【技术实现步骤摘要】
本专利技术涉及建筑模型管理，尤其涉及建筑信息模型管理系统。
技术介绍
1、建筑模型管理
关注的是如何利用数字信息处理技术，管理建筑项目的设计、建造、运维等各个生命周期阶段的信息。通过构建一个三维的数字化模型，该模型不仅包含了建筑物的几何形状，还整合了与建筑物相关的时间（如项目时间表）、成本、材料、结构分析、项目管理以及维护运营等信息。
2、其中，建筑信息模型管理系统的核心目的是通过集成和优化建筑项目中的信息流，来提升项目管理的效率和效果。这种系统可以帮助建筑师、工程师、建造商及项目管理者等多方面的专业人士共享和协同工作，确保项目信息的准确性和实时更新。其目的是为了降低设计与建造过程中的错误，减少成本和时间的浪费，同时提高建筑质量和项目的可持续性。
3、传统系统在动态信息更新和准确性方面显著落后。常规的建筑信息管理系统依赖手动数据输入，导致信息更新缓慢，难以精确反映建筑当前状态。信息的不实时更新会影响管理决策的及时性和准确性，进而增加维护成本和风险。例如，小问题因未被及时发现和解决，演变成严重的结构性问题，影响建筑安全和持久性。此外，缺乏高效的预测工具导致维护团队无法有效进行资源规划和预防措施，常处于被动应对状态，这不仅增加了紧急维护成本，也影响了建筑的正常使用和居住者的满意度。
技术实现思路
1、本专利技术的目的是解决现有技术中存在的缺点，而提出的建筑信息模型管理系统。
2、为了实现上述目的，本专利技术采用了如下技术方案：建筑信息模型管理系
3、状态监测模块基于历史维护日志，收集建筑组件的维护数据，筛选维护频率与故障类型关联数据点，将关联数据分类整理，生成状态分布图表，并从中得到状态关联数据；
4、概率计算模块采用所述状态关联数据，对每栋建筑状态包括正常运行、需要监控、即将故障的记录进行分类汇总，计算多类状态转变的次数，通过比例分析形成转移矩阵，得到转移概率表；
5、预测分析模块通过所述转移概率表，选取历史状态路径作为参考，利用维特比算法追踪预估的状态转变轨迹，预测下一阶段出现的故障类型和时间，并得到故障预测结果；
6、模型调整模块基于当前维护数据和所述故障预测结果，对现有的状态转移概率进行重新评估，调整概率值反映当前的维护情况和故障数据，通过动态更新，得到更新后的模型参数。
7、作为本专利技术的进一步方案，所述状态关联数据包括组件寿命、维护频次、故障类别，所述转移概率表包括转移频率、转移概率、状态分类，所述故障预测结果包括预测时间点、预测故障类型、预测可靠性，所述更新后的模型参数包括参数调整值、模型效能、调整周期。
8、作为本专利技术的进一步方案，所述状态监测模块包括：
9、建筑元素诊断子模块基于历史维护日志，分析建筑元素的维护数据，识别关键事件，提取影响参数，对维护数据进行分类，分析数据中的异常模式，得到筛选维护记录；
10、维护计划关联子模块基于所述筛选维护记录，分析维护事件与故障类型的直接联系，提取与故障关联的维护特征，分析故障发生频率与维护活动的相关性，确定关键维护指标，得到故障关联分析；
11、性能预测子模块基于所述故障关联分析，制定预测模型，分析故障与维护频率的相关性，绘制维护与故障的状态关联图表，得到状态关联数据。
12、作为本专利技术的进一步方案，所述概率计算模块包括：
13、状态分类子模块基于所述状态关联数据，筛选与建筑运行直接关联的变量，对关联变量执行分级排序，将建筑状态分为正常运行、需要监控、即将故障三类，生成状态分类汇总；
14、状态转变计数子模块基于所述状态分类汇总，采用马尔可夫链算法，进行对每类状态间的转变事件进行识别和计数，使用频次分析确定多状态间的转换次数，生成状态转变频次表；
15、转移概率表生成子模块基于所述状态转变频次表，通过概率计算，对转变频次进行标准化，计算多状态之间的转移概率，得到转移概率表。
16、作为本专利技术的进一步方案，所述马尔可夫链算法按照公式
17、；
18、计算加权状态转移概率矩阵，其中，为从状态转移到状态的观测次数，为从状态转移到任何状态的总次数，为基于历史数据和领域知识预设的平滑参数，为基于状态重要性的权重系数。
19、作为本专利技术的进一步方案，所述预测分析模块包括：
20、建筑模型数据整合子模块基于所述转移概率表，采用图神经网络技术，将历史建筑模型路径作为参考，进行数据匹配，并整合多源模型信息，生成模型整合视图；
21、建筑模型监控子模块通过所述模型整合视图，应用维特比算法追踪bim状态转变，进行状态分析，绘制路径变化图，生成状态监控结果；
22、建筑故障预测整合子模块采用所述状态监控结果，进行故障类型和时间的数据比较，分析潜在风险，预测故障点，生成故障预测结果。
23、作为本专利技术的进一步方案，所述图神经网络技术按照公式
24、；
25、其中，为节点在第层的特征向量，为节点的邻居节点集，为第层的权重矩阵，为第层的偏置项，为非线性激活函数，为权重调整系数，为常数偏置，为规避分母为零的小正数。
26、作为本专利技术的进一步方案，模型调整模块包括：
27、构件数据分析模块基于当前维护数据和故障预测结果，采用bim软件分析构件的使用频率和损耗模式，基于区域分辨故障，生成故障类型频率表；
28、状态概率更新模块通过故障类型频率表，通过施工阶段模拟每种故障类型的发生概率并进行重新计算，调整概率值以反映当前的使用和维护数据，得到调整后的概率表；
29、模型参数确认模块基于调整后的概率表，参照多类构件的维护记录和使用情况，更新和优化模型的运行参数，匹配当前建筑的维护需求，获取更新后的模型参数。
30、与现有技术相比，本专利技术的优点和积极效果在于：
31、本专利技术中，通过实时监测维护数据和历史故障记录，利用细致的数据分析和故障预测技术，这种方法极大提升了对建筑状态的准确把控。综合分析建筑状态，使得状态监测更为精确，同时，通过预测潜在问题，减少了紧急维修的需求和成本。通过前瞻性的维护规划，可以有效预见和准备资源，避免因故障导致的运营中断。动态调整模型参数，确保维护策略始终基于最新的运营数据，从而增强了建筑项目的可持续性和生命周期管理效率。
本文档来自技高网...【技术保护点】
1.建筑信息模型管理系统，其特征在于，所述系统包括：
2.根据权利要求1所述的建筑信息模型管理系统，其特征在于，所述状态关联数据包括组件寿命、维护频次、故障类别，所述转移概率表包括转移频率、转移概率、状态分类，所述故障预测结果包括预测时间点、预测故障类型、预测可靠性，所述更新后的模型参数包括参数调整值、模型效能、调整周期。
3.根据权利要求1所述的建筑信息模型管理系统，其特征在于，所述状态监测模块包括：
4.根据权利要求1所述的建筑信息模型管理系统，其特征在于，所述概率计算模块包括：
5.根据权利要求1所述的建筑信息模型管理系统，其特征在于，所述马尔可夫链算法按照公式
6.根据权利要求1所述的建筑信息模型管理系统，其特征在于，所述预测分析模块包括：
7.根据权利要求6所述的建筑信息模型管理系统，其特征在于，所述图神经网络技术按照公式
8.根据权利要求7所述的建筑信息模型管理系统，其特征在于，所述模型调整模块包括：
【技术特征摘要】
1.建筑信息模型管理系统，其特征在于，所述系统包括：
2.根据权利要求1所述的建筑信息模型管理系统，其特征在于，所述状态关联数据包括组件寿命、维护频次、故障类别，所述转移概率表包括转移频率、转移概率、状态分类，所述故障预测结果包括预测时间点、预测故障类型、预测可靠性，所述更新后的模型参数包括参数调整值、模型效能、调整周期。
3.根据权利要求1所述的建筑信息模型管理系统，其特征在于，所述状态监测模块包括：
4.根据权...
【专利技术属性】
技术研发人员：张蓓，李梁，姚亚峰，洪荣宝，刘洋，季京晨，
申请(专利权)人：南通职业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。