System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及市政工程审图领域,更具体地,涉及一种基于深度学习的市政工程bim智能审图方法。
技术介绍
1、当前市政行业多由第三方审图机构和设计院协同审查,且由第三方审图机构主导,且以二维图纸为主,效率低下。
2、市政行业数字化程度低,缺乏知识传承性,设计图纸审核工作流程是一个个信息孤岛,缺乏有效信息传递和流通,不利于审图要点、审图经验等隐性知识继承和保留。
3、市政行业需要多专业协同完成,专业包括:建筑、结构、给排水、暖通、电器、规划等专业,具体到施工图审查,审核规范多、条文复杂,均需要进行审核。
技术实现思路
1、本专利技术针对现有技术中存在的技术问题,提供一种基于深度学习的市政bim智能审图方法,包括:
2、基于深度学习网络的分词技术,提取市政设计规范集,所述市政设计规范集包括多条规范条文,每条规范条文中包括审核主体和其对应的规则条件;
3、从bim模型空间中获取每一种实体类别的每一个实体的参数信息;
4、根据每一个实体所属的实体类别,在所述市政设计规范集中找到与所述实体类别匹配的规范条文的审核主体;
5、将每一个实体的参数信息与规范条文中审核主体的规范条件进行比较,根据比较结果确定每一个实体的参数信息是否合规,生成审图报告。
6、在上述技术方案的基础上,本专利技术还可以作出如下改进。
7、可选的,所述基于深度学习网络的分词技术,提取市政设计规范集,包括:
8、基于深度
9、将提取的所有规范条文进行结构化作为市政设计规范集,存储到基础库中,所述基础库提供维护界面,通过所述维护界面支持人工结构化规范条文的录入。
10、可选的,所述从bim模型中获取每一种实体类别的每一个实体的参数信息,包括:
11、从bim模型的参数属性中读取挂接的各个实体的参数信息,所述参数信息包括材质、防火等级和抗震等级参数,以及根据每一个实体的几何信息中识别出实体的长、宽、高、直径、半径、面积和体积。
12、可选的,根据每一个实体所属的实体类别,在所述市政设计规范集中找到与所述实体类别匹配的规范条文的审核主体,之前还包括:
13、以autodesk revit作为三维图形引擎,建立每一条规范条文中的审核主体与bim模型空间中实体类别的匹配关系。
14、可选的,根据每一个实体所属的实体类别,在所述市政设计规范集中找到与所述实体类别匹配的规范条文的审核主体,包括:
15、根据bim模型中每一个实体所属的实体类别,在三维图形引擎中,利用api接口,采用过滤器将每一个实体所属的实体类别进行过滤,找到与所述实体类别匹配的审核主体,并获取所述审核主体的规则条件。
16、可选的,所述将每一个实体的参数信息与规范条文中审核主体的规范条件进行比较,根据比较结果确定每一个实体的参数信息是否合规,生成审图报告,包括:
17、若参数信息不在审核主体约束的规范范围内,系统进行参数信息缺失提示或要求补全参数信息,系统并对此进行记录;
18、若参数信息完整,逻辑约束关系不匹配,则该实体的设计不合规,记录对应的不合规信息。
19、可选的,所述不合规信息中包括不合规的实体的审核结果、原规范条文定义、bim模型空间中该实体的实际属性和设计参数,并记录不合规实体在bim模型中的空间位置,以对不合规的实体进行定位;
20、基于ui方式将所述不合规信息以问题列表的形式进行显示。
21、可选的,所述实体类别包括墙、建筑楼板、结构楼板、建筑柱、结构柱、楼梯、门、窗和钢筋。
22、本专利技术提供的一种基于深度学习的市政工程bim智能审图方法,基于深度学习网络的分词技术,提取市政设计规范集,所述市政设计规范集包括多条规范条文,每条规范条文中包括审核主体和其对应的规则条件;从bim模型空间中获取每一种实体类别的每一个实体的参数信息;根据每一个实体所属的实体类别,在所述市政设计规范集中找到与所述实体类别匹配的规范条文的审核主体;将每一个实体的参数信息与规范条文中审核主体的规范条件进行比较,根据比较结果确定每一个实体的参数信息是否合规,生成审图报告。本专利技术提供智能化的审图方法,相比现有的人工审图,审图的速度更快,效率更高,审图的准确性也更高。
本文档来自技高网...【技术保护点】
1.一种基于深度学习的市政工程BIM智能审图方法,其特征在于,包括:
2.根据权利要求1所述的市政工程BIM智能审图方法,其特征在于,所述基于深度学习网络的分词技术,提取市政设计规范集,包括:
3.根据权利要求1所述的市政工程BIM智能审图方法,其特征在于,所述从BIM模型中获取每一种实体类别的每一个实体的参数信息,包括:
4.根据权利要求1所述的市政工程BIM智能审图方法,其特征在于,根据每一个实体所属的实体类别,在所述市政设计规范集中找到与所述实体类别匹配的规范条文的审核主体,之前还包括:
5.根据权利要求3所述的市政工程BIM模型智能审图方法,其特征在于,根据每一个实体所属的实体类别,在所述市政设计规范集中找到与所述实体类别匹配的规范条文的审核主体,包括:
6.根据权利要求1所述的市政工程BIM模型智能审图方法,其特征在于,所述将每一个实体的参数信息与规范条文中审核主体的规范条件进行比较,根据比较结果确定每一个实体的参数信息是否合规,生成审图报告,包括:
7.根据权利要求6所述的市政工程BIM模型智能审
8.根据权利要求1~7任一项所述的市政工程BIM模型智能审图方法,其特征在于,所述实体类别包括墙、建筑楼板、结构楼板、建筑柱、结构柱、楼梯、门、窗和钢筋。
...【技术特征摘要】
1.一种基于深度学习的市政工程bim智能审图方法,其特征在于,包括:
2.根据权利要求1所述的市政工程bim智能审图方法,其特征在于,所述基于深度学习网络的分词技术,提取市政设计规范集,包括:
3.根据权利要求1所述的市政工程bim智能审图方法,其特征在于,所述从bim模型中获取每一种实体类别的每一个实体的参数信息,包括:
4.根据权利要求1所述的市政工程bim智能审图方法,其特征在于,根据每一个实体所属的实体类别,在所述市政设计规范集中找到与所述实体类别匹配的规范条文的审核主体,之前还包括:
5.根据权利要求3所述的市政工程bim模型智能审图方法,其特征在于,根据每一个实体所属的实体类别,在所述市政设计规范集中找到与所述...
【专利技术属性】
技术研发人员:戴龙,张辛平,齐维丽,高宏民,程雷鸣,白快,邱峰,
申请(专利权)人:中国市政工程中南设计研究总院有限公司,
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。