智能建造概论 课件 第3章 智能化系统关键基础技术

第3章

智能化系统关键基础技术3.1建筑信息模型3.2云边端数字通信与控制类技术3.3数据分析与挖掘3.4建筑机器人关键共性技术3.1建筑信息模型1.定义建筑信息模型（BuildingInformationModeling，BIM）在《建筑信息模型应用统一标准》GB/T51212—2016中的定义为：BIM是指在建设工程及设施全生命周期内，对其物理和功能特性进行数字化表达，并依此进行设计、施工、运营的过程和结果的总称。BIM的核心是信息，它集成建筑、结构、管线及设备等不同专业在工程设计、施工和运维阶段的全生命周期多维信息，并可实现建筑三维可视化、多方高效协作、施工模拟及可视化运营管理等多种功能。通过建筑全生命周期内的信息共享，BIM实现了对建筑详细的物理和功能特点的数字化呈现，同时作为信息可视化的载体，为智能建造过程与管理平台搭建了桥梁。BIM在智能建造中的应用主要体现在以下两个方面：（1）信息整合。（2）协同工作。2.特点BIM不仅能够表达几何信息(如尺寸),还能表达非几何信息(如构件名称、材料名称、施工时间、养护要求等)信息化。工业基础类(IndustryFoundationClasses,IFC)是一种开放、通用的BIM标准,能对建筑工程对象进行标准化数字描述。标准化。工程全生命周期的信息都可以在BIM模型中共享。协同共享。通过建立模型,BIM可以实现工程结构三维可视化;通过颜色区分,可以可视化表达不同材料;通过与数据库链接,可以实现基于BIM模型的数据可视化。可视化。工程结构通常由各个构件组成,而大部分构件通常具有相似的几何外形和信息描述,因此将通用构件信息参数化,通过控制关键参数即可实现构件快速建模和信息录入;构件之间通常具有内在约束关系,将约束关系通过参数表达,即可实现整体模型的参数驱动。参数化。3.典型应用场景在设计阶段，BIM可以用于整体设计、结构设计、机电设计、景观设计和能源分析等。具体来说，BIM可以帮助建筑师进行建筑物的三维模型设计和优化，包括外观、内部空间布局、材料和构造等；同时，也可以对建筑物的机电系统进行模拟和分析，以便更好地协调各个系统之间的交互作用，确保系统的可靠性和高效性。设计应用01在施工阶段，BIM可以用于为施工提供全方位的支持，包括施工模拟和优化、实时监测施工进度和质量等。通过将设计模型转化为施工模型，可以更好地规划施工过程和资源需求，减小误差，减少浪费。同时，BIM还可与监测系统相集成，实现对施工过程的实时监测和数据记录，以便及时发现问题并进行调整。施工应用02在运维阶段，BIM可以用于为建筑物的运维提供支持，包括设备、管道、电缆等位置和参数信息的提供、故障诊断和维修管理等。通过BIM可以将建筑物的模型和相关数据与运维系统相结合，从而更好地管理建筑物的设施和设备，并进行故障诊断和预防性维修。运维应用033.2云边端数字通信与控制类技术3.2.15G第五代移动通信技术（FifthGenerationMobileCommunicationTechnology，5G）是具有高速率、低时延和广连接等特点的新一代宽带移动通信技术。定义01国际电信联盟（ITU）定义了5G的三大应用场景，即增强移动宽带（eMBB）、超高可靠低时延通信（uRLLC）和海量机器类通信（mMTC）。典型应用场景03（1）高速率。（2）低时延。（3）广连接。特点023.2.2物联网01定义物联网（InternetofThings，IoT）是依托传感器、射频识别、定位系统、激光扫描等技术装备，实时采集目标对象或过程的全维度信息，通过异构网络互联，实现人与人、人与物、物与物的泛在连接，最终完成对物理实体及流程的智能化感知、识别和管理。物联网这个概念是1999年麻省理工学院Auto-ID中心的桑杰·萨尔马教授在研究射频识别技术（RFID）时最早提出来的。物联网技术在智能建造中起着感知、采集和传递数据的关键作用。02特点（1）数据感知。利用射频识别、二维码、智能传感器等感知设备获取建筑物体和过程的各类信息数据。（2）互联传输。利用专用网络与互联网相结合的方式，实时准确地传递建筑物体的信息，强调数据交互性。（3）智能处理。利用云计算、模糊识别、神经网络等智能计算技术，对建筑物体和过程的海量数据、信息进行分析处理，深入挖掘其可用价值。03典型应用场景（1）人员管理。

（4）环境与能源管理。（2）机械设备管理。

（5）质量监测。（3）工程材料管理。3.3.3自动调度与控制自动调度与控制是指利用信息技术，对建筑工程的各个环节进行智能化管理和优化。具体来说，自动调度与控制包括以下几个方面：（1）任务分配。（2）进度跟踪。（3）质量监控。（4）安全管理。（5）资源调配。定义01（1）定制化。定制化是指根据不同类型的项目（如住宅、商业、工业、公共设施等）的特定需求、条件、标准和风险，进行定制化的管理和优化。（2）智能化。智能化是指利用人工智能、物联网、云计算等先进的信息技术，对项目的各个环节进行智能化分析、决策、执行和监控，从而提高项目的效率和质量，降低项目的成本和风险。（3）多维化。多维化是指在关注项目的进度和质量的同时，还兼顾项目的安全性、资源效率、环境友好性等多个维度，以实现项目的可持续发展。特点02（1）楼宇自动控制系统。通过网络化方式对楼宇内的机电设备进行综合管理、调度、监视、操作和控制，提高楼宇的运行效率和安全性，节约能源和成本，提升楼宇的舒适度和智能化水平。（2）智能建造系统。利用数字化技术对建筑施工过程进行智能化的规划、设计、协调、执行和监督，以提高施工质量、效率和安全性，减少施工资源的浪费和风险。（3）智慧城市系统。利用信息通信技术对城市的基础设施、公共服务、社会治理等进行智能化的连接、感知、分析和优化，以提高城市的运行效率和服务水平，增强城市的活力和韧性。多维化应用场景033.3.4边缘计算定义根据边缘计算标准组织给出的定义：任何不是传统数据中心的计算节点都可以成为边缘计算节点。结合这一定义，边缘计算是指在靠近数据源头的一侧，采用集网络、计算、存储、应用核心能力为一体的开放平台，就近提供近端计算服务的服务模式。简单来说，边缘计算是指将终端设备采集的数据在靠近数据生成源的网络边缘侧进行实时处理和分析，无须将所有数据上传至云端数据中心的技术架构。01特点边缘计算呈现出6大特点：数据无须从边缘传输到中央位置，可显著提升响应速度；仅需要将少量数据传送到中央位置，有效降低存储与带宽成本；数据避免经由公用网络传输，安全性得到增强；大幅减少对云服务的依赖性；支持在数据产生的物理位置直接完成处理和分析数据；催生新的应用场景，如物联网、工业机器人、无人机、工业4.0和网联自动驾驶汽车等。02多维化应用场景凭借实时数据处理能力和低延迟特性，边缘计算成为物联网应用的理想技术方案。通过部署具备边缘计算能力的物联网网关，可在网络边缘节点就近提供设备管控服务，有效解决物联网“最后一公里”通信难题，实现终端设备的智能互联与集约化管理。如图3-1所示的边缘计算物联网架构（以工业物联网为例），其技术特性包括，多协议支持：兼容主流工业通信协议与物联接口标准；跨行业适配：覆盖制造业、能源等领域的设备连接场景；开放架构：采用边缘-云协同管理框架；智能处理：提供近源端的数据分析与决策能力；该架构通过分布式计算与集中式管理的有机结合，显著提升行业级边缘智能应用的部署效率。03图3-1边缘计算物联网架构3.3.4边缘计算物联网平台提供标准的开放接口，实现与不同合作伙伴的行业应用系统开放对接，构建起广泛的行业适应性，并可开发更多契合行业场景、深度定制化的物联网行业应用。在建筑业中，边缘计算的典型应用场景包括以下几个方面：（1）目标检测模型的开发和训练。（2）异常行为检测模型的开发和训练。（3）模型加速和监测系统的部署。3.3数据分析与挖掘数据分析与挖掘1.定义数据分析与挖掘是指从大量数据中提取有意义的信息和模式，通过应用统计学、机器学习和数据挖掘技术，对数据进行探索、转化和建模的过程。它涵盖了数据清洗、数据转换、特征提取、模式识别和预测建模等步骤，旨在发现数据中隐藏的见解、关联、趋势和预测能力，并将这些发现应用于问题解决、决策支持和业务优化。数据分析与挖掘帮助组织从数据中获得洞察，发现新的机会，并提供基于数据的科学依据，以推动创新、提高效率和取得竞争优势。2.特点（1）发现隐藏模式和趋势。通过对大量数据的探索和分析，发现其中的隐藏模式、趋势和关联。它可用于揭示数据中有价值的信息，帮助人们从数据中获得深入洞察，并做出更好的决策。（2）探索性分析。数据分析与挖掘是一种探索性的过程，用于发现未知的知识和新见解。通过对数据的探索和可视化统计分析，可以发现数据中的规律和规则，从而提供新的观点和假设，推动进一步的研究和发现。（3）综合多个数据源。整合来自多个数据源的数据，包括结构化数据和非结构化数据。通过整合多个数据源，可以获得更全面和综合的数据视角，帮助更好地理解数据背后的关系和现象。（4）非线性关联识别。识别和分析数据中的非线性关联关系。它不仅能够发现简单的线性关系，还能发现复杂的非线性关系，如交互效应、非线性趋势等，有助于更准确地理解数据中的相互作用和影响。数据分析与挖掘3.典型应用场景（1）质量分析与改进。通过对工程项目的质量数据进行分析与挖掘，系统可以识别潜在的质量问题和关键因素，并提供改进措施。例如，分析施工过程中的缺陷报告和质量检测数据，发现常见的质量问题及其原因，并制订相应的改进方案。（2）施工进度预测与优化。通过对历史工程项目数据和相关因素进行分析与挖掘，系统可以预测施工进度，并优化施工计划。例如，结合资源分配、施工方法、天气等因素的影响，通过建立模型和算法，预测工程项目的施工进度，并进行决策优化以降低延期风险。（3）成本分析与控制。通过对工程项目成本数据进行分析与挖掘，系统可以识别成本变化的模式和趋势，以及影响成本的关键因素。这有助于制定更精确的成本预测和控制策略，以降低成本风险并提高项目的经济效益。（4）设备维护与性能优化。对设备运行数据和维护记录进行分析与挖掘，可以助力设备的预测性维护和性能优化。例如，通过监测设备的工作状态和故障模式，预测设备故障的可能性，并制订合理的维护计划，以减少设备停机时间和提高设备可靠性。（5）工程风险评估与管理。通过对历史项目数据和风险因素进行分析与挖掘，系统可以识别潜在的工程风险和其影响程度。这有助于制定风险管理策略、评估风险等级，并采取适当的措施，降低风险对工程项目的不利影响。3.4建筑机器人关键共性技术3.4.1人机交互意图理解与协调控制人机交互（Human-RobotInteraction，HRI）是将工程学、机器人学、心理学、社会学、设计学等学科思想结合在一起，通过声音、手势、姿态、动作、触摸甚至情绪等表达方式，实现人与机器人进行信息传递和转换，目的在于消融智能系统间的通信和对话界线，使人与机器人的信息交流更加便捷和自然。定义01利用虚拟现实、人工智能、高速通信、网络计算等技术，建筑机器人可以实现“虚物实化”和“实物虚化”，消除物理对象和抽象对象、输入装置和输出装置在交互空间中的差别，提高人机交互的自然性。其特征体现在：（1）以用户为中心（Human-Centered）。（2）多模态（Multimodal）交互。（3）多媒体感知（MultimediaPerceptive）。特点02HRI是不同类型和层面技术的集成，使人与机器人交互更加自然，其典型应用主要体现在以下几个方面：（1）语音交互（Spech-BasedHRI）。

（5）可穿戴交互（WearableHRI）。

（2）笔迹交互（Pen-Based/CaligraphicHRI）。

（6）虚拟交互（VRHRI）。（3）视觉交互（Vision-basedHRI）。

（7）人脑交互（Brain-ComputerInteraction）。（4）情感交互（Affection-basedHRI）。典型应用场景033.4.2约束空间下的轨迹规划轨迹规划（TrajectoryPlanning）包括两个方面：对于移动机器人（MobileRobot）是指移动的路径轨迹规划（PathPlanning）。例如，机器人在有地图或没有地图的条件下，按什么样的路径轨迹来行走；对于工业机器人操作臂（Manipulator）则是指两个方向，一是机械臂末端行走的曲线轨迹，二是操作臂在运动过程中的位移、速度和加速度的曲线轮廓。约束包含了时刻（状态）的线性约束（起始点和终止点的位置、连续性、边界交点的框约束），以及连续性的线性约束。约束空间下的轨迹规划是指在复杂的建筑环境中，通过考虑约束条件（如建筑结构、设备布局等）进行路径规划和运动控制。定义01该技术要求建筑机器人能够根据建筑物的几何形状、障碍物的位置和约束条件，生成合适的轨迹以完成特定任务并避免碰撞或违反约束。其中，约束可分为硬约束和软约束。（1）硬约束。将所有的安全区都视为等价，同时解空间对噪声较为敏感。（2）软约束。环境会对优化的轨迹施加一个推力，在目标函数设计合理的情况下，软约束方法可以将轨迹优化到更合理的区域。特点02（1）室内导航和定位。（2）自动物料搬运。（3）建筑施工路径规划。（4）协作机器人操作。（5）室外建筑维护。典型应用场景033.4.3非稳定基础的精确作业定义建筑机器人非稳定基础的精确作业是指建筑机器人在面对不稳定或不规则基础条件下，能够执行精确的操作和定位的技术。这种技术要求建筑机器人能够适应并应对基础的不平坦、倾斜、不规则等情况，以实现精确的施工、维护、检测或其他任务。01特点建筑现场往往环境复杂，存在多种干扰因素，因此机器人必须具备复杂环境下稳定作业的能力。建筑机器人非稳定基础的精确作业相关技术要求建筑机器人通过传感器和控制系统实现对基础的实时感知和反馈，以保持稳定和精确的操作。（1）感知和定位能力。（2）稳定性和控制能力。（3）路径规划和避障。02典型应用场景（1）高空作业。建筑机器人可以在高空环境中进行精确定位和操作，如在高层建筑外墙进行清洁、维修或喷涂。（2）倾斜或不平坦地面作业。在不平坦或倾斜的地面上，建筑机器人可以进行精确的作业，例如在斜坡上进行土方工程、在悬崖边进行勘测和测量等。（3）水下作业。在水下环境中，建筑机器人可以执行精确作业，例如水下焊接、检测、修复等任务。（4）复杂地形勘测和施工。建筑机器人可以在复杂地形中进行精确的勘测和施工，例如山区或森林中的道路修复、地下管道的布置等。033.4.4数字孪生定义数字孪生是指通过数字化技术将实体物理系统或过程与其对应的虚拟模型进行实时关联和同步，以实现实时监测、预测和优化。数字孪生的核心概念是将物理世界的数据收集、传输和处理与计算机模型的建立、仿真和分析相结合，以实现对实体系统的全面理解和优化。通过数字孪生，可以实时获取物理系统的状态信息、模拟不同情景下的运行效果，并进行智能分析和决策，从而提升生产效率、降低成本，并改善产品的设计和性能。数字孪生是一种集成多物理、多尺度、多学科属性的技术手段，具有实时同步、忠实映射、高保真特性，能够实现物理世界与信息世界的交互与融合。数字孪生技术通过对物理实体进行数据采集、数据处理、数据传输后，建立高保真的数字孪生模型，实现对物理世界的描述、诊断、决策、预测等一系列功能。目前，数孪生技术已在智能工厂、车联网、智慧城市、智慧医疗等领域发挥重要作用，数字孪生智能建造领域正处于理论体系与工程应用相结合的关键阶段。01特点（1）实时性。通过实时数据传输和同步，数字孪生能够反映实体系统的最新状态，可以实时监测和分析系统的运行情况。（2）虚实结合。数字孪生将实体系统与其虚拟模型相结合，实现了物理世界与数字世界的紧密关联。通过虚拟模型对实体系统进行仿真、预测和优化，能够有效提升系统的运行效率和性能。（3）全面性。数字孪生可以用于收集