论文题目：基于智能算法与BIM的盾构施工参数及人材机管控方法研究
摘要：盾构法在我国城市轨道交通建设中应用非常广泛,在盾构施工过程中,施工参与方多,建设周期长,而且随着隧道直径和埋深的不断增大,地层和施工环境条件也变得更加复杂,面临的影响因素也越来越多,因此,采用更好的方法和技术手段进行施工管控是非常有意义和必要的。本文基于智能算法和BIM技术分别在非线性问题处理、信息集成与协同方面的优势,对盾构施工参数及人材机管控方法开展了研究。本课题主要研究内容包括:盾构机掘进参数优化方法改进、工程数据样本量有限的盾构机掘进参数匹配方法、盾构施工人材机管控计划信息模型构建、盾构施工人材机信息与进度管控计划网络集成方法以及融合智能算法与BIM技术的盾构施工人材机管控系统。根据以上研究内容,本课题进行的研究工作及成果如下:（1）对粒子群算法（Particle swarm optimization,PSO）进行了性能改进和验证并应用于盾构机掘进参数优化根据指数递减函数的曲线特征和PSO算法惯性权重取值范围,构造了PSO算法新的惯性权重动态调整等式。为了进一步降低PSO算法在迭代后期陷入局部极值的可能性,给出了粒子群体在迭代过程中的具体调节策略,提出了指数递减免疫粒子群算法（exponential adjustment inertia weight immune particle swarm optimization,EAIW-IPSO）。采用12组标准测试函数进行实验,实验中同时对比了其他学者改进的PSO算法,采用多次运行的最小值、平均值、均方根误差以及迭代曲线分析算法的准确性、稳定性和迭代特性。通过12组函数的多次实验结果表明了EAIW-IPSO算法在单峰值和多峰值问题中均具有更高的准确性、稳定性和较好的迭代特性,同时,改进后的算法具有更强的避免陷入局部极值的能力。基于EAIW-IPSO算法构建了盾构机掘进参数优化模型,模型中同时考虑了隧道的几何因素和土层因素。运用遗传算法（Genetic Algorithm,GA）算法优化后的多层前馈神经网络（Back propagation,BP）首先建立几何参数、土层参数和盾构机掘进参数与地表沉降的非线性关系模型,通过实际工程中获得的这些参数样本值和对应的地表沉降值进行非线性模型训练,基于训练较好的模型,然后采用EAIW-IPSO算法以及其他学者改进的算法同时对盾构机掘进参数进行优化,获得在特定几何参数和土层参数值下的最优盾构机掘进参数值。根据实际工程案例应用结果表明,EAIW-IPSO算法获得的地表沉降值最小。因此,也再次验证了EAIW-IPSO算法的性能,从而为盾构机掘进参数的优化提供了一种更为准确和可靠的方法。（2）工程数据样本量有限的盾构机掘进参数匹配方法及验证首先,运用支持向量机（Support vector machine,SVM）建立盾构机掘进参数匹配一类问题中参数变量与目标量之间的非线性关系模型,然后,采用EAIW-IPSO算法在非线性关系模型的基础上对参数变量进行优化。基于这一类问题的两组实例进行实验,在实验中,通过不断减少机器学习训练样本数量,分析在不同机器学习训练样本数量条件下模型的性能变化情况,实验中同时对比基于BP和PSO算法的匹配模型。结果表明,在样本数量不断减少的情况下,基于SVM和EAIW-IPSO算法匹配模型仍能得到更准确且稳定的匹配结果。选取隧道几何参数为深跨比（H/D）,土层参数为水位、重度、黏聚力、内摩擦角和测压系数,盾构机掘进参数为同步注浆量、推力、刀盘扭矩、土舱压力和贯入度作为SVM模型的输入参数变量,地表沉降量作为目标量。考虑获取样本的有限性,在满足SVM测试相对误差平均值位于3%～10%的条件下,通过实际盾构施工数据进行SVM模型训练和测试,给出了基于SVM和EAIW-IPSO算法实现盾构机掘进参数匹配的训练样本数量为28～49组的建议。基于开发的参数匹配模块,采用其中30组数据进行SVM模型训练,然后采用EAIW-IPSO对特定几何参数和土层参数下的盾构机掘进参数进行优化。通过对比BP和PSO的匹配模型,结果表明了基于SVM和EAIW-IPSO的匹配模型在样本拟合、模型泛化能力以及优化结果方面均较优。（3）盾构施工人材机管控计划信息模型构建针对Revit软件中创建盾构管片信息模型的缺陷,通过二次开发技术实现了管片信息模型快速生成的插件。基于Revit族创建了盾构施工过程中相关材料和机械设备等参数化基础信息模型,再通过Revit项目实现了始发场地等基础信息模型的创建。把基础信息模型导入Navisworks中进行整合,并建立相应的图元管理集,将盾构施工过程中每一个阶段人员、材料和机械设备需求计划、材料和机械设备的使用和现场布置等信息与对应基础图元几何信息模型进一步集成,实现了盾构施工人材机管控计划信息模型的建立,从而基于所建立的施工管控计划信息模型,能够更好的实现盾构施工过程中人材机信息的可视化,为施工管理提供更直观和更有效的指导。（4）盾构施工人材机信息与进度管控计划网络集成方法首先,运用Revit软件创建盾构施工进度管控计划网络中工作构件族并进行初始参数化设置。然后,通过Revit API和Window Forms技术开发能够操作进度计划网络中人材机等信息的插件,该插件可以实现的功能包括:盾构施工进度计划网络中的工作与建筑构件模型关联、建筑构件施工对应的人材机计划信息的添加和查询以及工作时间参数值的快速计算和赋值修改。最后,基于盾构施工工艺、工作持续时间和构件族创建能够集成多维信息的盾构施工进度管控计划网络。再通过开发的插件进行网络中时间参数值快速计算、盾构施工人材机管控计划信息添加以及可视化具体工作对应的建筑构件,从而实现盾构施工建筑构件及其施工所需人材机信息与进度管控计划网络的集成。使得相关人员能够更直观和清楚的了解到每一项工作下的具体施工对象以及施工过程中所需人材机等关键信息。（5）融入智能算法和BIM技术的盾构施工人材机管控系统设计与开发基于盾构施工过程中人员、材料以及机械设备管控内容,并结合智能算法和BIM技术的应用价值点进行系统功能模块设计,采用Microsoft SQL server 2012建立系统数据库,根据模块所要实现的功能设计相应的数据库表单。在Microsoft Visual Studio 2012环境下进行系统前端的设计、后端控件代码的编写以及实现客户端和服务端基于Socket的通信。运用实际盾构项目相关人材机信息对系统各模块功能进行了测试,测试结果表明了研发系统的可行性,将智能算法和BIM技术融入系统中提高了系统解决盾构施工人材机管控中的非线性问题的能力以及实现了系统中人材机信息的可视化。
关键词：城市轨道交通;盾构施工;管控方法;智能算法;BIM技术;
学科专业：工程管理
摘要
abstract
1 绪论
1.1 选题背景、目的和意义
1.1.1 选题背景
1.1.2 选题目的
1.1.3 选题意义
1.2 国内外研究现状及存在问题
1.2.1 智能算法在施工管控中的应用及研究现状
1.2.2 工程施工人材机管控研究现状
1.2.3 BIM技术在施工管控中的应用及研究现状
1.2.4 存在的问题
1.3 研究内容、方法及技术路线
1.3.1 研究内容
1.3.2 研究方法及技术路线
1.4 论文的创新之处
2 基于改进PSO算法的盾构机掘进参数优化方法
2.1 影响盾构机施工地表沉降的因素分析
2.1.1 隧道的几何因素
2.1.2 土层的因素
2.1.3 施工因素
2.2 盾构机掘进参数优化方法中PSO算法改进
2.2.1 PSO算法
2.2.2 EAIW-IPSO算法
2.3 EAIW-IPSO算法性能实验研究
2.3.1 仿真函数的选取及实验设置
2.3.2 EAIW-IPSO算法在单峰值函数中的性能分析
2.3.3 EAIW-IPSO算法在多峰值函数中的性能分析
2.4 EAIW-IPSO算法在盾构机掘进参数优化中的应用研究
2.4.1 基于EAIW-IPSO算法的盾构机掘进参数优化模型构建
2.4.2 工程样本数据及实验结果分析
2.5 本章小结
3 工程数据样本量有限的盾构机掘进参数匹配方法
3.1 盾构机掘进参数匹配问题分析
3.2 SVM基本理论
3.2.1 SVM基本概念
3.2.2 SVM参数值的确定
3.2.3 SVM核函数
3.3 基于SVM和 EAIW-IPSO的掘进参数匹配一类问题求解模型
3.3.1 基于SVM的目标函数中变量与目标量关系模型构建
3.3.2 基于EAIW-IPSO算法的参数变量优化选取
3.4 实验研究
3.4.1 仿真实例一
3.4.2 仿真实例二
3.5 基于SVM和 EAIW-IPSO的盾构机掘进参数匹配应用研究
3.5.1 基于SVM和 EAIW-IPSO的掘进参数匹配所需训练样本数量
3.5.2 盾构掘进参数匹配应用
3.6 本章小结
4 盾构施工人材机管控计划信息模型
4.1 BIM技术
4.1.1 BIM概念及特性
4.1.2 BIM技术的基本架构及信息管理流程
4.2 工程基本概况
4.3 管片信息模型快速创建的Revit插件二次开发
4.3.1 基于Revit创建管片信息模型的分析
4.3.2 Revit API
4.3.3 管片三维模型关键点的坐标设计
4.3.4 管片信息模型快速建模插件实现
4.3.5 管片初始模型信息参数化
4.4 盾构隧道施工基础信息模型及参数化
4.4.1 土层信息模型及参数化
4.4.2 盾构机信息模型及参数化
4.4.3 始发场地构件族信息模型及参数化
4.5 盾构施工人材机管控计划信息模型
4.5.1 始发场地材料、机械设备等布置信息模型
4.5.2 管片环及管片区间拼装信息模型
4.5.3 施工过程人材机管控计划信息模型
4.6 本章小结
5 盾构施工人材机信息与进度管控计划网络集成方法
5.1 进度计划编制方法
5.1.1 横道图和网络图
5.1.2 基于BIM技术编制进度计划的优势
5.2 工作构件化和参数化的表示
5.3 进度计划网络信息集成操作插件开发
5.3.1 插件功能性分析
5.3.2 进度计划网络工作与建筑信息模型关联功能
5.3.3 工作构件信息模型时间参数的快速计算和自动修改功能
5.3.4 进度计划网络工作信息添加和查阅功能
5.4 Revit环境下人材机等信息与进度计划网络集成的实现
5.4.1 Revit环境下初始进度计划网络实现
5.4.2 基于开发插件的时间参数计算及其模型赋值
5.4.3 基于开发插件的对应工作下建筑信息模型可视化
5.4.4 基于开发插件的人材机等信息添加和查询
5.5 本章小结
6 融入智能算法与BIM技术的盾构施工人材机管控系统
6.1 盾构施工人材机管控系统需求分析
6.2 盾构施工人材机管控系统功能设计
6.2.1 系统角色设计
6.2.2 系统有关功能实现的技术要点
6.2.3 系统功能设计
6.2.4 系统特色之处
6.3 盾构施工人材机管控系统架构设计及开发环境
6.3.1 系统网络模式
6.3.2 系统物理结构和开发环境
6.4 盾构施工人材机管控系统数据库设计
6.5 盾构施工人材机管控系统测试
6.5.1 工程概况模块
6.5.2 人员管控模块
6.5.3 材料管控模块
6.5.4 机械设备管控模块
6.6 本章小结
7 结论
7.1 研究结论
7.2 进一步的研究计划
参考文献
致谢
作者简介