基于BIM技术的设计项目多源数据挖掘融合协同化设计平台

对于设计项目多源数据展开协同挖掘融合处理时,主要采用地理信息系统(GIS)技术建立数据挖掘融合协同化方案,难以直接发现和解决冲突问题,导致平台运行时间较长。因此,提出应用建筑信息模型(BIM)技术的设计项目多源数据挖掘融合协同化设计平台。分析多源数据挖掘融合流程,将协同化设计任务分解为成果任务、资料互提任务。考虑设计项目数据来源的差异性,结合云计算技术构建多源数据协同采样模型,辅助后续数据挖掘融合处理。最后,依托于BIM技术构建设计项目三维模型,并在模型上布置数个数据采集结点,设定数据共享程序后,得到设计项目多源数据挖掘融合协同化设计方案。平台测试结果表明:当数据点数量达到1200个时,所提协同化设计平台的运行时间仅为19.97 s,满足实时性要求。

桥梁病害图像采集系统的设计与实现

针对桥梁检测的需求,同时结合实际工作中面临的困难,提出了一种基于图像识别的桥梁病害检测技术:将图像采集技术和图像识别技术应用在桥梁病害检测中,着眼于解决现阶段桥梁检测中存在的问题,研发了一套基于图像识别的桥梁病害采集系统,结合后续开发的图像识别算法及系统,完成了桥梁病害的自动化采集和识别工作,提升桥梁病害的检测效率。

基于SURF算法的桥梁病害图像云台控制相机采集拼接处理技术研究

针对桥梁检测的需求及实际工作中面临的困难,提出了一种基于图像识别的桥梁病害检测技术。将图像采集技术和图像识别技术应用在桥梁病害检测中,着眼于解决现阶段桥梁检测中存在的问题,研发了一套基于图像识别的桥梁病害采集系统。结合后续开发的图像识别算法及系统,完成了桥梁病害的自动化采集和识别工作,提升了桥梁病害的检测效率。

桥梁裂缝病害自动识别算法研究

针对辽宁省内公路桥梁病害现状,基于混凝土桥梁上病害主要是裂缝的状况,利用双线性插值法对采集的桥梁图像进行缩小,再用直方图均衡化的方法加强图像,然后用中值滤波对图像进行降噪处理,利用相干增强滤波器和区域生长法处理数据,保持病害区域的完整,最后提取连通域,计算形状特征完成对桥梁裂缝病害的识别。

桥面风场时程重构的机器学习方法

获得桥面的高分辨率时变流场对研究桥梁风致问题尤为关键,然而受传感器布设与测量方法等因素制约,难以通过试验直接测得高空间分辨率的流场数据。机器学习是流场表征的有效手段,但是数据驱动的训练方法在已知样本较少时难以获得准确的模型。针对此问题,引入流场时程的人工神经网络方法,使用流体控制方程辅助模型训练,通过增加未知测点处的方程约束提高模型的精度,得到了考虑物理约束的桥面风场时程的机器学习重构模型。以低雷诺数桥面绕流为例,实现了基于稀疏已知测点时程数据的模型训练,得到了较好的效果。结果表明:通过引入未知测点处的控制方程约束,可在较少已知时程数据的情况下,获得更准确的桥面风场重构模型,为人工智能方法在风场实测时程数据中的应用提供了基础。