CN116611661A - 一种基于bim的智慧工厂安全管理系统及方法 - Google Patents

一种基于bim的智慧工厂安全管理系统及方法 Download PDF

Info

Publication number
CN116611661A
CN116611661A CN202310639933.4A CN202310639933A CN116611661A CN 116611661 A CN116611661 A CN 116611661A CN 202310639933 A CN202310639933 A CN 202310639933A CN 116611661 A CN116611661 A CN 116611661A
Authority
CN
China
Prior art keywords
data
bim
change
time
parameter
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.)
Granted
Application number
CN202310639933.4A
Other languages
English (en)
Other versions
CN116611661B (zh
Inventor
阚亮亮
郭冠兰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Top Chuan Cheng Technology Co ltd
Original Assignee
Shenzhen Top Chuan Cheng Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Top Chuan Cheng Technology Co ltd filed Critical Shenzhen Top Chuan Cheng Technology Co ltd
Priority to CN202310639933.4A priority Critical patent/CN116611661B/zh
Publication of CN116611661A publication Critical patent/CN116611661A/zh
Application granted granted Critical
Publication of CN116611661B publication Critical patent/CN116611661B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063114—Status monitoring or status determination for a person or group
    • 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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明正是基于上述问题，提出了一种基于BIM的智慧工厂安全管理系统及方法，通过所述智慧工厂的监测数据生成对应时间版本的BIM数据，从所述BIM数据中识别出固定参数以及变化参数，将过去一段时间内的所述变化参数的数据输入预先训练好的变化参数预测模型中预测所述变化参数在未来一段时间内的预测数据，判断所述预测数据是否存在超出标准范围区间的情况以及其是否为发散性，当所述变化参数的超出标准范围区间的情况为发散性时，将所述预测数据输入BIM演算引擎进行可视化推演，基于所述可视化推演判断所述变化参数的超出标准范围区间的情况是否引发安全隐患，判断为是时，对所述安全隐患进行预警，能够有效降低安全管理成本，提高安全管理效率。

Description

一种基于BIM的智慧工厂安全管理系统及方法
技术领域
本发明涉及生成安全技术领域，特别涉及一种基于BIM的智慧工厂安全管理系统及方法。
背景技术
生产安全管理是工厂生产管理中的重要组成部分，安全生成是保证工厂的产品生产计划有序进行的重要前提。在技术层面，传统的生产安全管理更多的是定期对生产设施包括生成环境、生产设备以及生产工具等进行安全检查，排除安全风险。随着智慧工厂的概念的兴起，信息化管理技术、智能检测技术与物联网技术的应用使得工厂的安全管理方面得到了极大的改善。然而现有技术中智慧工厂的安全管理依赖于在工厂的各个位置布置大量的安全监控设备或者传感器来实现，并且不同的安全监控设备、传感器及其对应的安全管理系统均较为分散，各子系统孤立运作，只能针对特定的安全问题进行检测和预警，对安全隐患的发现和应急响应能力有限，其安全管理仍然无法脱离安全员的定期巡查和安全隐患排查，智能化程度仍有不足，因此当前的智慧工厂的安全管理仍然存在高成本低效率的问题。
发明内容
本发明正是基于上述问题，提出了一种基于BIM的智慧工厂安全管理系统及方法，能够有效降低安全管理成本，提高安全管理效率。
有鉴于此，本发明的第一方面提出了一种基于BIM的智慧工厂安全管理系统，包括：
数据导入模块，用于导入基础BIM数据，所述基础BIM数据包括所述智慧工厂的建筑结构数据、设备系统数据、管线系统数据、装饰构件数据以及家具数据；
数据监测模块，用于通过设置在所述智能工厂中各个关键节点位置的传感器获取所述智慧工厂的监测数据；
数据生成模块，用于基于所述监测数据生成对应时间版本的BIM数据，所述BIM数据由所述基础BIM数据以及所述监测数据相对于上一个时间版本的BIM数据的变更日记数据构成；
参数识别模块，用于基于所述BIM数据的变化从所述BIM数据中识别出固定参数以及变化参数，所述固定参数为在预设时长的时间内的最大波动幅度小于标准范围区间的预设比例的BIM量化参数，所述变化参数为所述BIM量化参数中除所述固定参数以外的其它量化参数；
数据预测模块，用于将过去一段时间内的所述变化参数的数据输入预先训练好的变化参数预测模型中预测所述变化参数在未来一段时间内的预测数据；
超标判断模块，用于判断所述未来一段时间内所述变化参数的预测数据是否存在超出标准范围区间的情况；
趋势判断模块，用于当未来一段时间内所述变化参数的数据存在超出标准范围区间的情况时，根据所述预测数据判断所述变化参数的超出标准范围区间的情况具备收敛性还是发散性；
可视化推演模块，用当所述变化参数的超出标准范围区间的情况为发散性时，将所述变化参数的预测数据输入BIM演算引擎进行可视化推演；
隐患判断模块，用于基于所述可视化推演判断所述变化参数的超出标准范围区间的情况是否引发安全隐患；
隐患预警模块，用于在判断为是时，对所述安全隐患进行预警。
本发明的第二方面提出了一种基于BIM的智慧工厂安全管理方法，包括：
导入基础BIM数据，所述基础BIM数据包括所述智慧工厂的建筑结构数据、设备系统数据、管线系统数据、装饰构件数据以及家具数据；
通过设置在所述智能工厂中各个关键节点位置的传感器获取所述智慧工厂的监测数据；
基于所述监测数据生成对应时间版本的BIM数据，所述BIM数据由所述基础BIM数据以及所述监测数据相对于上一个时间版本的BIM数据的变更日记数据构成；
基于所述BIM数据的变化从所述BIM数据中识别出固定参数以及变化参数，所述固定参数为在预设时长的时间内的最大波动幅度小于标准范围区间的预设比例的BIM量化参数，所述变化参数为所述BIM量化参数中除所述固定参数以外的其它量化参数；
将过去一段时间内的所述变化参数的数据输入预先训练好的变化参数预测模型中预测所述变化参数在未来一段时间内的预测数据；
判断所述未来一段时间内所述变化参数的预测数据是否存在超出标准范围区间的情况；
当未来一段时间内所述变化参数的数据存在超出标准范围区间的情况时，根据所述预测数据判断所述变化参数的超出标准范围区间的情况具备收敛性还是发散性；
当所述变化参数的超出标准范围区间的情况为发散性时，将所述变化参数的预测数据输入BIM演算引擎进行可视化推演；
基于所述可视化推演判断所述变化参数的超出标准范围区间的情况是否引发安全隐患；
判断为是时，对所述安全隐患进行预警。
进一步的，在上述的基于BIM的智慧工厂安全管理方法中，基于所述监测数据生成对应时间版本的BIM数据的步骤具体包括：
使用基础BIM数据和历史变更日记数据构建上一个时间版本的BIM数据；
根据每一个传感器的位置确定所述传感器的监测数据与所述BIM数据中的BIM量化参数的对应关系；
确定所述监测数据与上一个时间版本的对应BIM量化参数的数据的差异；
根据所述差异构建当前时间版本的变更日记数据。
进一步的，在上述的基于BIM的智慧工厂安全管理方法中，基于所述BIM数据的变化从所述BIM数据中识别出固定参数以及变化参数的步骤具体包括：
从当前时间版本的变更日记数据中确定变更参数；
获取所述变更参数在当前时间版本的第一参数数值pi,1以及上一时间版本的BIM数据中的第二参数数值pi,2，其中i＝(1,2,…,nj)，j＝(1,2,…,m)，nj为第j个时间版本中的变更参数的数量，m为已保存的BIM数据的版本数量；
计算所述第一参数数值pi,1和第二参数数值pi,2之间的差值：
Δpi＝|pi,1-pi,2|；
以相同方式获取所述变更数据从所述基础BIM数据起到当前时间版本期间的相邻版本的第一差值序列：
Δpij＝|pij,1-pij,2|；
计算所述第一差值序列的平均值：
获取所述第一差值序列的最大值：
获取所述变更参数的标准范围区间的上界bi,up和下界bi,lo；
判断所述变更参数是否满足以下条件：
其中α<β<0.5；
当所述变更参数满足上述条件时，则将所述变更参数确定为固定参数；
否则将所述变更参数确定为变化参数。
进一步的，在上述的基于BIM的智慧工厂安全管理方法中，获取上一时间版本的BIM数据中的第二参数数值的步骤具体包括：
判断所述变更参数在上一时间版本的变更日记数据是否存在；
当所述变更参数在上一时间版本的变更日记数据中存在时，将上一时间版本的变更日记数据中存储的所述变更参数的参数数值确定为所述第二参数数值；
当所述变更参数在上一时间版本的变更日记数据不存在时，则顺序向前回溯其它时间版本的变更日记数据，以将在当前时间版本之前的最后一个存在所述变更参数的变更日记数据中的所这变更参数的参数数值确定为所述第二参数数值；
当在除了当前时间版本外所有其它时间版本的变更日记数据中均不存在所述变更参数时，则从所述基础BIM数据中读取所述变更参数的参数数值以确定为所述第二参数数值。
进一步的，在上述的基于BIM的智慧工厂安全管理方法中，判断所述未来一段时间内所述变化参数的预测数据是否存在超出标准范围区间的情况的步骤具体包括：
获取所预测得到的所述变化参数在未来一段时间内的预测数据，所述变化参数在未来一段时间内的数据为以版本生成时间作为时间间隔的所述变化参数的参数数值序列pkl,pre，其中k＝(1,2,…,oj)，l＝(1,2,…,qj)，oj为第j个时间版本中的变化参数的数量，qj为所述未来一段时间所包含的时间版本的数量；
获取所述变化参数的标准范围区间的上界bi,up和下界bi,lo；
对于每一个变化参数遍历l以使l从1到qj以判断是否满足：
pkl,pre>bi,up，或者pkl,pre<bi,lo；
当所述变化参数在所述未来一段时间所包含的任一时间版本内满足pkl,pre>bi,up，或者pkl,pre<bi,lo时，确定所述未来一段时间内所述变化参数的预测数据存在超出标准范围区间的情况；
否则，确定所述未来一段时间内所述变化参数的预测数据不存在超出标准范围区间的情况。
进一步的，在上述的基于BIM的智慧工厂安全管理方法中，根据所述预测数据判断所述变化参数的超出标准范围区间的情况具备收敛性还是发散性的步骤具体包括：
对于每一个变化参数的参数数值序列pkl,pre，计算其每一个参数数值与所述变化参数的标准范围区间的下界bi,lo的差值以构建第二差值序列：
Δpkl＝pkl,pre-bi,lo；
构建索引值序列xkl＝1,2,…qj使得所述索引值序列xkl中的每一个索引值与所述第二差值序列Δpkl中的每一个差值具有一一对应关系；
计算所索索引值序列xkl与所述第二差值序列Δpkl的平均值：
计算拟合斜率：
当所述拟合斜率Kk>0时，确定所述变化参数的超出标准范围区间的情况具备发散性；
当所述拟合斜率Kk<0时，确定所述变化参数的超出标准范围区间的情况具备收敛性。
进一步的，在上述的基于BIM的智慧工厂安全管理方法中，在将所述变化参数的预测数据输入BIM演算引擎进行可视化推演的步骤之前，还包括：
基于所述未来一段时间内的所述变化参数的预测数据生成所述未来一段时间内的多个时间版本的变更日记数据；
使用所述未来一段时间内的多个时间版本的变更日记数据与对应的基础BIM数据构建所述未来一段时间内的多个时间版本的BIM数据；
将所述未来一段时间内的多个时间版本的BIM数据输入BIM演算引擎进行分析；
基于所述BIM演算引擎的分析结果判断所述未来一段时间内的多个时间版本的BIM数据对应的所述智慧工厂的变化状态和变化速度是否在合理的偏差范围内；
当所述未来一段时间内的多个时间版本的BIM数据对应的所述智慧工厂的变化状态和变化速度在合理的偏差范围内时，执行将所述变化参数的预测数据输入BIM演算引擎进行可视化推演的步骤；
否则提示所述预测数据不准确，需要对所述变化参数预测模型进行重新训练。
进一步的，在上述的基于BIM的智慧工厂安全管理方法中，将所述未来一段时间内的多个时间版本的BIM数据输入BIM演算引擎进行分析的步骤具体包括：
顺序读取所述未来一段时间内的每一个时间版本的BIM数据；
将与所述版本生成时间相同的时间长度配置为第一迭代时长；
调用所述BIM演算引擎的算法库和规则库对所述未来一段时间内的每一个时间版本的BIM数据进行迭代推演；
在所述迭代推演的时长等于所述第一迭代时长时，将所述BIM演算引擎推演得到的BIM数据与预测得到的下一个时间版本的BIM数据进行匹配；
根据匹配结果判断预测得到的下一个时间版本的BIM数据中所述智慧工厂的变化状态和变化速度是否在合理的偏差范围内。
进一步的，在上述的基于BIM的智慧工厂安全管理方法中，将所述变化参数的预测数据输入BIM演算引擎进行可视化推演的步骤具体包括：
根据预测得到的所述变化参数的发散性情况计算第二迭代时长；
获取预设的可视化推演倍速；
将所述未来一段时间的最后一个时间版本对应的时间确定为推演起算时间；
调用所述BIM演算引擎的算法库和规则库以所述推演倍速对所述未来一段时间的最后一个时间版本对应的BIM数据进行可视化的迭代推演；
在所述迭代推演的时长小于所述第二迭代时长内，当所述可视化的迭代推演的中间结果发生安全事件时，确定所述变化参数的超出标准范围区间的情况将引发安全隐患；
当所述迭代推演的时长大于或等于所述第二迭代时长，且所述可视化的迭代推演的过程中未发生安全事件时，确定所述变化参数的超出标准范围区间的情况不会引发安全隐患。
本发明正是基于上述问题，提出了一种基于BIM的智慧工厂安全管理系统及方法，通过所述智慧工厂的监测数据生成对应时间版本的BIM数据，从所述BIM数据中识别出固定参数以及变化参数，将过去一段时间内的所述变化参数的数据输入预先训练好的变化参数预测模型中预测所述变化参数在未来一段时间内的预测数据，判断所述预测数据是否存在超出标准范围区间的情况以及其是否为发散性，当所述变化参数的超出标准范围区间的情况为发散性时，将所述预测数据输入BIM演算引擎进行可视化推演，基于所述可视化推演判断所述变化参数的超出标准范围区间的情况是否引发安全隐患，判断为是时，对所述安全隐患进行预警，能够有效降低安全管理成本，提高安全管理效率。
附图说明
图1是本发明一个实施例提供的一种基于BIM的智慧工厂安全管理系统的示意框图；
图2是本发明一个实施例提供的一种基于BIM的智慧工厂安全管理方法的流程图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
在本发明的描述中，术语“多个”则指两个或两个以上，除非另有明确的限定，术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。术语“连接”、“安装”、“固定”等均应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本说明书的描述中，术语“一个实施例”、“一些实施方式”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或实例。而且，描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
下面参照附图来描述根据本发明一些实施方式提供的一种基于BIM的智慧工厂安全管理系统及方法。
如图1所示，本发明的第一方面提出了一种基于BIM的智慧工厂安全管理系统，包括：
数据导入模块，用于导入基础BIM数据，所述基础BIM数据包括所述智慧工厂的建筑结构数据、设备系统数据、管线系统数据、装饰构件数据以及家具数据；
数据监测模块，用于通过设置在所述智能工厂中各个关键节点位置的传感器获取所述智慧工厂的监测数据；
数据生成模块，用于基于所述监测数据生成对应时间版本的BIM数据，所述BIM数据由所述基础BIM数据以及所述监测数据相对于上一个时间版本的BIM数据的变更日记数据构成；
参数识别模块，用于基于所述BIM数据的变化从所述BIM数据中识别出固定参数以及变化参数，所述固定参数为在预设时长的时间内的最大波动幅度小于标准范围区间的预设比例的BIM量化参数，所述变化参数为所述BIM量化参数中除所述固定参数以外的其它量化参数；
数据预测模块，用于将过去一段时间内的所述变化参数的数据输入预先训练好的变化参数预测模型中预测所述变化参数在未来一段时间内的预测数据；
超标判断模块，用于判断所述未来一段时间内所述变化参数的预测数据是否存在超出标准范围区间的情况；
趋势判断模块，用于当未来一段时间内所述变化参数的数据存在超出标准范围区间的情况时，根据所述预测数据判断所述变化参数的超出标准范围区间的情况具备收敛性还是发散性；
可视化推演模块，用当所述变化参数的超出标准范围区间的情况为发散性时，将所述变化参数的预测数据输入BIM演算引擎进行可视化推演；
隐患判断模块，用于基于所述可视化推演判断所述变化参数的超出标准范围区间的情况是否引发安全隐患；
隐患预警模块，用于在判断为是时，对所述安全隐患进行预警。
具体的，所述基础BIM(Building Information Modeling，建筑信息模型)数据为所述智慧工厂建设过程中和/或完成建设后所构建的建筑信息模型数据，所述建筑结构数据包括建筑物体量、楼层高度、墙体构件、梁柱构件、楼板构件等的三维模型数据，所述设备系统数据包括供电系统、照明系统、通风系统、给排水系统、电梯系统等的三维模型数据以及属性参数，所述管线系统数据包括供水管线、排水管线、电力管线、网络管线等的三维模型数据以及管线特性参数，所述装饰构件数据包括门窗、天花板、地板、涂料等的三维模型数据以及材质参数，所述家具数据包括桌椅、橱柜、工作台等的三维模型数据。通常采用DWG格式文件来存储BIM的几何数据，采用IFC格式文件来存储BIM的非几何数据，所述几何数据包括建筑构件、管线、设备、装饰构件等的三维模型数据，所述非几何数据包括材质参数、管线规格参数、设备性能参数等属性数据，
描述各构件之间的空间位置关系的拓扑数据，描述系统和设备的工作机理、功能过程、动画模拟等的行为数据以及描述模型创建日期、模型作者、模型来源等的模型元数据等。
所述BIM量化参数包括几何参数如物体或构件的长、宽、高、厚度、直径、曲率半径等，位置参数如物体或构件在三维空间中的坐标位置及方向等，数量参数如物体或构件的实例数量，材质参数如物体或构件的颜色、质地、透明度等，性能参数如物体或构件的强度、截面惯性、压缩性能等，物理参数如物体或构建的温度、运动速度、振动、噪音等，电气参数如电气设备的电流、电压、功率等。
所述关键节点位置包括所述智慧工厂生产过程中各类危险源和关键区域所处的位置，也包括所述智慧工厂中涉及的BIM数据中的BIM量化参数为高频变化的参数或者高危参数的位置，例如涉及高压、高温、高功率以及物体高速运动的位置。所述传感器包括用于获取所述关键节点位置的视频画面的视频监控传感器，用于获取所述关键节点位置的温度、气压、亮度、空气质量等环境参数的环境监测传感器，用于获取设备运动状态数据、设备输入输出数据、设备电气参数等数据的设备状态监测传感器以及获取人员数量、人员位置、人员运动状态数据等的人员监测传感器等。
优选的，所述过去一段时间具体为从当前时间起往前回溯到上一个基础BIM数据版本的时间。所述未来一段时间可以根据所述智慧工厂的安全隐患预警响应时间来进行确定，例如，从发现安全隐患到响应预警指令完成安全隐患排除的过程需三个工作日，则所述未来一段时间应当大于三个工作日。
进一步的，在上述的基于BIM的智慧工厂安全管理系统中，所述数据生成模块包括：
版本构建模块，用于使用基础BIM数据和历史变更日记数据构建上一个时间版本的BIM数据；
参数对应模块，用于根据每一个传感器的位置确定所述传感器的监测数据与所述BIM数据中的BIM量化参数的对应关系；
差异确定模块，用于确定所述监测数据与上一个时间版本的对应BIM量化参数的数据的差异；
日记构建模块，用于根据所述差异构建当前时间版本的变更日记数据。
具体的，在本发明一些实施方式的技术方案中，利用变更日记数据来记录所述BIM数据的前后版本之间的差异，在需要使用任何一个时间版本的BIM数据时，使用所述基础BIM数据以及对应的变更日记数据即可重新构建出出应时间版本的BIM数据。
根据实施需求可以自由配置版本生成时间，所述版本生成时间为相邻时间版本的时间间隔，例如，对于实时性要求较高的实施场景，在计算资源和存储资源充足的情况下，可以每10分钟、15分钟或20分钟生成一个版本的BIM数据。而对于实时性要求较低的实施场景，为了节省计算资源和存储资源，可以将版本间的时间间隔配置为更大的数值，例如两个小时、四个小时生成一个版本的BIM数据等。
优选的，在本发明的一些实施方式的技术方案中，还包括：
配置一个最大版本号阈值；
当从所述基础BIM数据开始经历的版本数量等于所述最大版本号阈值时，使用所述历史变更日记数据与在先的基础BIM数据再次构建一个基础BIM数据。
通过上述技术方案，可以令后续的处理步骤使用重新构建的基础BIM数据作为计算基础，而避免版本数量过多而导致计数量过大，计算延迟时间过长的问题。
进一步的，在上述的基于BIM的智慧工厂安全管理系统中，所述参数识别模块包括：
变更参数确定模块，用于从当前时间版本的变更日记数据中确定变更参数；
参数数值获取模块，用于获取所述变更参数在当前时间版本的第一参数数值pi,1以及上一时间版本的BIM数据中的第二参数数值pi,2，其中i＝(1,2,…,nj)，j＝(1,2,…,m)，nj为第j个时间版本中的变更参数的数量，m为已保存的BIM数据的版本数量；
参数差值计算模块，用于计算所述第一参数数值pi,1和第二参数数值pi,2之间的差值：
Δpi＝|pi,1-pi,2|；
第一差值序列获取模块，用于以相同方式获取所述变更数据从所述基础BIM数据起到当前时间版本期间的相邻版本的第一差值序列：
Δpij＝|pij,1-pij,2|；
第一均值计算模块，用于计算所述第一差值序列的平均值：
序列最大值获取模块，用于获取所述第一差值序列的最大值：
标准区间获取模块，用于获取所述变更参数的标准范围区间的上界bi,up和下界bi,lo；
条件判断模块，用于判断所述变更参数是否满足以下条件：
其中α<β<0.5；
固定参数确定模块，用于当所述变更参数满足上述条件时，则将所述变更参数确定为固定参数；
变化参数确定模块，用于当所述变更参数不满足上述条件时，将所述变更参数确定为变化参数。
具体的，所述变更参数为当前时间版本的BIM数据相对于上一时间版本的BIM数据存在差异的参数，应当知道的是，变更日记数据中仅记载当前时间版本的BIM数据相对于上一时间版本的BIM数据存在差异的参数，即任一个时间版本的BIM数据的变更日记数据中所保存的BIM量化参数均为变更参数。
在本发明的一些实施方式的技术方案中，可以不使用所述第一差值序列的平均值来评价所述变更参数是否为变化参数，即在这些实施方式中，仅考虑Δpi,max≤β·(bi,up-bi,lo)，而不考虑的情况。优选的，在这些实施方式的技术方案中，β<0.1。
应当知道的是，对于以同一个基础BIM数据为基础的多个时间版本的BIM数据，其变化参数的数量是递增的，且在后时间版本的变化参数包含在先时间版本的变化参数，因此，在本发明的一些实施方式中，无需对每一个时间版本都执行完整的变化参数确定过程，对于每一个时间版本，当其不是用于构建一个新的基础BIM数据的时间版本或者其相邻的下一个版本时，都可以沿用上一时间版本的变化参数。
进一步的，在上述的基于BIM的智慧工厂安全管理系统中，所述参数数值获取模块包括：
日记存在判断模块，用于判断所述变更参数在上一时间版本的变更日记数据是否存在；
第二参数确定模块，用于当所述变更参数在上一时间版本的变更日记数据中存在时，将上一时间版本的变更日记数据中存储的所述变更参数的参数数值确定为所述第二参数数值；
所述第二参数确定模块还用于当所述变更参数在上一时间版本的变更日记数据不存在时，则顺序向前回溯其它时间版本的变更日记数据，以将在当前时间版本之前的最后一个存在所述变更参数的变更日记数据中的所这变更参数的参数数值确定为所述第二参数数值；
所述第二参数确定模块还用于当在除了当前时间版本外所有其它时间版本的变更日记数据中均不存在所述变更参数时，则从所述基础BIM数据中读取所述变更参数的参数数值以确定为所述第二参数数值。
在该实施方式的技术方案中，所述获取上一时间版本的BIM数据中的第二参数数值的步骤具体为从所存储的变更日记数据中读取所述变更参数的参数数值。
进一步的，在上述的基于BIM的智慧工厂安全管理系统中，所述超标判断模块包括：
预测数据获取模块，用于获取所预测得到的所述变化参数在未来一段时间内的预测数据，所述变化参数在未来一段时间内的数据为以版本生成时间作为时间间隔的所述变化参数的参数数值序列pkl,pre，其中k＝(1,2,…,oj)，l＝(1,2,…,qj)，oj为第j个时间版本中的变化参数的数量，qj为所述未来一段时间所包含的时间版本的数量；
标准区间获取模块，用于获取所述变化参数的标准范围区间的上界bi,up和下界bi,lo；
变化参数遍历模块，用于对于每一个变化参数遍历l以使l从1到qj以判断是否满足：
pkl,pre>bi,up，或者pkl,pre<bi,lo；
超标情况判断模块，用于当所述变化参数在所述未来一段时间所包含的任一时间版本内满足pkl,pre>bi,up，或者pkl,pre<bi,lo时，确定所述未来一段时间内所述变化参数的预测数据存在超出标准范围区间的情况；
所述超标情况判断模块还用于，当所述变化参数在所述未来一段时间所包含的任一时间版本内不满足pkl,pre>bi,up以及pkl,pre<bi,lo时，确定所述未来一段时间内所述变化参数的预测数据不存在超出标准范围区间的情况。
具体的，即使一个时间版本的变化参数与上一个时间版本的变化参数存在部分相同或者完全相同的情况，由于用于预测所述未来一段时间内的变化参数数据的基础发生了变化，其预测结果也会受其影响发生或大或小的变化，因此对于每一个时间版本，都需要针对每一个变化参数重新构建其参数数值序列。
进一步的，在上述的基于BIM的智慧工厂安全管理系统中，所述趋势判断模块包括：
第一差值序列构建模块，用于对于每一个变化参数的参数数值序列pkl,pre，计算其每一个参数数值与所述变化参数的标准范围区间的下界bi,lo的差值以构建第二差值序列：
Δpkl＝pkl,pre-bi,lo；
对应关系构建模块，用于构建索引值序列xkl＝1,2,…qj使得所述索引值序列xkl中的每一个索引值与所述第二差值序列Δpkl中的每一个差值具有一一对应关系；
第二均值计算模块，用于计算所索索引值序列xkl与所述第二差值序列Δpkl的平均值：
拟合斜率计算块，用于计算拟合斜率：
发散性确定模块，用于当所述拟合斜率Kk>0时，确定所述变化参数的超出标准范围区间的情况具备发散性；
收敛性确定模块，用于当所述拟合斜率Kk<0时，确定所述变化参数的超出标准范围区间的情况具备收敛性。
具体的，在上述实时方式的技术方案中，通过构建索引值序列xkl来将所述第二差值序列Δpkl拟合成直线，基于所拟合的直线的拟合斜率Kk的大小来判断所述变化参数的超出标准范围区间的情况具备收敛性还是发散性。
进一步的，所述日记构建模块还用于基于所述未来一段时间内的所述变化参数的预测数据生成所述未来一段时间内的多个时间版本的变更日记数据，所述版本构建模块还用于使用所述未来一段时间内的多个时间版本的变更日记数据与对应的基础BIM数据构建所述未来一段时间内的多个时间版本的BIM数据，在上述的基于BIM的智慧工厂安全管理系统中还包括：
数据输入模块，用于将所述未来一段时间内的多个时间版本的BIM数据输入BIM演算引擎进行分析；
偏差范围判断模块，用于基于所述BIM演算引擎的分析结果判断所述未来一段时间内的多个时间版本的BIM数据对应的所述智慧工厂的变化状态和变化速度是否在合理的偏差范围内；
所述可视化推演模块还用于当所述未来一段时间内的多个时间版本的BIM数据对应的所述智慧工厂的变化状态和变化速度在合理的偏差范围内时，执行将所述变化参数的预测数据输入BIM演算引擎进行可视化推演的步骤，以及用于当所述未来一段时间内的多个时间版本的BIM数据对应的所述智慧工厂的变化状态或变化速度不在合理的偏差范围内时，提示所述预测数据不准确，需要对所述变化参数预测模型进行重新训练。
应当知道的是，在本发明的技术方案中，当提到一个时间版本的BIM数据时，一般指的是该时间版本的变更日记数据及对应的基础BIM数据的合集，即处于分立状态的变更日记数据和对应的基础BIM数据共同构成一个时间版本的BIM数据；而当提到使用历史变更日记数据和对应的基础BIM数据构建一个时间版本的BIM数据时，则该BIM数据指的是与所述基础BIM数据一样不依赖于任何变更日记数据即可以独立完整代表该时间版本的BIM数据。
进一步的，在上述的基于BIM的智慧工厂安全管理系统中，所述可视化推演模块包括：
版本数据读取模块，用于顺序读取所述未来一段时间内的每一个时间版本的BIM数据；
第一迭代时长配置模块，用于将与所述版本生成时间相同的时间长度配置为第一迭代时长；
迭代推演模块，用于调用所述BIM演算引擎的算法库和规则库对所述未来一段时间内的每一个时间版本的BIM数据进行迭代推演；
推演结果匹配模块，用于在所述迭代推演的时长等于所述第一迭代时长时，将所述BIM演算引擎推演得到的BIM数据与预测得到的下一个时间版本的BIM数据进行匹配；
合理范围判断模块，用于根据匹配结果判断预测得到的下一个时间版本的BIM数据中所述智慧工厂的变化状态和变化速度是否在合理的偏差范围内。
具体的，所述智慧工厂的变化状态和变化速度是指预测得到的下一个时间版本的BIM数据与当前时间版本的BIM数据之间的差异所表示的所述智慧工厂的变化状态和变化速度。
进一步的，在上述的基于BIM的智慧工厂安全管理系统中，所述可视化推演模块包括：
第二迭代时长计算模块，用于根据预测得到的所述变化参数的发散性情况计算第二迭代时长；
推演倍速获取模块，用于获取预设的可视化推演倍速；
起算时间确定模块，用于将所述未来一段时间的最后一个时间版本对应的时间确定为推演起算时间；
所述迭代推演模块还用于调用所述BIM演算引擎的算法库和规则库以所述推演倍速对所述未来一段时间的最后一个时间版本对应的BIM数据进行可视化的迭代推演；
安全隐患确定模块，用于在所述迭代推演的时长小于所述第二迭代时长内，当所述可视化的迭代推演的中间结果发生安全事件时，确定所述变化参数的超出标准范围区间的情况将引发安全隐患；
所述安全隐患确定模块还用于当所述迭代推演的时长大于或等于所述第二迭代时长，且所述可视化的迭代推演的过程中未发生安全事件时，确定所述变化参数的超出标准范围区间的情况不会引发安全隐患。
具体的，可以使用前述实施方式中的拟合斜率Kk来表示所述变化参数的发散性情况，根据预测得到的所述变化参数的发散性情况计算第二迭代时长的步骤具体包括：
获取所述未来一段时间的最后一个时间版本的k个变化参数；
获取预先配置的每一个变化参数的标准范围区间的上界bi,up和下界bi,lo和最大耐受系数τ；计算对应每个变化参数的最大耐受时长：
，其中tver为所述版本生成时间；
获取k个变化参数的最大耐受时长的最大值：
将所述最大耐受时长的最大值tmax确定为所述第二迭代时长。
推演倍速为在所述可视化的迭代推演过程中，在BIM虚拟环境内的时间流速相比于现实时间变化速度之间的倍速，即让BIM虚拟环境内的时间流速快于现实时间流速，从而能够提前预知推演结果。
在上述实施方式的技术方案中，在使用所述推演倍速进行迭代推演时，所述推演时长需要乘以所述推演倍速后再与所述第二迭代时长进行对比。
所述可视化的迭代推演具体为使用可视化输出装置例如显示屏幕等以可视化的方式实时输出所述BIM演算引擎每一步迭代得到的中间结果。所述BIM演算引擎每一步迭代得到的中间结果都是一份完整的BIM数据。
具体的，所述安全事件包括所述智慧工厂的建筑物体构件、管线、设备、装饰构件的碰撞、变形、断裂、高温、高速、高压等危险事件。
如图2所示，本发明的第二方面提出了一种基于BIM的智慧工厂安全管理方法，包括：
导入基础BIM数据，所述基础BIM数据包括所述智慧工厂的建筑结构数据、设备系统数据、管线系统数据、装饰构件数据以及家具数据；
通过设置在所述智能工厂中各个关键节点位置的传感器获取所述智慧工厂的监测数据；
基于所述监测数据生成对应时间版本的BIM数据，所述BIM数据由所述基础BIM数据以及所述监测数据相对于上一个时间版本的BIM数据的变更日记数据构成；
基于所述BIM数据的变化从所述BIM数据中识别出固定参数以及变化参数，所述固定参数为在预设时长的时间内的最大波动幅度小于标准范围区间的预设比例的BIM量化参数，所述变化参数为所述BIM量化参数中除所述固定参数以外的其它量化参数；
将过去一段时间内的所述变化参数的数据输入预先训练好的变化参数预测模型中预测所述变化参数在未来一段时间内的预测数据；
判断所述未来一段时间内所述变化参数的预测数据是否存在超出标准范围区间的情况；
当未来一段时间内所述变化参数的数据存在超出标准范围区间的情况时，根据所述预测数据判断所述变化参数的超出标准范围区间的情况具备收敛性还是发散性；
当所述变化参数的超出标准范围区间的情况为发散性时，将所述变化参数的预测数据输入BIM演算引擎进行可视化推演；
基于所述可视化推演判断所述变化参数的超出标准范围区间的情况是否引发安全隐患；
判断为是时，对所述安全隐患进行预警。
具体的，所述基础BIM(Building Information Modeling，建筑信息模型)数据为所述智慧工厂建设过程中和/或完成建设后所构建的建筑信息模型数据，所述建筑结构数据包括建筑物体量、楼层高度、墙体构件、梁柱构件、楼板构件等的三维模型数据，所述设备系统数据包括供电系统、照明系统、通风系统、给排水系统、电梯系统等的三维模型数据以及属性参数，所述管线系统数据包括供水管线、排水管线、电力管线、网络管线等的三维模型数据以及管线特性参数，所述装饰构件数据包括门窗、天花板、地板、涂料等的三维模型数据以及材质参数，所述家具数据包括桌椅、橱柜、工作台等的三维模型数据。通常采用DWG格式文件来存储BIM的几何数据，采用IFC格式文件来存储BIM的非几何数据，所述几何数据包括建筑构件、管线、设备、装饰构件等的三维模型数据，所述非几何数据包括材质参数、管线规格参数、设备性能参数等属性数据，
描述各构件之间的空间位置关系的拓扑数据，描述系统和设备的工作机理、功能过程、动画模拟等的行为数据以及描述模型创建日期、模型作者、模型来源等的模型元数据等。
所述BIM量化参数包括几何参数如物体或构件的长、宽、高、厚度、直径、曲率半径等，位置参数如物体或构件在三维空间中的坐标位置及方向等，数量参数如物体或构件的实例数量，材质参数如物体或构件的颜色、质地、透明度等，性能参数如物体或构件的强度、截面惯性、压缩性能等，物理参数如物体或构建的温度、运动速度、振动、噪音等，电气参数如电气设备的电流、电压、功率等。
所述关键节点位置包括所述智慧工厂生产过程中各类危险源和关键区域所处的位置，也包括所述智慧工厂中涉及的BIM数据中的BIM量化参数为高频变化的参数或者高危参数的位置，例如涉及高压、高温、高功率以及物体高速运动的位置。所述传感器包括用于获取所述关键节点位置的视频画面的视频监控传感器，用于获取所述关键节点位置的温度、气压、亮度、空气质量等环境参数的环境监测传感器，用于获取设备运动状态数据、设备输入输出数据、设备电气参数等数据的设备状态监测传感器以及获取人员数量、人员位置、人员运动状态数据等的人员监测传感器等。
优选的，所述过去一段时间具体为从当前时间起往前回溯到上一个基础BIM数据版本的时间。所述未来一段时间可以根据所述智慧工厂的安全隐患预警响应时间来进行确定，例如，从发现安全隐患到响应预警指令完成安全隐患排除的过程需三个工作日，则所述未来一段时间应当大于三个工作日。
进一步的，在上述的基于BIM的智慧工厂安全管理方法中，基于所述监测数据生成对应时间版本的BIM数据的步骤具体包括：
使用基础BIM数据和历史变更日记数据构建上一个时间版本的BIM数据；
根据每一个传感器的位置确定所述传感器的监测数据与所述BIM数据中的BIM量化参数的对应关系；
确定所述监测数据与上一个时间版本的对应BIM量化参数的数据的差异；
根据所述差异构建当前时间版本的变更日记数据。
具体的，在本发明一些实施方式的技术方案中，利用变更日记数据来记录所述BIM数据的前后版本之间的差异，在需要使用任何一个时间版本的BIM数据时，使用所述基础BIM数据以及对应的变更日记数据即可重新构建出出应时间版本的BIM数据。
根据实施需求可以自由配置版本生成时间，所述版本生成时间为相邻时间版本的时间间隔，例如，对于实时性要求较高的实施场景，在计算资源和存储资源充足的情况下，可以每10分钟、15分钟或20分钟生成一个版本的BIM数据。而对于实时性要求较低的实施场景，为了节省计算资源和存储资源，可以将版本间的时间间隔配置为更大的数值，例如两个小时、四个小时生成一个版本的BIM数据等。
优选的，在本发明的一些实施方式的技术方案中，还包括：
配置一个最大版本号阈值；
当从所述基础BIM数据开始经历的版本数量等于所述最大版本号阈值时，使用所述历史变更日记数据与在先的基础BIM数据再次构建一个基础BIM数据。
通过上述技术方案，可以令后续的处理步骤使用重新构建的基础BIM数据作为计算基础，而避免版本数量过多而导致计数量过大，计算延迟时间过长的问题。
进一步的，在上述的基于BIM的智慧工厂安全管理方法中，基于所述BIM数据的变化从所述BIM数据中识别出固定参数以及变化参数的步骤具体包括：
从当前时间版本的变更日记数据中确定变更参数；
获取所述变更参数在当前时间版本的第一参数数值pi,1以及上一时间版本的BIM数据中的第二参数数值pi,2，其中i＝(1,2,…,nj)，j＝(1,2,…,m)，nj为第j个时间版本中的变更参数的数量，m为已保存的BIM数据的版本数量；
计算所述第一参数数值pi,1和第二参数数值pi,2之间的差值：
Δpi＝|pi,1-pi,2|；
以相同方式获取所述变更数据从所述基础BIM数据起到当前时间版本期间的相邻版本的第一差值序列：
Δpij＝|pij,1-pij,2|；
计算所述第一差值序列的平均值：
获取所述第一差值序列的最大值：
获取所述变更参数的标准范围区间的上界bi,up和下界bi,lo；
判断所述变更参数是否满足以下条件：
其中α<β<0.5；
当所述变更参数满足上述条件时，则将所述变更参数确定为固定参数；
否则将所述变更参数确定为变化参数。
具体的，所述变更参数为当前时间版本的BIM数据相对于上一时间版本的BIM数据存在差异的参数，应当知道的是，变更日记数据中仅记载当前时间版本的BIM数据相对于上一时间版本的BIM数据存在差异的参数，即任一个时间版本的BIM数据的变更日记数据中所保存的BIM量化参数均为变更参数。
在本发明的一些实施方式的技术方案中，可以不使用所述第一差值序列的平均值来评价所述变更参数是否为变化参数，即在这些实施方式中，仅考虑Δpi,max≤β·(bi,up-bi,lo)，而不考虑的情况。优选的，在这些实施方式的技术方案中，β<0.1。
应当知道的是，对于以同一个基础BIM数据为基础的多个时间版本的BIM数据，其变化参数的数量是递增的，且在后时间版本的变化参数包含在先时间版本的变化参数，因此，在本发明的一些实施方式中，无需对每一个时间版本都执行完整的变化参数确定过程，对于每一个时间版本，当其不是用于构建一个新的基础BIM数据的时间版本或者其相邻的下一个版本时，都可以沿用上一时间版本的变化参数。
进一步的，在上述的基于BIM的智慧工厂安全管理方法中，获取上一时间版本的BIM数据中的第二参数数值的步骤具体包括：
判断所述变更参数在上一时间版本的变更日记数据是否存在；
当所述变更参数在上一时间版本的变更日记数据中存在时，将上一时间版本的变更日记数据中存储的所述变更参数的参数数值确定为所述第二参数数值；
当所述变更参数在上一时间版本的变更日记数据不存在时，则顺序向前回溯其它时间版本的变更日记数据，以将在当前时间版本之前的最后一个存在所述变更参数的变更日记数据中的所这变更参数的参数数值确定为所述第二参数数值；
当在除了当前时间版本外所有其它时间版本的变更日记数据中均不存在所述变更参数时，则从所述基础BIM数据中读取所述变更参数的参数数值以确定为所述第二参数数值。
在该实施方式的技术方案中，所述获取上一时间版本的BIM数据中的第二参数数值的步骤具体为从所存储的变更日记数据中读取所述变更参数的参数数值。
进一步的，在上述的基于BIM的智慧工厂安全管理方法中，判断所述未来一段时间内所述变化参数的预测数据是否存在超出标准范围区间的情况的步骤具体包括：
获取所预测得到的所述变化参数在未来一段时间内的预测数据，所述变化参数在未来一段时间内的数据为以版本生成时间作为时间间隔的所述变化参数的参数数值序列pkl,pre，其中k＝(1,2,…,oj)，l＝(1,2,…,qj)，oj为第j个时间版本中的变化参数的数量，qj为所述未来一段时间所包含的时间版本的数量；
获取所述变化参数的标准范围区间的上界bi,up和下界bi,lo；
对于每一个变化参数遍历l以使l从1到qj以判断是否满足：
pkl,pre>bi,up，或者pkl,pre<bi,lo；
当所述变化参数在所述未来一段时间所包含的任一时间版本内满足pkl,pre>bi,up，或者pkl,pre<bi,lo时，确定所述未来一段时间内所述变化参数的预测数据存在超出标准范围区间的情况；
否则，确定所述未来一段时间内所述变化参数的预测数据不存在超出标准范围区间的情况。
具体的，即使一个时间版本的变化参数与上一个时间版本的变化参数存在部分相同或者完全相同的情况，由于用于预测所述未来一段时间内的变化参数数据的基础发生了变化，其预测结果也会受其影响发生或大或小的变化，因此对于每一个时间版本，都需要针对每一个变化参数重新构建其参数数值序列。
进一步的，在上述的基于BIM的智慧工厂安全管理方法中，根据所述预测数据判断所述变化参数的超出标准范围区间的情况具备收敛性还是发散性的步骤具体包括：
对于每一个变化参数的参数数值序列pkl,pre，计算其每一个参数数值与所述变化参数的标准范围区间的下界bi,lo的差值以构建第二差值序列：
Δpkl＝pkl,pre-bi,lo；
构建索引值序列xkl＝1,2,…qj使得所述索引值序列xkl中的每一个索引值与所述第二差值序列Δpkl中的每一个差值具有一一对应关系；
计算所索索引值序列xkl与所述第二差值序列Δpkl的平均值：
计算拟合斜率：
当所述拟合斜率Kk>0时，确定所述变化参数的超出标准范围区间的情况具备发散性；
当所述拟合斜率Kk<0时，确定所述变化参数的超出标准范围区间的情况具备收敛性。
具体的，在上述实时方式的技术方案中，通过构建索引值序列xkl来将所述第二差值序列Δpkl拟合成直线，基于所拟合的直线的拟合斜率Kk的大小来判断所述变化参数的超出标准范围区间的情况具备收敛性还是发散性。
进一步的，在上述的基于BIM的智慧工厂安全管理方法中，在将所述变化参数的预测数据输入BIM演算引擎进行可视化推演的步骤之前，还包括：
基于所述未来一段时间内的所述变化参数的预测数据生成所述未来一段时间内的多个时间版本的变更日记数据；
使用所述未来一段时间内的多个时间版本的变更日记数据与对应的基础BIM数据构建所述未来一段时间内的多个时间版本的BIM数据；
将所述未来一段时间内的多个时间版本的BIM数据输入BIM演算引擎进行分析；
基于所述BIM演算引擎的分析结果判断所述未来一段时间内的多个时间版本的BIM数据对应的所述智慧工厂的变化状态和变化速度是否在合理的偏差范围内；
当所述未来一段时间内的多个时间版本的BIM数据对应的所述智慧工厂的变化状态和变化速度在合理的偏差范围内时，执行将所述变化参数的预测数据输入BIM演算引擎进行可视化推演的步骤；
否则提示所述预测数据不准确，需要对所述变化参数预测模型进行重新训练。
应当知道的是，在本发明的技术方案中，当提到一个时间版本的BIM数据时，一般指的是该时间版本的变更日记数据及对应的基础BIM数据的合集，即处于分立状态的变更日记数据和对应的基础BIM数据共同构成一个时间版本的BIM数据；而当提到使用历史变更日记数据和对应的基础BIM数据构建一个时间版本的BIM数据时，则该BIM数据指的是与所述基础BIM数据一样不依赖于任何变更日记数据即可以独立完整代表该时间版本的BIM数据。
进一步的，在上述的基于BIM的智慧工厂安全管理方法中，将所述未来一段时间内的多个时间版本的BIM数据输入BIM演算引擎进行分析的步骤具体包括：
顺序读取所述未来一段时间内的每一个时间版本的BIM数据；
将与所述版本生成时间相同的时间长度配置为第一迭代时长；
调用所述BIM演算引擎的算法库和规则库对所述未来一段时间内的每一个时间版本的BIM数据进行迭代推演；
在所述迭代推演的时长等于所述第一迭代时长时，将所述BIM演算引擎推演得到的BIM数据与预测得到的下一个时间版本的BIM数据进行匹配；
根据匹配结果判断预测得到的下一个时间版本的BIM数据中所述智慧工厂的变化状态和变化速度是否在合理的偏差范围内。
具体的，所述智慧工厂的变化状态和变化速度是指预测得到的下一个时间版本的BIM数据与当前时间版本的BIM数据之间的差异所表示的所述智慧工厂的变化状态和变化速度。
进一步的，在上述的基于BIM的智慧工厂安全管理方法中，将所述变化参数的预测数据输入BIM演算引擎进行可视化推演的步骤具体包括：
根据预测得到的所述变化参数的发散性情况计算第二迭代时长；
获取预设的可视化推演倍速；
将所述未来一段时间的最后一个时间版本对应的时间确定为推演起算时间；
调用所述BIM演算引擎的算法库和规则库以所述推演倍速对所述未来一段时间的最后一个时间版本对应的BIM数据进行可视化的迭代推演；
在所述迭代推演的时长小于所述第二迭代时长内，当所述可视化的迭代推演的中间结果发生安全事件时，确定所述变化参数的超出标准范围区间的情况将引发安全隐患；
当所述迭代推演的时长大于或等于所述第二迭代时长，且所述可视化的迭代推演的过程中未发生安全事件时，确定所述变化参数的超出标准范围区间的情况不会引发安全隐患。
具体的，可以使用前述实施方式中的拟合斜率Kk来表示所述变化参数的发散性情况，根据预测得到的所述变化参数的发散性情况计算第二迭代时长的步骤具体包括：
获取所述未来一段时间的最后一个时间版本的k个变化参数；
获取预先配置的每一个变化参数的标准范围区间的上界bi,up和下界bi,lo和最大耐受系数τ；计算对应每个变化参数的最大耐受时长：
，其中tver为所述版本生成时间；
获取k个变化参数的最大耐受时长的最大值：
将所述最大耐受时长的最大值tmax确定为所述第二迭代时长。
推演倍速为在所述可视化的迭代推演过程中，在BIM虚拟环境内的时间流速相比于现实时间变化速度之间的倍速，即让BIM虚拟环境内的时间流速快于现实时间流速，从而能够提前预知推演结果。
在上述实施方式的技术方案中，在使用所述推演倍速进行迭代推演时，所述推演时长需要乘以所述推演倍速后再与所述第二迭代时长进行对比。
所述可视化的迭代推演具体为使用可视化输出装置例如显示屏幕等以可视化的方式实时输出所述BIM演算引擎每一步迭代得到的中间结果。所述BIM演算引擎每一步迭代得到的中间结果都是一份完整的BIM数据。
具体的，所述安全事件包括所述智慧工厂的建筑物体构件、管线、设备、装饰构件的碰撞、变形、断裂、高温、高速、高压等危险事件。
应当说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
依照本发明的实施例如上文所述，这些实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施例。显然，根据以上描述，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地利用本发明以及在本发明基础上的修改使用。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (10)

1.一种基于BIM的智慧工厂安全管理系统，其特征在于，包括：
数据导入模块，用于导入基础BIM数据，所述基础BIM数据包括所述智慧工厂的建筑结构数据、设备系统数据、管线系统数据、装饰构件数据以及家具数据；
数据监测模块，用于通过设置在所述智能工厂中各个关键节点位置的传感器获取所述智慧工厂的监测数据；
数据生成模块，用于基于所述监测数据生成对应时间版本的BIM数据，所述BIM数据由所述基础BIM数据以及所述监测数据相对于上一个时间版本的BIM数据的变更日记数据构成；
参数识别模块，用于基于所述BIM数据的变化从所述BIM数据中识别出固定参数以及变化参数，所述固定参数为在预设时长的时间内的最大波动幅度小于标准范围区间的预设比例的BIM量化参数，所述变化参数为所述BIM量化参数中除所述固定参数以外的其它量化参数；
数据预测模块，用于将过去一段时间内的所述变化参数的数据输入预先训练好的变化参数预测模型中预测所述变化参数在未来一段时间内的预测数据；
超标判断模块，用于判断所述未来一段时间内所述变化参数的预测数据是否存在超出标准范围区间的情况；
趋势判断模块，用于当未来一段时间内所述变化参数的数据存在超出标准范围区间的情况时，根据所述预测数据判断所述变化参数的超出标准范围区间的情况具备收敛性还是发散性；
可视化推演模块，用当所述变化参数的超出标准范围区间的情况为发散性时，将所述变化参数的预测数据输入BIM演算引擎进行可视化推演；
隐患判断模块，用于基于所述可视化推演判断所述变化参数的超出标准范围区间的情况是否引发安全隐患；
隐患预警模块，用于在判断为是时，对所述安全隐患进行预警。
2.一种基于BIM的智慧工厂安全管理方法，其特征在于，包括：
导入基础BIM数据，所述基础BIM数据包括所述智慧工厂的建筑结构数据、设备系统数据、管线系统数据、装饰构件数据以及家具数据；
通过设置在所述智能工厂中各个关键节点位置的传感器获取所述智慧工厂的监测数据；
基于所述监测数据生成对应时间版本的BIM数据，所述BIM数据由所述基础BIM数据以及所述监测数据相对于上一个时间版本的BIM数据的变更日记数据构成；
基于所述BIM数据的变化从所述BIM数据中识别出固定参数以及变化参数，所述固定参数为在预设时长的时间内的最大波动幅度小于标准范围区间的预设比例的BIM量化参数，所述变化参数为所述BIM量化参数中除所述固定参数以外的其它量化参数；
将过去一段时间内的所述变化参数的数据输入预先训练好的变化参数预测模型中预测所述变化参数在未来一段时间内的预测数据；
判断所述未来一段时间内所述变化参数的预测数据是否存在超出标准范围区间的情况；
当未来一段时间内所述变化参数的数据存在超出标准范围区间的情况时，根据所述预测数据判断所述变化参数的超出标准范围区间的情况具备收敛性还是发散性；
当所述变化参数的超出标准范围区间的情况为发散性时，将所述变化参数的预测数据输入BIM演算引擎进行可视化推演；
基于所述可视化推演判断所述变化参数的超出标准范围区间的情况是否引发安全隐患；
判断为是时，对所述安全隐患进行预警。
3.根据权利要求2所述的基于BIM的智慧工厂安全管理方法，其特征在于，基于所述监测数据生成对应时间版本的BIM数据的步骤具体包括：
使用基础BIM数据和历史变更日记数据构建上一个时间版本的BIM数据；
根据每一个传感器的位置确定所述传感器的监测数据与所述BIM数据中的BIM量化参数的对应关系；
确定所述监测数据与上一个时间版本的对应BIM量化参数的数据的差异；
根据所述差异构建当前时间版本的变更日记数据。
4.根据权利要求3所述的基于BIM的智慧工厂安全管理方法，其特征在于，基于所述BIM数据的变化从所述BIM数据中识别出固定参数以及变化参数的步骤具体包括：
从当前时间版本的变更日记数据中确定变更参数；
获取所述变更参数在当前时间版本的第一参数数值pi,1以及上一时间版本的BIM数据中的第二参数数值pi,2，其中i＝(1,2,…,nj)，j＝(1,2,…,m)，nj为第j个时间版本中的变更参数的数量，m为已保存的BIM数据的版本数量；
计算所述第一参数数值pi,1和第二参数数值pi,2之间的差值：
Δpi＝|pi,1-pi,2|；
以相同方式获取所述变更数据从所述基础BIM数据起到当前时间版本期间的相邻版本的第一差值序列：
Δpij＝|pij,1-pij,2|；
计算所述第一差值序列的平均值：
获取所述第一差值序列的最大值：
获取所述变更参数的标准范围区间的上界bi,up和下界bi,lo；
判断所述变更参数是否满足以下条件：
其中α＜β＜0.5；
当所述变更参数满足上述条件时，则将所述变更参数确定为固定参数；
否则将所述变更参数确定为变化参数。
5.根据权利要求4所述的基于BIM的智慧工厂安全管理方法，其特征在于，获取上一时间版本的BIM数据中的第二参数数值的步骤具体包括：
判断所述变更参数在上一时间版本的变更日记数据是否存在；
当所述变更参数在上一时间版本的变更日记数据中存在时，将上一时间版本的变更日记数据中存储的所述变更参数的参数数值确定为所述第二参数数值；
当所述变更参数在上一时间版本的变更日记数据不存在时，则顺序向前回溯其它时间版本的变更日记数据，以将在当前时间版本之前的最后一个存在所述变更参数的变更日记数据中的所这变更参数的参数数值确定为所述第二参数数值；
当在除了当前时间版本外所有其它时间版本的变更日记数据中均不存在所述变更参数时，则从所述基础BIM数据中读取所述变更参数的参数数值以确定为所述第二参数数值。
6.根据权利要求4所述的基于BIM的智慧工厂安全管理方法，其特征在于，判断所述未来一段时间内所述变化参数的预测数据是否存在超出标准范围区间的情况的步骤具体包括：
获取所预测得到的所述变化参数在未来一段时间内的预测数据，所述变化参数在未来一段时间内的数据为以版本生成时间作为时间间隔的所述变化参数的参数数值序列pkl,pre，其中k＝(1，2，…，oj)，l＝(1，2，…，qj)，oj为第j个时间版本中的变化参数的数量，qj为所述未来一段时间所包含的时间版本的数量；
获取所述变化参数的标准范围区间的上界bi，up和下界bi，lo；
对于每一个变化参数遍历l以使l从1到qj以判断是否满足：
pkl，pre＞bi，up，或者pkl，pre＜bi，lo；
当所述变化参数在所述未来一段时间所包含的任一时间版本内满足pkl，pre＞bi，up，或者pkl，pre＜bi，lo时，确定所述未来一段时间内所述变化参数的预测数据存在超出标准范围区间的情况；
否则，确定所述未来一段时间内所述变化参数的预测数据不存在超出标准范围区间的情况。
7.根据权利要求6所述的基于BIM的智慧工厂安全管理方法，其特征在于，根据所述预测数据判断所述变化参数的超出标准范围区间的情况具备收敛性还是发散性的步骤具体包括：
对于每一个变化参数的参数数值序列pkl，pre，计算其每一个参数数值与所述变化参数的标准范围区间的下界bi，lo的差值以构建第二差值序列：
Δpkl＝pkl，pre-bi，lo；
构建索引值序列xkl＝1，2，…qj使得所述索引值序列xkl中的每一个索引值与所述第二差值序列Δpkl中的每一个差值具有一一对应关系；
计算所索索引值序列xkl与所述第二差值序列Δpkl的平均值：
计算拟合斜率：
当所述拟合斜率Kk＞0时，确定所述变化参数的超出标准范围区间的情况具备发散性；
当所述拟合斜率Kk<0时，确定所述变化参数的超出标准范围区间的情况具备收敛性。
8.根据权利要求2所述的基于BIM的智慧工厂安全管理方法，其特征在于，在将所述变化参数的预测数据输入BIM演算引擎进行可视化推演的步骤之前，还包括：
基于所述未来一段时间内的所述变化参数的预测数据生成所述未来一段时间内的多个时间版本的变更日记数据；
使用所述未来一段时间内的多个时间版本的变更日记数据与对应的基础BIM数据构建所述未来一段时间内的多个时间版本的BIM数据；
将所述未来一段时间内的多个时间版本的BIM数据输入BIM演算引擎进行分析；
基于所述BIM演算引擎的分析结果判断所述未来一段时间内的多个时间版本的BIM数据对应的所述智慧工厂的变化状态和变化速度是否在合理的偏差范围内；
当所述未来一段时间内的多个时间版本的BIM数据对应的所述智慧工厂的变化状态和变化速度在合理的偏差范围内时，执行将所述变化参数的预测数据输入BIM演算引擎进行可视化推演的步骤；
否则提示所述预测数据不准确，需要对所述变化参数预测模型进行重新训练。
9.根据权利要求8所述的基于BIM的智慧工厂安全管理方法，其特征在于，将所述未来一段时间内的多个时间版本的BIM数据输入BIM演算引擎进行分析的步骤具体包括：
顺序读取所述未来一段时间内的每一个时间版本的BIM数据；
将与所述版本生成时间相同的时间长度配置为第一迭代时长；
调用所述BIM演算引擎的算法库和规则库对所述未来一段时间内的每一个时间版本的BIM数据进行迭代推演；
在所述迭代推演的时长等于所述第一迭代时长时，将所述BIM演算引擎推演得到的BIM数据与预测得到的下一个时间版本的BIM数据进行匹配；
根据匹配结果判断预测得到的下一个时间版本的BIM数据中所述智慧工厂的变化状态和变化速度是否在合理的偏差范围内。
10.根据权利要求9所述的基于BIM的智慧工厂安全管理方法，其特征在于，将所述变化参数的预测数据输入BIM演算引擎进行可视化推演的步骤具体包括：
根据预测得到的所述变化参数的发散性情况计算第二迭代时长；
获取预设的可视化推演倍速；
将所述未来一段时间的最后一个时间版本对应的时间确定为推演起算时间；
调用所述BIM演算引擎的算法库和规则库以所述推演倍速对所述未来一段时间的最后一个时间版本对应的BIM数据进行可视化的迭代推演；
在所述迭代推演的时长小于所述第二迭代时长内，当所述可视化的迭代推演的中间结果发生安全事件时，确定所述变化参数的超出标准范围区间的情况将引发安全隐患；
当所述迭代推演的时长大于或等于所述第二迭代时长，且所述可视化的迭代推演的过程中未发生安全事件时，确定所述变化参数的超出标准范围区间的情况不会引发安全隐患。
CN202310639933.4A 2023-06-01 2023-06-01 一种基于bim的智慧工厂安全管理系统及方法 Active CN116611661B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310639933.4A CN116611661B (zh) 2023-06-01 2023-06-01 一种基于bim的智慧工厂安全管理系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310639933.4A CN116611661B (zh) 2023-06-01 2023-06-01 一种基于bim的智慧工厂安全管理系统及方法

Publications (2)

Publication Number Publication Date
CN116611661A true CN116611661A (zh) 2023-08-18
CN116611661B CN116611661B (zh) 2024-02-02

Family

ID=87681608

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310639933.4A Active CN116611661B (zh) 2023-06-01 2023-06-01 一种基于bim的智慧工厂安全管理系统及方法

Country Status (1)

Country Link
CN (1) CN116611661B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9317574B1 (en) * 2012-06-11 2016-04-19 Dell Software Inc. System and method for managing and identifying subject matter experts
CN111340948A (zh) * 2020-04-16 2020-06-26 中冶京诚工程技术有限公司 基于bim的净水厂运维系统
CN111444568A (zh) * 2020-03-27 2020-07-24 北京中交京纬公路造价技术有限公司 一种基于物联网的工程监测bim协同平台
CN111860900A (zh) * 2020-08-14 2020-10-30 中国能源建设集团广东省电力设计研究院有限公司 基于bim的数字孪生智慧机房管理方法、装置、设备及介质
CN111882081A (zh) * 2020-07-08 2020-11-03 上海嘉实（集团）有限公司 基于bim模型的运维管理方法、介质、终端及系统
WO2021253747A1 (zh) * 2020-06-19 2021-12-23 江西飞尚科技有限公司 基于BIM信息流的高支模lora传输安全监测装置及方法
WO2023012005A1 (en) * 2021-08-03 2023-02-09 Build Trust S.R.L. Method and system for managing construction projects with automatic generation of smart contract
CN115951606A (zh) * 2022-12-19 2023-04-11 中用科技有限公司 智慧工厂生产环境预警处理方法
CN116167545A (zh) * 2023-04-24 2023-05-26 青建集团股份公司 一种bim智慧工地管理平台系统及方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9317574B1 (en) * 2012-06-11 2016-04-19 Dell Software Inc. System and method for managing and identifying subject matter experts
CN111444568A (zh) * 2020-03-27 2020-07-24 北京中交京纬公路造价技术有限公司 一种基于物联网的工程监测bim协同平台
CN111340948A (zh) * 2020-04-16 2020-06-26 中冶京诚工程技术有限公司 基于bim的净水厂运维系统
WO2021253747A1 (zh) * 2020-06-19 2021-12-23 江西飞尚科技有限公司 基于BIM信息流的高支模lora传输安全监测装置及方法
CN111882081A (zh) * 2020-07-08 2020-11-03 上海嘉实（集团）有限公司 基于bim模型的运维管理方法、介质、终端及系统
CN111860900A (zh) * 2020-08-14 2020-10-30 中国能源建设集团广东省电力设计研究院有限公司 基于bim的数字孪生智慧机房管理方法、装置、设备及介质
WO2023012005A1 (en) * 2021-08-03 2023-02-09 Build Trust S.R.L. Method and system for managing construction projects with automatic generation of smart contract
CN115951606A (zh) * 2022-12-19 2023-04-11 中用科技有限公司 智慧工厂生产环境预警处理方法
CN116167545A (zh) * 2023-04-24 2023-05-26 青建集团股份公司 一种bim智慧工地管理平台系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
单卫明;闻凯;梅洁辉;: "基于现代信息技术的智慧工地系统构建及应用", 中国新通信, no. 23 *

Also Published As

Publication number Publication date
CN116611661B (zh) 2024-02-02

Similar Documents

Publication Publication Date Title
Peng et al. A hybrid data mining approach on BIM-based building operation and maintenance
Banihashemi et al. Developing a hybrid model of prediction and classification algorithms for building energy consumption
JP6114692B2 (ja) ビル動作センサデータのためのシステムおよび方法
US20130257850A1 (en) Extracting data from a 3d geometric model by geometry analysis
DE112010003279T5 (de) Wissensbasierte Modelle für Rechenzentren
CN116882038B (zh) 一种基于bim技术的机电施工方法及系统
US11373022B2 (en) Designing a structural product
Silva et al. Damage detection in a benchmark structure using AR-ARX models and statistical pattern recognition
Tian et al. Fast and self-learning indoor airflow simulation based on in situ adaptive tabulation
Pin et al. Supporting post-occupant evaluation through work order evaluation and visualization in FM-BIM
CN116720438A (zh) 基于多源矿山数据的数字孪生矿山生产系统及构建方法
CN116611661B (zh) 一种基于bim的智慧工厂安全管理系统及方法
Mitterhofer et al. Semantics for assembling modular components in a scalable building performance simulation
Schachinger et al. An advanced data analytics framework for energy efficiency in buildings
Borri et al. Planning urban microclimate through multiagent modelling: A cognitive mapping approach
Su et al. Geometric computation based assembly sequencing and evaluating in terms of assembly angle, direction, reorientation, and stability
Bigaud et al. Detection of faults and drifts in the energy performance of a building using Bayesian networks
Zhang et al. Invariant probabilistic sensitivity analysis for building energy models
Bogen et al. Evaluating a data clustering approach for life-cycle facility control
Yoshida et al. Development of a dynamic sensor data model with contexts for data mining from monitoring of infrastructures
Chen et al. Technique of Feature Extraction Based on Interpretation Analysis for Multilabel Learning in Nonintrusive Load Monitoring With Multiappliance Circumstances
Tarlow et al. Automatically calibrating a probabilistic graphical model of building energy consumption
Shia et al. A Time-Series Rank Ordering Control System Data-Driven Fault Detection Approach for HVAC Systems in Buildings
CN111881507B (zh) 基于神经网络的窗框断面评估方法、计算设备及存储介质
Gado et al. More Accurate Computer Simulation for Intelligent Buildings: Exporting 3d Building Models To Detailed Thermal Simulation Software

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