CN114820936B - 一种波形腹板钢—砼组合梁桥三维设计及自动绘图*** - Google Patents
一种波形腹板钢—砼组合梁桥三维设计及自动绘图*** Download PDFInfo
- Publication number
- CN114820936B CN114820936B CN202210448237.0A CN202210448237A CN114820936B CN 114820936 B CN114820936 B CN 114820936B CN 202210448237 A CN202210448237 A CN 202210448237A CN 114820936 B CN114820936 B CN 114820936B
- Authority
- CN
- China
- Prior art keywords
- module
- dimensional
- information
- concrete composite
- data
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/12—Geometric CAD characterised by design entry means specially adapted for CAD, e.g. graphical user interfaces [GUI] specially adapted for CAD
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/04—Architectural design, interior design
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Artificial Intelligence (AREA)
- Architecture (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Civil Engineering (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Structural Engineering (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Human Computer Interaction (AREA)
- Computer Graphics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Processing Or Creating Images (AREA)
- Bridges Or Land Bridges (AREA)
Abstract
本发明公开一种波形腹板钢—砼组合梁桥三维设计及自动绘图***,其中包括数据存储模块、3D建模模块、识别模块、控制***、可视化显示模块、动态演示模块、模型构建模块、纹理构建模模块、点构建模块和AI接口,其中所述控制***风别与识别模块、数据存储模块、3D建模模块、动态演示模块、模型构建模块、纹理构建模模块和点构建模块连接,所述3D建模模块与AI接口连接,所述3D建模模块还与可视化显示模块连接。本发明不仅能够实现二维模型数据信息的转换,将二维数据图像模型转换为三维图像模型,提高了三维绘图能力,还能够实现三维设计及自动化绘图过程中的不同设计元素的识别与最佳元素搜索,提高了三维设计及自动化绘图的工作效率。
Description
技术领域
本发明涉及人工智能技术领域,且更确切地涉及一种波形腹板钢—砼组合梁桥三维设计及自动绘图***。
背景技术
从20世纪90年代,波形钢腹板组合桥被引入至今,我国对该类桥进行了不断的创新与突破,已形成自具特色的发展路线,总体技术水平已进入创新和超越时代。据不完全统计,我国已建和在建波形钢腹板桥有149座,其中主跨≥120m有45座,成表示继日本之后世界上第二个广泛应用波形钢腹板组合桥的国家。我国波形钢腹板组合桥市政桥和公路桥两者数量大致相当,桥型以连续梁表示主,占桥梁总数的84.1%;单跨跨径主要集中在30~160m,当单跨跨径超过160m时,常采用矮塔斜拉桥或斜拉桥。山西运宝黄河大桥主跨200m,是我国已建成跨度最大的波形钢腹板组合桥。
波形钢腹板的剪切变形和箱梁的剪力滞效应对波形腹板钢箱-混凝土组合梁桥自振特性的影响,现有技术中运用势能驻值原理推导出波形腹板钢箱-混凝土组合梁桥的单元刚度矩阵,根据所推导的单元刚度矩阵,采用MAT-LAB软件编写了自振特性的求解程序,并计算了波形腹板钢箱-混凝土组合梁桥的自振频率和振型,对波形腹板钢箱-混凝土组合梁桥的自振频率的影响因素进行了分析。虽然在一定程度上提高了波形腹板钢—砼组合梁桥的设计能力,但在三维设计及自动绘图过中仍旧出现效率低下。
发明内容
针对上述技术的不足,本发明公开一种波形腹板钢—砼组合梁桥三维设计及自动绘图***,不仅能够实现二维模型数据信息的转换,将二维数据图像模型转换为三维图像模型,还能够实现三维设计及自动化绘图过程中的不同设计元素的识别与最佳元素搜索,提高了三维设计及自动化绘图的工作效率。
为了实现上述技术方案,采用以下技术方案:
一种波形腹板钢—砼组合梁桥三维设计及自动绘图***,其中包括:
数据存储模块;用于存***形腹板钢—砼组合梁桥三维元素,以实现自动化绘图的原始元件或者信息存储;
3D建模模块;用于将输入的二维数据信息转化为三维模型,以提高波形腹板钢—砼组合梁桥三维设计能力和自动化绘图能力;
识别模块;为了提高了绘图的效率和正确率,通过蚁群算法模型自动识别3D建模模块中梁、柱或则墙构件的几何参数,并与实际需求进行对比,识别出数据存储模块符合规范和逻辑关系的正确构件,以提高绘图效率;
控制***;用于控制不同数据模块处于工作状态,以使各个模块处于工作状态;
可视化显示模块;用于可视化显示不同数据模块在工作过程中的状态显示;
动态演示模块,用于动态演示不同数据模块在工作过程中的动态显示状态;
模型构建模块,用于将输入的数据信息通过模型构建的方式进行立体显示;
纹理构建模模块,用于输入的数据信息通过纹理构建的方式进行立体显示;
点构建模块,用于输入的数据信息通过点构建的方式进行立体显示;
AI接口,用于与外界人工智能处理模型连接;
其中所述控制***风别与识别模块、数据存储模块、3D建模模块、动态演示模块、模型构建模块、纹理构建模模块和点构建模块连接,所述3D建模模块与AI接口连接,所述3D建模模块还与可视化显示模块连接。
作为本发明进一步的技术方案,所述可视化显示模块为LCD显示屏。
作为本发明进一步的技术方案,所述动态演示模块为微软基础类库MFC动态演示,所述微软基础类库MFC包括视图管理模块、3D模型演示模块和多媒体信息管理模块。
作为本发明进一步的技术方案,所述动态演示模块实现动态展示的方法:
MFC动态演示过程通过虚拟化波形腹板钢—砼组合梁桥绘图***环境进行,通过三维动态数据完成演示过程,根据三维虚拟环境演示内容分为三个管理流程,分别为视图管理、3D模型演示和多媒体信息管理,视图管理主要将数据传输到地图文件库中,3D演示传输到场景模型库,多媒体信息管理数据传输到信息库中;地图文件库和场景模型库中的数据由MFC线程和GPS定位进行检索,MFC线程功能主要对视图信息进行捕捉和外接设备的传递,并根据数据内容弹出窗口;GPS定位负责对3D模型中三维信息进行定位和掌握其状态,从而形成场景数据。
作为本发明进一步的技术方案,所述3D建模模块包括绘图信息输入模块、二维数据模型、图形转换模块、3D数据模型和AI建模模块,其中所述绘图信息输入模块的输出端与二维数据模型的输入端连接,所述二维数据模型的输出端与图形转换模块的输入端连接,所述图形转换模块的输出端与3D数据模型的输入端连接,所述3D数据模型的输出端与AI建模模块的输入端连接。
作为本发明进一步的技术方案,所述绘图信息输入模块设置有无线数据接口,进而实现与其它模块的数据信息通信,二维数据模型为CAD数据设计工具,所述图形转换模块为基于FPGA控制的转化模块,所述3D数据模型包括BIM三维图像模型或者VR三维建模模型,所述AI建模模块包括分析型AI建模单元、功能型AI建模单元、交互型AI建模单元、文本型AI建模单元和视觉型AI建模单元。
作为本发明进一步的技术方案,所述识别模块包括信息参数设置模块、约束条件限定模块、设计元件检索模块和最优设计元件输出模块,其中所述信息参数设置模块的输出端与约束条件限定模块的输入端连接,所述约束条件限定模块的输出端与设计元件检索模块的输入端连接,所述设计元件检索模块的输出端与最优设计元件输出模块的输入端连接。
作为本发明进一步的技术方案,所述识别模块识别绘图元件的方法表示:
步骤一、通过信息参数设置模块设置波形腹板钢—砼组合梁桥绘图元素查找频率、绘图类别、绘图数量、检索时间或者图幅大小,查找绘图元素查找频率,满足自动化绘图元件参数设置的需要;
所述信息参数设置模块的数学表达式表示:
d<Lmin (1)
式(1)中,d表示绘图时查找元件频率距离中心点的距离,Lmin表示最小绘图元素查找频率;
步骤二、通过约束条件限定模块限定自动绘图中查找绘图元素的区域限定,其中所述约束条件限定模块在绘图元件查找频率中存在以下约束条件:
式(2)中,αmax表示绘图的水平信息角度,(x1,y1,z1)表示绘图时在空间范围内的元件坐标信息,在下一刻绘图时,在空间范围内的元件坐标信息记作为(x2,y2,z2),通过数学函数记作为:
式(3)中,βmax表示绘图的垂直信息角度;
波形腹板钢—砼组合梁桥在绘图过程中不同元件之间的检索跨度设置为以下函数:
hmin≤h≤hmax (4)
式(4)中,hmax记作为绘图元件查找过程中的最大跨度,h表示实际检索绘图元件的跨度,蚂蚁元素遍历绘图元件的距离记作为:
S≤Smax (5)
式(5)中,S表示蚂蚁元素遍历绘图元件的实际距离,Smax表示蚂蚁元素遍历绘图元件的最大距离;
步骤三、通过设计元件检索模块实现波形腹板钢—砼组合梁桥绘图元件的最优检索,
在某时刻t蚂蚁元素k由节点i移动至节点j的转移概率公式表示:
式(6)中,τij表示启动蚁群算法时,进行波形腹板钢—砼组合梁桥绘图时的信息元素在一个区域i和另一个区域j之间检索时释放出的信息素浓度,ηij表示蚂蚁元素在释放遍历波形腹板钢—砼组合梁桥绘图元件路径因子时的浓度,α表示信息素的挥发程度,β表示遍历波形腹板钢—砼组合梁桥绘图元件路径因子重要程度,表示蚂蚁元素在移动至一个绘图检索区域节点i时的相邻绘图检索区域点的集合;其中浓度与查找波形腹板钢—砼组合梁桥绘图元件的距离有关系,关系式表示为:
式(7)中,dij表示一个绘图检索区域i到另外一个绘图检索区域j的距离;步骤四、通过最优设计元件输出模块实现波形腹板钢—砼组合梁桥绘图元件最佳元件输出,这需要不断地调整蚂蚁元素寻找路径的信息释放浓度;调整后的信息素浓可以表示:
τij(t+n)=(1-ρ)τij(t)+ρ(Δτij+Δτk ij) (8)
式(8)中,其中ρ表示绘图时对元件查找因子的影响程度,其中0.35<ρ<0.89,k表示蚂蚁元素在波形腹板钢—砼组合梁桥绘图元件时的编号,i和j分别表示查找波形腹板钢—砼组合梁桥不同绘图元件的区域,其中:
式(9)中,Δτij表示启动蚁群算法时,进行波形腹板钢—砼组合梁桥绘图时的信息元素在一个区域i和另一个区域j之间检索时释放出的信息素浓度之差,其中:
式(10)中,Q表示介于1.05-2.98之间的正常数,Lk表示表示第k只蚂蚁元素遍历过的波形腹板钢—砼组合梁桥绘图元件路径长度,m表示在绘图过程中蚁群启动蚂蚁元素的个数;
步骤四、通过最优设计元件输出模块输出波形腹板钢—砼组合梁桥绘图元件的最优值,在实现蚁群搜索最优解时,对蚁群检索元素应用过程中的ρ进行限定;
式(11)中,ρ为蚁群检索元素实际检索过程中的信息浓度,ρmax蚁群检索元素实际检索过程中的最大信息浓度,ρmin为蚁群检索元素实际检索过程中的最小信息浓度,在满足公式(11)的情况下,能够实现蚁群全局搜索能力,最终输出最优的绘图结果。
本发明有益的积极效果在于,本发明不仅能够实现二维模型数据信息的转换,将二维数据图像模型转换为三维图像模型,提高了三维绘图能力,还能够实现三维设计及自动化绘图过程中的不同设计元素的识别与最佳元素搜索,提高了三维设计及自动化绘图的工作效率。
附图说明
表示了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图,其中:
图1为本发明***结构示意图;
图2为本发明中动态演示模块的结构示意图;
图3为本发明中识别模块结构示意图;
图4为本发明中3D建模模块结构示意图;
图5为本发明中识别模块工作示意图;
图6为本发明中蚁群算法查找设计元素的位置示意图;
图7为本发明中蚁群算法信息元素判断示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的实施例仅用于说明和解释本发明,并不用于限定本发明。
如图1所示,一种波形腹板钢—砼组合梁桥三维设计及自动绘图***,包括:
数据存储模块;用于存***形腹板钢—砼组合梁桥三维元素,以实现自动化绘图的原始元件或者信息存储;
3D建模模块;用于将输入的二维数据信息转化为三维模型,以提高波形腹板钢—砼组合梁桥三维设计能力和自动化绘图能力;
识别模块;为了提高了绘图的效率和正确率,通过蚁群算法模型自动识别3D建模模块中梁、柱或则墙构件的几何参数,并与实际需求进行对比,识别出数据存储模块符合规范和逻辑关系的正确构件,以提高绘图效率;
控制***;用于控制不同数据模块处于工作状态,以使各个模块处于工作状态;
可视化显示模块;用于可视化显示不同数据模块在工作过程中的状态显示;
动态演示模块,用于动态演示不同数据模块在工作过程中的动态显示状态;
模型构建模块,用于将输入的数据信息通过模型构建的方式进行立体显示;
纹理构建模模块,用于输入的数据信息通过纹理构建的方式进行立体显示;
点构建模块,用于输入的数据信息通过点构建的方式进行立体显示;
AI接口,用于与外界人工智能处理模型连接;
其中所述控制***风别与识别模块、数据存储模块、3D建模模块、动态演示模块、模型构建模块、纹理构建模模块和点构建模块连接,所述3D建模模块与AI接口连接,所述3D建模模块还与可视化显示模块连接。
在上述实施例中,所述可视化显示模块为LCD显示屏。
在上述实施例中,如图2所示,所述动态演示模块为微软基础类库MFC动态演示,所述微软基础类库MFC包括视图管理模块、3D模型演示模块和多媒体信息管理模块。
在具体实施例中,如图2所示,采用微软基础类库(Microsoft FoundationClasses MFC)动态演示技术对虚拟环境下的三维进行监测,将人员动态清晰显示在屏幕上。
如图2所示,在上述实施例中,所述动态演示模块实现动态展示的方法:
MFC动态演示过程通过虚拟化波形腹板钢—砼组合梁桥绘图***环境进行,通过三维动态数据完成演示过程,根据三维虚拟环境演示内容分为三个管理流程,分别为视图管理、3D模型演示和多媒体信息管理,视图管理主要将数据传输到地图文件库中,3D演示传输到场景模型库,多媒体信息管理数据传输到信息库中;地图文件库和场景模型库中的数据由MFC线程和GPS定位进行检索,MFC线程功能主要对视图信息进行捕捉和外接设备的传递,并根据数据内容弹出窗口;GPS定位负责对3D模型中三维信息进行定位和掌握其状态,从而形成场景数据。MFC线程和GPS定位互相依存又相互影响。信息库数据主要应用于三维模型接口,在模型中进行培训计划的实施。MFC动态演示技术对提高波形腹板钢—砼组合梁桥绘图能力具有重要意义,通过演示波形腹板钢—砼组合梁桥绘图***中波形腹板钢—砼组合梁桥三维绘图的动态,把握三维绘图中的数据变化,进而制定相对应的三维绘图方案,提高了三维绘图能力。
如图3所示,在上述实施例中,所述3D建模模块包括绘图信息输入模块、二维数据模型、图形转换模块、3D数据模型和AI建模模块,其中所述绘图信息输入模块的输出端与二维数据模型的输入端连接,所述二维数据模型的输出端与图形转换模块的输入端连接,所述图形转换模块的输出端与3D数据模型的输入端连接,所述3D数据模型的输出端与AI建模模块的输入端连接。
如图4所示,在上述实施例中,绘图信息输入模块用于将绘图数据信息输入,以集中地提取数据信息,实现三维图像信息的转换,二维数据模型用于实现二维数据信息的输入,通过图形转换模块实现二维数据模型的数据转换,将二维数据信息转化为三维数据信息,以提高图形数据信息的三维设计能力。3D数据模型能够将图像中的画图信息通过三维的形式表示出来,AI建模模块能够识别出3D数据模型,进而提高三维数据信息的建模和识别能力。
在上述实施例中,所述绘图信息输入模块设置有无线数据接口,进而实现与其它模块的数据信息通信,二维数据模型为CAD数据设计工具,所述图形转换模块为基于FPGA控制的转化模块,所述3D数据模型包括BIM三维图像模型或者VR三维建模模型,所述AI建模模块包括分析型AI建模单元、功能型AI建模单元、交互型AI建模单元、文本型AI建模单元和视觉型AI建模单元。
在上述实施例中,所述图形转换模块用于将二维数据模型转换为3D数据模型的模块。在具体实施例中,FPGA(Field Programmable Gate Array)是在PAL(可编程阵列逻辑)、GAL(通用阵列逻辑)等可编程器件的基础上进一步发展的产物。它是作为专用集成电路(ASIC)领域中的一种半定制电路而出现的,既解决了定制电路的不足,又克服了原有可编程器件门电路数有限的缺点。人工智能建模时,能够通过模拟人认识客观事物和解决实际问题的方法对实际***或***的某一部分进行描述和表达的过程。也可以简述为利用人工智能方法对实际***或***的某一部分进行描述和表达的过程。在具体实施例中,可以构建回归模型旨在寻找给定数据集的最优拟合,从而预测未知样本的属性值,其输出结果一般为连续型数值项。针对回归型建模需求,提供了线性回归、XGBoost回归、随机森林回归、支持向量机回归和K近邻回归5种算法。在具体应用中主要包括准备数据、数据预处理、划分数据集、配置模型、训练模型、评估优化和模型应用。
在上述实施例中,所述识别模块包括信息参数设置模块、约束条件限定模块、设计元件检索模块和最优设计元件输出模块,其中所述信息参数设置模块的输出端与约束条件限定模块的输入端连接,所述约束条件限定模块的输出端与设计元件检索模块的输入端连接,所述设计元件检索模块的输出端与最优设计元件输出模块的输入端连接。
在上述实施例中,如图5-图7所示,所述识别模块识别绘图元件的方法表示:
步骤一、通过信息参数设置模块设置波形腹板钢—砼组合梁桥绘图元素查找频率、绘图类别、绘图数量、检索时间或者图幅大小,查找绘图元素查找频率,满足自动化绘图元件参数设置的需要;
所述信息参数设置模块的数学表达式表示:
d<Lmin (1)
式(1)中,d表示绘图时查找元件频率距离中心点的距离,Lmin表示最小绘图元素查找频率;
步骤二、通过约束条件限定模块限定自动绘图中查找绘图元素的区域限定,其中所述约束条件限定模块在绘图元件查找频率中存在以下约束条件:
式(2)中,αmax表示绘图的水平信息角度,(x1,y1,z1)表示绘图时在空间范围内的元件坐标信息,在下一刻绘图时,在空间范围内的元件坐标信息记作为(x2,y2,z2),通过数学函数记作为:
式(3)中,βmax表示绘图的垂直信息角度;
波形腹板钢—砼组合梁桥在绘图过程中不同元件之间的检索跨度设置为以下函数:
hmin≤h≤hmax (4)
式(4)中,hmax记作为绘图元件查找过程中的最大跨度,h表示实际检索绘图元件的跨度,蚂蚁元素遍历绘图元件的距离记作为:
S≤Smax (5)
式(5)中,S表示蚂蚁元素遍历绘图元件的实际距离,Smax表示蚂蚁元素遍历绘图元件的最大距离;
步骤三、通过设计元件检索模块实现波形腹板钢—砼组合梁桥绘图元件的最优检索,将绘图区域通过空间坐标的方式划分,以划分的方块各顶点作表示搜索节点,由蚁群算法可得,在某时刻t蚂蚁元素k由节点i移动至节点j的转移概率公式表示:
式(6)中,τij表示启动蚁群算法时,进行波形腹板钢—砼组合梁桥绘图时的信息元素在一个区域i和另一个区域j之间检索时释放出的信息素浓度,ηij表示蚂蚁元素在释放遍历波形腹板钢—砼组合梁桥绘图元件路径因子时的浓度,α表示信息素的挥发程度,β表示遍历波形腹板钢—砼组合梁桥绘图元件路径因子重要程度,表示蚂蚁元素在移动至一个绘图检索区域节点i时的相邻绘图检索区域点的集合;其中浓度与查找波形腹板钢—砼组合梁桥绘图元件的距离有关系,关系式表示为:
式(7)中,dij表示一个绘图检索区域i到另外一个绘图检索区域j的距离;步骤四、通过最优设计元件输出模块实现波形腹板钢—砼组合梁桥绘图元件最佳元件输出,这需要不断地调整蚂蚁元素寻找路径的信息释放浓度;调整后的信息素浓可以表示:
τij(t+n)=(1-ρ)τij(t)+ρ(Δτij+Δτk ij) (8)
式(8)中,其中ρ表示绘图时对元件查找因子的影响程度,其中0.35<ρ<0.89,k表示蚂蚁元素在波形腹板钢—砼组合梁桥绘图元件时的编号,i和j分别表示查找波形腹板钢—砼组合梁桥不同绘图元件的区域,其中:
式(9)中,Δτij表示启动蚁群算法时,进行波形腹板钢—砼组合梁桥绘图时的信息元素在一个区域i和另一个区域j之间检索时释放出的信息素浓度之差,其中:
式(10)中,Q表示介于1.05-2.98之间的正常数,Lk表示表示第k只蚂蚁元素遍历过的波形腹板钢—砼组合梁桥绘图元件路径长度,m表示在绘图过程中蚁群启动蚂蚁元素的个数;
步骤四、通过最优设计元件输出模块输出波形腹板钢—砼组合梁桥绘图元件的最优值,在实现蚁群搜索最优解时,对蚁群检索元素应用过程中的ρ进行限定;
式(11)中,ρ为蚁群检索元素实际检索过程中的信息浓度,ρmax蚁群检索元素实际检索过程中的最大信息浓度,ρmin为蚁群检索元素实际检索过程中的最小信息浓度,在满足公式(11)的情况下,能够实现蚁群全局搜索能力,最终输出最优的绘图结果。
通过上述技术,本申请采用蚁群算法模型实现绘图元素的检索、查询和最佳化输出。能够实现数据库元素中梁、柱、墙等构件的几何参数,计算与实配比较,对比规范参数,识别出不符合规范和逻辑关系不正确的构件。再对整体结构进行分析和审核,最后得到审核报告,详细列出图纸画图需要的具体元件,在进一步能够定位到具体构件,方便设计人员进行优化,该方案提高了波形腹板钢—砼组合梁桥绘图过程中的元件搜索与查询,提高了波形腹板钢—砼组合梁桥绘图元件的信息查询能力。假设在一种实施例中,图纸数据信息如表1所示。
表1图纸数据信息
通过2个小时的仿真试验,试验时,采用的计算机内存为64GB,计算机主频为主频,操作***为Windows10,编程语言为Python,仿真软件为Navigator2.1.2。在试验过程中,发现通过本申请的自动化绘图识别方案,能够快速识别出数据库中的数据信息,大大提高了图纸绘图过程中的识别能力和应用能力,使绘图效果大大提高。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些具体实施方式仅是举例说明,本领域的技术人员在不脱离本发明的原理和实质的情况下,可以对上述方法和***的细节进行各种省略、替换和改变。例如,合并上述方法步骤,从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此,本发明的范围仅由所附权利要求书限定。
Claims (7)
1.一种波形腹板钢-砼组合梁桥三维设计及自动绘图***,其特征在于:包括:
数据存储模块;用于存***形腹板钢-砼组合梁桥三维元素,以实现自动化绘图的原始元件或者信息存储;
3D建模模块;用于将输入的二维数据信息转化为三维模型,以提高波形腹板钢-砼组合梁桥三维设计能力和自动化绘图能力;
识别模块;为了提高了绘图的效率和正确率,通过蚁群算法模型自动识别3D建模模块中梁、柱或则墙构件的几何参数,并与实际需求进行对比,识别出数据存储模块符合规范和逻辑关系的正确构件,以提高绘图效率;
控制***;用于控制不同数据模块处于工作状态,以使各个模块处于工作状态;
可视化显示模块;用于可视化显示不同数据模块在工作过程中的状态显示;
动态演示模块,用于动态演示不同数据模块在工作过程中的动态显示状态;
模型构建模块,用于将输入的数据信息通过模型构建的方式进行立体显示;
纹理构建模模块,用于输入的数据信息通过纹理构建的方式进行立体显示;
点构建模块,用于输入的数据信息通过点构建的方式进行立体显示;
AI接口,用于与外界人工智能处理模型连接;
其中所述控制***风别与识别模块、数据存储模块、3D建模模块、动态演示模块、模型构建模块、纹理构建模模块和点构建模块连接,所述3D建模模块与AI接口连接,所述3D建模模块还与可视化显示模块连接;
其中所述识别模块识别绘图元件的方法表示:
步骤一、通过信息参数设置模块设置波形腹板钢-砼组合梁桥绘图元素查找频率、绘图类别、绘图数量、检索时间或者图幅大小,查找绘图元素查找频率,满足自动化绘图元件参数设置的需要;
所述信息参数设置模块的数学表达式表示:
d<Lmin (1)
式(1)中,d表示绘图时查找元件频率距离中心点的距离,Lmin表示最小绘图元素查找频率;
步骤二、通过约束条件限定模块限定自动绘图中查找绘图元素的区域限定,其中所述约束条件限定模块在绘图元件查找频率中存在以下约束条件:
式(2)中,αmax表示绘图的水平信息角度,(x1,y1,z1)表示绘图时在空间范围内的元件坐标信息,在下一刻绘图时,在空间范围内的元件坐标信息记作为(x2,y2,z2),通过数学函数记作为:
式(3)中,βmax表示绘图的垂直信息角度;
波形腹板钢-砼组合梁桥在绘图过程中不同元件之间的检索跨度设置为以下函数:
hmin≤h≤hmax (4)
式(4)中,hmax记作为绘图元件查找过程中的最大跨度,h表示实际检索绘图元件的跨度,蚂蚁元素遍历绘图元件的距离记作为:
S≤Smax (5)
式(5)中,S表示蚂蚁元素遍历绘图元件的实际距离,Smax表示蚂蚁元素遍历绘图元件的最大距离;
步骤三、通过设计元件检索模块实现波形腹板钢-砼组合梁桥绘图元件的最优检索,
存某时刻t蚂蚁元素k由节点i移动至节点j的转移概率公式表示:
式(6)中,τij表示启动蚁群算法时,进行波形腹板钢-砼组合梁桥绘图时的信息元素在一个区域i和另一个区域j之间检索时释放出的信息素浓度,ηij表示蚂蚁元素在释放遍历波形腹板钢-砼组合梁桥绘图元件路径因子时的浓度,α表示信息素的挥发程度,β表示遍历波形腹板钢-砼组合梁桥绘图元件路径因子重要程度,表示蚂蚁元素在移动至一个绘图检索区域节点i时的相邻绘图检索区域点的集合;其中浓度与查找波形腹板钢-砼组合梁桥绘图元件的距离有关系,关系式表示为:
式(7)中,dij表示一个绘图检索区域i到另外一个绘图检索区域j的距离;
步骤四、通过最优设计元件输出模块实现波形腹板钢-砼组合梁桥绘图元件最佳元件输出,这需要不断地调整蚂蚁元素寻找路径的信息释放浓度;调整后的信息素浓可以表示:
τij(t+n)=(1-ρ)τij(t)+ρ(Δτij+Δτk ij) (8)
式(8)中,其中ρ表示绘图时对元件查找因子的影响程度,其中0.35<ρ<0.89,k表示蚂蚁元素在波形腹板钢-砼组合梁桥绘图元件时的编号,i和j分别表示查找波形腹板钢-砼组合梁桥不同绘图元件的区域,其中:
式(9)中,Δτij表示启动蚁群算法时,进行波形腹板钢-砼组合梁桥绘图时的信息元素在一个区域i和另一个区域j之间检索时释放出的信息素浓度之差,其中:
式(10)中,Q表示介于1.05-2.98之间的正常数,Lk表示第k只蚂蚁元素遍历过的波形腹板钢-砼组合梁桥绘图元件路径长度,m表示在绘图过程中蚁群启动蚂蚁元素的个数;
步骤四、通过最优设计元件输出模块输出波形腹板钢-砼组合梁桥绘图元件的最优值,在实现蚁群搜索最优解时,对蚁群检索元素应用过程中的ρ进行限定;
式(11)中,ρ为蚁群检索元素实际检索过程中的信息浓度,ρmax蚁群检索元素实际检索过程中的最大信息浓度,ρmin为蚁群检索元素实际检索过程中的最小信息浓度,在满足公式(11)的情况下,能够实现蚁群全局搜索能力,最终输出最优的绘图结果。
2.根据权利要求1所述的一种波形腹板钢-砼组合梁桥三维设计及自动绘图***,其特征在于:所述可视化显示模块为LCD显示屏。
3.根据权利要求1所述的一种波形腹板钢-砼组合梁桥三维设计及自动绘图***,其特征在于:所述动态演示模块为微软基础类库MFC动态演示,所述微软基础类库MFC包括视图管理模块、3D模型演示模块和多媒体信息管理模块。
4.根据权利要求3所述的一种波形腹板钢—砼组合梁桥三维设计及自动绘图***,其特征在于:所述动态演示模块实现动态展示的方法:
MFC动态演示过程通过虚拟化波形腹板钢—砼组合梁桥绘图***环境进行,通过三维动态数据完成演示过程,根据三维虚拟环境演示内容分为三个管理流程,分别为视图管理、3D模型演示和多媒体信息管理,视图管理主要将数据传输到地图文件库中,3D演示传输到场景模型库,多媒体信息管理数据传输到信息库中;地图文件库和场景模型库中的数据由MFC线程和GPS定位进行检索,MFC线程功能主要对视图信息进行捕捉和外接设备的传递,并根据数据内容弹出窗口;GPS定位负责对3D模型中三维信息进行定位和掌握其状态,从而形成场景数据。
5.根据权利要求1所述的一种波形腹板钢—砼组合梁桥三维设计及自动绘图***,其特征在于:所述3D建模模块包括绘图信息输入模块、二维数据模型、图形转换模块、3D数据模型和AI建模模块,其中所述绘图信息输入模块的输出端与二维数据模型的输入端连接,所述二维数据模型的输出端与图形转换模块的输入端连接,所述图形转换模块的输出端与3D数据模型的输入端连接,所述3D数据模型的输出端与AI建模模块的输入端连接。
6.根据权利要求5所述的一种波形腹板钢—砼组合梁桥三维设计及自动绘图***,其特征在于:绘图信息输入模块设置有无线数据接口,进而实现与其它模块的数据信息通信,二维数据模型为CAD数据设计工具,图形转换模块为基于FPGA控制的转化模块,3D数据模型包括BIM三维图像模型或者VR三维建模模型,AI建模模块包括分析型AI建模单元、功能型AI建模单元、交互型AI建模单元、文本型AI建模单元和视觉型AI建模单元。
7.根据权利要求1所述的一种波形腹板钢—砼组合梁桥三维设计及自动绘图***,其特征在于:所述识别模块包括信息参数设置模块、约束条件限定模块、设计元件检索模块和最优设计元件输出模块,其中所述信息参数设置模块的输出端与约束条件限定模块的输入端连接,所述约束条件限定模块的输出端与设计元件检索模块的输入端连接,所述设计元件检索模块的输出端与最优设计元件输出模块的输入端连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210448237.0A CN114820936B (zh) | 2022-04-24 | 2022-04-24 | 一种波形腹板钢—砼组合梁桥三维设计及自动绘图*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210448237.0A CN114820936B (zh) | 2022-04-24 | 2022-04-24 | 一种波形腹板钢—砼组合梁桥三维设计及自动绘图*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114820936A CN114820936A (zh) | 2022-07-29 |
CN114820936B true CN114820936B (zh) | 2022-11-11 |
Family
ID=82507453
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210448237.0A Active CN114820936B (zh) | 2022-04-24 | 2022-04-24 | 一种波形腹板钢—砼组合梁桥三维设计及自动绘图*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114820936B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392482A (zh) * | 2014-02-26 | 2015-03-04 | 国家电网公司 | 变电站工程项目三维算量模型生成***及方法 |
CN105184866A (zh) * | 2015-09-08 | 2015-12-23 | 厦门亿力吉奥信息科技有限公司 | 基于电力gis平台的地下电缆三维场景构建方法及*** |
CN112528444A (zh) * | 2020-12-04 | 2021-03-19 | 国网浙江省电力有限公司嘉兴供电公司 | 一种输电线路三维设计方法及*** |
CN113989456A (zh) * | 2021-12-23 | 2022-01-28 | 苏州工业园区测绘地理信息有限公司 | 基于gis数据的轨交站点空间三维模型自动构建方法 |
CN114329678A (zh) * | 2022-03-16 | 2022-04-12 | 中国建筑西南设计研究院有限公司 | 一种建筑结构智能设计***及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110046683A (zh) * | 2019-04-24 | 2019-07-23 | 安徽建筑大学 | 一种预制构件生产、配送与装配一体化信息管理*** |
-
2022
- 2022-04-24 CN CN202210448237.0A patent/CN114820936B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392482A (zh) * | 2014-02-26 | 2015-03-04 | 国家电网公司 | 变电站工程项目三维算量模型生成***及方法 |
CN105184866A (zh) * | 2015-09-08 | 2015-12-23 | 厦门亿力吉奥信息科技有限公司 | 基于电力gis平台的地下电缆三维场景构建方法及*** |
CN112528444A (zh) * | 2020-12-04 | 2021-03-19 | 国网浙江省电力有限公司嘉兴供电公司 | 一种输电线路三维设计方法及*** |
CN113989456A (zh) * | 2021-12-23 | 2022-01-28 | 苏州工业园区测绘地理信息有限公司 | 基于gis数据的轨交站点空间三维模型自动构建方法 |
CN114329678A (zh) * | 2022-03-16 | 2022-04-12 | 中国建筑西南设计研究院有限公司 | 一种建筑结构智能设计***及方法 |
Non-Patent Citations (1)
Title |
---|
基于BIM技术的波形钢腹板组合箱梁桥二次开发应用研究;***强;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20220215(第2期);C034-306 * |
Also Published As
Publication number | Publication date |
---|---|
CN114820936A (zh) | 2022-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110059554A (zh) | 一种基于交通场景的多支路目标检测方法 | |
CN113806978A (zh) | 基于bim-fem的桥梁结构数字孪生体及方法 | |
CN113656647B (zh) | 一种面向智能运维的工程档案数据管理平台、方法及*** | |
Su et al. | Digital twin and its potential applications in construction industry: State-of-art review and a conceptual framework | |
US20220327398A1 (en) | Technology maturity judgment method and system based on science and technology data | |
Bai et al. | A forecasting method of forest pests based on the rough set and PSO-BP neural network | |
CN110704653A (zh) | 一种bim模型中以图搜索构件的方法及图文搜索*** | |
CN105320764A (zh) | 一种基于增量慢特征的3d模型检索方法及其检索装置 | |
Jiang et al. | Semantic enrichment for BIM: Enabling technologies and applications | |
CN114677522B (zh) | 基于建筑图斑和深度学习的建筑结构类型预测方法及*** | |
Golparvar-Fard et al. | Grand challenges in data and information visualization for the architecture, engineering, construction, and facility management industries | |
CN113987837A (zh) | 铁路选线评价***及方法 | |
CN114820936B (zh) | 一种波形腹板钢—砼组合梁桥三维设计及自动绘图*** | |
Zorn et al. | Replacing energy simulations with surrogate models for design space exploration | |
CN117056722A (zh) | 一种规划地块人口数量预测方法及*** | |
CN114612394B (zh) | 一种基于Yolo网络和DIC技术的混凝土内部损伤预测方法 | |
Wen et al. | Rapid Modeling Method for The Digital Twin of Five-Hundred-Meter Aperture Spherical Radio Telescope | |
CN107480364A (zh) | 工程建设信息管理的bim模型动态组织方法 | |
Zhang et al. | Peviz: an in situ progressive visual analytics system for ocean ensemble data | |
CN111210508A (zh) | 一种基于三维建模的目标识别装置 | |
Chen et al. | A critical review on BIM research process and future trends at home and abroad | |
Harper et al. | Towards a context-dependent framework for visualizing mental models | |
Teruggi et al. | Machines Learning for Mixed Reality: The Milan Cathedral from Survey to Holograms | |
CN116629585B (zh) | 一种运用本体的工艺管理***及其方法 | |
Ling | AHP Evaluation Software for Intelligent Reform based on Interactive Intelligent Testing Algorithm |
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 |