CN116523475B - 基于bim的水务工程设备管理方法和系统 - Google Patents
基于bim的水务工程设备管理方法和系统 Download PDFInfo
- Publication number
- CN116523475B CN116523475B CN202310793733.4A CN202310793733A CN116523475B CN 116523475 B CN116523475 B CN 116523475B CN 202310793733 A CN202310793733 A CN 202310793733A CN 116523475 B CN116523475 B CN 116523475B
- Authority
- CN
- China
- Prior art keywords
- water
- water service
- managed
- model
- service engineering
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 262
- 238000007726 management method Methods 0.000 title claims abstract description 33
- 238000009877 rendering Methods 0.000 claims abstract description 68
- 238000012545 processing Methods 0.000 claims abstract description 65
- 238000003062 neural network model Methods 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000012423 maintenance Methods 0.000 claims description 22
- 238000009434 installation Methods 0.000 claims description 9
- 238000004659 sterilization and disinfection Methods 0.000 claims description 6
- 239000000084 colloidal system Substances 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 5
- 239000000645 desinfectant Substances 0.000 claims description 5
- 239000012528 membrane Substances 0.000 claims description 5
- 244000005700 microbiome Species 0.000 claims description 5
- 239000002510 pyrogen Substances 0.000 claims description 5
- 238000001223 reverse osmosis Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 5
- 239000007789 gas Substances 0.000 claims description 4
- -1 ionic matter Substances 0.000 claims description 4
- 239000005416 organic matter Substances 0.000 claims description 4
- 239000013618 particulate matter Substances 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 239000010865 sewage Substances 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
- G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Multimedia (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Civil Engineering (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Structural Engineering (AREA)
- Architecture (AREA)
Abstract
本发明提供的一种基于BIM的水务工程设备管理方法和系统,该方法包括获取目标BIM三维模型的实时渲染画面,获取电脑屏幕录制视频,电脑屏幕录制视频包括了目标BIM三维模型的实时渲染画面,基于渲染画面处理模型对电脑屏幕录制视频、多个水务工程设备的实时采集的数据进行处理确定多个待管理的水务工程设备节点和多个待管理的水务工程设备节点之间的多条边,基于图神经网络模型对多个待管理的水务工程设备节点和多个待管理的水务工程设备节点之间的多条边进行处理判断多个待管理的水务工程设备节点是否工作正常,该方法能够提高对水务工程设备的监管效率。
Description
技术领域
本发明涉及水务工程设备管理技术领域,具体涉及一种基于BIM的水务工程设备管理方法和系统。
背景技术
当前,随着城市的不断发展和人口的增长,水务工程设备在城市水资源管理中扮演着越来越重要的角色。水务工程设备在水资源管理中承担了重要的任务,但同时也面临着管理与维护的难题。
目前,水务工程设备的管理主要依靠纸质记录和传统计算机管理系统,然而这些方法存在信息不集中、数据无法共享、监测不及时等问题。例如,对于一座污水处理厂来说,管理人员需要对各个设备的运行状态、监测数据、维护保养历史等信息进行记录和分析,以便于及时发现和处理问题。其中传统计算机管理系统的方法只能查看视频或设备数据,割裂了设备在真实物理世界的位置、形态等信息,极易造成管理者只知数据的困境,管理者需要通过二维平面图去想像三维场景然后再进行数据分析,这种主观想像易造成信息的误解,且这一过程需要耗费大量时间和人力,并且存在数据不准确、记录不完整等问题,监管效率较为低下。
因此如何提高对水务工程设备的监管效率是当前亟待解决的问题。
发明内容
本发明主要解决的技术问题是如何提高对水务工程设备的监管效率。
根据第一方面,本发明提供一种基于BIM的水务工程设备管理方法,包括:对多个水务工程设备所在的建筑环境进行三维虚拟化处理得到初始BIM三维模型;将所述多个水务工程设备进行三维虚拟化处理得到三维虚拟化设备模型;将所述三维虚拟化设备模型安装于所述初始BIM三维模型中得到目标BIM三维模型;将所述多个水务工程设备的实时采集的数据加载到所述目标BIM三维模型中对应的多个水务工程设备上;获取目标BIM三维模型的实时渲染画面,所述目标BIM三维模型的实时渲染画面为基于所述目标BIM三维模型和所述多个水务工程设备的实时采集的数据进行实时渲染得到;获取电脑屏幕录制视频,所述电脑屏幕录制视频包括了所述目标BIM三维模型的实时渲染画面;基于渲染画面处理模型对所述电脑屏幕录制视频、所述多个水务工程设备的实时采集的数据进行处理确定多个待管理的水务工程设备节点和多个待管理的水务工程设备节点之间的多条边;基于图神经网络模型对所述多个待管理的水务工程设备节点和所述多个待管理的水务工程设备节点之间的多条边进行处理判断所述多个待管理的水务工程设备节点是否工作正常。
更进一步地,所述多个水务工程设备包括原水处理设备、过滤器、反渗透膜系统、化学混合设备、消毒设备。
更进一步地,所述渲染画面处理模型为长短期神经网络模型,所述渲染画面处理模型的输入为所述电脑屏幕录制视频、所述多个水务工程设备的实时采集的数据,所述渲染画面处理模型的输出为所述多个待管理的水务工程设备节点和所述多个待管理的水务工程设备节点之间的多条边,其中所述多个待管理的水务工程设备节点中的每一个水务工程设备节点包括多个节点特征,多个节点特征包括设备类型、安装位置、维护保养历史、设备尺寸、设备重量、运行时间、水位、水流速度、水质成分,所述多个待管理的水务工程设备节点之间的多条边包括管道、电缆、控制系统,其中所述多条边的每条边包括多个边的特征,所述多个边的特征包括管道的长度、管道中的水流方向、管道类型、电缆类型、电缆的电压、控制信号的强度。
更进一步地,所述图神经网络模型的输入为所述多个待管理的水务工程设备节点和所述多个待管理的水务工程设备节点之间的多条边,所述图神经网络模型的输出为水务工程设备运行正常或一个或多个运行异常的水务工程设备节点。
更进一步地,所述维护保养历史包括检修时间、维护内容、更换部件,所述水质成分包括颗粒物质、离子物质、胶体、有机物、气体、微生物、热原、消毒剂,所述管道类型包括输水管、排污管、回水管,所述电缆类型包括电力线、通讯线、信号线。
根据第二方面,本发明提供一种基于BIM的水务工程设备管理系统,包括:第一虚拟化模块,用于对多个水务工程设备所在的建筑环境进行三维虚拟化处理得到初始BIM三维模型;第二虚拟化模块,用于将所述多个水务工程设备进行三维虚拟化处理得到三维虚拟化设备模型;安装模块,用于将所述三维虚拟化设备模型安装于所述初始BIM三维模型中得到目标BIM三维模型;加载模块,用于将所述多个水务工程设备的实时采集的数据加载到所述目标BIM三维模型中对应的多个水务工程设备上;第一获取模块,用于获取目标BIM三维模型的实时渲染画面,所述目标BIM三维模型的实时渲染画面为基于所述目标BIM三维模型和所述多个水务工程设备的实时采集的数据进行实时渲染得到;第二获取模块,用于获取电脑屏幕录制视频,所述电脑屏幕录制视频包括了所述目标BIM三维模型的实时渲染画面;第一处理模块,用于基于渲染画面处理模型对所述电脑屏幕录制视频、所述多个水务工程设备的实时采集的数据进行处理确定多个待管理的水务工程设备节点和多个待管理的水务工程设备节点之间的多条边;第二处理模块,用于基于图神经网络模型对所述多个待管理的水务工程设备节点和所述多个待管理的水务工程设备节点之间的多条边进行处理判断所述多个待管理的水务工程设备节点是否工作正常。
更进一步地,所述多个水务工程设备包括原水处理设备、过滤器、反渗透膜系统、化学混合设备、消毒设备。
更进一步地,所述渲染画面处理模型为长短期神经网络模型,所述渲染画面处理模型的输入为所述电脑屏幕录制视频、所述多个水务工程设备的实时采集的数据,所述渲染画面处理模型的输出为所述多个待管理的水务工程设备节点和所述多个待管理的水务工程设备节点之间的多条边,其中所述多个待管理的水务工程设备节点中的每一个水务工程设备节点包括多个节点特征,多个节点特征包括设备类型、安装位置、维护保养历史、设备尺寸、设备重量、运行时间、水位、水流速度、水质成分,所述多个待管理的水务工程设备节点之间的多条边包括管道、电缆、控制系统,其中所述多条边的每条边包括多个边的特征,所述多个边的特征包括管道的长度、管道中的水流方向、管道类型、电缆类型、电缆的电压、控制信号的强度。
更进一步地,所述图神经网络模型的输入为所述多个待管理的水务工程设备节点和所述多个待管理的水务工程设备节点之间的多条边,所述图神经网络模型的输出为水务工程设备运行正常或一个或多个运行异常的水务工程设备节点。
更进一步地,所述维护保养历史包括检修时间、维护内容、更换部件,所述水质成分包括颗粒物质、离子物质、胶体、有机物、气体、微生物、热原、消毒剂,所述管道类型包括输水管、排污管、回水管,所述电缆类型包括电力线、通讯线、信号线。
本发明提供的一种基于BIM的水务工程设备管理方法和系统,该方法包括对多个水务工程设备所在的建筑环境进行三维虚拟化处理得到初始BIM三维模型;将所述多个水务工程设备进行三维虚拟化处理得到三维虚拟化设备模型;将所述三维虚拟化设备模型安装于所述初始BIM三维模型中得到目标BIM三维模型;将所述多个水务工程设备的实时采集的数据加载到所述目标BIM三维模型中对应的多个水务工程设备上;获取目标BIM三维模型的实时渲染画面,所述目标BIM三维模型的实时渲染画面为基于所述目标BIM三维模型和所述多个水务工程设备的实时采集的数据进行实时渲染得到;获取电脑屏幕录制视频,所述电脑屏幕录制视频包括了所述目标BIM三维模型的实时渲染画面;基于渲染画面处理模型对所述电脑屏幕录制视频、所述多个水务工程设备的实时采集的数据进行处理确定多个待管理的水务工程设备节点和多个待管理的水务工程设备节点之间的多条边;基于图神经网络模型对所述多个待管理的水务工程设备节点和所述多个待管理的水务工程设备节点之间的多条边进行处理判断所述多个待管理的水务工程设备节点是否工作正常,该方法能够提高对水务工程设备的监管效率。
附图说明
图1为本发明实施例提供的一种基于BIM的水务工程设备管理方法的流程示意图;
图2为本发明实施例提供的一种基于BIM的水务工程设备管理系统的示意图。
具体实施方式
本发明实施例中,提供了如图1所示的一种基于BIM的水务工程设备管理方法,所述基于BIM的水务工程设备管理方法包括步骤S1~S8:
步骤S1,对多个水务工程设备所在的建筑环境进行三维虚拟化处理得到初始BIM三维模型。
多个水务工程设备可以包括原水处理设备、过滤器、反渗透膜系统、化学混合设备、消毒设备。
BIM(Building Information Modeling)三维模型是一种将建筑设计、施工、运营管理过程中的各种信息集成到三维模型中,以便于对建筑物进行综合管理和优化的技术。BIM三维模型可以包含建筑物的几何模型、材料属性、空间布局、能源消耗等多方面信息,并且支持与其他系统(如ERP、CRM等)进行信息交换。例如,在对一座水务工程设施进行BIM建模时,可以使用Revit、Navisworks等软件,将该设施的平面图、立面图、剖面图转换为三维模型,并添加各种元素和数据。
步骤S2,将所述多个水务工程设备进行三维虚拟化处理得到三维虚拟化设备模型。
接下来,需要对多个水务工程设备进行三维虚拟化处理,得到三维虚拟化设备模型。该过程可以使用3D扫描仪、CAD软件、BIM建模软件等工具,将实际设备转换为三维虚拟化设备模型。
例如,在对一座污水处理厂进行设备建模时,可以使用3D扫描仪对水务工程设备进行扫描,然后使用BIM建模软件将扫描得到的数据转换为三维虚拟化设备模型。在建模时,也会将水务工程设备的各种参数、位置、管线信息等也会作为建模时的参数。
步骤S3,将所述三维虚拟化设备模型安装于所述初始BIM三维模型中得到目标BIM三维模型。
该过程可以借助BIM建模软件,将三维虚拟化设备模型直接添加到初始BIM三维模型中,也可以通过其他方式将三维虚拟化设备模型和初始BIM三维模型进行融合。例如,在对一座污水处理厂进行设备管理时,可以使用Revit软件将所述三维虚拟化设备模型直接添加到初始BIM三维模型中得到目标BIM三维模型。
步骤S4,将所述多个水务工程设备的实时采集的数据加载到所述目标BIM三维模型中对应的多个水务工程设备上。
多个水务工程设备的实时采集的数据可以为针对水务工程设备在运行过程中实时收集的各种数据,包括水务工程设备的温度、压力、流量、速度、振动等物理数据,以及设备的运行状态、故障信息、维修记录等。例如,多个水务工程设备的实时采集的数据可以包括设备类型、安装位置、维护保养历史、设备尺寸、设备重量、运行时间、水位、水流速度、水质成分等。又例如多个水务工程设备的实时采集的数据可以包括管道的长度、管道中的水流方向、管道类型、电缆类型、电缆的电压、控制信号的强度。
实时采集的数据可以为每隔1秒、3秒、5秒、30秒、1分钟、5分钟、10分钟等时间段来采集得到的数据。
例如,在对一座污水处理厂进行设备管理时,可以安装各种传感器和监测设备,对水务工程设备的温度、压力、流量等信息进行实时采集,并上传至云端。然后,可以借助BIM软件将这些数据加载到目标BIM三维模型中对应的水务工程设备上,以便于后续的设备管理和分析。
步骤S5,获取目标BIM三维模型的实时渲染画面,所述目标BIM三维模型的实时渲染画面为基于所述目标BIM三维模型和所述多个水务工程设备的实时采集的数据进行实时渲染得到。
目标BIM三维模型的实时渲染画面指在目标BIM三维模型基础上,针对多个水务工程设备的实时采集的数据,应用图形处理技术生成的实时显示画面。它能够直观地反映水务工程设备当前状况和性能数据。
所述目标BIM三维模型的实时渲染画面中可以显示水务工程设备的三维模型、建筑环境信息、多个水务工程设备的实时采集的数据、管线布置等信息。
在一些实施例中,可以通过图形处理技术基于所述目标BIM三维模型和所述多个水务工程设备的实时采集的数据进行实时渲染得到目标BIM三维模型的实时渲染画面。
目标BIM三维模型的实时渲染画面可以为每隔1秒、3秒、5秒、30秒、1分钟、5分钟、10分钟等时间段来进行渲染得到的实时渲染画面。
步骤S6,获取电脑屏幕录制视频,所述电脑屏幕录制视频包括了所述目标BIM三维模型的实时渲染画面。
电脑屏幕录制视频指通过软件或硬件设备将电脑屏幕上的图像进行实时录制并输出成视频文件。这个过程可以在电脑上进行,也可以通过远程连接的方式将另一台电脑的屏幕录制下来。例如,可以使用录屏软件进行电脑屏幕录制,将电脑屏幕上的目标BIM三维模型的实时渲染画面录制下来,并保存成电脑屏幕录制视频。
由于将所述目标BIM三维模型的实时渲染画面呈现在电脑屏幕上,所以电脑屏幕录制视频中就包括了所述目标BIM三维模型的实时渲染画面。因此可以对电脑屏幕录制视频进行处理分析就可以得到多个水务工程设备的工作状态。
步骤S7,基于渲染画面处理模型对所述电脑屏幕录制视频、所述多个水务工程设备的实时采集的数据进行处理确定多个待管理的水务工程设备节点和多个待管理的水务工程设备节点之间的多条边。
渲染画面处理模型为长短期神经网络模型。长短期神经网络模型为人工智能的一种实现方式。长短期神经网络模型包括长短期神经网络(LSTM,Long Short-Term Memory)。长短期神经网络模型能够处理任意长度的序列数据,捕捉序列的信息,输出基于序列中前后数据关联关系的结果。
渲染画面处理模型可以通过梯度下降法对训练样本进行训练得到。
所述渲染画面处理模型为长短期神经网络模型,所述渲染画面处理模型的输入为所述电脑屏幕录制视频、所述多个水务工程设备的实时采集的数据,所述渲染画面处理模型的输出为所述多个待管理的水务工程设备节点和所述多个待管理的水务工程设备节点之间的多条边。
待管理的水务工程设备节点表示渲染画面处理模型通过对所述电脑屏幕录制视频、所述多个水务工程设备的实时采集的数据进行分析后得到的有可能会出现运行异常的水务工程设备节点,多个待管理的水务工程设备节点可以为多个水务工程设备中的一部分。渲染画面处理模型综合考虑了各个时间点的电脑屏幕录制视频之间关联关系的特征,最终判断得到多个可能会有运行异常的待管理的水务工程设备节点,最后再使用图神经网络模型进行二次判断就可以得到最终的设备运行状态的判断结果。
其中所述多个待管理的水务工程设备节点中的每一个水务工程设备节点包括多个节点特征,多个节点特征包括设备类型、安装位置、维护保养历史、设备尺寸、设备重量、运行时间、水位、水流速度、水质成分,所述多个待管理的水务工程设备节点之间的多条边包括管道、电缆、控制系统,其中所述多条边的每条边包括多个边的特征,所述多个边的特征包括管道的长度、管道中的水流方向、管道类型、电缆类型、电缆的电压、控制信号的强度。其中所述维护保养历史包括检修时间、维护内容、更换部件,所述水质成分包括颗粒物质、离子物质、胶体、有机物、气体、微生物、热原、消毒剂,所述管道类型包括输水管、排污管、回水管,所述电缆类型包括电力线、通讯线、信号线。
在一些实施例中,渲染画面处理模型可以包括待管理的水务工程设备节点确定子模型、待管理的水务工程设备节点特征确定子模型、多条边确定子模型、边特征确定子模型。待管理的水务工程设备节点确定子模型、待管理的水务工程设备节点特征确定子模型、多条边确定子模型、边特征确定子模型都为长短期神经网络模型。
待管理的水务工程设备节点确定子模型的输入为所述电脑屏幕录制视频、所述多个水务工程设备的实时采集的数据,待管理的水务工程设备节点确定子模型的输出为所述多个待管理的水务工程设备节点,待管理的水务工程设备节点特征确定子模型的输入为所述多个待管理的水务工程设备节点、所述电脑屏幕录制视频、所述多个水务工程设备的实时采集的数据,待管理的水务工程设备节点特征确定子模型的输出为所述多个待管理的水务工程设备节点的多个节点特征,多个节点特征包括设备类型、安装位置、维护保养历史、设备尺寸、设备重量、运行时间、水位、水流速度、水质成分,多条边确定子模型的输入为所述电脑屏幕录制视频、所述多个水务工程设备的实时采集的数据、所述多个待管理的水务工程设备节点、所述多个待管理的水务工程设备节点的多个节点特征,多条边确定子模型的输出为所述多个待管理的水务工程设备节点之间的多条边,所述多个待管理的水务工程设备节点之间的多条边包括管道、电缆、控制系统。边特征确定子模型的输入为所述多个待管理的水务工程设备节点之间的多条边、所述电脑屏幕录制视频、所述多个水务工程设备的实时采集的数据、所述多个待管理的水务工程设备节点、所述多个待管理的水务工程设备节点的多个节点特征,边特征确定子模型的输出为多个边的特征,所述多个边的特征包括管道的长度、管道中的水流方向、管道类型、电缆类型、电缆的电压、控制信号的强度。
先通过待管理的水务工程设备节点确定子模型先识别出多个待管理的水务工程设备节点,再依次根据各个子模型来依次确定出其他信息,避免了在实际应用中由于水位设备中的数据量较多,造成一个大模型在训练阶段和应用阶段的处理效率较慢。
将渲染画面处理模型划分为多个子模型有以下好处:1.每个子模型可以专注于自己的任务,提高了模型的精度和效率,在模型训练时训练速度更快。2.模型的可维护性和扩展性得到了提高,可以更方便地对单个子模型进行调整和优化,同时也方便将新子模型集成进整个模型中。3.增加了易用性和灵活性,使得整个模型更容易使用,并且可以根据实际需求选择使用其中的一个或多个子模型,而不必使用整个模型。
步骤S8,基于图神经网络模型对所述多个待管理的水务工程设备节点和所述多个待管理的水务工程设备节点之间的多条边进行处理判断所述多个待管理的水务工程设备节点是否工作正常。
图神经网络模型包括图神经网络(Graph Neural Network,GNN)和全连接层。图神经网络是一种直接作用于图上的神经网络,所述图是由节点和边两部分组成的一种数据结构。
所述图神经网络模型的输入为所述多个待管理的水务工程设备节点和所述多个待管理的水务工程设备节点之间的多条边,所述图神经网络模型的输出为水务工程设备运行正常或一个或多个运行异常的水务工程设备节点。例如,图神经网络输出得到消毒设备运行异常。本发明创造性的将待管理的水务工程设备节点和多个待管理的水务工程设备节点之间的多条边也作为图的一种形式,并输入到图神经网络模型进行处理得到所述多个待管理的水务工程设备节点是否工作正常。
渲染画面处理模型先判断得到多个可能会有运行异常的待管理的水务工程设备节点和所述多个待管理的水务工程设备节点之间的多条边,最后再使用图神经网络模型进行二次判断就可以得到最终的设备运行状态的判断结果。
首先,利用渲染画面处理模型对电脑屏幕录制视频和多个水务工程设备的实时采集数据进行处理可以确定多个待管理的水务工程设备节点和这些节点之间的多条边。这有助于将多个有可能会出现运行异常的水务工程设备节点的数据整合成一个图,以便进行更复杂的分析。其次,基于图神经网络模型,可以对多个待管理的水务工程设备节点和它们之间的多条边进行处理,从而可以更准确地判断设备是否正常工作。与仅使用单个模型相比,使用两种模型进行设备异常判定的技术效果更好,因为它可以同时考虑多个数据源的信息,包括监测数据、视觉数据等。同时,使用多个模型还可以提供更精细的特征提取能力,以提高准确性。
基于同一发明构思,图2为本发明的实施例提供的一种基于BIM的水务工程设备管理系统示意图,所述基于BIM的水务工程设备管理系统包括:
第一虚拟化模块21,用于对多个水务工程设备所在的建筑环境进行三维虚拟化处理得到初始BIM三维模型;
第二虚拟化模块22,用于将所述多个水务工程设备进行三维虚拟化处理得到三维虚拟化设备模型;
安装模块23,用于将所述三维虚拟化设备模型安装于所述初始BIM三维模型中得到目标BIM三维模型;
加载模块24,用于将所述多个水务工程设备的实时采集的数据加载到所述目标BIM三维模型中对应的多个水务工程设备上;
第一获取模块25,用于获取目标BIM三维模型的实时渲染画面,所述目标BIM三维模型的实时渲染画面为基于所述目标BIM三维模型和所述多个水务工程设备的实时采集的数据进行实时渲染得到;
第二获取模块26,用于获取电脑屏幕录制视频,所述电脑屏幕录制视频包括了所述目标BIM三维模型的实时渲染画面;
第一处理模块27,用于基于渲染画面处理模型对所述电脑屏幕录制视频、所述多个水务工程设备的实时采集的数据进行处理确定多个待管理的水务工程设备节点和多个待管理的水务工程设备节点之间的多条边;
第二处理模块28,用于基于图神经网络模型对所述多个待管理的水务工程设备节点和所述多个待管理的水务工程设备节点之间的多条边进行处理判断所述多个待管理的水务工程设备节点是否工作正常。
Claims (8)
1.一种基于BIM的水务工程设备管理方法,其特征在于,包括:
对多个水务工程设备所在的建筑环境进行三维虚拟化处理得到初始BIM三维模型;
将所述多个水务工程设备进行三维虚拟化处理得到三维虚拟化设备模型;
将所述三维虚拟化设备模型安装于所述初始BIM三维模型中得到目标BIM三维模型;
将所述多个水务工程设备的实时采集的数据加载到所述目标BIM三维模型中对应的多个水务工程设备上;
获取目标BIM三维模型的实时渲染画面,所述目标BIM三维模型的实时渲染画面为基于所述目标BIM三维模型和所述多个水务工程设备的实时采集的数据进行实时渲染得到;
获取电脑屏幕录制视频,所述电脑屏幕录制视频包括了所述目标BIM三维模型的实时渲染画面;
基于渲染画面处理模型对所述电脑屏幕录制视频、所述多个水务工程设备的实时采集的数据进行处理确定多个待管理的水务工程设备节点和多个待管理的水务工程设备节点之间的多条边,所述渲染画面处理模型为长短期神经网络模型,所述渲染画面处理模型的输入为所述电脑屏幕录制视频、所述多个水务工程设备的实时采集的数据,所述渲染画面处理模型的输出为所述多个待管理的水务工程设备节点和所述多个待管理的水务工程设备节点之间的多条边,其中所述多个待管理的水务工程设备节点中的每一个水务工程设备节点包括多个节点特征,多个节点特征包括设备类型、安装位置、维护保养历史、设备尺寸、设备重量、运行时间、水位、水流速度、水质成分,所述多个待管理的水务工程设备节点之间的多条边包括管道、电缆、控制系统,其中所述多条边的每条边包括多个边的特征,所述多个边的特征包括管道的长度、管道中的水流方向、管道类型、电缆类型、电缆的电压、控制信号的强度;
基于图神经网络模型对所述多个待管理的水务工程设备节点和所述多个待管理的水务工程设备节点之间的多条边进行处理判断所述多个待管理的水务工程设备节点是否工作正常。
2.如权利要求1所述的基于BIM的水务工程设备管理方法,其特征在于,所述多个水务工程设备包括原水处理设备、过滤器、反渗透膜系统、化学混合设备、消毒设备。
3.如权利要求1所述的基于BIM的水务工程设备管理方法,其特征在于,所述图神经网络模型的输入为所述多个待管理的水务工程设备节点和所述多个待管理的水务工程设备节点之间的多条边,所述图神经网络模型的输出为水务工程设备运行正常或一个或多个运行异常的水务工程设备节点。
4.如权利要求1所述的基于BIM的水务工程设备管理方法,其特征在于,所述维护保养历史包括检修时间、维护内容、更换部件,所述水质成分包括颗粒物质、离子物质、胶体、有机物、气体、微生物、热原、消毒剂,所述管道类型包括输水管、排污管、回水管,所述电缆类型包括电力线、通讯线、信号线。
5.一种基于BIM的水务工程设备管理系统,其特征在于,包括:
第一虚拟化模块,用于对多个水务工程设备所在的建筑环境进行三维虚拟化处理得到初始BIM三维模型;
第二虚拟化模块,用于将所述多个水务工程设备进行三维虚拟化处理得到三维虚拟化设备模型;
安装模块,用于将所述三维虚拟化设备模型安装于所述初始BIM三维模型中得到目标BIM三维模型;
加载模块,用于将所述多个水务工程设备的实时采集的数据加载到所述目标BIM三维模型中对应的多个水务工程设备上;
第一获取模块,用于获取目标BIM三维模型的实时渲染画面,所述目标BIM三维模型的实时渲染画面为基于所述目标BIM三维模型和所述多个水务工程设备的实时采集的数据进行实时渲染得到;
第二获取模块,用于获取电脑屏幕录制视频,所述电脑屏幕录制视频包括了所述目标BIM三维模型的实时渲染画面;
第一处理模块,用于基于渲染画面处理模型对所述电脑屏幕录制视频、所述多个水务工程设备的实时采集的数据进行处理确定多个待管理的水务工程设备节点和多个待管理的水务工程设备节点之间的多条边,所述渲染画面处理模型为长短期神经网络模型,所述渲染画面处理模型的输入为所述电脑屏幕录制视频、所述多个水务工程设备的实时采集的数据,所述渲染画面处理模型的输出为所述多个待管理的水务工程设备节点和所述多个待管理的水务工程设备节点之间的多条边,其中所述多个待管理的水务工程设备节点中的每一个水务工程设备节点包括多个节点特征,多个节点特征包括设备类型、安装位置、维护保养历史、设备尺寸、设备重量、运行时间、水位、水流速度、水质成分,所述多个待管理的水务工程设备节点之间的多条边包括管道、电缆、控制系统,其中所述多条边的每条边包括多个边的特征,所述多个边的特征包括管道的长度、管道中的水流方向、管道类型、电缆类型、电缆的电压、控制信号的强度;
第二处理模块,用于基于图神经网络模型对所述多个待管理的水务工程设备节点和所述多个待管理的水务工程设备节点之间的多条边进行处理判断所述多个待管理的水务工程设备节点是否工作正常。
6.如权利要求5所述的基于BIM的水务工程设备管理系统,其特征在于,所述多个水务工程设备包括原水处理设备、过滤器、反渗透膜系统、化学混合设备、消毒设备。
7.如权利要求5所述的基于BIM的水务工程设备管理系统,其特征在于,所述图神经网络模型的输入为所述多个待管理的水务工程设备节点和所述多个待管理的水务工程设备节点之间的多条边,所述图神经网络模型的输出为水务工程设备运行正常或一个或多个运行异常的水务工程设备节点。
8.如权利要求5所述的基于BIM的水务工程设备管理系统,其特征在于,所述维护保养历史包括检修时间、维护内容、更换部件,所述水质成分包括颗粒物质、离子物质、胶体、有机物、气体、微生物、热原、消毒剂,所述管道类型包括输水管、排污管、回水管,所述电缆类型包括电力线、通讯线、信号线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310793733.4A CN116523475B (zh) | 2023-06-30 | 2023-06-30 | 基于bim的水务工程设备管理方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310793733.4A CN116523475B (zh) | 2023-06-30 | 2023-06-30 | 基于bim的水务工程设备管理方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116523475A CN116523475A (zh) | 2023-08-01 |
CN116523475B true CN116523475B (zh) | 2023-09-19 |
Family
ID=87405096
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310793733.4A Active CN116523475B (zh) | 2023-06-30 | 2023-06-30 | 基于bim的水务工程设备管理方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116523475B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116721390B (zh) * | 2023-08-09 | 2023-10-27 | 克伦斯(天津)轨道交通技术有限公司 | 基于数据处理的地铁列车乘客状态确定方法和系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109255743A (zh) * | 2018-04-17 | 2019-01-22 | 上海城建养护管理有限公司 | 养护综合管理系统 |
CN109495563A (zh) * | 2018-11-13 | 2019-03-19 | 王鹂辉 | 智能水务可视化神经网络监控系统 |
CN111966034A (zh) * | 2020-07-24 | 2020-11-20 | 浙江鼎胜环保技术有限公司 | 一种智能水务系统 |
CN112699447A (zh) * | 2021-01-12 | 2021-04-23 | 湖南科尔顿水务有限公司 | 一种智慧水务设备三维可视化管理方法 |
CN114419528A (zh) * | 2022-04-01 | 2022-04-29 | 浙江口碑网络技术有限公司 | 异常识别方法、装置、计算机设备及计算机可读存储介质 |
CN116308871A (zh) * | 2021-12-10 | 2023-06-23 | 湖南新九方科技有限公司 | 一种水厂可视化监控方法、系统及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10190792B2 (en) * | 2016-04-27 | 2019-01-29 | Crestron Electronics, Inc. | Three-dimensional building management system visualization |
US11461985B2 (en) * | 2019-01-30 | 2022-10-04 | Mosaic, Ltd | Methods and systems for rendering and modifying three-dimensional models for interior design |
US11106842B2 (en) * | 2019-09-06 | 2021-08-31 | Beamup Ltd. | Structural design systems and methods for floor plan simulation and modeling in mass customization of equipment |
-
2023
- 2023-06-30 CN CN202310793733.4A patent/CN116523475B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109255743A (zh) * | 2018-04-17 | 2019-01-22 | 上海城建养护管理有限公司 | 养护综合管理系统 |
CN109495563A (zh) * | 2018-11-13 | 2019-03-19 | 王鹂辉 | 智能水务可视化神经网络监控系统 |
CN111966034A (zh) * | 2020-07-24 | 2020-11-20 | 浙江鼎胜环保技术有限公司 | 一种智能水务系统 |
CN112699447A (zh) * | 2021-01-12 | 2021-04-23 | 湖南科尔顿水务有限公司 | 一种智慧水务设备三维可视化管理方法 |
CN116308871A (zh) * | 2021-12-10 | 2023-06-23 | 湖南新九方科技有限公司 | 一种水厂可视化监控方法、系统及存储介质 |
CN114419528A (zh) * | 2022-04-01 | 2022-04-29 | 浙江口碑网络技术有限公司 | 异常识别方法、装置、计算机设备及计算机可读存储介质 |
Non-Patent Citations (2)
Title |
---|
新一代人工智能技术在输变电设备状态评估中的应用现状及展望;谢庆等;《高压电器》;第58卷(第11期);1-16 * |
面向运维期的引水工程BIM与检测图像信息集成研究及应用;祝安东;《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》(第02期);1-81 * |
Also Published As
Publication number | Publication date |
---|---|
CN116523475A (zh) | 2023-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6931402B2 (ja) | ディスプレイの品質検出方法、装置、電子機器及び記憶媒体 | |
KR102229594B1 (ko) | 디스플레이 스크린 품질 검출 방법, 장치, 전자기기 및 저장매체 | |
CN116523475B (zh) | 基于bim的水务工程设备管理方法和系统 | |
CN101408769B (zh) | 一种基于乘积arima模型的在线能源预测系统及方法 | |
CN117218118B (zh) | 基于图像序列的坍落度监测方法、装置及可读介质 | |
CN111652406A (zh) | 云-边协同下电网设备运行状态预测方法及系统 | |
CN111339907A (zh) | 一种基于图像识别技术的排污识别方法及装置 | |
CN113887749A (zh) | 基于云边协同的电力物联网多维度监控处置方法、设备及平台 | |
Guida et al. | An Integrated BIM-IoT approach to support energy monitoring | |
CN111966034B (zh) | 一种智能水务系统 | |
CN113674322A (zh) | 一种运动状态检测方法及相关装置 | |
CN112766795A (zh) | 一种基于云端处理的管廊智能信息管理方法及系统 | |
CN116645550A (zh) | 一种基于测试用例的机载显示系统通用化图像识别方法 | |
CN115689206A (zh) | 一种基于深度学习的变电站基建进度智能监测方法 | |
US20190080259A1 (en) | Method of learning robust regression models from limited training data | |
KR20220107540A (ko) | 3차원 모델을 통한 인공지능 기반 안전진단 장치 및 그 방법 | |
US20200202178A1 (en) | Automatic visual data generation for object training and evaluation | |
Novaliendry et al. | Development of a Digital Twin Prototype for Industrial Manufacturing Monitoring System Using IoT and Augmented Reality. | |
CN116678885B (zh) | 基于深度学习的水洗粗骨料含泥检测控制方法及装置 | |
Zhong et al. | Inspection Technology of Power Communication Network Based on Machine Vision Graphic Recognition | |
JP7202248B2 (ja) | プラント状態監視システムおよびプラント状態監視方法 | |
CN114934880B (zh) | 一种海上风电机组的寿命预测方法及装置 | |
CN116715288A (zh) | 一体化污水及水系智能管控系统、方法、电子设备及介质 | |
Yin et al. | A neural network-based application for automated defect detection for sewer pipes | |
Baqqal et al. | Digital Twin Design for Monitoring System–A Case Study of Bucket Wheel Excavator |
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 |