一种智能化体育场索网结构施工管理方法及装置与流程

1.本发明涉及建筑信息技术领域，具体而言，涉及一种智能化体育场索网结构施工管理方法及装置。


背景技术：

2.当前智能技术创新发展格局中，工程施工行业已经从过去的劳动力与能源依赖生产方式向以数据和信息集成为核心驱动力的现代化工程建造方式转变，其中，bim(building information modeling，建筑信息模型)是以建筑工程项目的各项相关信息数据作为模型的基础，进行建筑模型的建立，在国内外建设工程领域中的应用如火如荼。
3.传统的体育场索网结构施工过程中，bim模型的准确性受多方面因素的影响，且bim模型仅能对施工过程及结果进行模型展示。在施工过程中可能存在许多因素(如天气、自然灾害和人为影响)导致出现施工事故，仅靠bim模型无法避免，其严重影响施工场地及工作人员的安全，进而影响施工质量，可能造成不必要的设备损失或人员伤亡，增加了施工成本、降低生产效率。


技术实现要素：

4.本发明解决的问题是如何提高体育场索网结构施工的安全性，保证施工质量。
5.为解决上述问题，本发明提供一种智能化体育场索网结构施工管理方法及装置。
6.第一方面，本发明提供了一种智能化体育场索网结构施工管理方法，包括：
7.生成与索网结构对应的数字模型，其中，所述数字模型包括bim模型以及对应的有限元模型；
8.根据所述bim模型确定测点位置，并根据所述有限元模型进行所述索网结构施工过程的安全风险状况模拟；
9.获取来自所述测点位置的具有时间序列特征的实时传感数据，其中，所述实时传感数据反映所述索网结构施工过程中的多种要素；
10.利用人工智能对所述实时传感数据进行深度挖掘并进行预测，判断是否满足所述索网结构的施工安全要求。
11.可选地，所述生成与索网结构对应的数字模型包括：
12.通过所述bim模型生成有限元模型信息存储文件和工业基类标准文件；
13.根据所述有限元模型信息存储文件和所述工业基类标准文件生成所述有限元模型。
14.可选地，所述根据所述有限元模型进行所述索网结构施工过程的安全风险状况模拟包括：
15.根据所述有限元模型进行安全风险状况模拟，其中，所述安全风险状况模拟包括所述索网结构施工过程的拉索预应力张拉模拟、拉索断裂模拟、支座安装误差模拟、突发极端荷载变化模拟、索夹滑移影响模拟以及人为因素误操作模拟；
16.根据模拟分析结果，结合施工安全标准和前期项目知识，确定安全风险等级和对应的预警阈值。
17.可选地，所述获取来自所述测点位置的具有时间序列特征的实时传感数据包括：
18.通过物联网技术获取来自所述测点位置的多源异构形式的所述实时传感数据，所述实时传感数据包括施工机具信息、索网结构安全信息和施工现场环境信息。
19.可选地，所述利用人工智能对所述实时传感数据进行深度挖掘并进行预测，判断是否满足所述索网结构的施工安全要求包括：
20.对所述实时传感数据进行预处理；
21.根据预处理的所述实时传感数据更新所述bim模型。
22.可选地，所述利用人工智能对所述实时传感数据进行深度挖掘并进行预测，判断是否满足所述索网结构的施工安全要求还包括：
23.基于人工智能对预处理的具有时间序列特征的所述实时传感数据进行深度挖掘，获得预测值；
24.将所述预测值或所述实时传感数据与所述安全风险等级对应的所述预警阈值进行对比，根据对比结果判断是否满足所述索网结构的施工安全要求。
25.可选地，所述利用人工智能对所述实时传感数据进行深度挖掘并进行预测，判断是否满足所述索网结构的施工安全要求还包括：
26.收集所述索网结构施工过程中的结构安全问题信息，并构建数据库；
27.将人工智能预测结果与所述数据库中的所述结构安全问题信息和所述理论规范进行比对分析，根据比对结果对安全问题进行预判；
28.若存在所述安全问题，则发出预警信息。
29.第二方面，本发明提供了一种智能化体育场索网结构施工管理装置，包括：
30.生成模块，用于生成与索网结构对应的数字模型，其中，所述数字模型包括bim模型以及对应的有限元模型；
31.模拟模块，用于根据所述bim模型确定测点位置，并根据所述有限元模型进行所述索网结构施工过程的安全风险状况模拟；
32.获取模块，用于获取来自所述测点位置的具有时间序列特征的实时传感数据，其中，所述实时传感数据反映所述索网结构施工过程中的多种要素；
33.处理模块，用于利用人工智能对所述实时传感数据进行深度挖掘并进行预测，判断是否满足所述索网结构的施工安全要求。
34.第三方面，本发明提供了一种电子设备，包括存储器和处理器；
35.所述存储器，用于存储计算机程序；
36.所述处理器，用于当执行所述计算机程序时，实现如上所述的智能化体育场索网结构施工管理方法。
37.第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被处理器执行时，实现如上所述的智能化体育场索网结构施工管理方法。
38.本发明的智能化体育场索网结构施工管理方法及装置的有益效果是：生成与索网结构对应的数字模型，其中，所述数字模型包括bim模型以及对应的有限元模型，可利用bim模型可视化等优点进行施工过程展示及分析，有限元模型则可对施工过程中的风险状况进
行分析模拟；根据所述bim模型确定测点位置，利用bim模型，确定较为合适的数据测量点，可以获取更准确的施工过程监控数据；获取来自所述测点位置的实时传感数据，其中，所述实时传感数据反映所述索网结构施工过程中的多种要素，实时获取多种要素的传感数据，可以从多方面对传感数据进行分析模拟，有效对各种影响数据进行了监控，增加了施工过程的安全性；利用有限元模型可以进行施工风险模拟，从而可建立例如相应的安全风险等级和对应的预警阈值；可采用人工智能对实时获取的传感数据进行深度挖掘并进行预测，可结合上述预警阈值，提前预知施工现场可能发生的安全事故，确保工作人员及时发现并处理施工问题，避免造成不必要的损失和人员伤亡，大大提高了施工过程的安全性，保证施工质量，降低了生产成本的同时，提高了生产效率，实现了对体育场索网结构施工的智能化管理。
附图说明
39.图1为本发明实施例的智能化体育场索网结构施工管理方法的流程示意图；
40.图2为本发明实施例的智能化体育场索网结构施工管理装置的结构示意图。
具体实施方式
41.为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。虽然附图中显示了本发明的某些实施例，然而应当理解的是，本发明可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是，本发明的附图及实施例仅用于示例性作用，并非用于限制本发明的保护范围。
42.应当理解，本发明的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本发明的范围在此方面不受限制。
43.如图1所示，本发明实施例的一种智能化体育场索网结构施工管理方法包括：
44.步骤s1、生成与索网结构对应的数字模型，其中，所述数字模型包括bim模型以及对应的有限元模型。
45.具体地，可根据实际体育场工程和初始数据建立初始bim模型，并收集体育场索网结构施工过程相关资料和调研数据，最终建立起高精准度的bim模型。bim模型可以建立包含完整信息的建筑三维立体模型，从而对建筑工程的施工过程进行模拟仿真与优化管理，但是无法进行结构分析。传统有限元分析软件在建模能力上比较薄弱，为发挥bim软件强大的建模能力，因此将bim和有限元分析结合应用，基于bim模型的相关数据建立有限元模型，以实现索网结构的模态分析、动力分析等。
46.步骤s2、根据所述bim模型确定测点位置，并根据所述有限元模型进行所述索网结构施工过程的安全风险状况模拟。
47.具体地，利用bim模型可视化的优点，选取体育场索网结构中的最佳测点位置或优选测点位置，并在测点位置上安装智能化检测设备，如传感器，实时获取对应的传感数据。并利用有限元模型的模拟特点，可对例如应力、应变和位移等索网结构参数进行有效模拟。
48.步骤s3、获取来自所述测点位置的具有时间序列特征的实时传感数据，其中，所述
实时传感数据反映所述索网结构施工过程中的多种要素。
49.具体地，索网结构施工过程中的多种要素通常包括设备、结构和环境等要素，传感数据为与上述各要素对应的具有时间序列特征的多源数据。
50.步骤s4、利用人工智能对所述实时传感数据进行深度挖掘并进行预测，判断是否满足所述索网结构的施工安全要求。
51.具体地，可将智能传感器实时获取的传感数据传输至bim云平台的数字模型，对数字模型中监测数据进行实时更新，同时利用有限元模型进行风险分析模拟，并根据模拟分析结果，结合施工安全标准和前期项目知识，建立相应的安全风险等级和对应的预警阈值。利用人工智能算法对实时传感数据进行深度挖掘，得出预测值，通过将预测值与安全风险预警阈值对比，判断是否符合本实施例体育场索网结构的施工要求，施工过程是否存在安全风险。
52.本实施例中，生成与索网结构对应的数字模型，其中，所述数字模型包括bim模型以及对应的有限元模型，可利用bim模型可视化等优点进行施工过程展示及分析，有限元模型则可对施工过程中的风险状况进行分析模拟；根据所述bim模型确定测点位置，利用bim模型，确定较为合适的数据测量点，可以获取更准确的施工过程监控数据；获取来自所述测点位置的实时传感数据，其中，所述实时传感数据反映所述索网结构施工过程中的多种要素，实时获取多种要素的传感数据，可以从多方面对传感数据进行分析模拟，有效对各种影响数据进行了监控，增加了施工过程的安全性；利用有限元模型可以进行施工风险模拟，从而可建立例如相应的安全风险等级和对应的预警阈值；可采用人工智能对实时获取的传感数据进行深度挖掘并进行预测，可结合上述预警阈值，提前预知施工现场可能发生的安全事故，确保工作人员及时发现并处理施工问题，避免造成不必要的损失和人员伤亡，大大提高了施工过程的安全性，保证施工质量，降低了生产成本的同时，提高了生产效率，实现了对体育场索网结构施工的智能化管理。
53.可选地，所述生成与索网结构对应的数字模型包括：
54.根据所述bim模型生成有限元分析模型信息存储(feam)文件和工业基类标准(ifc)文件；根据所述有限元分析模型信息存储文件和上述工业基类标准文件生成所述有限元模型。
55.具体地，首先，定义有限元分析模型信息存储文件，其主要包含模型关键点信息、模型关键线信息、模型关键面信息以及分别针对“点信息”、“线信息”及“面模型”的结构属性信息。
56.其次，以revit软件为例，将有限元模型所需求的信息导出feam文件。而在有限元分析软件中(如ansys、midas等)，首先将ifc文件导入，获取体育场索网结构基本信息及三维立体模型，然后通过接口将feam文件导入，实现有限元分析，以获取体育场索网结构的模态分析结果、动力分析结果等。
57.在本实施例中，通过bim模型可建立包含完整信息的体育场索网结构三维立体模型，对建筑工程的施工过程进行模拟仿真与优化管理。通过bim模型生成feam文件和ifc文件，生成有限元模型，利用有限元软件实现有限元建模和结构分析，可以有效获取体育场索网结构施工过程中的分析结果。并根据分析结果，结合施工安全标准和前期项目知识，建立相应的安全风险等级和对应的预警阈值，保证施工安全和工程质量。
58.可选地，所述根据所述有限元模型进行所述索网结构施工过程的安全风险状况模拟包括：
59.根据所述有限元模型进行安全风险状况模拟，其中，所述安全风险状况模拟包括所述索网结构施工过程的拉索预应力张拉模拟、拉索断裂模拟、支座安装误差模拟、突发极端荷载变化模拟、索夹滑移影响模拟以及人为因素误操作模拟；
60.根据模拟分析结果，结合施工安全标准和前期项目知识，确定安全风险等级和对应的预警阈值。
61.具体地，利用有限元模型对索网结构施工过程进行安全风险状况模拟，包括拉索预应力张拉模拟、拉索断裂模拟、支座安装误差模拟、突发极端荷载变化模拟、索夹滑移影响模拟以及人为因素误操作模拟等，获取风险数据，通过结合相应专家知识和经验理论，建立相应的安全风险等级和对应的预警阈值，并保存至bim云平台。例如，对于拉索应力，可基于有限元模型进行预应力张拉模拟，得到三个级别的安全风险等级和对应的预警阈值，三者逐级增大。若后续检测值或预测值达到第一等级对应的预警阈值，则可给出例如黄色预警，达到第二等级对应的预警阈值，则可给出例如橙色预警，达到第三等级对应的预警阈值，则可给出例如红色预警。
62.本实施例中，通过有限元模型对安全风险状况进行模拟，得出相应的安全风险等级和对应的预警阈值，实现了对体育场索网结构施工安全状态的等级划分，有效提高了施工现场的安全性，保证施工质量。
63.可选地，所述获取来自所述测点位置的具有时间序列特征的实时传感数据包括：
64.通过物联网技术获取来自所述测点位置的多源异构形式的所述实时传感数据，所述实时传感数据包括施工机具信息、索网结构信息和施工现场环境信息。
65.具体地，在测点位置布置与所采数据对应的传感器，如压力传感器、振弦式应力应变传感器、全站仪和三维激光扫描仪等设备，获取施工机具信息、索网结构信息和施工现场环境信息，组成的多源异构形式的传感数据，具体包括根据施工过程中需要测定的关键部位构件的内力、节点位置，利用压力传感器测量拉索索力，利用振弦式应力应变传感器测量结构内力，利用全站仪测量结构关键构件的位移，利用三维激光扫描仪测量结构所有构件、节点的位移，利用智能传感器收集施工现场环境信息，如温度、湿度等，并将收集到的传感数据利用物联网技术传输至云端数据库进行数据分析。
66.其中，物联网技术包括5g技术、lora技术、wifi技术等无线传感技术，可以实现数据高效、实时、无损传输。
67.在本实施例中，对于体育场索网结构的施工，利用多种类传感器获取多源异构形式的传感数据，从多角度、多方面对施工过程进行监测，并采用物联网技术对传感数据进行传输，保证了传感数据传输的实时性和准确性，有益于建立准确的数字模型，对传感数据和施工过程进行实时精准分析和预测，提高工作效率，保障施工安全和质量。
68.可选地，所述利用人工智能对所述实时传感数据进行深度挖掘并进行预测，判断是否满足所述索网结构的施工安全要求包括：
69.对所述实时传感数据进行预处理；根据预处理的所述实时传感数据更新所述bim模型。
70.具体地，利用物联网技术可将各传感器获取的传感数据传输至云端数据库，此时
传感数据为原始数据，bim云平台对传感数据进行分析处理，将原始数据转化为格式相同的数据，便于智能化管理，同时，对传感数据进行去杂处理和关键数据提取，排除传感数据中噪声等杂质的影响，以获取准确可靠的具有时间序列特征的实时传感数据，反映索网结构施工过程中的结构安全信息。
71.本实施例中，对传感数据进行预处理，排除了杂质对数据的影响，并进行关键数据的筛选，实现获取准确可靠的具有时间序列特征的实时传感数据，同时将其存储在bim云平台中，并在bim云平台中实时可视化，反映体育场索网结构的施工过程结构安全信息，避免出现结构安全问题，保证施工质量，提升施工安全。
72.可选地，所述利用人工智能对所述实时传感数据进行深度挖掘并进行预测，判断是否满足所述索网结构的施工安全要求还包括：
73.基于人工智能对预处理的具有时间序列特征的所述实时传感数据进行深度挖掘，获得预测值；
74.将所述预测值或所述实时传感数据与所述安全风险等级对应的所述预警阈值进行对比，根据对比结果判断是否满足所述索网结构的施工安全要求。
75.具体地，bim云平台可调取人工智能算法对与预处理后的实时传感数据进行计算，主要对关键数据进行计算，例如，张拉机具状态(功率、重量、速度、加速度、当前运作参数等)、拉索状态(拉索应力、应变、挠度等)、工况状态(温度、风压等)。其中，人工智能算法包括bp神经网络算法、长短期记忆神经网络算法和卷积神经网络等。由于人工智能算法在具有时间序列特性的监测数据挖掘和预测方面具有良好的性能，并通过已建立的安全等级和对应的预警阈值，可对体育场索网结构施工过程进行智能化分析，对安全状态进行预测。bim云平台通过利用人工智能算法挖掘具有时间序列的传感器监测数据，得出预测值。通过将实时监测数据、预测值与预警阈值进行对比，即可判断索网结构的施工安全状态，例如，当索网结构拉索预应力张拉施工过程中发生人为因素误操作，传感器采集到的拉索索力信息可传输至bim云平台中，通过将索力信息与有限元模拟获得的预警阈值数据进行对比，即可得出张拉施工过程中拉索是否处于安全状态。
76.本实施例中，采用人工智能对关键数据进行分析预测，可以获取后续施工预测数据，便于工作人员对施工过程的监控，实现对所述索网结构施工过程中的安全状态进行智能化评估。例如，通过采用振弦式应变传感器监测索网结构拉索索力信息，并定期采集监测值。然后将返回的时间序列数据存储到mysql数据库中。bim云平台通过调用各类人工智能算法进行数据挖掘和预测，得出预测值。而在监测过程中，bim云平台通过读取实时监控数据和预测值，然后将数据与预先设定的阈值区间进行比较。无论实际监控值或者预测值，只要其中一个超过阈值，就会发出不同级别的警告。实际监测值以实际发生情况为准。预测值为人工智能算法模型计算值。通过应用人工智能算法挖掘监测数据，可以实现提前预警，可以及时对施工方案进行更改，避免出现设备损失、人员伤亡或增加施工成本的情况。在保障施工安全的同时，保证施工质量，提升了施工效率、降低生产成本。
77.可选地，所述利用人工智能对所述实时传感数据进行深度挖掘并进行预测，判断是否满足所述索网结构的施工安全要求还包括：
78.收集所述索网结构施工过程中的结构安全信息，并构建具有时间序列特征的数据库；采用人工智能算法进行数据挖掘得出预测值，通过将实时监测数据、预测数据与安全等
级的阈值数据进行对比分析，即可判断索网结构的施工安全状态；若存在所述施工安全问题，则发出相应等级的预警信息，并可生成相应解决方案。
79.具体地，收集以往索网结构施工过程中出现的结构安全问题及相关数据，以及对应的解决方案，并存储至数据库中，利用人工智能算法对关键数据进行深度挖掘。例如，采用人工智能算法实现张拉过程的拉索索力和关键节点位移的预测，并将预测结果与数据库中的相关数据和索网结构施工过程理论规范进行对比分析，若预测结果与结构安全问题相关数据相同或相似，或与理论规范差距较大，则判定施工状态存在危险，向工作人员发出预警，并根据经验生成对应的解决方案，辅助工作人员进行处理，若预测结果与结构安全问题相关数据不同，或与理论规范差距较小，则判定施工状态正常，不存在危险，可以继续进行施工，其中，实时更新结构安全问题数据库，便于人工智能进行分析评估。
80.在本实施例中，基于人工智能的对关键数据进行预判，根据以往的经验问题、处理方案和理论规范对预判结果进行评估，根据评估结果生成危险预警和解决方案，提高了施工过程的安全性，保证施工质量。
81.如图2所示，本发明另一实施例的一种智能化体育场索网结构施工管理装置包括：
82.生成模块，用于生成与索网结构对应的数字模型，其中，所述数字模型包括bim模型以及对应的有限元模型；
83.模拟模块，用于根据所述bim模型确定测点位置，并根据所述有限元模型进行所述索网结构施工过程的安全风险状况模拟；
84.获取模块，用于获取来自所述测点位置的具有时间序列特征的实时传感数据，其中，所述实时传感数据反映所述索网结构施工过程中的多种要素；
85.处理模块，用于利用人工智能对所述实时传感数据进行深度挖掘并进行预测，判断是否满足所述索网结构的施工安全要求。
86.本发明实施例所述的智能化体育场索网结构施工管理装置与上述智能化体育场索网结构施工管理方法的有益效果相近似，在此不再进行赘述。
87.本发明又一实施例的一种电子设备包括存储有计算机程序的计算机可读存储介质和处理器，所述计算机程序被所述处理器读取并运行时，实现如上所述的智能化体育场索网结构施工管理方法。
88.其中，该电子设备可为服务器、智能终端等计算机设备。
89.本发明实施例所述电子设备的与上述智能化体育场索网结构施工管理装置及智能化体育场索网结构施工管理方法的有益效果相近似，在此不再进行赘述。
90.本发明实施例又一实施例的一种计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时，实现如上所述的智能化体育场索网结构施工管理方法。
91.本发明实施例所述的计算机可读存储介质与上述智能化体育场索网结构施工管理方法的有益效果相近似，在此不再进行赘述。
92.一般来说，用于实现本发明方法的计算机指令的可以采用一个或多个计算机可读的存储介质的任意组合来承载。非临时性计算机可读存储介质可以包括任何计算机可读介质，除了临时性地传播中的信号本身。
93.计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非
穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
94.可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言，特别是可以使用适于神经网络计算的python语言和基于tensorflow、pytorch等平台框架。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
95.虽然本公开披露如上，但本公开的保护范围并非仅限于此。本领域技术人员在不脱离本公开的精神和范围的前提下，可进行各种变更与修改，这些变更与修改均将落入本发明的保护范围。