基于BIM体系的钢筋优化下料初探

钢筋工程是混凝土框架结构中的组成部分,在造价中占有很大的比例。传统钢筋下料面临算量偏差、裁切无章等问题,造成不必要钢筋成本增加。运用BIM虚拟仿真技术可指导实际工程,研究从(1)施工深化设计和(2)钢筋优化下料两方面展开,讨论将BIM技术和优化算法结合,建立基于Revit实体配筋技术导入钢筋下料优化方法初步程序。为后期开发下料插件提供思路,以达到优化钢筋的下料,减少资源的浪费。

基于BIM的结构钢筋与机电系统翻模研究——以福州市规划院产业楼为例

基于建筑信息模型(building information modelling,BIM)概念,以福州市规划设计研究院新建大楼为实际案例,应用Autodesk Revit软件将原有CAD图纸进行BIM结构钢筋和机电模型建置,并提出BIM技术虚拟仿真过程中发现的问题。研究结果表明:(1)BIM技术可实际解决工程常常出现钢筋复杂节点、机电管道碰撞的问题;(2)机电系统进行Revit翻模时,不能按原CAD路径绘制,族库不全需建族完善。该研究成果可为后期施工决策提供技术支持,并有助于相关行业人士学习与借鉴。

海峡两岸土木工程专业术语初步对照与分析

鉴于海峡两岸土木工程学术交流日趋频繁,但两岸土木工程专业术语目前仍存在易混淆不清的问题(例如脚手架在台湾地区是鹰架),因此两岸在土木工程专业用语的术语差异性有必要进一步确认与整合。研究共查阅3 273笔两岸土木工程不同专业领域(包含土木、测量、交通、环境、岩土、结构及水利工程等)的术语资料,针对大土木及不同土木工程专业领域的专业术语差异性进行对照,并对专业术语容易混淆的程度给予评分。研究结果发现,在大土木的环境下,具有混淆程度的专业术语占27%,显示两岸土木工程人员在大土木的沟通上约有1/4的专业术语可能会被混淆或误解。此外,在上述的27%中,交通工程专业术语就占了19%,较其它专业领域占约8%左右要多,显示交通工程专业术语最容易混淆不清。

以粒子蜂群网络建立高性能混凝土坍落度模型

以粒子蜂群算法(particle bee algorithm,PBA)结合神经网络(artificial neural network,NN),发展出一套能预测高性能混凝土(high-performance concrete,HPC)坍落度模型的方法。以演化运算树(genetic operation tree,GOT)及倒传递网络(back-propagation network,BPN)两种已发表的方法来比较其准确度。从模型的准确度可知,粒子蜂群网络(particle bee neural network,PBNN)模型预测的准确度高于GOT,但接近BPN的准确度;从参数的影响性可知,PBNN显示水、强塑剂、粗骨材、细骨材、粉煤灰及水泥添加量对于HPC坍落度的影响性大,而高炉矿渣粉用量对HPC坍落度并不敏感,显示各项材料对于坍落度的影响仍具备高度复杂性。

从2D进入nD-谈本科生赴企业实习BIM运用

建筑信息模型(Building Information Modeling,BIM)已经大力应用于建筑业,并彰显了其巨大的商业价值。国内不少具有前瞻性与战略眼光的施工企业开始思考如何应用BIM概念来提升项目管理水平与企业核心竞争力。在日益复杂的工程项目中,2D的CAD图纸往往无法满足所需的设计条件,2D没有3D以及n D直观,易出现"错、漏、碰、缺"等问题,BIM的出现提供了更好更完善的信息化施工条件。研究以某高校本科生赴企业实践的情况与过程中遭遇的经验为例,采用学校与企业合作的方式,建立BIM咨询团队为出发点,探讨如何培养一批熟练使用BIM Revit软件的人才,应对未来建筑业的发展趋势。

以粒子蜂群神经网络建立高性能混凝土强度模型

以粒子蜂群算法整合神经网络,提出一套可以预测高性能混凝土强度模型的方法论.以两个已经发表的方法进行比较,包括演化运算树及倒传递网络.由模型准确度可知,研究提出的三种不同隐藏层节点的粒子蜂群神经网络模型预测准确度高于演化运算树,但接近倒传递网络.由参数的影响性可知,粒子蜂群神经网络认为水泥、龄期、水、高炉矿渣粉、超塑剂、粉煤灰添加量对于高性能混凝土强度的影响性大,而粗、细骨料用量对高性能混凝土强度并不敏感,这样的结果与实际相符合.