基于BIM的深基坑施工安全风险智能识别研究
这是一篇关于BIM技术,空间拓扑关系,知识库,施工安全,风险识别系统的论文, 主要内容为随着我国经济建设的迅猛发展,城市化进程不断加快,城市建设空间日益紧张。为了更有效的利用城市土地,各个城市的高层建筑大量涌现。地下空间的发掘和利用也在城市中得到不断地发展,且规模和深度不断加大。无论是高层建筑深基础的施工还是地下空间的建设,都不可避免的要进行大规模的地下开挖,由此伴随着出现大量的深基坑工程问题。值得注意的是,深基坑工程的施工场地紧凑、周边环境复杂等特点,导致施工安全事故频发,给国家和社会造成了巨大的经济损失,甚至是人员伤亡,产生了非常不好的社会影响。BIM(Buliding Information Modeling)技术是以三维数字技术为基础,综合集成建筑工程项目各相关信息的数据模型,充分利用BIM技术的参数化、动态可视化施工模拟、数据集成化等特点并结合相关信息技术,能够在很大程度上提高安全管理效率。基于此,本文借助BIM技术在安全管理方面的应用,首先从深基坑安全事故案例、深基坑各施工活动的工作安全分析中对深基坑施工安全风险进行识别,然后基于Revit的可视化编程平台Dynamo构建深基坑施工空间拓扑关系,对工程对象间存在的安全风险进行识别。在此基础上,构建深基坑施工安全风险知识库,最后利用Revit二次开发技术构建并实现深基坑施工安全识别系统,以实现对知识库内容的充分利用,主要研究内容包括:(1)通过对典型的深基坑安全事故案例、深基坑三大主要施工活动的工作安全分析两方面进行分析,识别出深基坑工程在施工过程中存在的安全风险,并通过文本分析从事故调查报告、安全施工规范等资料数据中总结出积极有效的安全预防措施,为深基坑施工安全风险知识库的构建提供基础支撑。(2)根据深基坑施工BIM模型对工程对象进行分类,对其几何信息(包括位置信息、尺寸信息等)、非几何信息(材料信息、施工信息等)进行描述,并总结得出深基坑各工程对象之间的关系,在此基础上利用Revit的可视化编程平台Dynamo提取某特定场景下的空间拓扑关系,最后将提取出的拓扑关系利用知识图谱工具进行可视化,为深基坑施工安全风险知识库的构建做铺垫。(3)构建深基坑施工安全风险知识库。首先对知识库相关理论进行分析,并对前文描述的安全规范、工作安全分析、事故案例及空间拓扑关系等安全知识进行分类,总结得出可以描述上述安全知识的表示方法,随后分析了施工安全风险知识库的需求,并对知识库的逻辑结构、存储结构及查询机制进行设计,在此基础上利用Microsoft Access 2019实现了对深基坑施工安全风险知识库的构建。(4)设计并实现基于BIM技术的深基坑施工安全风险识别系统。首先对深基坑施工安全风险识别系统的框架和功能进行分析,并对Revit API二次开发环境配置和开发方式进行描述,然后借助Revit和Visual Studio平台,利用C#语言进行施工安全风险识别插件的开发,关键在于对知识库中的安全知识进行针对性查询,从而实现基于安全事故、基于工作安全分析、基于拓扑关系的工程对象的安全风险识别及可视化功能,以实现对知识库中安全知识的充分利用。该论文有图66幅,表30个,参考文献103篇。
施工安全数字化管控平台的设计与实现
这是一篇关于施工安全,施工安全LCB理论,目标检测,安全帽佩戴检测的论文, 主要内容为改革开放以来,我国建筑行业发展迅猛,其在国民经济中的比重不断提升,对国民经济发展的推动作用也愈发明显,但建筑业也是一个危险性高、安全事故多发的行业。频频发生的安全事故不仅威胁着建筑工人的生命安全,也严重阻碍了建筑行业的健康发展。在传统的施工安全管理模式中,许多工作都要由人工来完成,如人员统计、设备管理等,存在着低效、易错、高成本等多方面的问题,而面对当前愈发复杂多变的施工现场,传统的管理模式已经显得心有余而力不足,难以满足新时代的管理要求,故而,提升建筑施工现场的管理水平刻不容缓。对此,本文根据施工安全LCB理论来指导施工现场的安全管理,利用深度学习技术智能监测现场工人不佩戴安全帽的危险行为,最终设计并实现了一个施工安全数字化管控平台,该平台能够从多个方面帮助建筑方管理者管理施工现场,提高管理水平。本文主要工作如下:(1)本文对目前施工现场在管理方面存在的一些问题进行了调研和分析,同时结合施工安全LCB理论,完成了平台的需求分析,形成了需求文档。之后,本文确定了平台的总体架构和功能架构,然后完成了平台的数据库设计,最后是进行详细设计。其中平台前端技术主要包括Vue.js和JeecgBoot等基础框架以及ECharts和Ant-Design-Vue等可视化组件库,后端技术主要包括了 SpringBoot和MySQL等。在整体开发完成后,本文对平台的每个功能模块都进行了必要的测试,确保平台能正常工作。(2)在施工安全管理模块中,除了利用布设在施工现场的监控摄像头进行远程实时监控外,本文还利用了近年来突飞猛进的深度学习技术来检测不佩戴安全帽的危险行为。目前,在目标检测领域,YOLO系列模型在检测速度和检测精度方面都有着出彩的表现,因此本文选择其中的YOLOv3和YOLOv4作为候选模型,在公司私有的FYD数据集和公开数据集SHWD、HHWD上进行实验,得到了多个模型,其中使用SHWD进行预训练的YOLOv4模型在目标数据集FYD上取得了最好的性能,因此本文最终以此模型作为安全帽佩戴检测的算法。本文设计并实现的施工安全数字化管控平台以施工安全LCB理论作为施工现场安全管理方面的理论指导,利用深度学习技术智能监控现场不戴安全帽的危险行为,实现了施工现场的数字化和智能化管理,最终完成的平台满足了新时代对于施工安全管理的要求,切实保证了施工人员的生命安全,有效遏制了安全事故的发生,促进了建筑行业的健康发展。
基于BIM技术的地铁工程可视化管理研究
这是一篇关于地铁工程,BIM技术,施工安全,可视化管理的论文, 主要内容为随着国内地铁建设的快速推进,出现的安全事故问题也随之而来。地铁工程的施工建设涉及项目的进度、成本、质量、安全等多维度问题。基于施工组织困难、周围环境复杂的施工现状,对工程项目进行可视化和精细化管理,利用新型技术提高对工程项目的预控能力,能够有效遏制事故的发生。在地铁工程中施工管理和安全风险可视化的重要性,在我国地铁建设工程中发挥了极大的作用,但其安全风险可视化水平不高,施工管理系统也不够完善,而BIM技术的出现能使工程施工可视化管理成为了可能。BIM技术贯穿了工程项目的设计、建造、运营和管理等生命周期阶段,是一种智能化的设计过程,同时BIM技术所应用的各类软件,能够为建筑各阶段的不同专业搭建三维协同可视化平台。然而,基本的BIM模型只包含几何图形、材质、体积等基础数据信息,并不足以支撑项目全生命周期的可视化信息管理。因此,为了实现地铁施工和安全风险的可视化、信息化、协同化管理,本文以北京地铁六号线苹果园站为基础,开展了如下工作:(1)利用Revit建立苹果园站主体和盾构机的三维可视化结构模型,并导入Navisworks对施工过程进行仿真模拟,分析BIM技术在施工方案模拟、施工过程可视化、模型结构碰撞检查与施工设计深化中的具体应用。(2)基于.NET Framework框架对Navisworks进行二次开发,实现Revit与Navisworks之间模型的实时更新传递。避免在BIM模型传递中,导出模型文件的繁琐步骤。利用BIM技术信息共享的优势,实现BIM软件间的联动,从而达到实时的地铁施工仿真模拟效果,提高施工仿真模拟效率。(3)运用SQL Server构建安全风险信息数据库,集成施工安全技术标准。通过Navisworks提供的API接口与相关BIM二次开发工具,提出了基于SQL Server与.NET Framework结合的地铁工程可视化管理框架,以及解决项目模型检查、施工过程模拟、安全风险管理与安全风险评估等关键技术问题,最终实现地铁工程可视化管理目标。结果表明:BIM技术在三维可视化设计和施工方案优化等方面均表现出了精准、高效的管理水平。所建立的基于施工和风险管理的4D集成化管理平台,实现了工程多维度信息的高效传递,不仅提高了管理效率,还可以确保施工过程安全有序的进行,为以后类似工程实践提供了新思路,在地铁项目施工组织和安全管理等方面有着较大的应用价值。
施工安全数字化管控平台的设计与实现
这是一篇关于施工安全,施工安全LCB理论,目标检测,安全帽佩戴检测的论文, 主要内容为改革开放以来,我国建筑行业发展迅猛,其在国民经济中的比重不断提升,对国民经济发展的推动作用也愈发明显,但建筑业也是一个危险性高、安全事故多发的行业。频频发生的安全事故不仅威胁着建筑工人的生命安全,也严重阻碍了建筑行业的健康发展。在传统的施工安全管理模式中,许多工作都要由人工来完成,如人员统计、设备管理等,存在着低效、易错、高成本等多方面的问题,而面对当前愈发复杂多变的施工现场,传统的管理模式已经显得心有余而力不足,难以满足新时代的管理要求,故而,提升建筑施工现场的管理水平刻不容缓。对此,本文根据施工安全LCB理论来指导施工现场的安全管理,利用深度学习技术智能监测现场工人不佩戴安全帽的危险行为,最终设计并实现了一个施工安全数字化管控平台,该平台能够从多个方面帮助建筑方管理者管理施工现场,提高管理水平。本文主要工作如下:(1)本文对目前施工现场在管理方面存在的一些问题进行了调研和分析,同时结合施工安全LCB理论,完成了平台的需求分析,形成了需求文档。之后,本文确定了平台的总体架构和功能架构,然后完成了平台的数据库设计,最后是进行详细设计。其中平台前端技术主要包括Vue.js和JeecgBoot等基础框架以及ECharts和Ant-Design-Vue等可视化组件库,后端技术主要包括了 SpringBoot和MySQL等。在整体开发完成后,本文对平台的每个功能模块都进行了必要的测试,确保平台能正常工作。(2)在施工安全管理模块中,除了利用布设在施工现场的监控摄像头进行远程实时监控外,本文还利用了近年来突飞猛进的深度学习技术来检测不佩戴安全帽的危险行为。目前,在目标检测领域,YOLO系列模型在检测速度和检测精度方面都有着出彩的表现,因此本文选择其中的YOLOv3和YOLOv4作为候选模型,在公司私有的FYD数据集和公开数据集SHWD、HHWD上进行实验,得到了多个模型,其中使用SHWD进行预训练的YOLOv4模型在目标数据集FYD上取得了最好的性能,因此本文最终以此模型作为安全帽佩戴检测的算法。本文设计并实现的施工安全数字化管控平台以施工安全LCB理论作为施工现场安全管理方面的理论指导,利用深度学习技术智能监控现场不戴安全帽的危险行为,实现了施工现场的数字化和智能化管理,最终完成的平台满足了新时代对于施工安全管理的要求,切实保证了施工人员的生命安全,有效遏制了安全事故的发生,促进了建筑行业的健康发展。
施工安全数字化管控平台的设计与实现
这是一篇关于施工安全,施工安全LCB理论,目标检测,安全帽佩戴检测的论文, 主要内容为改革开放以来,我国建筑行业发展迅猛,其在国民经济中的比重不断提升,对国民经济发展的推动作用也愈发明显,但建筑业也是一个危险性高、安全事故多发的行业。频频发生的安全事故不仅威胁着建筑工人的生命安全,也严重阻碍了建筑行业的健康发展。在传统的施工安全管理模式中,许多工作都要由人工来完成,如人员统计、设备管理等,存在着低效、易错、高成本等多方面的问题,而面对当前愈发复杂多变的施工现场,传统的管理模式已经显得心有余而力不足,难以满足新时代的管理要求,故而,提升建筑施工现场的管理水平刻不容缓。对此,本文根据施工安全LCB理论来指导施工现场的安全管理,利用深度学习技术智能监测现场工人不佩戴安全帽的危险行为,最终设计并实现了一个施工安全数字化管控平台,该平台能够从多个方面帮助建筑方管理者管理施工现场,提高管理水平。本文主要工作如下:(1)本文对目前施工现场在管理方面存在的一些问题进行了调研和分析,同时结合施工安全LCB理论,完成了平台的需求分析,形成了需求文档。之后,本文确定了平台的总体架构和功能架构,然后完成了平台的数据库设计,最后是进行详细设计。其中平台前端技术主要包括Vue.js和JeecgBoot等基础框架以及ECharts和Ant-Design-Vue等可视化组件库,后端技术主要包括了 SpringBoot和MySQL等。在整体开发完成后,本文对平台的每个功能模块都进行了必要的测试,确保平台能正常工作。(2)在施工安全管理模块中,除了利用布设在施工现场的监控摄像头进行远程实时监控外,本文还利用了近年来突飞猛进的深度学习技术来检测不佩戴安全帽的危险行为。目前,在目标检测领域,YOLO系列模型在检测速度和检测精度方面都有着出彩的表现,因此本文选择其中的YOLOv3和YOLOv4作为候选模型,在公司私有的FYD数据集和公开数据集SHWD、HHWD上进行实验,得到了多个模型,其中使用SHWD进行预训练的YOLOv4模型在目标数据集FYD上取得了最好的性能,因此本文最终以此模型作为安全帽佩戴检测的算法。本文设计并实现的施工安全数字化管控平台以施工安全LCB理论作为施工现场安全管理方面的理论指导,利用深度学习技术智能监控现场不戴安全帽的危险行为,实现了施工现场的数字化和智能化管理,最终完成的平台满足了新时代对于施工安全管理的要求,切实保证了施工人员的生命安全,有效遏制了安全事故的发生,促进了建筑行业的健康发展。
本文内容包括但不限于文字、数据、图表及超链接等)均来源于该信息及资料的相关主题。发布者:毕业设计工坊 ,原文地址:https://bishedaima.com/lunwen/50132.html