基于神经网络的建筑施工工序优化方法、设备及介质技术

本发明专利技术提供了基于神经网络的建筑施工工序优化方法，包括：建立施工工序；分析每个施工工序，转化为蚂蚁随机路径；建立不同的施工子目标；计算施工总目标；定义信息素和蚂蚁的选择路径；构建递归模糊小波小脑关节控制的神经网络模型；在神经网络模型中输入施工子目标的施工参数和施工总目标，输出施工子目标对应的权重和信息素因子；每只蚂蚁选择一个施工工序作为路径，实时计算并更新蚂蚁释放的信息素及蚂蚁路径；当全部蚂蚁收敛到同一路径或达到给定的迭代次数时，搜索结束，得出蚂蚁最短路径下最优先处理的施工工序。本发明专利技术还提供一种电子设备及一种计算机可读存储介质，合理优化施工工序，控制施工工期、成本、过量排放等问题。过量排放等问题。过量排放等问题。

【技术实现步骤摘要】
基于神经网络的建筑施工工序优化方法、设备及介质


[0001]本专利技术涉及建筑施工
，尤其是涉及基于神经网络的建筑施工工序优化方法、设备及介质。

技术介绍

[0002]近年来，我国的建筑业发展十分迅速，装配式建筑在20世纪初就开始引起人们的兴趣，到六十年代终于实现。由于装配式建筑的建造速度快，而且生产成本较低，迅速在世界各地推广开来。
[0003]装配式建筑是指把传统建造方式中的大量现场作业工作转移到工厂进行，在工厂加工制作好建筑用构件和配件(如楼板、墙板、楼梯、阳台等)，运输到建筑施工现场，通过可靠的连接方式在现场装配安装而成的建筑。
[0004]在装配式建筑业长期发展的过程中，存在工期延长、成本超标、过量排放等问题，因此如何综合优化装配式建筑的施工工序在绿色建筑中显得越来越重要。
[0005]在2019年08月16日申请的申请号为201910756922.8的中国专利技术，涉及一种基于建筑信息模型的施工进度资源自动优化方法，其包括以下步骤：准备具备建筑元素类别以及主资源类别的建筑信息模型，并在工作包模板数据库中添加必要信息，形成若干需要的工作包模板；以建筑构件类型以及材料类型为基础进行数据集成；利用RCPSP的约束条件和目标函数，生成进度资源优化模型，并求解，完成施工进度资源的优化。本专利技术能大幅提升数据整合、施工优化的效率，将施工方案优化的时间缩短，从几天降低到几小时。

技术实现思路

[0006]为解决上述问题，本专利技术提供基于神经网络的建筑施工工序优化方法，合理优化施工工序，控制施工工期、成本、过量排放等问题。
[0007]本专利技术是通过以下技术方案予以实现：
[0008]本专利技术提供了基于神经网络的建筑施工工序优化方法，所述方法包括如下步骤：
[0009]步骤1、建立装配式建筑的施工工序；
[0010]步骤2、分析每个施工工序，并采用蚁群算法将其转化为不同的蚂蚁随机路径；
[0011]步骤3、在每条路径下分别建立不同的施工子目标；
[0012]步骤4、根据每条路径下的所有施工子目标计算该条路径对应的施工总目标；
[0013]步骤5、定义信息素和局部信息素，并根据信息素、局部信息素和信息素因子定义每只蚂蚁的选择路径；
[0014]步骤6、构建递归模糊小波小脑关节控制的神经网络模型；
[0015]步骤7、在神经网络模型中输入施工子目标的施工参数和施工总目标，并输出施工子目标对应的权重和信息素因子，以更新施工总目标和信息素；
[0016]步骤8、每只蚂蚁选择一个施工工序作为路径，实时计算并更新蚂蚁释放的信息素及蚂蚁路径；当全部蚂蚁收敛到同一路径或达到给定的迭代次数时，搜索结束，得出蚂蚁最
短路径下最优先处理的施工工序。
[0017]进一步的，所述步骤1具体包括：
[0018]所述装配式建筑的施工工序分为以下过程：土地构件入场及检查、架设装备支撑、基层与施工面清理、预埋件布置、叠合板吊装运输、叠合板安装就位、灌浆作业、节点保护以及现场清理。
[0019]进一步的，所述步骤2具体包括：
[0020]分析装配式建筑的每个施工工序的施工模式，分为正常模式、赶工模式和节约模式三种，根据每个施工工序所选择的施工模式不同，采用蚁群算法将每个施工工序转化为对应的蚂蚁随机路径。
[0021]进一步的，所述步骤3具体包括：
[0022]根据每只蚂蚁所选择的路径建立每条路径对应的施工子目标，一个施工子目标分为工期子目标、成本子目标、安全子目标、排放子目标和质量子目标。
[0023]进一步的，所述步骤4具体包括：
[0024]根据每个施工子目标中各子目标的具体标准和各子目标的权重值计算对应的施工总目标为：
[0025][0026]其中，A是加权计算后的施工总目标；M1是工期子目标的权重值，M2是成本子目标的权重值，M3是安全子目标的权重值，M4是排放子目标的权重值，M5是质量子目标的权重值；A1是工期子目标，A2是成本子目标，A3是安全子目标，A4是排放子目标，A5是质量子目标。
[0027]进一步的，所述步骤5具体包括：
[0028]步骤51、构建当前蚂蚁完成一次路径搜索后所释放的信息素：
[0029][0030]其中，k代表第k只蚂蚁，i代表当前施工工序所采用的第i个施工模式，j代表下一个施工工序所采用的第j个施工模式，Q表示蚂蚁完成一次路径搜索后所释放的信息素总量，f(N)为第N个循环的综合目标值；
[0031]步骤52、构建所有蚂蚁完成一次路径搜索后所释放的的信息素：
[0032][0033]其中，m表示蚂蚁数；
[0034]步骤53、定义信息素的更新信息为：
[0035][0036]其中，表示第M时刻的信息素，表示第M+1时刻的信息素；
[0037]步骤54、构建局部信息素：
[0038][0039]其中，角标t,d,s,p和z分别表示工期、成本、安全、排放和质量；max和min分别表示最大值和最小值，r是偏置量，ω代表权重值；
[0040]步骤55、根据信息素、局部信息素和信息素因子构建每只蚂蚁的选择路径公式如下：
[0041][0042]其中，符号τ
ij
和φ
ij
分别代表当前施工工序所采用的第i个施工模式和下一个施工工序所采用的第j个施工模式的信息素和局部信息素；f代表第f个施工模式，a和b代表信息素因子；
[0043]步骤56、计算出每只蚂蚁的选择路径如下：
[0044][0045]其中，j代表下一个工序是采用第j个施工模式，P0是预设值。
[0046]进一步的，所述步骤6具体包括：
[0047]步骤61、构建递归模糊小波小脑关节控制的神经网络模型，所述神经网络模型有五个空间，分别为：
[0048]输入空间：X＝[x1,x2,x3,x4,x5,x6]T
,
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0049]其中，X表示神经网络模型的输入，x1表示工期，x2表示成本，x3表示安全，x4表示排放，x5表示质量，x6表示施工总目标A，T表示矩阵的转置；
[0050]成员函数空间：
[0051]其中，μ
ijk
(x
i
)是成员函数，d
ijk
和c
ijk
是权重，随着迭代循环而优化；
[0052]规则空间：
[0053]其中，是规则，∏是累乘符号，θ
ijk
是更新的权重值；
[0054]模糊空间：
[0055]其中，是模糊，是权重值；
[0056]输出空间：
[0057]其中，y是神经网络模型的输出；
[0058]步骤62、所述神经网络模型自身的参数d
ijk
、c
ijk
、和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于神经网络的建筑施工工序优化方法，其特征在于，所述方法包括如下步骤：步骤1、建立装配式建筑的施工工序；步骤2、分析每个施工工序，并采用蚁群算法将其转化为不同的蚂蚁随机路径；步骤3、在每条路径下分别建立不同的施工子目标；步骤4、根据每条路径下的所有施工子目标计算该条路径对应的施工总目标；步骤5、定义信息素和局部信息素，并根据信息素、局部信息素和信息素因子定义每只蚂蚁的选择路径；步骤6、构建递归模糊小波小脑关节控制的神经网络模型；步骤7、在神经网络模型中输入施工子目标的施工参数和施工总目标，并输出施工子目标对应的权重和信息素因子，以更新施工总目标和信息素；步骤8、每只蚂蚁选择一个施工工序作为路径，实时计算并更新蚂蚁释放的信息素及蚂蚁路径；当全部蚂蚁收敛到同一路径或达到给定的迭代次数时，搜索结束，得出蚂蚁最短路径下最优先处理的施工工序。2.根据权利要求1所述的基于神经网络的建筑施工工序优化方法，其特征在于，所述步骤1具体包括：所述装配式建筑的施工工序分为以下过程：土地构件入场及检查、架设装备支撑、基层与施工面清理、预埋件布置、叠合板吊装运输、叠合板安装就位、灌浆作业、节点保护以及现场清理。3.根据权利要求1所述的基于神经网络的建筑施工工序优化方法，其特征在于，所述步骤2具体包括：分析装配式建筑的每个施工工序的施工模式，分为正常模式、赶工模式和节约模式三种，根据每个施工工序所选择的施工模式不同，采用蚁群算法将每个施工工序转化为对应的蚂蚁随机路径。4.根据权利要求1所述的基于神经网络的建筑施工工序优化方法，其特征在于，所述步骤3具体包括：根据每只蚂蚁所选择的路径建立每条路径对应的施工子目标，一个施工子目标分为工期子目标、成本子目标、安全子目标、排放子目标和质量子目标。5.根据权利要求1所述的基于神经网络的建筑施工工序优化方法，其特征在于，所述步骤4具体包括：根据每个施工子目标中各子目标的具体标准和各子目标的权重值计算对应的施工总目标为：其中，A是加权计算后的施工总目标；M1是工期子目标的权重值，M2是成本子目标的权重值，M3是安全子目标的权重值，M4是排放子目标的权重值，M5是质量子目标的权重值；A1是工期子目标，A2是成本子目标，A3是安全子目标，A4是排放子目标，A5是质量子目标。6.根据权利要求1所述的基于神经网络的建筑施工工序优化方法，其特征在于，所述步骤5具体包括：步骤51、构建当前蚂蚁完成一次路径搜索后所释放的信息素：
其中，k代表第k只蚂蚁，i代表当前施工工序所采用的第i个施工模式，j代表下一个施工工序所采用的第j个施工模式，Q表示蚂蚁完成一次路径搜索后所释放的信息素总量，f(N)为第N个循环的综合目标值；步骤52、构建所有蚂蚁完成一次路径搜索后所释放的的信息素：其中，m表示蚂蚁数；步骤53、定义信息素的更新信息为：其中，表示第M时刻的信息素，表示第M+1时刻的信息素；步骤54、构建局部信息素：其中，角标t,d,s,p和z分别表示工期、成本、安全、排放和质量；max和min分别表示最大值和最小值，r是偏置量，ω代表权重值；步骤55、根据信息素、局部信息素和信息素因子构建每只蚂蚁的选择路径公式如下：其中，符号τ
ij
和φ
ij
分别代表当前施工工序所采用的第i个施工模式和下一个施工工序所采用的第j个施工模式的信息素和局部信息素；f代表第f个施工模式，a和b代表信息素因子；步骤56、计算出每只蚂蚁的选择路径如下：其中，j代表下一个工序是采用第j个施工模式，P0是预设值。7.根据权利要求1所述的基于神经网络的建筑施工工序优化方法，其特征在于，所述步骤6具体包括：步骤61、构建递归模糊小波小脑关节控制的神经网络模型，所述神经网络...

【专利技术属性】
技术研发人员：孙云栋，卞铃，杨自强，何林文，
申请(专利权)人：福建省茂宏建设工程有限公司，
类型：发明
国别省市：