基于BIM技术的水电站施工进度监控系统设计
时间：2023-06-27 21:00:02 来源：雅意学习网 本文已影响 人 
陈咏悦
(广东六脉建设工程有限公司，广州 511340)
随着社会经济的快速推进，我国基础建筑行业蓬勃发展，建筑施工队伍不断壮大，对建筑公司的要求逐步提升。同时，计算机技术的发展对原始建筑工艺造成冲击。为了在激烈的建筑市场中占有一席之地，抓住机遇得到发展，大量建筑企业通过改变原有管理模式，提升单位内部的信息系统建设，将施工过程中的多环节管理系统整合为施工一体化集成管理系统，提升施工企业管理的现代化与智能化[1-2]。各企业根据本单位的实际要求，研发符合其发展要求的项目管理系统，采用现代项目管理技术作为核心技术，实现建筑项目的信息化管理。
目前，许多水电站基础设施施工企业已经安装水电站施工进度监控系统，但该系统的应用效果并未达到预期效果，系统整体的运行状态与可靠性不佳[3-4]。对该系统进行全面分析后可以确定，由于施工项目中信息量较大且类别较多，系统有效的数据存储空间以及分析技术无法支持其对水电站施工进度进行系统的监控与分析。
因此，本文使用BIM技术对当前系统进行完善与优化，提出基于BIM技术的水电站施工进度监控系统，以期该系统能够解决施工进度监管中的难题，提示施工进度监管精度与可靠性。
为将BIM技术应用到系统软件模块的研发中，需要对系统硬件性能进行完善与优化。经多轮对比后，系统硬件框架设定见图1。
图1 基于BIM技术的水电站施工进度监控系统硬件框架
在图1中，对原有系统中的中央控制器、施工进程采集设备以及通信接口进行优化，以保证施工进度信息采集结果的可靠性，且该部分信息可实时传输到系统的中央控制芯片中，完成信息处理，实现施工进度监控的实时性。
1.1 中央控制芯片优化设计
为缩小中央控制器在系统整体硬件结构中的占比，将中央控制芯片设定为嵌入式结构，在一定程度上缩小中央控制器开发板的尺寸。对比多种嵌入式芯片后，选择DSP芯片[5]作为该系统的中央控制器，该控制器专注于信号处理，具有较高的信号开发以及指令计算能力。在本次研究中，中央控制芯片的基本结构设定见图2。
图2 中央控制芯片基础结构
图2中，处理器为32位处理器，采用32bit内部总线结构，融合大量可进行图像处理的硬件加速器，支持多类型编码以及解码。根据当前移动通信要求，可对通信网络进行进一步优化，且存储器系统较为完善。同时，该中央控制器开发板支持NADA启动形式，以此提升控制器运行的稳定性与处理能力。在此开发板中，安装时钟模块及网口，支持系统程序调试与数据传输。
1.2 施工信息采集设备选型
在中央控制器优化设计完成后，根据中央控制器的图像处理水平，对施工信息采集设备进行二次选型，以此提升施工信息采集的可靠性。
本次施工信息设备设定为网络摄像机模块，该模块主要由3部分构成：①图像接收板；
②图像信息核心板；
③网络信息接口。
网络摄像机选择光学传感器，将图像数据转化为数据信号。由于该模块电压与系统中其他设备电压不一致，为保证该模块能在系统中正常运行，需要将系统的电压设定为3.5、1.2及3.3V。对比部分设备型号后，将该模块中增设重要组件：①供能芯片；
②Sensor开发板；
③网卡芯片；
④网卡变压器。
将上述器件与模块有序连接，完成施工信息采集模块的组建，将其作为系统的外部设备，以获取施工信息。
1.3 通信网口优化设计
在上述设备设计完成后，对系统的整体通信网口展开优化设计。本次设计中，为提升通信网口的数据存储能力，在该网络接口处增设存储器、USB接口以及1 000M以太网接口。同时，加工通信芯片设定为双片选支架结构。网络接口处设计DDR2存储器，该存储器直接连接中央控制芯片。为保证连接的稳定性，网络的部分关键电路连接形式设定见图3。
图3 通信网口关键电路
在本次设计中，将上述电路安装到网口电路结构中。结合系统的设计要求，将优化后的网络接口以及施工信息采集设备、中央控制芯片按照图1有序安装到系统硬件框架中。至此，系统硬件优化完成。
2.1 构建水电站BIM模型
在施工前，对施工过程中的相关参数进行采集与汇总，使用BIM技术对采集到的数据进行整理与分析，得到水电站BIM模型。
在模型构建过程中，涉及部分参数转换，需要将不同的参数整理到同一坐标系中。则坐标转化模型可整理为：
(1)
其中：ΔX、ΔY、ΔZ为坐标平移向量；
βX、βY、βZ为坐标旋转参数；
h为模型尺寸参数；
Y1、Z1、X1为原始坐标参数。
利用式(1)，构建水电站施工模型。为保证模型的应用效果，在模型构建完成后，对其进行降噪处理，以提升模型的应用效果，并将该模型作为水电站施工进度的参考条件。
2.2 实现水电站施工进度监控
在水电站施工模型构建完成后，采用神经网络算法，根据采集到的施工数据，对施工进度进行预测。具体预测过程如下：
将输入到神经网络中的施工数据设定为A，计算权值设定为k，隐含层阈值设定为o，此时神经网络输出向量可以表示为：
(2)
其中：gij为神经网络节点；
f为神经网络激活函数。
在式(2)计算结果的基础上，根据BIM模型得到该周期内的预测施工进程，则有：
(3)
在上述计算完成后，将其与实际施工环节进行对比，确定预测值与实测值的差异：
u=Q-V
(4)
其中：Q为实际施工工程所处环节。
根据式(4)可确实实际施工环节与预测施工环节的差距，确定当前工程的施工进度。在上述计算过程中，为避免不同量纲的数据对监控结果的影响，对原始数据进行归一化处理，则有：
(5)
式中：Cmax、Cmin分别为同一类型施工数据的最大值与最小值；
α、β为计算过程中需要的数值常量。
将上述计算内容融入到系统软件模块中，并将该软件架设在系统硬件设备上。至此，基于BIM技术的水电站施工进度监控系统设计完成。
针对上文中提出的基于BIM技术的水电站施工进度监控系统具有应用价值，在系统硬件与软件优化设计完成后，构建系统测试环节，对该系统的基本性能进行分析。
3.1 测试环境
为确定文中系统在不同的控制平台中均具有使用效果，将系统测试环境设定为两组不同的系统，分别为：①Windows平台：Windows 10；
②Linux平台：Red Hat Linux。
数据库系统：在上述两平台中分别安装My SQL 2016数据库，为系统测试提供数据库驱动。
网络服务器：在对当前多个施工单位与企业的网络框架进行分析后，将网络服务器设定为JDK、Tomcat融合的方式。
客户端：①操作系统：Windows 10、Windows 8；
②浏览器：IE8.0及以上。
将上述内容作为本次系统测试的基础，在该测试环境中完成单元测试以及集成测试，计算相应的测试结果，以便后续分析工作的实施。
3.2 系统测试指标
在对大量的系统测试案例进行分析后，确定本次系统测试评估指标。文中系统评估性能大致可分为3类，分别为：
1)系统的运行效率。对系统施工信息的处理功能、处理速度以及响应时间进行测定 ，确保其符合当前系统运行要求。为将该指标具象化分析，将其整合为CPU占用率，以获取该数据完成系统测试分析。
2)系统的可靠性。分析系统对施工信息分析的准确性，确定其可在信息中存在干扰的前提下完成施工进度的管理与控制，及时纠正错误信息。在本研究中，对系统得到的施工环节与实际施工环节进行对比，确定系统监控的可靠性。
3)系统的可维护性。在系统运行的过程中，保证其运行的稳定程度，避免出现被篡改的情况，不会受到外界的干扰，具有较强的应用性。
本次系统测试中，将上述3指标作为评定文中系统应用效果的衡量标准，并根据该指标设定合适的测试方案，以获取测试结果，完成分析过程。
3.3 系统测试方案
本次系统测试将首先对系统的硬件连接展开调试，确定系统基础功能符合系统设计要求。而后，对系统的基础性能进行测定。为保证系统测试的真实性，在测试的过程中，选择真实施工数据作为测试数据，获取有效测试结果。选定某施工期水电站作为测试数据来源，通过分析该数据，确定水电站施工阶段，并将其与真实进行的施工环节进行比对，得到系统监控结果的可靠性。本次系统测试中选定施工项目见图4。
图4 水电站施工项目工况
同时，在测试数据中增加干扰项目，确定文中系统不会受到数据干扰，可正常完成施工进度监控。对采集到的原始数据进行整理分析后，得到系统测试数据，见表1。
表1 测试数据统计表
将上述数据作为本次测试的数据来源，按照预设的系统测试评估指标，对文中系统的运行效果进行分析。在测试评估的过程中，注意计算结果的精准度，避免影响测试结果。
3.4 系统测试结果分析
3.4.1 系统硬件调试结果分析
在对系统硬件进行调试之后，得到系统基础功能测试结果。在本次系统测试中，将其划分为5项功能进行测定，具体结果见表2。
表2 系统功能测试结果
对上述测试结果进行分析可以确定，文中系统的硬件与软件优化后，具有稳定的运行效果，且可实现系统的设计目标。表2中，测试结果确定了文中系统具有可行性，在本次系统测试中可对其进行性能测试，确定系统优化设计的科学性。
3.4.2 系统软件性能结果分析
按照上文中设定的测试方案，获取文中系统的应用性能测试结果，见图5。
图5 系统CPU占用率测试结果
在进行测试前，通过文献分析得到当前系统CPU占用率的基础值控制在50%左右，系统中大量的资源用于数据整理与分析工作，导致系统运行稳定性较差。对图5中进行分析后可以看出，文中系统在数据量较大的环境中依旧可以稳定运行，且在数据整理分析过程中，所占用的CPU较少。由此可见，在系统中使用BIM技术在一定程度上降低数据的分析难度，根据预设的施工方案可快速进行数据整理与分析，降低系统运行负担，提升系统运行的稳定性。见表3。
表3 施工环节系统监测结果
对表3中测试结果进行分析可以确定，文中系统所得施工环节与实际施工环节基本一致，并未出现监测结果异常问题。由此可以确定，文中系统的分析能力以及监控可靠性较高。在该测试结果的基础上，可对系统的可维护性进行分析，结果见表4。
表4 数据干扰条件下施工环节系统监测结果
对表4中系统测试结果进行分析后可以确定，在数据干扰的情况下，文中系统依旧可以根据已有数据对施工项目的实时施工状态进行监控。根据上述测试结果可以确定，文中系统具有较强的稳定性与文中分析能力。对上述系统基础性能进行整合可以确定，文中系统的应用性能基本符合系统测试评估指标的要求。为此，可将其应用到实际工程的监控过程中。
近年来，随着人工智能技术的高速发展，水电站工程领域中，智慧建设概念被提出。其中，如何对水电站施工进度进行监控与管理一直是该领域研究的重点问题。根据相关的施工要求，本文构建了水电站施工进度监控系统，但该系统在使用过程中存在一系列应用问题有待解决。因此，本文应用BIM技术进行相应的性能优化。新系统在一定程度上解决了当前系统的应用问题，且通过系统测试确定该系统具有较高的运行稳定性。该系统主要针对施工数据的整理部分进行优化，并未对系统的其他性能进行完善，今后还需在不断的应用研究中，提升该系统的其他性能，确保系统的应用效果与日益提升的施工要求相适应。
猜你喜欢施工进度水电站芯片芯片会议环球时报(2022-09-29)2022-09-29里底水电站工程西北水电(2022年1期)2022-04-16建筑施工进度控制方法研究科学家(2022年3期)2022-04-11建筑工程施工进度控制与管理研究建材发展导向(2021年15期)2021-11-05白鹤滩水电站有多“牛”?金桥(2021年8期)2021-08-23电力工程的施工进度与安全管理浅探建材发展导向(2021年10期)2021-07-16关于射频前端芯片研发与管理模式的思考军民两用技术与产品(2021年12期)2021-03-09《水电站设计》2020年总目录水电站设计(2020年4期)2020-07-16浅谈建筑工程施工进度控制山东工业技术(2016年15期)2016-12-01多通道采样芯片ADS8556在光伏并网中的应用湖北工业大学学报(2016年5期)2016-02-27
