发展。BIM的核心是通过建立虚拟的建筑工程三维模型，利用数字化技术，为这个模型提供完整的、与实际情况一致的建筑工程信息库。该信息库不仅包含描述建筑物构件的几何信息、专业属性及状态信息，还包含了非构件对象(如空间、运动行为)的状态信息。借助这个包含建筑工程信息的三维模型，大大提高了建筑工程的信息集成化程度，从而为建筑工程项目的相关利益方提供了一个工程信息交换和共享的平台。BIM有如下特征：它不仅可以在设计中应用，还可应用于建设工程项目的全寿命周期中；用BIM进行设计属于数字化设计；BIM的数据库是动态变化的，在应用过程中不断在更新、丰富和充实；为项目参与各方提供了协同工作的平台。

目前，国内外的研究侧重于解决评估信息的模糊性和评估过程的层次性。现有技术中采用基于模糊层次分析法对砖石木结构古建筑进行了安全评价，从而为修缮工作提供了古建筑的安全现状；采用层次分析法对木结构古建筑的安全性进行检测，根据实测数据进行分析，为建筑健康档案的建立提供基础数据，为木结构古建筑的鉴定检测方法提供参考；采用基于灰色白化权函数聚类法对木结构古建筑的安全性进行了评估，提出合理的评价指标，并得到合乎实际的评估结果。在信息化技术应用方面，现有技术中采用激光扫描进行数据收集来建立精确的文化遗产文件，有助于文化遗产的维护管理；现有技术中提出了历史建筑信息模型(HBIM)的概念，通过三维激光扫描仪以及史料书籍获取建筑构件的材质、尺寸、构造等信息，实现了以逆向建模的方式建立参数化构件族库；现有技术中建立了亨丽埃塔街道的BIM模型，并与GIS相结合实现了街道的详细记录、高效管理和深度分析。

现有技术存在以下缺点：评估过程中，由于指标信息源的多样性、专家个体判断差异等，导致定性指标信息带有很大的模糊性和随机性，综合以往的研究，虽然有的评估方法考虑了评估过程的模糊性问题，但现有技术中在选择评估方法时没有考虑定性指标量化时的随机性问题，更没有同时考虑评估指标的模糊性和随机性；BIM模型作为新兴信息化技术，目前多用在建筑结构的可视化上，很少研究探讨BIM与评估信息的结合应用。

发明内容

为了解决现有技术存在的上述问题，本发明目的在于提供一种基于BIM和加权灰云聚类模型的古建筑维护模型获取方法。

本发明所采用的技术方案为：

一种基于BIM和加权灰云聚类模型的古建筑维护模型获取方法，包括如下步骤：

S1：将古建筑的主体结构按构件类型进行划分，建立云模型，获取云模型的若干个评价因子，获取与评价因子有关的所有灰类和所有评价因子在各灰类下的指标范围，并将每一个灰类作为对应的风险等级；

S2：根据各评价因子的风险等级对应的指标范围获取云模型的期望、熵以及超熵，并根据云模型及其期望、熵和超熵获取各评价因子隶属于各风险等级的加权灰云聚类模型；

S3：将所有评价因子均作为指标建立评估矩阵，并根据评估矩阵获取当前古建筑的所有构件的关于各指标在不同风险等级情况下的所有风险隶属度和对应的分类权重；

S4：根据各构件的所有风险隶属度和对应的分类权重获取当前古建筑的各构件的灰云聚类系数，并根据当前构件的灰云聚类系数的最大值得到当前构件的危险等级；

S5：建立建筑信息模型BIM，选取与各风险等级一一对应的代表颜色，将各构件的灰云聚类系数输入BIM对应的构件中，提取BIM构件信息，将BIM构件信息中各构件的危险等级分别与各代表颜色的RGB值进行数值运算，得到各构件在当前危险等级的色值，并将该色值的颜色输入BIM对应的构件中，得到古建筑维护模型。

进一步地，步骤S1中，古建筑为木结构古建筑，构件类型包括梁、柱、枋、椽以及槫。

进一步地，步骤S1中，评价因子包括裂缝、变形、承载能力、构造连接、虫蛀以及糟朽。

步骤S3中，风险隶属度的获取公式为：

式中，

为构件i对应的指标Zj对于风险等级k的风险隶属度；i为构件指示量；j为指标指示量；q为指标总数；X_i,Zj为构件i关于指标Zj的评分；m为评分X_i,Zj对应的云滴数；k为风险等级指示量。

进一步地，步骤S3中，将风险隶属度进行归一化处理，得到归一化处理后风险隶属度。

进一步地，归一化处理后风险隶属度的获取公式为：

式中，

为归一化处理后风险隶属度；

为构件i对应的当前指标Zj对于风险等级k的风险隶属度；k为灰类指示量；p为灰类总数。

进一步地，步骤S3中，分类权重的获取公式为：

式中，

为构件i对应的指标Zj的分类权重；γ_Zj(X_i)为指标Zj对构件i属于灰类k的贡献值；i为构件指示量；j为指标指示量；q为指标总数。

进一步地，贡献值的获取公式为：

式中，γ_Zj(X_i)为指标Zj对构件i属于灰类k的贡献值；为归一化处理后风险隶属度；p为灰类总数；k为灰类指示量。

进一步地，步骤S4中，灰云聚类系数的获取公式为：

式中，

为构件i的风险等级k的灰云聚类系数，

为归一化处理后风险隶属度；

构件i对应的指标Zj的分类权重；

为构件i的风险等级属于a_u的概率；

为构件i的风险等级属于b_u的概率；

为构件i的风险等级属于c_u的概率；

为构件i的风险等级属于d_u的概率；a_u,b_u,c_u,d_u为风险程度依次增加的四种灰类类型。

进一步地，步骤S5中，使用参数化插件dynamo提取BIM构件信息。

本发明的有益效果为：

本发明针对古建筑维护评价建立了可靠的评价指标和权重体系，提升了评估方法对不确定信息的处理能力，使其能够同时处理信息的模糊性和随机性，从而使维护评价结果更可靠；与BIM的结合，以颜色的形式可视化的呈现古建筑的维护评价结果，为维护决策提供更直观的建议。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是基于BIM和加权灰云聚类模型的古建筑维护模型获取方法流程框图。

图2是各评价因子在各个风险等级下的云模型示意图。

图3是柱网分布图。

图4是古建筑维护模型风险可视化呈现结果示意图。

具体实施方式

下面结合附图及具体实施例来对本发明作进一步阐述。在此需要说明的是，对于这些实施例方式的说明虽然是用于帮助理解本发明，但并不构成对本发明的限定。本发明公开的功能细节仅用于描述本发明的示例实施例。然而，可用很多备选的形式来体现本发明，并且不应当理解为本发明限制在本发明阐述的实施例中。

应当理解，本发明使用的术语仅用于描述特定实施例，并不意在限制本发明的示例实施例。若术语“包括”、“包括了”、“包含”和/或“包含了”在本发明中被使用时，指定所声明的特征、整数、步骤、操作、单元和/或组件的存在性，并且不排除一个或多个其他特征、数量、步骤、操作、单元、组件和/或他们的组合存在性或增加。

应当理解，还应当注意到在一些备选实施例中，所出现的功能/动作可能与附图出现的顺序不同。例如，取决于所涉及的功能/动作，实际上可以实质上并发地执行，或者有时可以以相反的顺序来执行连续示出的两个图。

应当理解，在下面的描述中提供了特定的细节，以便于对示例实施例的完全理解。然而，本领域普通技术人员应当理解可以在没有这些特定细节的情况下实现示例实施例。例如可以在框图中示出系统，以避免用不必要的细节来使得示例不清楚。在其他实例中，可以不以不必要的细节来示出众所周知的过程、结构和技术，以避免使得示例实施例不清楚。

实施例1：

本实施例提供一种基于BIM和加权灰云聚类模型的古建筑维护模型获取方法，如图1所示，包括如下步骤：

S1：本实施例中使用木结构古建筑，针对木结构古建筑的主体结构，将古建筑的主体结构按构件类型进行划分，构件类型包括梁、柱、枋、椽以及槫，针对各个类型的每个构件进行评估分析，以柱为例，根据柱子的材质、尺寸等进行分类，柱网实际分布如图3所示，建立云模型，获取云模型的若干个评价因子，评价因子包括裂缝Z1、变形Z2、承载能力Z3、构造连接Z4、虫蛀Z5以及糟朽Z6，获取与评价因子有关的所有灰类和所有评价因子在各灰类下的指标范围，并将每一个灰类作为对应的风险等级，a_u,b_u,c_u,d_u为风险程度依次增加的四种灰类类型，也就是四种风险等级，如表1所示；

表1

S2：根据各评价因子的风险等级对应的指标范围获取云模型的期望Ex、熵En以及超熵He，期望Ex和熵En的确定方法如表2所示，而He与具体工程有关，根据人们对工程的认知程度确定，并根据云模型及其期望、熵和超熵使用正态云发生器获取各评价因子隶属于各风险等级的加权灰云聚类模型，如图2所示；

表2

灰类k	Ex	En
			d<sub>u</sub>	(S<sub>kmax</sub>+S<sub>kmin</sub>)/2	(S<sub>kmax</sub>-S<sub>kmin</sub>)/3
c<sub>u</sub>	(S<sub>kmax</sub>+S<sub>kmin</sub>)/2	(S<sub>kmax</sub>-S<sub>kmin</sub>)/3
			b<sub>u</sub>	(S<sub>kmax</sub>+S<sub>kmin</sub>)/2	(S<sub>kmax</sub>-S<sub>kmin</sub>)/3
a<sub>u</sub>	(S<sub>kmax</sub>+S<sub>kmin</sub>)/2	(S<sub>kmax</sub>-S<sub>kmin</sub>)/3

其中，S_kmax为灰类k相应的上限值，S_kmin为等级k对应的下限值；

本实施例中以裂缝为例，如表3所示；

表3

灰类k	Ex	En	He
				d<sub>u</sub>	0.85	0.1	0.01
c<sub>u</sub>	0.60	0.67	0.01
				b<sub>u</sub>	0.35	0.1	0.01
a<sub>u</sub>	0.10	0.67	0.01

S3：将所有评价因子均作为指标建立评估矩阵，并根据评估矩阵获取当前古建筑的所有构件的关于各指标在不同风险等级情况下的所有风险隶属度和对应的分类权重；

评估矩阵为其中X_i,Zj表示构件i关于指标Zj的评分；

由于云层具有一定的厚度，因此每一个x值对应的不止一个y值，本方法取x对应的所有y值的均值，作为构件某指标的风险隶属度，风险隶属度的获取公式为：

式中，

为构件i对应的指标Zj对于风险等级k的风险隶属度，即构件i的Zj指标属于k灰类的概率，裂缝Z1、变形Z2、承载能力Z3、构造连接Z4、虫蛀Z5以及糟朽Z6；i为构件指示量；j为指标指示量；q为指标总数，本实施例中，q＝6；X_i,Zj为构件i关于指标Zj的评分；m为评分X_i,Zj对应的云滴数；k为风险等级指示量；

因为白化权函数对于p个灰类，并不一定满足

本方法将风险隶属度进行归一化处理，使得构件属于各风险等级的概率之和为1，提高了准确性，得到归一化处理后风险隶属度；

归一化处理后风险隶属度的获取公式为：

式中，

为归一化处理后风险隶属度；

为构件i对应的当前指标Zj对于风险等级k的风险隶属度；k为灰类指示量；p为灰类总数；

分类权重的获取公式为：

式中，

为构件i对应的指标Zj的分类权重；γ_Zj(X_i)为指标Zj对构件i属于灰类k的贡献值，贡献越大，则分类权重

越大，当时，说明该指标对分类不起任何作用，完全可以删除；i为构件指示量；j为指标指示量；q为指标总数，本实施例中，q＝6；

贡献值的获取公式为：

式中，γ_Zj(X_i)为指标Zj对构件i属于灰类k的贡献值；

为归一化处理后风险隶属度；p为灰类总数；k为灰类指示量；

S4：根据各构件的所有风险隶属度和对应的分类权重获取当前古建筑的各构件的灰云聚类系数，并根据当前构件的灰云聚类系数的最大值得到各构件的危险等级，也就是当前构件最有可能的风险等级k^*，k^*∈(au,bu,cu,du)，当前构件的灰云聚类系数的最大值为：

本方法综合考虑了六个指标对构件危险等级的影响，同时考虑因素权重的影响；综合考虑古建筑评估过程中存在的模糊性与随机性特点，构成定性与定量之间的映射，根据确定的评价因子及标准，生成各评价因子隶属于各风险等级的云模型，得到各构件隶属于各个风险等级的确定度；

灰云聚类系数的获取公式为：

式中，

为构件i的风险等级k的灰云聚类系数，

为归一化处理后风险隶属度；

构件i对应的指标Zj的分类权重；

为构件i的风险等级属于a_u的概率；

为构件i的风险等级属于b_u的概率；

为构件i的风险等级属于c_u的概率；

为构件i的风险等级属于d_u的概率；a_u,b_u,c_u,d_u为风险程度依次增加的四种灰类类型；

本实施例以图3中柱Y11为例，给定柱Y11的风险等级值x_Y11＝(Z1,Z2,Z3,Z4,Z5,Z6)＝(0.80,0.45,0.62,0.27,0.79,0.37)，根据上述步骤，获取

可知柱Y11的危险等级属于c_u等级；

S5：建立建筑信息模型BIM，选取与各风险等级一一对应的代表颜色，本实施例中选择R(红，R：255，G：000，B：000)，Y(黄，R：255，G：255，B：000)，C(蓝绿，R：000，G：255，B：255)以及B(蓝，R：000，G：000，B：255)代表a_u,b_u,c_u,d_u四个风险等级，将各构件的灰云聚类系数

输入BIM对应的构件中，使用参数化插件dynamo提取BIM构件信息，将BIM构件信息中各构件的危险等级分别与各代表颜色的RGB值进行数值运算，得到各构件在当前危险等级的色值，即使用

计算代表构件危险等级的颜色，该过程在dynamo中进行，并将该色值的颜色输入BIM对应的构件中，得到古建筑维护模型，如图4所示，本步骤直接点选BIM构件然后执行代码即可完成整个运算过程并将颜色赋予构件，无需评估人员进行代码操作等步骤，节省了人力投入，减少了操作复杂度。

效果分析：

为提升灰聚类模型处理不确定信息的能力，使得古建筑风险评价更可靠、更具有弹性，本发明采用灰云模型来处理建筑信息的模糊性和随机性，使评估结果更可靠，本发明同时考虑不同聚类指标、构件类型、构件尺寸和位置等信息，对各自的重要性进行赋权，使评估结果更合理，此外，整合BIM模型，以颜色分布的方式表示构件评估结果安全性，使得文物建筑维护评价结果更直观易读，为管理人员提供更直观的决策支持，由图4可知，柱F13、F12安全程度较高，柱Y24、F11风险程度较高，应优先采取维护措施。

以上所描述的实施例仅仅是示意性的，若涉及到作为分离部件说明的单元，其可以是或者也可以不是物理上分开的；若涉及到作为单元显示的部件，其可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

本发明不局限于上述可选的实施方式，任何人在本发明的启示下都可得出其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限制，本发明的保护范围应当以权利要求书中界定的为准，并且说明书可以用于解释权利要求书。

Claims (10)

1.一种基于BIM和加权灰云聚类模型的古建筑风险评估方法，其特征在于：包括如下步骤：

S1：将古建筑的主体结构按构件类型进行划分，建立云模型，获取云模型的若干个评价因子，获取与评价因子有关的所有灰类和所有评价因子在各灰类下的指标范围，并将每一个灰类作为对应的风险等级；

S2：根据各评价因子的风险等级对应的指标范围获取云模型的期望、熵以及超熵，并根据云模型及其期望、熵和超熵获取各评价因子隶属于各风险等级的加权灰云聚类模型；

S3：将所有评价因子均作为指标建立评估矩阵，并根据评估矩阵获取当前古建筑的所有构件的关于各指标在不同风险等级情况下的所有风险隶属度和对应的分类权重；

S4：根据各构件的所有风险隶属度和对应的分类权重获取当前古建筑的各构件的灰云聚类系数，并根据当前构件的灰云聚类系数的最大值得到当前构件的危险等级；

S5：建立建筑信息模型BIM，选取与各风险等级一一对应的代表颜色，将各构件的灰云聚类系数输入BIM对应的构件中，提取BIM构件信息，将BIM构件信息中各构件的危险等级分别与各代表颜色的RGB值进行数值运算，得到各构件在当前危险等级的色值，并将该色值的颜色输入BIM对应的构件中，得到古建筑维护模型。

2.根据权利要求1所述的基于BIM和加权灰云聚类模型的古建筑维护模型获取方法，其特征在于：所述的步骤S1中，所述的古建筑为木结构古建筑，所述的构件类型包括梁、柱、枋、椽以及槫。

3.根据权利要求2所述的基于BIM和加权灰云聚类模型的古建筑维护模型获取方法，其特征在于：所述的步骤S1中，所述的评价因子包括裂缝、变形、承载能力、构造连接、虫蛀以及糟朽。

4.根据权利要求1所述的基于BIM和加权灰云聚类模型的古建筑维护模型获取方法，其特征在于：所述的步骤S3中，所述的风险隶属度的获取公式为：

式中，

为构件i对应的指标Zj对于风险等级k的风险隶属度；i为构件指示量；j为指标指示量；q为指标总数；X_i,Zj为构件i关于指标Zj的评分；m为评分X_i,Zj对应的云滴数；k为风险等级指示量。

5.根据权利要求1所述的基于BIM和加权灰云聚类模型的古建筑维护模型获取方法，其特征在于：所述的步骤S3中，将风险隶属度进行归一化处理，得到归一化处理后风险隶属度。

6.根据权利要求5所述的基于BIM和加权灰云聚类模型的古建筑维护模型获取方法，其特征在于：所述的归一化处理后风险隶属度的获取公式为：

式中，

为归一化处理后风险隶属度；

为构件i对应的当前指标Zj对于风险等级k的风险隶属度；k为灰类指示量；p为灰类总数。

7.根据权利要求6所述的基于BIM和加权灰云聚类模型的古建筑维护模型获取方法，其特征在于：所述的步骤S3中，所述的分类权重的获取公式为：

式中，

为构件i对应的指标Zj的分类权重；γ_Zj(X_i)为指标Zj对构件i属于灰类k的贡献值；i为构件指示量；j为指标指示量；q为指标总数。

8.根据权利要求7所述的基于BIM和加权灰云聚类模型的古建筑维护模型获取方法，其特征在于：所述的贡献值的获取公式为：

式中，γ_Zj(X_i)为指标Zj对构件i属于灰类k的贡献值；

为归一化处理后风险隶属度；p为灰类总数；k为灰类指示量。

9.根据权利要求1所述的基于BIM和加权灰云聚类模型的古建筑维护模型获取方法，其特征在于：所述的步骤S4中，所述的灰云聚类系数的获取公式为：

式中，为构件i的风险等级k的灰云聚类系数，

为归一化处理后风险隶属度；构件i对应的指标Zj的分类权重；为构件i的风险等级属于a_u的概率；

为构件i的风险等级属于b_u的概率；

为构件i的风险等级属于c_u的概率；

为构件i的风险等级属于d_u的概率；a_u,b_u,c_u,d_u为风险程度依次增加的四种灰类类型。

10.根据权利要求1所述的基于BIM和加权灰云聚类模型的古建筑维护模型获取方法，其特征在于：所述的步骤S5中，使用参数化插件dynamo提取BIM构件信息。

Images