【技术实现步骤摘要】
本申请涉及人工智能，更具体地，涉及一种应用于人工智能的钢筋施工状态模拟方法及系统。
技术介绍
1、在建筑工程领域，钢筋作为核心的结构材料，其施工状态对整个工程的质量、安全性和稳定性具有至关重要的影响。随着建筑信息模型（bim）技术的发展，钢筋施工状态的模拟与优化已成为提升工程效率和质量的重要手段。然而，传统的bim模拟方法往往基于固定的规则和参数，难以全面、准确地反映复杂多变的实际施工情况。
技术实现思路
1、为改善相关技术中存在的技术问题，本申请提供了一种应用于人工智能的钢筋施工状态模拟方法及系统。
2、第一方面，本申请实施例提供了一种应用于人工智能的钢筋施工状态模拟方法，应用于钢筋施工状态模拟系统，所述方法包括：
3、将拟进行状态模拟的钢筋施工任务图像数据录入完成调试的目标钢筋施工状态模拟网络；
4、依据所述完成调试的目标钢筋施工状态模拟网络，获取所述拟进行状态模拟的钢筋施工任务图像数据的第一bim空间结构量化向量，并依据所述第一bim空间结构量化向量，获得所述拟进行状态模拟的钢筋施工任务图像数据针对状态模拟指令的结构容忍状态模型结果与bim力学传导变化信息。
5、结合第一方面，在第一方面的一种可能的实现方式中，所述目标钢筋施工状态模拟网络的调试方法包括：
6、基于调试学习示例集对待调试的钢筋施工状态模拟网络进行最少一次调试；
7、其中，每个调试学习示例包含：钢筋施工任务图像学习数据、最少一个先验训练注释及
8、其中，在一次调试中，实施如下步骤：
9、基于筛选出的各钢筋施工任务图像学习数据的第一bim空间结构量化向量，分别获得相应钢筋施工任务图像学习数据针对所述状态模拟指令的结构容忍状态模型结果；
10、分别基于各正确训练注释各自对应的一个bim力学状态趋势数据的第二bim空间结构量化向量，结合相应的第一bim空间结构量化向量，生成相应正确训练注释对应的bim力学传导变化信息；
11、分别依据所述各钢筋施工任务图像学习数据各自对应的最少一个bim力学状态趋势数据集的第三bim空间结构量化向量集，对相应钢筋施工任务图像学习数据对应的各bim力学状态趋势数据的置信权重进行判别和整理，得到所述各钢筋施工任务图像学习数据各自对应的判别整理结果；
12、基于各结构容忍状态模型结果、各bim力学传导变化信息和各判别整理结果，进行网络变量优化。
13、结合第一方面，在第一方面的一种可能的实现方式中，每个bim力学状态趋势数据由最少一个图像化状态要素构成，所述bim力学状态趋势数据的第二bim空间结构量化向量包含所述bim力学状态趋势数据中各图像化状态要素的第二bim空间结构量化向量，每个bim力学传导变化信息表征相应的一个bim力学状态趋势数据中的各个图像化状态要素的确定可能性；
14、每个bim力学传导变化信息中的各个图像化状态要素的确定可能性是通过以下步骤分别得到的：
15、如果当前获取的确定可能性为所述一个bim力学状态趋势数据中的第一个图像化状态要素的确定可能性，则依据所述一个bim力学状态趋势数据所对应的钢筋施工任务图像学习数据的第一bim空间结构量化向量，获取所述第一个图像化状态要素的确定可能性；
16、如果当前获取的确定可能性为所述一个bim力学状态趋势数据中的非第一个图像化状态要素的确定可能性，则依据所述一个bim力学状态趋势数据所对应的钢筋施工任务图像学习数据的第一bim空间结构量化向量，以及所述一个bim力学状态趋势数据中，当前图像化状态要素之前的剩余图像化状态要素所对应的第二bim空间结构量化向量，获取所述非第一个图像化状态要素的确定可能性。
17、结合第一方面，在第一方面的一种可能的实现方式中，每个bim力学状态趋势数据由最少一个图像化状态要素构成，所述分别依据所述各钢筋施工任务图像学习数据各自对应的最少一个bim力学状态趋势数据集的第三bim空间结构量化向量集，对相应钢筋施工任务图像学习数据对应的各bim力学状态趋势数据的置信权重进行判别和整理，包括：
18、依据所述钢筋施工状态模拟网络，分别对所述各钢筋施工任务图像学习数据各自对应的最少一个bim力学状态趋势数据集中的各个bim力学状态趋势数据进行bim属性向量挖掘，获得各bim力学状态趋势数据集各自对应的第三bim空间结构量化向量集；每个第三bim空间结构量化向量集中包含相应bim力学状态趋势数据集中各bim力学状态趋势数据对应的第三bim空间结构量化向量；
19、分别基于各bim力学状态趋势数据集各自对应的第三bim空间结构量化向量集，结合相应的第一bim空间结构量化向量，识别相应bim力学状态趋势数据集中各bim力学状态趋势数据各自包含的各个图像化状态要素的确定可能性；
20、分别依据所述各bim力学状态趋势数据集各自包含的各bim力学状态趋势数据中，各个图像化状态要素的确定可能性，对相应bim力学状态趋势数据集对应的各bim力学状态趋势数据的置信权重进行判别和整理。
21、结合第一方面，在第一方面的一种可能的实现方式中，每个bim力学状态趋势数据的置信权重是基于如下步骤所得的：
22、获取所述bim力学状态趋势数据中，各个图像化状态要素所对应的确定可能性的权重指标；
23、基于各个权重指标，与所述bim力学状态趋势数据所包含的图像化状态要素的个数，得到所述bim力学状态趋势数据的置信权重，所述各个权重指标与所述bim力学状态趋势数据的置信权重具有第一量化关系，所述图像化状态要素的个数与所述bim力学状态趋势数据的置信权重具有第二量化关系。
24、结合第一方面，在第一方面的一种可能的实现方式中，每个bim力学传导变化信息表征相应的一个bim力学状态趋势数据中的各个图像化状态要素的确定可能性，所述基于各结构容忍状态模型结果、各bim力学传导变化信息和各判别整理结果，进行网络变量优化，包括：
25、基于各判别整理结果与对应真实先验训练注释之间的区别获取结构容忍状态区别误差；
26、获取各bim力学传导变化信息各自包含的各个图像化状态要素的确定可能性，并基于各确定可能性获取识别训练误差，所述确定可能性与所述识别训练误差具有第二量化关系；
27、基于各判别整理结果与相应的先验整理结果之间的区别获取整理训练误差；
28、依据所述结构容忍状态区别误差、所述识别训练误差与所述整理训练误差对所述钢筋施工本文档来自技高网...
【技术保护点】
1.一种应用于人工智能的钢筋施工状态模拟方法，其特征在于，应用于钢筋施工状态模拟系统，所述方法还包括：
2.如权利要求1所述的方法，其特征在于，每个BIM力学状态趋势数据由最少一个图像化状态要素构成，所述BIM力学状态趋势数据的第二BIM空间结构量化向量包含所述BIM力学状态趋势数据中各图像化状态要素的第二BIM空间结构量化向量，每个BIM力学传导变化信息表征相应的一个BIM力学状态趋势数据中的各个图像化状态要素的确定可能性；
3.如权利要求1所述的方法，其特征在于，每个BIM力学状态趋势数据由最少一个图像化状态要素构成，所述分别依据所述各钢筋施工任务图像学习数据各自对应的最少一个BIM力学状态趋势数据集的第三BIM空间结构量化向量集，对相应钢筋施工任务图像学习数据对应的各BIM力学状态趋势数据的置信权重进行判别和整理，包括：
4.如权利要求3所述的方法，其特征在于，每个BIM力学状态趋势数据的置信权重是基于如下步骤所得的：
5.如权利要求1所述的方法，其特征在于，所述先验整理结果是将相应钢筋施工任务图像学习数据对应的各BIM力学状
6.如权利要求1所述的方法，其特征在于，所述各钢筋施工任务图像学习数据各自对应的第一BIM空间结构量化向量包含：相应钢筋施工任务图像学习数据的全局施工图像描述向量，以及相应钢筋施工任务图像学习数据中，各BIM图像块的前后序图像描述子；
7.一种钢筋施工状态模拟系统，其特征在于，包括：存储器，用于存储程序指令和数据；处理器，用于与存储器耦合，执行所述存储器中的指令，以实现如权利要求1-6任一项所述的方法。
8.一种计算机存储介质，其特征在于，包含指令，当所述指令在处理器上执行时，实现如权利要求1-6任一项所述的方法。
...【技术特征摘要】
1.一种应用于人工智能的钢筋施工状态模拟方法，其特征在于，应用于钢筋施工状态模拟系统，所述方法还包括：
2.如权利要求1所述的方法，其特征在于，每个bim力学状态趋势数据由最少一个图像化状态要素构成，所述bim力学状态趋势数据的第二bim空间结构量化向量包含所述bim力学状态趋势数据中各图像化状态要素的第二bim空间结构量化向量，每个bim力学传导变化信息表征相应的一个bim力学状态趋势数据中的各个图像化状态要素的确定可能性；
3.如权利要求1所述的方法，其特征在于，每个bim力学状态趋势数据由最少一个图像化状态要素构成，所述分别依据所述各钢筋施工任务图像学习数据各自对应的最少一个bim力学状态趋势数据集的第三bim空间结构量化向量集，对相应钢筋施工任务图像学习数据对应的各bim力学状态趋势数据的置信权重进行判别和整理，包括：
4.如权利要求3所述的方法，...
【专利技术属性】
技术研发人员：郑小鼎，朱正伟，陈春伟，冀明华，张员，程强强，沈荣锋，张领雷，
申请(专利权)人：华仁建设集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。