一种基于BIM-FEM的桥梁结构数字孪生体及方法技术

本发明专利技术属于桥梁结构数字孪生体技术领域，公开了一种基于BIM

【技术实现步骤摘要】
一种基于BIM
‑
FEM的桥梁结构数字孪生体及方法


[0001]本专利技术属于桥梁结构数字孪生体
，尤其涉及一种基于BIM
‑
FEM的桥梁结构数字孪生体及方法。

技术介绍

[0002]为适应现代高速发展的交通行业变化，桥梁作为亦引申为能够跨越山涧、不良地质及或满足其他交通需要而架设的使通行更加便捷的建筑物，目前已成为交通运输最主要且常用的构筑物之一。数字孪生是以数字化形式在虚拟空间构建与物理世界一致的高保真模型，通过实测、仿真和数据分析来实时感知、诊断、预测物理实体对象的状态，具有多维、动态、高保真、全生命周期、虚实融合等特征，是实现人机物互联互通的关键，也是桥梁信息化和智能化的重要标志。集成BIM与GIS技术对现实场景进行数字化仿真模拟，建立数字孪生场景，可支撑展示、分析、诊断、预测以及决策等相关应用。数字孪生场景建模被广泛应用于智慧城市、航空航天、施工建造等领域，虚拟场景是桥梁数字孪生的核心部分，其支持将桥梁属性、结构、状态和行为映射到虚拟世界，形成高保真多维多尺度桥梁数字化场景，帮助人们更好地认知、理解、掌握和控制整个桥梁建造过程；然而，现有基于BIM
‑
FEM的桥梁结构数字孪生体进行BIM建模校核过程中，当采用高精度仪器完成工作时，测量效率低、耗费成本高，当采用一般方法进行测量时，测量时间长，效率低下，导致现场一般测量时数据精度低，复核偏差大；此外，现有技术未能实现对模型的实时修正更新同时，对模型无法做到实时修正更新。
[0003]通过上述分析，现有技术存在的问题及缺陷为：
[0004](1)现有基于BIM
‑
FEM的桥梁结构数字孪生体BIM建模校核过程中，用高精度仪器时，测量时间长，效率低下，导致现场一般测量时数据精度低，复核偏差大。
[0005](2)对模型无法做到实时修正更新。

技术实现思路

[0006]针对现有技术存在的问题，本专利技术提供了一种基于BIM
‑
FEM的桥梁结构数字孪生体及方法；解决由传统BIM建模所带来的种种不便之处，从而实现高精度、高效率的BIM建模。
[0007]本专利技术的实现过程为，一种基于BIM
‑
FEM的桥梁结构数字孪生体包括：
[0008]桥梁图像采集模块、中央控制模块、图像增强模块、BIM建模模块、优化模块、模型更新模块、显示模块；
[0009]桥梁图像采集模块，与中央控制模块连接，能够通过无人机采集桥梁结构图像，并采集桥梁材料信息；所述桥梁图像采集模块优选佳能(Canon)EOS 850D；
[0010]所述桥梁图像采集模块采集方法：
[0011]接收数据采集指令，获取桥梁拍摄路线、桥梁拍摄目标并保存所述桥梁拍摄目标的特征；
[0012]接收后台发送的针对待采集桥梁的数据采集指令；
[0013]并根据所述数据采集指令获取所述待采集桥梁的位置；
[0014]根据待采集桥梁的位置通过拍摄路线跟随拍摄；
[0015]通过安装在所述无人机上的辅助摄像器，可以获取与所述待采集桥梁的位置对应的区域的光线强度；
[0016]当所述光线强度低于预设值时，通过安装在无人机上佳能(Canon)EOS 850D的红外拍摄功能采集所述待采集桥梁对应的红外图像；
[0017]根据所述桥梁拍摄目标的特征跟踪所述桥梁拍摄目标，获取当前图像；其中当前图像包括桥梁拍摄目标和环境图像；
[0018]中央控制模块，与桥梁图像采集模块、图像增强模块、BIM建模模块、优化模块、模型更新模块、显示模块连接，能够控制协调各个模块正常工作；所述中央控制模块优选英特尔(Intel)i5
‑
12490F；
[0019]图像增强模块，与中央控制模块连接，能够对桥梁图像进行去噪增强处理；
[0020]所述图像增强模块增强方法如下：
[0021]获取训练样本集，所述训练样本集包括噪声桥梁图像样本集以及与所述噪声桥梁图像样本集对应的无噪桥梁图像样本集；
[0022]将所述噪声桥梁图像样本集输入到卷积神经网络中进行训练，输出训练得到的去噪桥梁图像样本集；
[0023]根据所述无噪桥梁图像样本集和所述去噪桥梁图像样本集分别计算对应的均方误差损失函数值和最大后验损失函数值，并根据所述均方误差损失函数值和最大后验损失函数值得到总损失函数值；
[0024]其中，所述根据所述无噪桥梁图像样本集和所述去噪桥梁图像样本集分别计算对应的均方误差损失函数值和最大后验损失函数值的步骤，包括：根据所述无噪桥梁图像样本集和所述去噪桥梁图像样本集计算均方误差损失函数值，具体为：分别计算无噪桥梁图像样本集中每帧无噪桥梁图像样本以及所述去噪桥梁图像样本集中与每帧无噪桥梁图像样本对应的去噪桥梁图像样本之间每个像素点差值的平方值，并将计算得到的各个像素点差值的平方值的均值作为所述均方误差损失函数值；
[0025]以及根据所述无噪桥梁图像样本集和所述去噪桥梁图像样本集计算最大后验损失函数值，具体为：根据所述无噪桥梁图像样本集中的各个无噪桥梁图像样本以及在每个无噪桥梁图像样本中加入泊松噪声之后的泊松噪声桥梁图像，计算所述无噪桥梁图像样本集中的各个无噪桥梁图像样本存在泊松噪声的后验概率；根据在每个无噪桥梁图像样本中加入泊松噪声之后的泊松噪声桥梁图像、在每个无噪桥梁图像样本中加入高斯噪声之后的高斯噪声桥梁图像，计算各个泊松噪声桥梁图像存在高斯噪声的后验概率；
[0026]根据各个无噪桥梁图像样本存在泊松噪声的后验概率以及各个泊松噪声桥梁图像存在高斯噪声的后验概率，计算得到各个无噪桥梁图像样本存在泊松高斯噪声的最大后验概率；
[0027]计算以各个无噪桥梁图像样本存在泊松高斯噪声的最大后验概率为自变量的负对数函数值，并将所述负对数函数值作为所述最大后验损失函数值；基于计算得到的总损失函数值迭代训练所述卷积神经网络，直到满足训练终止条件时，输出训练得到的桥梁图
像去噪模型，并根据所述桥梁图像去噪模型对待去噪桥梁图像进行去噪处理；
[0028]所述获取训练样本集的步骤，包括：
[0029]获取桥梁图像采集设备基于配置的桥梁图像采集参数连续拍摄的多帧噪声桥梁图像样本以构建噪声桥梁图像样本集，所述桥梁图像采集参数包括桥梁图像曝光参数以及拍摄频率参数；针对所述噪声桥梁图像样本集中的每帧噪声桥梁图像样本，对该帧噪声桥梁图像样本中的每个像素点的像素值进行排序，并根据排序结果将像素值小于第一预设像素值以及像素值大于第二预设像素值的异常像素点剔除，得到剔除异常像素点后的噪声桥梁图像样本；
[0030]计算剔除各帧异常像素点后的噪声桥梁图像样本的各个像素点的平均值；根据预设的噪声桥梁图像样本与对应的无噪桥梁图像样本之间的关系以及剔除各帧异常像素点后的噪声桥梁图像样本的各个像素点的平均值得到与所述噪声桥梁图像样本集对应的无噪桥梁图像样本集；
[0031]BIM建模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于BIM
‑
FEM的桥梁结构数字孪生体，其特征在于，所述基于BIM
‑
FEM的桥梁结构数字孪生体包括：桥梁图像采集模块、中央控制模块、图像增强模块、BIM建模模块、优化模块、模型更新模块、显示模块；桥梁图像采集模块，与中央控制模块连接，能够通过无人机采集桥梁结构图像，并采集桥梁材料信息；所述桥梁图像采集模块优选佳能(Canon)EOS 850D；所述桥梁图像采集模块采集方法：接收数据采集指令，获取桥梁拍摄路线、桥梁拍摄目标并保存所述桥梁拍摄目标的特征；接收后台发送的针对待采集桥梁的数据采集指令；并根据所述数据采集指令获取所述待采集桥梁的位置；根据待采集桥梁的位置通过拍摄路线跟随拍摄；通过安装在所述无人机上的辅助摄像器，可以获取与所述待采集桥梁的位置对应的区域的光线强度；当所述光线强度低于预设值时，通过安装在无人机上佳能(Canon)EOS 850D的红外拍摄功能采集所述待采集桥梁对应的红外图像；根据所述桥梁拍摄目标的特征跟踪所述桥梁拍摄目标，获取当前图像；其中当前图像包括桥梁拍摄目标和环境图像；中央控制模块，与桥梁图像采集模块、图像增强模块、BIM建模模块、优化模块、模型更新模块、显示模块连接，能够控制各个模块正常工作；图像增强模块，与中央控制模块连接，能够对桥梁图像进行去噪增强处理；所述图像增强模块增强方法如下：获取训练样本集，所述训练样本集包括噪声桥梁图像样本集以及与所述噪声桥梁图像样本集对应的无噪桥梁图像样本集；将所述噪声桥梁图像样本集输入到卷积神经网络中进行训练，输出训练得到的去噪桥梁图像样本集；根据所述无噪桥梁图像样本集和所述去噪桥梁图像样本集分别计算对应的均方误差损失函数值和最大后验损失函数值，并根据所述均方误差损失函数值和最大后验损失函数值得到总损失函数值；其中，所述根据所述无噪桥梁图像样本集和所述去噪桥梁图像样本集分别计算对应的均方误差损失函数值和最大后验损失函数值的步骤，包括：根据所述无噪桥梁图像样本集和所述去噪桥梁图像样本集计算均方误差损失函数值，具体为：分别计算无噪桥梁图像样本集中每帧无噪桥梁图像样本以及所述去噪桥梁图像样本集中与每帧无噪桥梁图像样本对应的去噪桥梁图像样本之间每个像素点差值的平方值，并将计算得到的各个像素点差值的平方值的均值作为所述均方误差损失函数值；以及根据所述无噪桥梁图像样本集和所述去噪桥梁图像样本集计算最大后验损失函数值，具体为：根据所述无噪桥梁图像样本集中的各个无噪桥梁图像样本以及在每个无噪桥梁图像样本中加入泊松噪声之后的泊松噪声桥梁图像，计算所述无噪桥梁图像样本集中的各个无噪桥梁图像样本存在泊松噪声的后验概率；根据在每个无噪桥梁图像样本中加入
泊松噪声之后的泊松噪声桥梁图像、在每个无噪桥梁图像样本中加入高斯噪声之后的高斯噪声桥梁图像，计算各个泊松噪声桥梁图像存在高斯噪声的后验概率；根据各个无噪桥梁图像样本存在泊松噪声的后验概率以及各个泊松噪声桥梁图像存在高斯噪声的后验概率，计算得到各个无噪桥梁图像样本存在泊松高斯噪声的最大后验概率；计算以各个无噪桥梁图像样本存在泊松高斯噪声的最大后验概率为自变量的负对数函数值，并将所述负对数函数值作为所述最大后验损失函数值；基于计算得到的总损失函数值迭代训练所述卷积神经网络，直到满足训练终止条件时，输出训练得到的桥梁图像去噪模型，并根据所述桥梁图像去噪模型对待去噪桥梁图像进行去噪处理；所述获取训练样本集的步骤，包括：获取桥梁图像采集设备基于配置的桥梁图像采集参数连续拍摄的多帧噪声桥梁图像样本以构建噪声桥梁图像样本集，所述桥梁图像采集参数包括桥梁图像曝光参数以及拍摄频率参数；针对所述噪声桥梁图像样本集中的每帧噪声桥梁图像样本，对该帧噪声桥梁图像样本中的每个像素点的像素值进行排序，并根据排序结果将像素值小于第一预设像素值以及像素值大于第二预设像素值的异常像素点剔除，得到剔除异常像素点后的噪声桥梁图像样本；计算剔除各帧异常像素点后的噪声桥梁图像样本的各个像素点的平均值；根据预设的噪声桥梁图像样本与对应的无噪桥梁图像样本之间的关系以及剔除各帧异常像素点后的噪声桥梁图像样本的各个像素点的平均值得到与所述噪声桥梁图像样本集对应的无噪桥梁图像样本集；BIM建模模块，与中央控制模块连接，能够通过准确构建三维的桥梁结构模型；优化模块，与中央控制模块连接，能够对桥梁结构模型结构、外观、尺寸精度进行优化；模型更新模块，与中央控制模块连接，能够对桥梁结构模型结构、外观、模型扩展进行更新；显示模块，与中央控制模块连接，能够实时展示模型的构造及分析等状态；所述显示模块优选华为MateView SE。2.一种如权利要求1所述的基于BIM
‑
FEM的桥梁结构数字孪生体方法，其特征在于，所述基于BIM
‑
FEM的桥梁结构数字孪生体方法包括以下步骤：步骤一，通过桥梁图像采集模块利用无人机采集桥梁结构图像，并采集桥梁材料信息；步骤二，通过图像增强模块对采集的桥梁图像进行去噪增强处理；步骤三，通过BIM建模模块构建三维桥梁结构模型；通过优化模块对桥梁结构模型结构、外观、尺寸精度进行优化；通过模型更新模块对桥梁结构模型结构、外观、模型扩展进行实时更新；步骤四，通过显示模块实时展示模型的构造及分析等状态。3.如权利要求1所述基于BIM
‑
FEM的桥梁结构数字孪生体，其特征在于，所述BIM建模模块建模方法如下：(1)、数据采集：配置三维激光扫描仪参数，利用三维激光扫描仪进行现场扫描，采集指定桥梁结构目标的完整、真实原始数据，得到具有精确空间信息的点云数据；
(2)、“点云”数据预处理：将采集到的三维激光点云数据利用点云预处理软件进行拼接、去噪、分类、着色处理，提高点云的可视化效果，便于模型特征信息提取；(3)、桥梁结构BIM模型构建：利用经过预处理的三维激光点云数据，使用专门定制开发的“AutoCAD Revit点云三维建模软件”进行精细建模得到桥梁结构BIM模型数据，并与设计CAD模型、设计桥梁结构BIM模型进行精度对比；(4)、模型应用管理：后期开发相应的三维展示平台进行桥梁结构BIM模型和点云模型的同步管理展示，为现场工程实施人员提供便捷的发布、分享、沟通管理平台。4.如权利要求3所述基于BIM
‑
FEM的桥梁结构数字孪生体，其特征在于，所述数据采集步骤包含特征点布置和3D激光扫描数据采集两个部分；所述特征点布置包含如下步骤：现场踏勘，了解现场情况，制定详细的测量方案及特征点...

【专利技术属性】
技术研发人员：张一鸣，刘琦，沈剑，柯福阳，于宗涛，李易真，
申请(专利权)人：江苏泛在智能科技研究院有限公司，
类型：发明
国别省市：