申请/专利权人：铯镨科技有限公司

申请日：2023-04-20

公开（公告）日：2024-04-12

公开（公告）号：CN116629775B

主分类号：G06Q10/10

分类号：G06Q10/10;G06Q10/04;G06Q50/04;G06F30/13;G06F30/27;G06T17/00;G06N20/00;G16Y10/25;G06F111/10

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2024.04.09#专利申请权的转移;2023.09.08#实质审查的生效;2023.08.22#公开

摘要：本发明公开了一种基于物联网技术的装配式建筑建材智能生产控制系统，涉及装配式建筑生产控制技术领域，通过设置建筑图纸收集模块预先收集若干建筑图纸，设置环境数据收集模块预先收集不同建筑环境中的环境数据，设置历史数据模拟生成模块使用数字孪生模型中模拟生成若干历史训练数据，设置模型生成模块根据历史训练数据生成根据建材的生产配比预测建筑构件强度值的模型、根据建筑构件强度值预测建筑的第一持续时长的模型以及根据环境数据预测折损率的模型，设置生产控制模块根据输入的建筑建材数据和环境数据，对建筑的持续时长进行预测；降低了每次建筑均需要重新建模的人力和时间成本。

主权项：1.一种基于物联网技术的装配式建筑建材智能生产控制系统，其特征在于，包括建筑图纸收集模块、环境数据收集模块、历史数据模拟生成模块、模型生成模块以及生产控制模块；其中，各个模块之间通过电气和或无线网络方式连接；所述建筑图纸收集模块用于预先收集若干建筑图纸；并将收集的所有建筑图纸发送至历史数据模拟生成模块；所述环境数据收集模块用于预先收集不同建筑环境中的环境数据；并将收集到的环境数据发送至历史数据模拟生成模块；所述历史数据模拟生成模块用于使用数字孪生模型模拟生成历史训练数据；并将历史训练数据发送至模型生成模块；所述模型生成模块用于根据历史训练数据生成学习模型；所述学习模型包括根据建材的生产配比预测建筑构件强度值的模型、根据建筑构件强度值预测建筑的第一持续时长的模型以及根据环境数据预测折损率的模型；并将第一机器学习模型M1、第二机器学习模型M2以及时间序列预测神经网络模型M3发送至生产控制模块；所述生产控制模块用于根据输入的建筑建材数据和环境数据，对建筑的持续时长进行预测；所述模拟生成历史训练数据包括以下步骤：步骤S1：将收集的建筑地点编号标记为p，将季节编号为j，将建筑地点p的第j个季节中收集环境数据的日期集合标记为Dpj；在数字孪生模型软件中，为每个建筑地点p建立一个数字孪生模型；在建筑地点p对应的数字孪生模型中，季节j中每个日期的环境数据是随机模拟日期集合Dpj中的任意一个日期对应的环境数据；将建筑地点p对应的数字孪生模型标记为Mp；步骤S2：将建筑图纸的编号标记为b；在建筑地点p对应的数字孪生模型中，模拟生成每个建筑图纸对应的若干组建筑构件模型，并基于建筑构件生成对应的建筑模型；步骤S3：数字孪生模型Mp模拟现实世界中的重力因素，并对其中每个建筑模型施加模拟的重力，将崩塌的建筑排除；步骤S4：将数字孪生模型Mp中建筑图纸b对应的建筑集合标记为Kpb，将建筑图纸b所使用的建筑构件类型集合标记为Gpb，将每种建筑构件类型标记为gpb；将建筑集合Kpb中的建筑编号标记为i，按建筑集合Kpb中建筑的排列顺序，收集每个建筑中每种建筑构件类型gpb中所有材料的生产配比集合；将建筑构件gpb的生产配比集合标记为Hgpb，将其中第i组生产配比生成的建筑构件标记hgpbi；步骤S5：对于数字孪生模型Mp中的建筑构件hgpbi，分别获取第i个建筑构件的抗拉强度、抗压强度、弯曲强度、冲击强度以及硬度，并将其分别标记为li、yi、wi、ci以及ti；计算建筑构件hgpbi对应的强度值Zgpbi；其中，强度值Zgpbi的计算公式为其中，a1、a2、a3、a4以及a5分别为预设的比例系数；步骤S6：对于数字孪生模型Mp中建筑集合Kpb中的每栋建筑，不施加模拟的环境数据，统计每栋建筑从生成到崩塌的时长，将该时长标记为第一持续时长；步骤S7：对于数字孪生模型Mp中建筑集合Kpb中的每栋建筑，施加模拟的环境数据，统计每栋建筑从生成到崩塌的时长，将该时长标记为第二持续时长，并收集模拟生成的环境数据；步骤S8：将每个建筑构件hgpbi对应的强度值Zgpbi和生产配比以及每栋建筑的第一持续时长、第二持续时长以及模拟生成的环境数据作为历史训练数据；所述根据历史训练数据生成学习模型的方式为：步骤P1：对于数字孪生模型Mp中的每种建筑构件类型gpb，将每个建筑构件hgpbi的建材的生产配比作为第一机器学习模型的输入，将建筑构件hgpbi的预测强度值作为第一机器学习模型的输出，将建筑构件hgpbi的预测强度值作为第一机器学习模型的预测目标，以预测的准确率作为第一机器学习模型的训练目标，对第一机器学习模型进行训练；将训练完成的第一机器学习模型标记为M1；步骤P2：对于数字孪生模型Mp中的建筑集合Kpb，将第i栋建筑的所有建筑构件的强度值的集合转化为数字向量的形式；将所有建筑的数字向量集合作为第二机器学习模型的输入，将预测的第一持续时长作为第二机器学习模型的输出，将每栋建筑的真实第一持续时长作为第二预测目标，将预测的准确率作为机器学习模型的训练目标，对第二机器学习模型进行训练；将训练完成的第二机器学习模型标记为M2；步骤P3：对于数字孪生模型Mp中的建筑集合Kpb，将第i栋建筑的第一持续时长标记为si1，将第i栋建筑的第二持续时长标记为si2；计算第i栋建筑的折损率xi，其中，折损率xi的计算公式为步骤P4：将模拟生成的环境数据作为时间序列预测神经网络模型的输入，该时间序列预测神经网络模型以预测的折损率为输出，以真实的折损率为预测目标，以预测的准确率作为训练目标，对该时间序列预测神经网络模型进行训练；将训练完成的时间序列预测神经网络模型标记为M3；所述对建筑的持续时长进行预测包括以下步骤：步骤Q1：施工人员预先选择需要建造的建筑图纸b，并预先根据施工经验对建筑图纸b中的各种建筑构件的建材的生产配比进行分配；步骤Q2：将各种建筑构件的建材的生产配比输入至对应的第一机器学习模型M1中，获得对应的建筑构件的强度值输出；步骤Q3：将建筑图纸b的所有建筑构件的强度值集合输入至第二机器学习模型M2中，获得对应的建筑图纸b的第一持续时长；将该第一持续时长标记为s1；步骤Q4：使用传感器实时收集建筑图纸b在待建筑地点的实时环境数据，并将实时环境数据输入至时间序列预测神经网络模型M3，获得折损率的输出；将该折损率标记为x；步骤Q5：计算在待建筑地点的环境条件下，以输入的建材配比所建造出的建筑的第二持续时长s2；其中，第二持续时长s2的计算公式为s2＝s1×x。

全文数据：

权利要求：

百度查询： 铯镨科技有限公司 一种基于物联网技术的装配式建筑建材智能生产控制系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD