[發(fā)明專利]一種多級分類的BIM模型智能輕量化處理方法在審
| 申請?zhí)枺?/td> | 202310043010.2 | 申請日: | 2023-01-28 |
| 公開(公告)號: | CN116030231A | 公開(公告)日: | 2023-04-28 |
| 發(fā)明(設計)人: | 馬國偉;楊萌;黃軼淼;董威 | 申請(專利權(quán))人: | 河北工業(yè)大學 |
| 主分類號: | G06T19/20 | 分類號: | G06T19/20;G06V10/764;G06T17/05 |
| 代理公司: | 天津翰林知識產(chǎn)權(quán)代理事務所(普通合伙) 12210 | 代理人: | 張國榮 |
| 地址: | 300130 天津市紅橋區(qū)*** | 國省代碼: | 天津;12 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 多級 分類 bim 模型 智能 量化 處理 方法 | ||
1.一種多級分類的BIM模型智能輕量化處理方法,其特征在于,該方法包括下述幾個步驟:
步驟一:將一個完整的基于Autodesk?Revit軟件建立的BIM模型進行屬性信息與幾何模型信息分離處理,將屬性信息存入獨立的數(shù)據(jù)庫中,將幾何模型信息另存為獨立的Revit文件,并通過幾何模型中構(gòu)件的ID與對應的屬性信息數(shù)據(jù)庫進行關(guān)聯(lián);
步驟二:根據(jù)屬性信息,對幾何模型中的構(gòu)件進行多級分類,并判斷各子類別文件中的各構(gòu)件是否包含圓弧面,獲取每一個子類別文件中包含圓弧面的構(gòu)件的每一個圓弧面的幾何特征參數(shù);
步驟三:建立建筑模型構(gòu)件的圓弧面最優(yōu)減面系數(shù)分類模型
步驟3.1以圓弧面的角度、半徑和高度作為幾何特征參數(shù),在Autodesk?Revit軟件中依據(jù)特征參數(shù)值繪制對應的BIM模型,然后將BIM模型依據(jù)不同減面系數(shù)轉(zhuǎn)換成glTF格式,當多邊形相鄰兩邊夾角大于或等于156°時,此時的減面系數(shù)即為該組幾何特征參數(shù)的最優(yōu)減面系數(shù),將其作為該組幾何特征參數(shù)的分類標簽;依次獲取每一組幾何特征參數(shù)的分類標簽,得到數(shù)據(jù)庫;數(shù)據(jù)庫中的一條數(shù)據(jù)為圓弧面的角度、半徑和高度,以及對應的分類標簽;將數(shù)據(jù)庫中的數(shù)據(jù)隨機不重復的按數(shù)量8:2分為訓練集和測試集;
步驟3.2建立圓弧面最優(yōu)減面系數(shù)分類模型
在梯度提升決策樹算法的基礎上建立圓弧面最優(yōu)減面系數(shù)分類模型,并使用網(wǎng)格搜索與交叉驗證方法進行超參數(shù)尋優(yōu);用步驟3.1中得到的訓練集中的幾何特征參數(shù)X作為梯度提升決策樹的輸入變量,最優(yōu)減面系數(shù)Y作為期望輸出,建立梯度提升決策樹預測模型;在建模時,選取超參數(shù)決策樹數(shù)量M的集合、學習率v的集合以及每棵決策樹最大葉子節(jié)點數(shù)J的集合,利用網(wǎng)格搜索技術(shù)遍歷所有可能的超參數(shù)組合,根據(jù)最小對數(shù)損失準則,對于訓練集中的數(shù)據(jù)采用5折交叉驗證方法確定模型的最優(yōu)參數(shù),得到圓弧面最優(yōu)減面系數(shù)分類模型;
步驟3.3利用測試集對步驟3.2中得到的圓弧面最優(yōu)減面系數(shù)分類模型進行測試,當準確率大于0.9時,即驗證該分類模型為有效模型;
步驟四:將步驟二中的每一個子類別文件中包含圓弧面的構(gòu)件的每一個圓弧面的幾何特征參數(shù)輸入到步驟三中驗證為有效的分類模型中,得到每一個圓弧面的最優(yōu)減面系數(shù)預測值,并計算每一個構(gòu)件的減面系數(shù),一個構(gòu)件的減面系數(shù)K的計算方法為:
其中,K是賦予一個構(gòu)件的減面系數(shù);n是含圓弧面構(gòu)件上圓弧面的數(shù)量;
步驟五:根據(jù)步驟四中計算得到的每一個構(gòu)件的減面系數(shù),將步驟一中的基于Autodesk?Revit建立的BIM模型轉(zhuǎn)換成glTF格式,實現(xiàn)Revit模型的智能輕量化處理。
2.根據(jù)權(quán)利要求1所述的一種多級分類的BIM模型智能輕量化處理方法,其特征在于,對數(shù)損失函數(shù)的公式為:
其中,Y為最優(yōu)減面系數(shù)的期望,X為幾何特征參數(shù),L為損失函數(shù).N為訓練集中的樣本量;M為可能的類別數(shù),為根據(jù)訓練集中的最優(yōu)減面系數(shù)Y的值的統(tǒng)計獲得,采用5折交叉驗證方法時,訓練集劃分為5個數(shù)據(jù)集,則M為根據(jù)對應的一個數(shù)據(jù)集中的最優(yōu)減面系數(shù)Y的值的統(tǒng)計獲得;yij是一個二值指標,表示類別j是否是幾何特征參數(shù)xi的真實類別,判斷為true取1,false取0;pij為模型預測幾何特征參數(shù)xi屬于類別j的概率。
3.根據(jù)權(quán)利要求1所述的一種多級分類的BIM模型智能輕量化處理方法,其特征在于,構(gòu)件的一個圓弧面的幾何特征參數(shù)獲取方法如下:
獲得弧面半徑的值時:
首先獲取Element屬性中的Geometry的Geometry.Element值,然后在獲取GeometryElement,選擇其中的Solid,繼續(xù)獲取Faces的FaceArray值,再繼續(xù)獲取其中EdgeLoops的EdgeArrayArray,選擇其中的Arc的屬性Radius的值,再將英制單位轉(zhuǎn)換成公制單位;
獲取角度的值時:
圓弧面的角度值不能直接獲取,可以通過計算間接獲得,前幾步操作同獲得弧面半徑的值時的操作相同,在獲取EdgeLoops的EdgeArrayArray后,選擇其中的Arc的屬性Radius的值和屬性ApproximateLength的值,將英制單位轉(zhuǎn)換成公制單位,再根據(jù)角度制弧長公式L=nπr/180,可得n=180L/πr,其中L=ApproximateLength,r=Radius;
獲取厚度的值時:
獲取Element屬性中Parameters的ParameterSet中的“無連接高度”或“厚度”即可,再將英制單位轉(zhuǎn)換成公制單位。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于河北工業(yè)大學,未經(jīng)河北工業(yè)大學許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202310043010.2/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 一種建筑工程總包企業(yè)BIM標準編制方法
- 一種布爾運算結(jié)果的檢驗方法、裝置及設備
- 一種建筑信息模型BIM的數(shù)據(jù)生成方法和裝置
- BIM模型資源管理系統(tǒng)與BIM模型創(chuàng)建方法
- 鐵路BIM項目施工過程中BIM模型驗證方法及裝置
- BIM預設模型創(chuàng)建系統(tǒng)與BIM預設模型創(chuàng)建方法
- 一種BIM構(gòu)件資源系統(tǒng)及BIM構(gòu)件調(diào)用方法
- 一種BIM模型展示方法、裝置、存儲介質(zhì)、電子設備
- 一種用于接觸網(wǎng)的快速BIM設計方法
- 一種關(guān)聯(lián)或追溯BIM模型修改前后信息的方法





