CN116882038A - 一种基于bim技术的机电施工方法及系统 - Google Patents
一种基于bim技术的机电施工方法及系统 Download PDFInfo
- Publication number
- CN116882038A CN116882038A CN202311157211.1A CN202311157211A CN116882038A CN 116882038 A CN116882038 A CN 116882038A CN 202311157211 A CN202311157211 A CN 202311157211A CN 116882038 A CN116882038 A CN 116882038A
- Authority
- CN
- China
- Prior art keywords
- construction
- scheme
- bim model
- bim
- design
- 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
Links
- 238000010276 construction Methods 0.000 title claims abstract description 284
- 238000005516 engineering process Methods 0.000 title claims abstract description 33
- 238000013461 design Methods 0.000 claims abstract description 125
- 238000005457 optimization Methods 0.000 claims abstract description 88
- 238000000034 method Methods 0.000 claims abstract description 70
- 230000008569 process Effects 0.000 claims abstract description 50
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 43
- 238000004088 simulation Methods 0.000 claims abstract description 41
- 238000001514 detection method Methods 0.000 claims abstract description 38
- 239000002245 particle Substances 0.000 claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 238000003058 natural language processing Methods 0.000 claims abstract description 11
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 9
- 239000000463 material Substances 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 238000009435 building construction Methods 0.000 abstract description 2
- 238000011960 computer-aided design Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000011273 social behavior Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- 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
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Structural Engineering (AREA)
- Civil Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Architecture (AREA)
- Pure & Applied Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于BIM技术的机电施工方法及系统，用于建筑施工领域，该机电施工方法包括以下步骤：整理施工图纸，通过绘图软件CAD对各施工图纸建筑物及管线信息进行三维建模；获取机电工程的设计要求文本信息，利用自然语言处理技术进行解析，并将解析的结果添加入现状BIM模型；利用知识图谱对设计意图BIM模型进行冲突检测；根据优化方案BIM模型，设计不同的施工方案，并利用基于多种群动态协同的多目标粒子群优化算法进行施工过程模拟；获取模拟的结果，制定最终施工方案。本发明通过构建知识图谱，识别构件之间的关系和参数总结，精确找到冲突构件，提高冲突检测的准确性。
Description
技术领域
本发明涉及建筑施工领域，具体来说，尤其涉及一种基于BIM技术的机电施工方法及系统。
背景技术
随着我国建筑工程的发展，建筑规模和复杂度不断增加。传统的二维设计软件难以全面检测机电管线的空间冲突，无法满足建筑内部机电系统设计的需要。而基于BIM技术，可以更好地解决这个问题。BIM模型通过建立建筑及其构件的三维数字化模型，可以实现管线的精确定位和管线空间的实时动态检测。BIM模型包含建筑物及其构件（如墙体、楼板等）的三维模型，机电管线也以三维实体的形式添加到模型中。这使得管线的空间位置变得直观和精确。IM模型是动态的，每次修改或添加新元素时，软件可以实时检测模型中是否产生新的空间问题，并及时提醒设计人员进行处理。这种实时检测的能力可以最大限度减少设计漏洞。
而现有技术中，信息提取主要依赖人工阅读和输入，这可能导致提取过程低效，甚至出现遗漏或错误信息，模型优化和冲突检测主要考虑构件的空间位置，而忽略了构件的参数与属性，这可能导致检测不全面，未发现一些潜在问题，没有进行深入的施工过程模拟，难以对最终选择的施工方案进行全面评估，这可能导致实际施工中出现更多未知问题，施工风险较大，各个设计阶段的数据和模型之间缺乏有效的关联，后续维护和管理过程无法直接利用历史数据，数据利用率低。
针对相关技术中的问题，目前尚未提出有效的解决方案。
发明内容
为了克服以上问题，本发明旨在提出一种基于BIM技术的机电施工方法及系统，目的在于解决模型优化和冲突检测主要考虑构件的空间位置，而忽略了构件的参数与属性，这可能导致检测不全面，未发现一些潜在问题。
为此，本发明采用的具体技术方案如下：
根据本发明的一个方面，提供了一种基于BIM技术的机电施工方法，该机电施工方法包括以下步骤：
S1、整理施工图纸，通过绘图软件CAD对各施工图纸建筑物及管线信息进行三维建模，并将三维模型整合为现状BIM模型；
S2、获取机电工程的设计要求文本信息，利用自然语言处理技术进行解析，并将解析的结果添加入现状BIM模型，得到设计意图BIM模型；
S3、利用知识图谱对设计意图BIM模型进行冲突检测，得到优化方案BIM模型；
S4、根据优化方案BIM模型，设计不同的施工方案，并利用基于多种群动态协同的多目标粒子群优化算法进行施工过程模拟；
S5、获取模拟的结果，制定最终施工方案，并进行施工。
可选地，所述获取机电工程的设计要求文本信息，利用自然语言处理技术进行解析，并将解析的结果添加入现状BIM模型，得到设计意图BIM模型包括以下步骤：
S21、获取机电工程的设计要求文本信息；
S22、使用命名实体识别技术识别文本信息中的实体；
S23、使用关系抽取技术识别实体之间的关系；
S24、将所述实体和所述关系按照统一的格式进行整理，并导入现状BIM模型中；
S25、对导入后的现状BIM模型进行检查，并根据检查结果对BIM模型进行调整，得到设计意图BIM模型。
可选地，所述利用知识图谱对设计意图BIM模型进行冲突检测，得到优化方案BIM模型包括以下步骤：
S31、收集设计意图BIM模型和构件数据中的构件信息，识别构件之间的关系，形成设计意图BIM模型的知识图谱；
S32、确定冲突检测的目标构件，根据设计意图BIM模型，提取目标构件的特征信息；
S33、利用提取的特征信息，在知识图谱中寻找与目标构件特征匹配的参考构件，组建参考数据集；
S34、计算目标构件与参考数据集中每个构件在设计意图BIM模型中的距离；
S35、使用DBSCAN聚类算法处理目标构件与参考数据集在设计意图BIM模型中的距离，建立邻域，判断类别，并根据类别判断目标构件的是否异常；
S36、若目标构件为异常构件，则调整设计意图BIM模型中构件的位置、参数或属性。
可选地，所述计算目标构件与参考数据集中每个构件在设计意图BIM模型中的距离包括以下步骤：
S341、确定目标构件和参考数据集中目标构件和参考构件的三维坐标和尺寸参数；
S342、将目标构件和参考构件的三维坐标代入欧几里得距离公式，计算目标构件和参考构件之间的距离；
其中，所述计算目标构件和参考构件之间的距离的公式为：
式中，/>为目标构件的三维坐标；
为参考构件的三维坐标。
可选地，所述使用DBSCAN聚类算法处理目标构件与参考数据集在设计意图BIM模型中的距离，建立邻域，判断类别，并根据类别判断目标构件的是否异常包括以下步骤：
S351、选择DBSCAN算法中的邻域半径和最小点数；
S352、以目标构件为中心，以邻域半径为半径建立邻域；
S353、若邻域中的点数大于等于最小点数，则将此邻域视为一个类别；
S354、若目标构件属于某一类别，且该类别中的点数密集，则判断目标构件为正常；
S355、若目标构件未被划分到任何类别，或者被划分到点数稀疏的类别，则判断目标构件为异常。
可选地，所述根据优化方案BIM模型，设计不同的施工方案，并利用基于多种群动态协同的多目标粒子群优化算法进行施工过程模拟包括以下步骤：
S41、对施工方案设计进行定义，同时确定种群规模和最大迭代次数；
S42、将施工方案种群按3：1的比例平分为三个子群；
S43、随机初始化施工方案种群，得到初始的施工方案和适应度，记录每个施工方案及子群的历史最优方案和全局最优方案；
S44、当达到设定迭代次数时，对施工方案种群进行扰动，同时对子群的全局最优施工方案进行扩张变异；
S45、更新子群的搜索方向和施工方案、每个施工方案及子群最优施工方案；
S46、从三个子群的全局最优施工方案中选取整个种群的全局最优施工方案；
S47、检查是否满足终止条件，若不满足，则执行S44的步骤，若满足，则执行S48的步骤；
S48、根据选择的全局最优施工方案，利用优化方案BIM模型进行施工过程模拟，判断施工方案是否可行性；
S49、根据模拟结果判断施工方案是否满足要求，若不满足，则执行S44的步骤，重新选择施工方案，若满足，结束迭代，输出最终施工方案。
可选地，所述对施工方案设计进行定义，同时确定种群规模和最大迭代次数包括以下步骤：
S411、对于施工方案设计，定义优化问题的目标和约束条件，其中，所述优化目标至少包括施工成本最小、施工速度最快和施工质量最高，所述约束条件至少包括人力、物资、设备、环保和安全；
S412、根据优化问题的复杂性和计算资源，确定施工方案的种群规模；
S413、根据优化问题的复杂性、计算资源和优化目标，设定基于多种群动态协同的多目标粒子群优化算法的最大迭代次数。
可选地，所述当达到设定迭代次数时，对施工方案种群进行扰动，同时对子群的全局最优施工方案进行扩张变异包括以下步骤：
S441、检查当前迭代次数是否达到预设的扰动间隔，若达到，则执行S442的步骤，若未到达，则执行S445的步骤；
S442、对施工方案种群中的每个个体施工方案进行扰动操作，产生扰动后的新施工方案取代原方案；
S443、对三个子群的最优施工方案进行扩张变异；
S444、将扰动和扩张变异产生的新施工方案纳入种群，并重新评价种群中每个施工方案的适应度，选择新产生的方案中最优的作为新的全局最优方案；
S445、更新每个子群的最优施工方案；
S446、更新迭代次数，并返回S445的步骤，继续更新种群。
可选地，所述根据选择的全局最优施工方案，利用优化方案BIM模型进行施工过程模拟，判断施工方案是否可行性包括以下步骤：
S481、将设计得出的全局最优施工方案导入到优化方案BIM模型中；
S482、根据施工方案，设定施工过程中各步骤的顺序信息、时间信息和资源信息，并搭建出施工进度表；
S483、根据施工进度表中顺序信息、时间信息和资源信息，确定每个施工活动所需的资源，所述资源至少包括人力、设备和材料；
S484、启动模拟功能，根据设置好的施工序列和资源，进行施工过程的模拟，通过三维模型反馈实时施工的形象展示；
S485、分析模拟结果，判断是否存在时间延迟、资源冲突或其他可能影响施工的问题；
S486、基于模拟结果和实际施工条件进行全局最优施工方案的可行性判断。
根据本发明的另一个方面，还提供了一种基于BIM技术的机电施工系统，该系统包括：现状建模模块、设计意图解析模块、冲突检测与方案优化模块、施工过程模拟模块及最终施工方案制定模块；
所述现状建模模块通过所述设计意图解析模块与所述冲突检测与方案优化模块连接，所述冲突检测与方案优化模块通过所述施工过程模拟模块与所述最终施工方案制定模块连接；
所述现状建模模块，用于整理施工图纸，通过绘图软件CAD对各施工图纸建筑物及管线信息进行三维建模，并将三维模型整合为现状BIM模型；
所述设计意图解析模块，用于获取机电工程的设计要求文本信息，利用自然语言处理技术进行解析，并将解析的结果添加入现状BIM模型，得到设计意图BIM模型；
所述冲突检测与方案优化模块，用于利用知识图谱对设计意图BIM模型进行冲突检测，得到优化方案BIM模型；
所述施工过程模拟模块，用于根据优化方案BIM模型，设计不同的施工方案，并利用基于多种群动态协同的多目标粒子群优化算法进行施工过程模拟；
所述最终施工方案制定模块，用于获取模拟的结果，制定最终施工方案，并进行施工。
相较于现有技术，本申请具有以下有益效果：
1、本发明通过CAD进行三维建模和BIM模型创建，可以帮助设计团队更直观、快速地理解设计意图，从而极大地提高设计效率；通过命名实体识别和关系抽取技术，可以自动地从设计文本中抽取关键信息并添加到BIM模型中，降低了人为错误，提升了设计的准确性。
2、本发明将设计要求文本信息添加到BIM模型中，使得模型除了固有的三维结构信息外，还包含了设计期望和要求，形成一个更加完整的设计意图BIM模型；BIM模型可以进行实时的动态设计建模，有助于实时跟踪各个设计阶段的变化，及时评估影响，并进行调整决策；三维化的设计图纸和BIM模型使得设计结果能够直观呈现，使得设计团队、施工团队以及其他利益相关者都能准确理解设计的意图。
3、本发明通过构建知识图谱，识别构件之间的关系和参数总结，精确找到冲突构件，从而提高了冲突检测的准确性；对于检测出的异常构件，能够自动进行位置、参数或属性的调整，弥补了人工检测和调整可能带来的误差，适应性强；通过使用DBSCAN聚类算法，能够有效识别并分析构件冲突，这样可以迅速找到优化方案，极大地提高了解决冲突的效率；不仅考虑了构件的三维位置，还把构件的材质、尺寸、颜色等参数也考虑在内，分析结果全面，优化效果往往较好；通过提前发现并解决冲突，可以节约时间和成本，防止施工过程中出现问题。
4、本发明多目标粒子群优化算法可以找到全局最优解或接近全局最优解的解决方案，这为选择最优施工方案提供了可靠的理论基础；多目标粒子群优化算法不仅考虑单一目标，而是同时考虑多个目标，如施工成本最小化、施工时间最小化和施工质量最大化等，这使得最终选择的方案在各个目标间达到平衡，对初始条件的选择不太敏感，并且可以处理各种规模和类型的优化问题，具有较强的适应性，通过子群动态协同、扰动和扩张变异，可以避免算法陷入局部最优解，增强全局搜索能力；通过施工过程模拟，可以在实际施工前发现潜在问题，并进行调整，减少施工风险，提高施工效率。
附图说明
结合实施例的以下描述，本发明的上述特性、特征和优点及其实现方式和方法变得更明白易懂，实施例结合附图详细阐述。在此以示意图示出：
图1是根据本发明实施例的一种基于BIM技术的机电施工方法的流程图；
图2是根据本发明实施例的一种基于BIM技术的机电施工系统的原理框图。
图中：
1、现状建模模块；2、设计意图解析模块；3、冲突检测与方案优化模块；4、施工过程模拟模块；5、最终施工方案制定模块。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
根据本发明的实施例，提供了一种基于BIM技术的机电施工方法及系统。
现结合附图和具体实施方式对本发明进一步说明，如图1所示，根据本发明的一个实施例，提供了一种基于BIM技术的机电施工方法，该机电施工方法包括以下步骤：
S1、整理施工图纸，通过绘图软件CAD对各施工图纸建筑物及管线信息进行三维建模，并将三维模型整合为现状BIM模型。
需要解释说明的是，CAD（Computer-Aided Design）即计算机辅助设计，是利用计算机技术进行设计和设计文档的制作。CAD不仅涉及到软件的使用，也缜密地涉及到与计算机辅助设计业务系统的结合与集成。在施工图纸的整理中，通过CAD软件进行三维建模，能够更直观、更真实地呈现建筑物及管线的结构信息，减少施工中出现的错误。
BIM（Building Information Modeling）即建筑信息模型，是一种基于三维建模的设计方法，通过实时的、动态的设计建模过程来管理建筑和基础设施的相关数据。与传统的设计方法比较，BIM模型不仅能模拟建筑物的结构、造型，还可以模拟建筑物的功能，如：能耗、光照、人流等等。有了BIM模型，我们可以更好地理解项目全生命周期内的复杂情况，做出更优的设计决策。
S2、获取机电工程的设计要求文本信息，利用自然语言处理技术进行解析，并将解析的结果添加入现状BIM模型，得到设计意图BIM模型。
优选地，所述获取机电工程的设计要求文本信息，利用自然语言处理技术进行解析，并将解析的结果添加入现状BIM模型，得到设计意图BIM模型包括以下步骤：
S21、获取机电工程的设计要求文本信息；
S22、使用命名实体识别技术识别文本信息中的实体；
S23、使用关系抽取技术识别实体之间的关系；
S24、将所述实体和所述关系按照统一的格式进行整理，并导入现状BIM模型中；
S25、对导入后的现状BIM模型进行检查，并根据检查结果对BIM模型进行调整，得到设计意图BIM模型。
需要解释说明的是，命名实体识别是NLP中的一个子任务，主要用于识别文本中的实体，如人名、地名、组织机构名、专有名词等。在建筑设计中，命名实体识别技术可以帮助识别设计要求中的重点信息，如设备名称、参数值、位置信息等。关系抽取是用于从文本中识别和提取实体间的语义关系。在建筑设计中，关系抽取可以帮助理解设计要求中复杂的要求和限制，如设备之间的连接关系、管道的布局要求等，检查与调整BIM模型是一个重要的步骤，主要是为了确保模型的准确性，并确保模型满足设计要求。这一过程可能涉及到的任务包括对模型的几何、构件属性以及关系的检查，以及根据检查结果对模型进行必要的调整。
S3、利用知识图谱对设计意图BIM模型进行冲突检测，得到优化方案BIM模型。
优选地，所述利用知识图谱对设计意图BIM模型进行冲突检测，得到优化方案BIM模型包括以下步骤：
S31、收集设计意图BIM模型和构件数据中的构件信息，识别构件之间的关系，形成设计意图BIM模型的知识图谱；
S32、确定冲突检测的目标构件，根据设计意图BIM模型，提取目标构件的特征信息；
S33、利用提取的特征信息，在知识图谱中寻找与目标构件特征匹配的参考构件，组建参考数据集；
S34、计算目标构件与参考数据集中每个构件在设计意图BIM模型中的距离；
S35、使用DBSCAN聚类算法处理目标构件与参考数据集在设计意图BIM模型中的距离，建立邻域，判断类别，并根据类别判断目标构件的是否异常；
S36、若目标构件为异常构件，则调整设计意图BIM模型中构件的位置、参数或属性。
需要解释说明的是，构件位置的调整，这个过程可能涉及到对构件在三维空间中位置的调整，以解决构件间的空间冲突问题。这个过程可能需要考虑其他构件的位置和布局，以及可能的设计要求和限制；构件参数的调整，构件的参数可能包括材质、尺寸、形状等，这些参数可能会影响到是否存在设计冲突。通过调整这些参数，可以解决冲突问题；构件属性的调整，构件的属性可能包括颜色、质地、可见性等。通过调整这些属性，可能会影响到构件在设计中的表现。
优选地，所述计算目标构件与参考数据集中每个构件在设计意图BIM模型中的距离包括以下步骤：
S341、确定目标构件和参考数据集中目标构件和参考构件的三维坐标和尺寸参数；
S342、将目标构件和参考构件的三维坐标代入欧几里得距离公式，计算目标构件和参考构件之间的距离；
其中，所述计算目标构件和参考构件之间的距离的公式为：
式中，/>为目标构件的三维坐标；
为参考构件的三维坐标。
优选地，所述使用DBSCAN聚类算法处理目标构件与参考数据集在设计意图BIM模型中的距离，建立邻域，判断类别，并根据类别判断目标构件的是否异常包括以下步骤：
S351、选择DBSCAN算法中的邻域半径和最小点数；
S352、以目标构件为中心，以邻域半径为半径建立邻域；
S353、若邻域中的点数大于等于最小点数，则将此邻域视为一个类别；
S354、若目标构件属于某一类别，且该类别中的点数密集，则判断目标构件为正常；
S355、若目标构件未被划分到任何类别，或者被划分到点数稀疏的类别，则判断目标构件为异常。
需要解释说明的是，知识图谱通过知识实体及其之间的关系，构建连接概念的网络结构，可视化表示专业知识。在BIM模型冲突检测中，知识图谱可直观反映构件间的关联。DBSCAN（Density-Based Spatial Clustering of Applications with Noise）是基于密度的空间聚类算法。它可以发现任意形状的聚类，对于异常点检测很有用。在BIM模型冲突检测中，可以判断构件是否属于正常聚类，从而检测出异常构件。
欧几里得距离：欧几里得距离公式可计算两点间的实际直线距离。在BIM模型中，可用其计算构件间的距离，判断是否存在空间冲突。
S4、根据优化方案BIM模型，设计不同的施工方案，并利用基于多种群动态协同的多目标粒子群优化算法进行施工过程模拟。
优选地，所述根据优化方案BIM模型，设计不同的施工方案，并利用基于多种群动态协同的多目标粒子群优化算法进行施工过程模拟包括以下步骤：
S41、对施工方案设计进行定义，同时确定种群规模和最大迭代次数；
S42、将施工方案种群按3：1的比例平分为三个子群；
需要解释说明的是，将施工方案种群按3：1的比例平分为三个子群的具体步骤可以如下：计算施工方案种群的总规模N，即种群中包含的个体数量；根据3：1的比例，计算每个子群的规模。例如，如果N=100，则按3：1比例，第一个子群的规模为75，第二个子群的规模为20，第三个子群的规模为5；随机选择75个初始施工方案划分到第一个子群，20个初始施工方案划分到第二个子群，5个初始施工方案划分到第三个子群；对第一个子群采用VCA-PSO算法，对第二个子群采用ω自适应算法，对第三个子群采用基本PSO算法，分别进行搜索和更新。这种多种群策略，既保持了每种算法的优点，也避免了算法之间的相互影响。
S425：每次迭代结束后，比较三个子群的全局最优解，选择最优的作为整个种群的全局最优解。
S43、随机初始化施工方案种群，得到初始的施工方案和适应度，记录每个施工方案及子群的历史最优方案和全局最优方案；
S44、当达到设定迭代次数时，对施工方案种群进行扰动，同时对子群的全局最优施工方案进行扩张变异；
S45、更新子群的搜索方向和施工方案、每个施工方案及子群最优施工方案；
S46、从三个子群的全局最优施工方案中选取整个种群的全局最优施工方案；
S47、检查是否满足终止条件，若不满足，则执行S44的步骤，若满足，则执行S48的步骤；
S48、根据选择的全局最优施工方案，利用优化方案BIM模型进行施工过程模拟，判断施工方案是否可行性；
S49、根据模拟结果判断施工方案是否满足要求，若不满足，则执行S44的步骤，重新选择施工方案，若满足，结束迭代，输出最终施工方案。
优选地，所述对施工方案设计进行定义，同时确定种群规模和最大迭代次数包括以下步骤：
S411、对于施工方案设计，定义优化问题的目标和约束条件，其中，所述优化目标至少包括施工成本最小、施工速度最快和施工质量最高，所述约束条件至少包括人力、物资、设备、环保和安全；
S412、根据优化问题的复杂性和计算资源，确定施工方案的种群规模；
S413、根据优化问题的复杂性、计算资源和优化目标，设定基于多种群动态协同的多目标粒子群优化算法的最大迭代次数。
需要解释说明的是，施工方案设计的定义是核心环节，这步骤将定义优化问题的目标和约束条件。优化目标通常包括施工成本最小化、施工速度最大化和施工质量最高。约束条件可包括人力资源、物资供应、设备使用、环境保护和安全规定。在实际应用中，还可以根据项目自身特性添加其他定量或定性的目标和约束。确定施工方案种群规模。种群规模即粒子群库的大小，会影响模型运行时的性能和准确性。种群规模较大，模型能够覆盖更多可能的解，但计算负荷也会提高。反之，种群规模较小，计算负荷小，但可能无法找到最优解。其数值需要综合考虑优化问题的复杂性和计算资源来确定。设定基于多种群动态协同的多目标粒子群优化算法的最大迭代次数。迭代次数决定了算法搜索最优解的深度，过多的迭代次数可能导致过拟合，计算资源浪费，但迭代次数过少可能无法搜寻到最优解。这个参数的设定需要基于优化问题的复杂性、计算资源和优化目标的考虑。此外，也可以设定停止条件，比如连续多次迭代，解的改进幅度小于一定阈值时，停止迭代。
优选地，所述当达到设定迭代次数时，对施工方案种群进行扰动，同时对子群的全局最优施工方案进行扩张变异包括以下步骤：
S441、检查当前迭代次数是否达到预设的扰动间隔，若达到，则执行S442的步骤，若未到达，则执行S445的步骤；
S442、对施工方案种群中的每个个体施工方案进行扰动操作，产生扰动后的新施工方案取代原方案；
S443、对三个子群的最优施工方案进行扩张变异；
S444、将扰动和扩张变异产生的新施工方案纳入种群，并重新评价种群中每个施工方案的适应度，选择新产生的方案中最优的作为新的全局最优方案；
S445、更新每个子群的最优施工方案；
S446、更新迭代次数，并返回S445的步骤，继续更新种群。
优选地，所述根据选择的全局最优施工方案，利用优化方案BIM模型进行施工过程模拟，判断施工方案是否可行性包括以下步骤：
S481、将设计得出的全局最优施工方案导入到优化方案BIM模型中；
S482、根据施工方案，设定施工过程中各步骤的顺序信息、时间信息和资源信息，并搭建出施工进度表；
S483、根据施工进度表中顺序信息、时间信息和资源信息，确定每个施工活动所需的资源，所述资源至少包括人力、设备和材料；
S484、启动模拟功能，根据设置好的施工序列和资源，进行施工过程的模拟，通过三维模型反馈实时施工的形象展示；
S485、分析模拟结果，判断是否存在时间延迟、资源冲突或其他可能影响施工的问题；
S486、基于模拟结果和实际施工条件进行全局最优施工方案的可行性判断。
需要解释说明的是，多目标粒子群优化（Multi-objective Particle SwarmOptimization）算法：这是一个基于人体社会行为模拟的插值搜索工具，它可以用来在一组连续的解空间中找到最优解。子群动态协同：这是粒子群优化算法中的一种技术，通过将种群分为几个子群，并让它们独立运行，能够增加算法的搜索能力，并避免陷入局部最优解。扰动和扩张变异：这是优化问题中的一种常见技术，通过引入扰动和扩张变异，可以通过调整现有解来产生新的解决方案，以便尝试让算法突破局部最优解，搜索更广泛的解空间。
S5、获取模拟的结果，制定最终施工方案，并进行施工。
需要解释说明的是，根据多目标粒子群优化算法迭代结束后输出的Pareto最优解集，选择能够满足项目目标和约束条件的最优解或近优解作为候选最优施工方案；对选出的候选最优方案进行仿真验证，使用施工仿真软件对其进行多次模拟，评估其在实际施工中可能出现的问题和不确定性；根据仿真结果，对最优候选方案进行修正和完善，形成项目团队认可的、可行性较强的最终施工方案；将最终施工方案制作成施工组织设计图纸和施工方案文件。详细说明施工步骤、工艺流程、资源配备、工期安排等内容；按照最终方案开展具体的项目施工，并组织监理单位和相关方对整个施工过程进行监督，以确保施工质量和进度；收集施工过程中的实际数据和反馈信息，评估实际情况与预测结果的差异，总结经验教训，完善模型和方案设计；完成项目施工，进行竣工验收，提交施工总结和优化报告，为后续项目提供参考
根据本发明的另一个实施例，如图2所示，还提供了一种基于BIM技术的机电施工系统，该系统包括：现状建模模块1、设计意图解析模块2、冲突检测与方案优化模块3、施工过程模拟模块4及最终施工方案制定模块5；
所述现状建模模块1通过所述设计意图解析模块2与所述冲突检测与方案优化模块3连接，所述冲突检测与方案优化模块3通过所述施工过程模拟模块4与所述最终施工方案制定模块5连接；
所述现状建模模块1，用于整理施工图纸，通过绘图软件CAD对各施工图纸建筑物及管线信息进行三维建模，并将三维模型整合为现状BIM模型；
所述设计意图解析模块2，用于获取机电工程的设计要求文本信息，利用自然语言处理技术进行解析，并将解析的结果添加入现状BIM模型，得到设计意图BIM模型；
所述冲突检测与方案优化模块3，用于利用知识图谱对设计意图BIM模型进行冲突检测，得到优化方案BIM模型；
所述施工过程模拟模块4，用于根据优化方案BIM模型，设计不同的施工方案，并利用基于多种群动态协同的多目标粒子群优化算法进行施工过程模拟；
所述最终施工方案制定模块5，用于获取模拟的结果，制定最终施工方案，并进行施工。
综上所述，借助于本发明的上述技术方案，本发明通过CAD进行三维建模和BIM模型创建，可以帮助设计团队更直观、快速地理解设计意图，从而极大地提高设计效率；通过命名实体识别和关系抽取技术，可以自动地从设计文本中抽取关键信息并添加到BIM模型中，降低了人为错误，提升了设计的准确性；将设计要求文本信息添加到BIM模型中，使得模型除了固有的三维结构信息外，还包含了设计期望和要求，形成一个更加完整的设计意图BIM模型；BIM模型可以进行实时的动态设计建模，有助于实时跟踪各个设计阶段的变化，及时评估影响，并进行调整决策；三维化的设计图纸和BIM模型使得设计结果能够直观呈现，使得设计团队、施工团队以及其他利益相关者都能准确理解设计的意图；本发明通过构建知识图谱，识别构件之间的关系和参数总结，精确找到冲突构件，从而提高了冲突检测的准确性；对于检测出的异常构件，能够自动进行位置、参数或属性的调整，弥补了人工检测和调整可能带来的误差，适应性强；通过使用DBSCAN聚类算法，能够有效识别并分析构件冲突，这样可以迅速找到优化方案，极大地提高了解决冲突的效率；不仅考虑了构件的三维位置，还把构件的材质、尺寸、颜色等参数也考虑在内，分析结果全面，优化效果往往较好；通过提前发现并解决冲突，可以节约时间和成本，防止施工过程中出现问题；本发明多目标粒子群优化算法可以找到全局最优解或接近全局最优解的解决方案，这为选择最优施工方案提供了可靠的理论基础；多目标粒子群优化算法不仅考虑单一目标，而是同时考虑多个目标，如施工成本最小化、施工时间最小化和施工质量最大化等，这使得最终选择的方案在各个目标间达到平衡，对初始条件的选择不太敏感，并且可以处理各种规模和类型的优化问题，具有较强的适应性，通过子群动态协同、扰动和扩张变异，可以避免算法陷入局部最优解，增强全局搜索能力；通过施工过程模拟，可以在实际施工前发现潜在问题，并进行调整，减少施工风险，提高施工效率。
虽然本发明已以较佳实施例揭示如上，然所述实施例仅为了便于说明而举例而已，并非用以限定本发明，本领域的技术人员在不脱离本发明精神和范围的前提下可作若干的更动与润饰，本发明所主张的保护范围应以权利要求书所述为准。
Claims (10)
1.一种基于BIM技术的机电施工方法，其特征在于，该机电施工方法包括以下步骤：
S1、整理施工图纸，通过绘图软件CAD对各施工图纸建筑物及管线信息进行三维建模，并将三维模型整合为现状BIM模型；
S2、获取机电工程的设计要求文本信息，利用自然语言处理技术进行解析，并将解析的结果添加入现状BIM模型，得到设计意图BIM模型；
S3、利用知识图谱对设计意图BIM模型进行冲突检测，得到优化方案BIM模型；
S4、根据优化方案BIM模型，设计不同的施工方案，并利用基于多种群动态协同的多目标粒子群优化算法进行施工过程模拟；
S5、获取模拟的结果，制定最终施工方案，并进行施工。
2.根据权利要求1所述的一种基于BIM技术的机电施工方法，其特征在于，所述获取机电工程的设计要求文本信息，利用自然语言处理技术进行解析，并将解析的结果添加入现状BIM模型，得到设计意图BIM模型包括以下步骤：
S21、获取机电工程的设计要求文本信息；
S22、使用命名实体识别技术识别文本信息中的实体；
S23、使用关系抽取技术识别实体之间的关系；
S24、将所述实体和所述关系按照统一的格式进行整理，并导入现状BIM模型中；
S25、对导入后的现状BIM模型进行检查，并根据检查结果对BIM模型进行调整，得到设计意图BIM模型。
3.根据权利要求1所述的一种基于BIM技术的机电施工方法，其特征在于，所述利用知识图谱对设计意图BIM模型进行冲突检测，得到优化方案BIM模型包括以下步骤：
S31、收集设计意图BIM模型和构件数据中的构件信息，识别构件之间的关系，形成设计意图BIM模型的知识图谱；
S32、确定冲突检测的目标构件，根据设计意图BIM模型，提取目标构件的特征信息；
S33、利用提取的特征信息，在知识图谱中寻找与目标构件特征匹配的参考构件，组建参考数据集；
S34、计算目标构件与参考数据集中每个构件在设计意图BIM模型中的距离；
S35、使用DBSCAN聚类算法处理目标构件与参考数据集在设计意图BIM模型中的距离，建立邻域，判断类别，并根据类别判断目标构件的是否异常；
S36、若目标构件为异常构件，则调整设计意图BIM模型中构件的位置、参数或属性。
4.根据权利要求3所述的一种基于BIM技术的机电施工方法，其特征在于，所述计算目标构件与参考数据集中每个构件在设计意图BIM模型中的距离包括以下步骤：
S341、确定目标构件和参考数据集中目标构件和参考构件的三维坐标和尺寸参数；
S342、将目标构件和参考构件的三维坐标代入欧几里得距离公式，计算目标构件和参考构件之间的距离；
其中，所述计算目标构件和参考构件之间的距离的公式为：
式中，/>为目标构件的三维坐标；
为参考构件的三维坐标。
5.根据权利要求3所述的一种基于BIM技术的机电施工方法，其特征在于，所述使用DBSCAN聚类算法处理目标构件与参考数据集在设计意图BIM模型中的距离，建立邻域，判断类别，并根据类别判断目标构件的是否异常包括以下步骤：
S351、选择DBSCAN算法中的邻域半径和最小点数；
S352、以目标构件为中心，以邻域半径为半径建立邻域；
S353、若邻域中的点数大于等于最小点数，则将此邻域视为一个类别；
S354、若目标构件属于某一类别，且该类别中的点数密集，则判断目标构件为正常；
S355、若目标构件未被划分到任何类别，或者被划分到点数稀疏的类别，则判断目标构件为异常。
6.根据权利要求1所述的一种基于BIM技术的机电施工方法，其特征在于，所述根据优化方案BIM模型，设计不同的施工方案，并利用基于多种群动态协同的多目标粒子群优化算法进行施工过程模拟包括以下步骤：
S41、对施工方案设计进行定义，同时确定种群规模和最大迭代次数；
S42、将施工方案种群按3：1的比例平分为三个子群；
S43、随机初始化施工方案种群，得到初始的施工方案和适应度，记录每个施工方案及子群的历史最优方案和全局最优方案；
S44、当达到设定迭代次数时，对施工方案种群进行扰动，同时对子群的全局最优施工方案进行扩张变异；
S45、更新子群的搜索方向和施工方案、每个施工方案及子群最优施工方案；
S46、从三个子群的全局最优施工方案中选取整个种群的全局最优施工方案；
S47、检查是否满足终止条件，若不满足，则执行S44的步骤，若满足，则执行S48的步骤；
S48、根据选择的全局最优施工方案，利用优化方案BIM模型进行施工过程模拟，判断施工方案是否可行性；
S49、根据模拟结果判断施工方案是否满足要求，若不满足，则执行S44的步骤，重新选择施工方案，若满足，结束迭代，输出最终施工方案。
7.根据权利要求6所述的一种基于BIM技术的机电施工方法，其特征在于，所述对施工方案设计进行定义，同时确定种群规模和最大迭代次数包括以下步骤：
S411、对于施工方案设计，定义优化问题的目标和约束条件，其中，所述优化目标至少包括施工成本最小、施工速度最快和施工质量最高，所述约束条件至少包括人力、物资、设备、环保和安全；
S412、根据优化问题的复杂性和计算资源，确定施工方案的种群规模；
S413、根据优化问题的复杂性、计算资源和优化目标，设定基于多种群动态协同的多目标粒子群优化算法的最大迭代次数。
8.根据权利要求6所述的一种基于BIM技术的机电施工方法，其特征在于，所述当达到设定迭代次数时，对施工方案种群进行扰动，同时对子群的全局最优施工方案进行扩张变异包括以下步骤：
S441、检查当前迭代次数是否达到预设的扰动间隔，若达到，则执行S442的步骤，若未到达，则执行S445的步骤；
S442、对施工方案种群中的每个个体施工方案进行扰动操作，产生扰动后的新施工方案取代原方案；
S443、对三个子群的最优施工方案进行扩张变异；
S444、将扰动和扩张变异产生的新施工方案纳入种群，并重新评价种群中每个施工方案的适应度，选择新产生的方案中最优的作为新的全局最优方案；
S445、更新每个子群的最优施工方案；
S446、更新迭代次数，并返回S445的步骤，继续更新种群。
9.根据权利要求6所述的一种基于BIM技术的机电施工方法，其特征在于，所述根据选择的全局最优施工方案，利用优化方案BIM模型进行施工过程模拟，判断施工方案是否可行性包括以下步骤：
S481、将设计得出的全局最优施工方案导入到优化方案BIM模型中；
S482、根据施工方案，设定施工过程中各步骤的顺序信息、时间信息和资源信息，并搭建出施工进度表；
S483、根据施工进度表中顺序信息、时间信息和资源信息，确定每个施工活动所需的资源，所述资源至少包括人力、设备和材料；
S484、启动模拟功能，根据设置好的施工序列和资源，进行施工过程的模拟，通过三维模型反馈实时施工的形象展示；
S485、分析模拟结果，判断是否存在时间延迟、资源冲突或其他可能影响施工的问题；
S486、基于模拟结果和实际施工条件进行全局最优施工方案的可行性判断。
10.一种基于BIM技术的机电施工系统，用于实现权利要求1-9中任一项所述的基于BIM技术的机电施工方法，其特征在于，该系统包括：现状建模模块、设计意图解析模块、冲突检测与方案优化模块、施工过程模拟模块及最终施工方案制定模块；
所述现状建模模块通过所述设计意图解析模块与所述冲突检测与方案优化模块连接，所述冲突检测与方案优化模块通过所述施工过程模拟模块与所述最终施工方案制定模块连接；
所述现状建模模块，用于整理施工图纸，通过绘图软件CAD对各施工图纸建筑物及管线信息进行三维建模，并将三维模型整合为现状BIM模型；
所述设计意图解析模块，用于获取机电工程的设计要求文本信息，利用自然语言处理技术进行解析，并将解析的结果添加入现状BIM模型，得到设计意图BIM模型；
所述冲突检测与方案优化模块，用于利用知识图谱对设计意图BIM模型进行冲突检测，得到优化方案BIM模型；
所述施工过程模拟模块，用于根据优化方案BIM模型，设计不同的施工方案，并利用基于多种群动态协同的多目标粒子群优化算法进行施工过程模拟；
所述最终施工方案制定模块，用于获取模拟的结果，制定最终施工方案，并进行施工。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311157211.1A CN116882038B (zh) | 2023-09-08 | 2023-09-08 | 一种基于bim技术的机电施工方法及系统 |
| CN202311539570.3A CN117454492A (zh) | 2023-09-08 | 2023-09-08 | 一种基于bim技术的机电施工方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311157211.1A CN116882038B (zh) | 2023-09-08 | 2023-09-08 | 一种基于bim技术的机电施工方法及系统 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311539570.3A Division CN117454492A (zh) | 2023-09-08 | 2023-09-08 | 一种基于bim技术的机电施工方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116882038A true CN116882038A (zh) | 2023-10-13 |
| CN116882038B CN116882038B (zh) | 2023-12-12 |
Family
ID=88268484
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311539570.3A Pending CN117454492A (zh) | 2023-09-08 | 2023-09-08 | 一种基于bim技术的机电施工方法及系统 |
| CN202311157211.1A Active CN116882038B (zh) | 2023-09-08 | 2023-09-08 | 一种基于bim技术的机电施工方法及系统 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311539570.3A Pending CN117454492A (zh) | 2023-09-08 | 2023-09-08 | 一种基于bim技术的机电施工方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN117454492A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117113521A (zh) * | 2023-10-25 | 2023-11-24 | 中国建筑第六工程局有限公司 | 一种基于bim技术的pc构件布置方法及系统 |
| CN117726054A (zh) * | 2024-02-18 | 2024-03-19 | 深圳大学 | 一种建筑方案优化方法、终端及可读存储介质 |
| CN117973947A (zh) * | 2024-04-01 | 2024-05-03 | 国网山东省电力公司宁津县供电公司 | 一种配电网工程施工工艺标准化验收方法及系统 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117853076A (zh) * | 2024-03-07 | 2024-04-09 | 广州珠江装修工程有限公司 | 一种基于bim的墙体施工管理方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105868440A (zh) * | 2016-03-21 | 2016-08-17 | 扬州大学 | 一种基于bim技术的建设工程数据建模方法 |
| CN106202723A (zh) * | 2016-07-10 | 2016-12-07 | 北京工业大学 | 一种bim地铁施工方法 |
| CN108647753A (zh) * | 2018-05-04 | 2018-10-12 | 桂林电子科技大学 | 一种基于bim和rfid技术的施工现场风险预警方法 |
| CN113656879A (zh) * | 2021-08-26 | 2021-11-16 | 滨州职业学院 | 基于bim的幕墙工程精细化施工方法、系统、终端、介质 |
-
2023
- 2023-09-08 CN CN202311539570.3A patent/CN117454492A/zh active Pending
- 2023-09-08 CN CN202311157211.1A patent/CN116882038B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105868440A (zh) * | 2016-03-21 | 2016-08-17 | 扬州大学 | 一种基于bim技术的建设工程数据建模方法 |
| CN106202723A (zh) * | 2016-07-10 | 2016-12-07 | 北京工业大学 | 一种bim地铁施工方法 |
| CN108647753A (zh) * | 2018-05-04 | 2018-10-12 | 桂林电子科技大学 | 一种基于bim和rfid技术的施工现场风险预警方法 |
| CN113656879A (zh) * | 2021-08-26 | 2021-11-16 | 滨州职业学院 | 基于bim的幕墙工程精细化施工方法、系统、终端、介质 |
Non-Patent Citations (1)
| Title |
|---|
| 原媛等: "基于BIM 技术的高桩码头施工进度优化", 水运工程, no. 6 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117113521A (zh) * | 2023-10-25 | 2023-11-24 | 中国建筑第六工程局有限公司 | 一种基于bim技术的pc构件布置方法及系统 |
| CN117113521B (zh) * | 2023-10-25 | 2024-01-26 | 中国建筑第六工程局有限公司 | 一种基于bim技术的pc构件布置方法及系统 |
| CN117726054A (zh) * | 2024-02-18 | 2024-03-19 | 深圳大学 | 一种建筑方案优化方法、终端及可读存储介质 |
| CN117973947A (zh) * | 2024-04-01 | 2024-05-03 | 国网山东省电力公司宁津县供电公司 | 一种配电网工程施工工艺标准化验收方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116882038B (zh) | 2023-12-12 |
| CN117454492A (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116882038B (zh) | 一种基于bim技术的机电施工方法及系统 | |
| Pan et al. | Integrating BIM and AI for smart construction management: Current status and future directions | |
| Chen et al. | Construction automation: Research areas, industry concerns and suggestions for advancement | |
| US11328102B2 (en) | Digital design tools for building construction | |
| US20200364389A1 (en) | Generating integrated circuit floorplans using neural networks | |
| Santos et al. | Bibliometric analysis and review of Building Information Modelling literature published between 2005 and 2015 | |
| Preis et al. | Efficient hydraulic state estimation technique using reduced models of urban water networks | |
| CN108897969B (zh) | 一种基于bim的设施维护自动调度的方法 | |
| Davila Delgado et al. | Big data analytics system for costing power transmission projects | |
| Ahmad et al. | BIM-based iterative tool for sustainable building design: A conceptual framework | |
| Ashour | Optimizing creatively in multi-objective optimization | |
| Sangireddy et al. | Development of a surrogate model by extracting top characteristic feature vectors for building energy prediction | |
| Rafiq et al. | Building information modeling steered by evolutionary computing | |
| Jiang et al. | Semantic enrichment for BIM: Enabling technologies and applications | |
| CN115775116A (zh) | 基于bim的路桥工程管理方法及系统 | |
| US20190005169A1 (en) | Dynamic Design of Complex System-of-Systems for Planning and Adaptation to Unplanned Scenarios | |
| CN109588054A (zh) | 使用分布式模拟引擎对具有大型复杂数据集的系统的精确且详细的建模 | |
| Gourlis et al. | A holistic digital twin simulation framework for industrial facilities: BIM-based data acquisition for building energy modeling | |
| Li et al. | Combining physical approaches with deep learning techniques for urban building energy modeling: A comprehensive review and future research prospects | |
| Wen et al. | A data-driven approach to improve the operation and maintenance management of large public buildings | |
| Lilis et al. | District-aware Building Energy Performance simulation model generation from GIS and BIM data | |
| Lila et al. | Predicting solar radiation with Artificial Neural Network based on urban geometrical classification | |
| Lilis et al. | Simulation model generation combining IFC and CityGML data | |
| Hatami et al. | Applicability of Artificial Intelligence (AI) Methods to Construction Manufacturing: A Literature Review | |
| Cao et al. | Module library development via graph mining |
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 |