【专题推荐】智能建造

机器学习方法在盾构隧道工程中的应用研究现状与展望

随着盾构隧道工程信息化水平的提升，隧道掘进设备作业过程监测技术日益完善，记录的工程数据蕴含了掘进设备内部信息及其与外部地层的相互作用关系。机器学习因其数据分析能力强，无需先验的理论公式和专家知识，相较于传统的建模统计分析方法具有更大的应用空间。通过机器学习方法对收集的信息与数据进行深度挖掘并分析其内在联系，有助于提升盾构隧道工程建设的效率和安全保障水平。简述机器学习方法的基本原理，总结和分析机器学习方法在盾构工程中的应用研究状况，综述基于机器学习的盾构设备状态分析、盾构设备性能预测、围岩参数反演、地表变形预测和隧道病害诊断等5个方面的进展，并分析当前研究的不足。最后，分析盾构隧道工程向智能化方向发展需重点攻克的难题。

盾构隧道;机器学习;隧道施工;大数据;人工智能

人工智能在土木工程领域的应用研究现状及展望

作为新一代产业变革的核心驱动力，人工智能是全面提高土木工程领域数字化、自动化、信息化和智能化的重要方法。为全面了解人工智能在土木工程中的发展及应用，定性分析了人工智能的基本研究领域，定量分析了人工智能在土木工程设计、制造、养维护阶段的研究现状，利用CiteSpace可视化工具深入挖掘人工智能在土木工程中存在的问题、发展瓶颈和研究趋势，并给出相应的解决办法及研究思路。通过文献综述发现，土木工程领域已展开了大量人工智能研究，但各阶段智能化发展不均衡，实际应用也存在一定局限性，需深入探索神经网络、大数据、深度学习等智能技术在土木工程全生命周期的交叉融合，促进土木工程领域人工智能研究的协同发展。

土木工程;人工智能;智能设计;智能建造;智能养维护

元宇宙技术发展综述及其在建筑领域的应用展望

新冠疫情的暴发使得人们的活动越来越多地向线上转移，元宇宙概念热潮的出现使得基于虚拟数字世界的生产生活模式越来越多地受到人们关注。目前，元宇宙概念已经在教育、商业、工业等领域有所应用。随着建筑信息化、数字化技术的广泛应用，建筑行业智能化水平不断提高，虚拟数字技术在建筑行业发展中扮演着越来越重要的角色。对元宇宙概念的最新发展和应用进行介绍，重点阐述元宇宙与建筑信息化技术的关系以及元宇宙在建筑领域的潜在应用。分析结果表明，元宇宙的发展依赖于拓展现实、数字孪生、区块链等既有数字化技术的集成，作为一种新技术，元宇宙将为建筑领域的生产方式带来新的改变，也可能催生新的产业模式。

元宇宙;建筑;拓展现实;数字孪生;仿真技术

双目标优化与生成对抗网络结合的框架结构阻尼器布置方案智能设计方法

为实现框架结构的阻尼器智能化布置，结合减震设计原理和智能算法，采用双目标优化算法和生成对抗网络算法分别进行阻尼器竖向和水平智能布置研究，并将该方法应用到两个框架结构减震设计工程案例中。在框架结构减震设计中，采用双目标优化算法进行阻尼器竖向布置，并与逐层逼近法、工程师设计和非减震设计进行对比，结果表明，采用该优化算法得到的阻尼器竖向布置方案能有效降低层间位移角和楼层加速度，提高结构的抗震性能。在确定各楼层的阻尼器数量后，利用训练好的生成对抗网络生成模型，可快速、自动地选择和确定各楼层阻尼器的平面安装位置，生成的平面布置与工程师设计的平面布置在相似性差异度综合评价指标上小于临界值0.1，说明两者相似度较高，且有利于提高原结构的抗扭能力。将双目标优化算法与生成对抗网络相结合，不仅能满足框架结构的减震性能目标，而且可实现阻尼器布置方案的智能设计，提升减震工程设计效率。

优化算法;生成对抗网络;框架结构;阻尼器布置;智能设计

基于多种群遗传算法的钢框架结构优化设计

传统的基于力学分析软件的结构设计方法存在效率低下、依靠专家经验等局限性，采用智能算法能实现高效的结构自动优化设计。然而，由于随机搜索特征，优化结果和收敛性高度依赖于算法的参数设置，需要通过试算来确定其合理取值，该方法会造成优化效率低、计算量大等问题。引入多种群协作和信息共享机制来改善此类问题，并研究其在结构优化设计中的适用性。利用MSC.Marc软件建立钢框架结构有限元模型，采用底部剪力法将地震作用等效为水平荷载施加到结构上，搭建有限元软件与智能算法的自动优化过程，以结构的总体材料用量最低为目标，考虑了层间位移角、应力比、构件稳定性和宽厚比等多种约束条件，以遗传算法为基础，通过适应度尺度变换、基于方向的交叉算子、非均匀变异算子、自适应概率、精英保留策略、重复项替代机制、基于约束的策略对其进行改进，引入多种群思想，对比多种算法优化结果的差异。结果表明：基于多种群的遗传算法能有效改善优化结果对算法参数的依赖性，提高结构优化设计的效率。

钢框架结构;结构优化设计;多种群遗传算法;智能算法

剪力墙结构智能化生成式设计方法：从数据驱动到物理增强

建筑结构的智能化方案设计是智能建造的重要内容。既有研究提出了基于深度神经网络的剪力墙结构生成式设计方法框架、智能设计算法、设计性能评价方法等，完成了从数据驱动到物理增强的智能化设计方法的发展，但目前尚未有研究针对不同设计条件下数据驱动和物理增强方法的设计能力进行详细对比，且基于计算机视觉与基于力学性能的评价方法尚未有明确的关系，难以有效保证计算机视觉评价方法的合理性。基于深度生成式算法对比和算例分析，开展数据驱动和物理增强数据驱动方法的详细对比，并进一步验证基于计算机视觉评价与基于力学分析评价方法的正相关性。结果表明：数据驱动的方法易受到数据质量与数量的约束，而物理增强数据驱动的方法设计性能更加稳定，基本摆脱数据质量和数量的约束；基于计算机视觉综合评价指标SCV的合理性阈值为0.5，对应力学性能差异约为10%。

智能化结构设计;生成对抗网络;数据驱动;物理增强;设计评价

基于卷积神经网络的预制叠合板多目标智能化检测方法

在生产过程中，预制构件尺寸不合格问题将导致其在施工现场无法顺利安装，从而影响工期。为推进预制构件智能化生产的进程，以预制叠合板为例，基于卷积神经网络研究生产过程中的智能检测方法，在生产流水线上设计并安装图像采集系统，建立预制叠合板尺寸检测数据集。通过YOLOv5算法实现对混凝土底板、预埋PVC线盒及外伸钢筋的识别，并以固定磁盒作为基准参照物进行尺寸检测误差分析，实现混凝土底板尺寸、预埋PVC线盒坐标的检测，在降低训练数据集参数规模的工况下保持较高的识别精度。结果表明：该方法可以有效检测预制叠合板的底板数量和尺寸、预埋PVC线盒数量和坐标，并实现弯折方向不合格的外伸钢筋检测，并能降低人工成本，提高检测精度，加快检测速度，提高预制叠合板的出厂质量。

预制叠合板;多目标检测;卷积神经网络;预制构件;智能化生产

基于点云数据的预制叠合板尺寸质量智能检测方法

为保证预制叠合板在施工现场能顺利安装，在出厂前通常需要对其进行尺寸质量检测，现有预制叠合板的尺寸质量检测方法难以全面准确地测量叠合板的实际三维尺寸。提出一种基于预制叠合板点云数据的多尺寸质量智能检测方法。对采集的点云数据进行预处理后，利用机器学习算法完成预制叠合板点云的自动定位与分割；依据不同的检测任务，将目标点云沿不同方向降维，映射为二维灰度图像；利用图像特征检测算法，分别实现叠合板底板的长宽、预留胡子筋的出筋长度与间距及桁架钢筋高度的自动检测；在验证试验中，对3块预制叠合板的点云数据进行尺寸质量检测。结果表明，提出的智能检测方法能全面准确地完成预制叠合板出厂尺寸质量检测，能进一步提高预制叠合板非接触质量检测结果的科学性与精准性。

点云数据;预制叠合板;尺寸质量;智能检测;三维激光扫描

基于深度学习的钝体断面外形气动性能高效预测方法

对于气动性能，钝体断面的气动外形非常重要，采用传统风洞试验及CFD模拟计算得到钝体断面气动性能需消耗大量时间，大大影响钝体断面气动外形的气动性能评估效率。通过卷积神经网络深度学习技术实现对气动性能的快速预测，深度学习模型训练完成后，输入形状信息和与形状相关的流场信息，即可输出不同几何形状下的阻力系数，进而得到钝体断面的气动性能。为寻找性能最优的深度学习模型，通过综合判定误差和参数量大小对卷积神经网络结构的深度和宽度进行优化。对深度学习模型输出阻力系数与CFD计算结果进行对比发现，误差符合预期要求，并且相较于传统方法,基于深度学习网络的预测所需时间达到数量级的提升，未来可作为钝体断面气动外形优化的关键方法。

桥梁静风力;钝体断面;气动性能;深度学习;卷积神经网络

基于BIM技术与模拟退火算法的村镇轻钢框架结构智能设计方法

传统村镇住宅结构设计需要进行大量的人工试算与重复建模，而受制于建设成本，村镇住宅无法像城镇住宅一样通过设计师进行专业的结构设计与验算，其安全性与经济性均难以满足要求。为此，提出一种村镇轻钢框架结构智能设计方法，包括智能建模与智能优化两个环节。基于图层自动识别算法、光学字符识别技术、自适应分块算法提出村镇轻钢框架结构BIM智能建模方法，包括图层识别、轴文本数据提取、墙体轮廓提取等，智能建模结果基本满足实际工程要求。基于提出的两阶段模拟退火算法给出村镇轻钢框架结构的智能优化方法，优化速度较快，优化效果良好。通过实际工程案例对提出的智能设计方法进行验证，结果表明，提出的村镇轻钢框架结构智能设计方法具有可行性，与传统的人工设计方法相比，设计周期可缩短70%以上，材料用量、结构设计指标接近人工设计结果。

村镇住宅;轻钢框架结构;智能设计;BIM技术;模拟退火算法

寒冷地区模块化钢框架结构多目标优化设计方法

针对寒冷地区模块化钢框架结构节能性与经济性之间的矛盾问题，对模块化钢框架结构能耗和成本两个设计目标进行同步优化研究。根据模块化钢框架结构的特点进行参数化设计研究，提出在不同建筑尺寸下模块化钢框架结构的BIM模型自动建模方法；在Energyplus建筑能耗分析软件计算数据的基础上，采用多种机器学习算法进行建筑能耗预测，建立一种高效精确的建筑能耗预测模型；联立建筑能耗预测模型和建筑成本计算公式，在满足结构承载力的约束条件下，基于NSGA-Ⅱ算法进行模块化钢框架结构能耗和成本的多目标优化设计，生成帕累托最优解集。多目标优化设计方法解决了模块化钢框架结构“能耗+成本”的多目标一体化设计难题，推动了模块化钢框架结构的智能化升级，实现了模块化钢框架结构设计的快速高效化。

钢框架结构;参数化建模;建筑能耗预测;机器学习;多目标优化设计

基于图像分割与轨迹追踪的室内饰面施工进度智能评估方法

施工进度是工程项目管理的关键组成部分，传统的进度管理多依靠人工巡检，耗时费力且无法保障进度评估的时效性。为了实现施工进度的自动化、高效化监管，针对室内施工湿作业铺贴场景，提出一套智能化进度追踪与评估框架，基于改进的Mask R-CNN深度学习框架，自动提取室内墙面和地面的瓷砖铺贴进度，基于相机轨迹追踪算法，将整个施工层的大范围施工进度识别结果映射至BIM可视化模型，为施工数字孪生奠定基础。在上海市某高层建筑项目中进行实例研究，实现了施工图像的高精度分割，验证了研究框架的可行性。该框架不仅适用于室内瓷砖铺贴，也适用于抹灰、刷涂等室内装修工程。

建筑信息模型;计算机视觉;室内施工;施工进度;图像分割;轨迹追踪

基于深度学习三维重建技术的建筑施工进度管理自动化系统构建

随着建筑工程项目管理复杂程度的不断提升，越来越多自动化、智能化的施工进度方法受到传统管理领域的关注。然而受到成本高昂且使用复杂等限制,现有的主流方法难以适用于复杂的建筑施工进度管理场景。通过对比各类三维重建技术特点，搭建了基于深度学习三维重建技术的建筑施工进度协同管理自动化系统（DLR-P），利用高速摄像头采集施工现场实时图像信息,完成由二维信息到三维信息的重建，并结合BIM动态模型技术实现对建筑施工进度的自动化管控。以重庆市巴南区某项目施工现场为例对系统进行实证研究，并对系统运行过程中的各项数据进行验证分析。结果表明：DLR-P系统平均三维重建时间为61 s，满足基本进度管理需求，能够实现建筑施工进度自动化管理，有效提升建筑施工进度管理效率。相较于目前已有的管理方式，其在运行成本及使用便捷性方面均表现出较大优势。

深度学习;三维重建;施工进度管理;智能建造

基于机器学习的高强钢焊接等截面箱型柱整体稳定性预测方法

目前，针对高强钢构件整体稳定性的研究多采用有限元建模或实验室试验方法，而基于机器学习的预测方法能够显著提升预测的准确性和便捷性。为了准确预测高强钢焊接等截面箱型柱的整体稳定性，提出使用纤维模型构建数据库并利用机器学习建立预测模型的方法。首先确定模型的输入输出参数，并通过纤维模型方法建立数据库；接着，选用常见的3种不同类型的机器学习模型和现有规范中的经验模型进行预测，并依据评价指标进行性能对比；最后，根据可解释算法分析机器学习模型的合理性。结果表明：大部分机器学习模型预测结果与试验结果吻合度略高于现有规范中的经验模型，其中，高斯过程回归模型对高强钢构件整体稳定性的预测表现最优；机器学习预测模型中各类参数对构件整体稳定性的影响趋势符合预期，验证了机器学习模型的合理性和可靠性；构件的正则化长细比对预测结果影响最大，而构件初始缺陷的影响相对最小。

机器学习;高强钢;整体稳定性;预测模型;纤维模型

3D打印混凝土永久模板叠合柱的抗压性能数值模拟研究

为深入研究3D打印混凝土永久模板叠合柱的抗压性能，基于3D打印混凝土永久模板叠合柱及同尺寸整体现浇对照柱试验建立构件数值模型，模拟分析其轴压荷载-位移响应及失效形态。针对界面粘结性能、现浇混凝土抗压强度、打印模板厚度、荷载偏心距等参数开展3D打印混凝土永久模板叠合柱的抗压性能计算分析，研究表明：叠合柱轴压极限承载力随着薄弱界面剪切强度、刚度及现浇混凝土抗压强度的增大而增大。由于打印材料的抗压强度高于现浇混凝土，叠合柱抗压极限承载力提升率与打印模板厚度呈近似线性关系，叠合圆柱的抗压极限承载力随着荷载偏心距的增大而降低，呈近似线性负相关。此外，偏心距对叠合圆柱极限承载力下降幅度的影响大于现浇圆柱。

3D打印混凝土;永久模板;叠合柱;抗压性能;数值模拟

装配式建筑预制混凝土构件的布局优化

针对预制混凝土构件生产过程中模台利用率低的问题，提出一种高效的构件布局定序和定位优化方法。充分考虑构件生产过程中模台、模具、构件布局尺寸、操作空间等实际约束限制，以构件占用模台总长度最短为目标，建立基于最低水平线排布算法的数学模型；应用改进灰狼算法确定构件排布顺序，通过构件类型、尺寸信息、模台尺寸约束、模具数量约束等对待排构件进行编码，并设置追随系数和自由系数控制灰狼算法的收敛速度和收敛范围，经过多次优化迭代得出最优布局方案。在实证分析中，使用Python编程语言对布局优化模型进行编码，最终表明该方法能在较短时间内取得较好的优化效果，模台利用率显著提高，证明了方法的有效性和可行性。

装配式建筑;预制混凝土构件;模台布局;灰狼算法;布局优化

基于M-Unet的混凝土裂缝实时分割算法

针对主流深度学习裂缝分割算法消耗大量计算资源、传统图像处理方法检测精度低、丢失裂缝特征等问题，为了实现对混凝土裂缝的实时检测和在像素级水平上分割裂缝，提出一种基于轻量级卷积神经络M-Unet的裂缝语义分割模型，首先对MobileNet_V2轻量网络进行改进，修剪其网络结构并优化激活函数，再用改进的MobileNet_V2替换U-Net参数量巨大的编码器部分，以实现模型的轻量化并提升裂缝的分割效果。构建包含5 160张裂缝图像的SegCracks数据集对提出方法进行验证，试验结果表明：优化后的M-Unet裂缝分割效果优于U-Net、FCN8和SegNet等主流分割网络和传统图像处理技术，获得的IoU_Score为96.10%，F1_Score为97.99%。与改进前U-Net相比，M-Unet权重文件大小减少了7%，迭代一轮时间和预测时间分别缩短了63.3%和68.6%，IoU_Score和F1_Score分别提升了5.79%和3.14%，并且在不同开源数据集上的交叉验证效果良好。表明提出的网络具有精度高、鲁棒性好和泛化能力强等优点。

混凝土裂缝;卷积神经网络;深度学习;裂缝检测;裂缝分割

基于航拍图像与改进U-Net的建筑外墙裂缝检测方法

针对建筑外墙裂缝人工检测方法检测效率低、检测效果和安全性差的问题，提出基于航拍图像与计算机视觉的裂缝检测方法。使用无人机绕建筑物航拍采集裂缝图像，并构建裂缝数据集；优化U-Net模型以解决细长裂缝分割不连续、复杂背景下裂缝漏检及背景误检的问题。将模型编码网络替换为预训练的ResNet50以提升模型特征表达能力；添加改进的多孔空间金字塔池化（Atrous Spatial Pyramid Pooling，ASPP）模块，获取多尺度上下文信息；采用改进的损失函数处理裂缝图像正负样本分布极度不均的问题。结果表明：改进的U-Net模型解决了原模型存在的问题，IoU指标和F1_score分别提升了3.53%、4.18%；与经典分割模型相比，改进模型的裂缝分割性能最优。与人工检测方法相比，所提方法可以安全、高效且准确地进行建筑外墙裂缝检测。

建筑外墙裂缝;无人机;计算机视觉;语义分割;U-Net

基于泊松噪声-双边滤波算法的桥梁裂缝修补痕迹图像分割方法

裂缝作为混凝土桥梁的主要病害大量存在，部分裂缝修补后会二次开裂，在病害智能识别中，裂缝修补痕迹易与混凝土剥落等缺陷混淆，因此，裂缝修补痕迹的准确识别不仅是二次裂缝准确识别的基础，也是混凝土桥梁整体病害识别的重要环节。为了获取边缘清晰连续的裂缝修补痕迹，先对裂缝修补痕迹的图像添加泊松噪声，再利用双边滤波对添加的噪声及原有噪声进行平滑。然后用Otsu算法对裂缝修补痕迹进行图像分割，并使用峰值信噪比（PSNR）和结构相似性（SSIM）评价滤波效果，使用运行时间和最大连续可用内存块（LCFB）使用情况评价分割效果。最后以河南省某高速公路桥梁历年定检中的裂缝修补痕迹图像为例，对方法进行实际验证。结果显示：经过泊松噪声-双边滤波算法处理后，裂缝修补痕迹图像PSNR值最高约35.090 1 dB，SSIM值可达约0.880 1，说明添加泊松噪声可改善图像质量并优化双边滤波效果；经过Otsu算法进行图像分割的运行时间比其他方法约短25%~50%，LCFB比其他方法约提高0.25%；经过处理的裂缝修补痕迹图像达到理想预期效果，验证了提出方法的有效性和可行性。

桥梁工程;裂缝修补痕迹;图像处理;泊松噪声;双边滤波;图像分割

语义网赋能建筑信息交付及模型数据模式分析

针对以建筑信息模型（BIM）进行交付的信息共享模式所依赖的工业基础类（IFC）标准行业适用性不足且难以拓展的问题，探讨在IFC基础上引入语义网实现异源数据集成共享，并于语义层面实现信息交付。首先，通过算法解析和模型转化介绍语义化建模方法，并以二层钢框架厂房结构为例对该方法进行说明；然后，通过对转化案例进行数据模式分析，以验证建筑信息交付的准确性和建筑语义的可传递性。案例实践论证基于IfcOWL本体的语义化建模方法的可实施性；通过分析该语义化模型单元实例的数据模式，探究制约该语义化建模方法赋能建筑信息交付的关键因素；针对语义化建模方法所面临的问题，提出冗余信息规避、领域本体开发和轻量化语义建模的初步解决思路。SPARQL查询实例表明，所解析的数据模式对规避冗余信息有效。因此，该方法在共享和集成建筑多源异构信息方面具有优势，能有效提升建筑信息管理的智能化水平。

建筑信息交付;语义网;数据模式分析;工业基础类;建筑信息模型

基于一阶谓词逻辑的结构设计规范表示方法

目前，基于BIM模型的合规性审查采用人工方式，工作量繁重且自动化程度低，开展自动合规性审查研究具有重要意义。在结构设计领域能够有效支撑规范知识表示与推理并支持设计审查自动化的设计规范表达方法有待开发。基于一阶谓词逻辑，通过转译《混凝土结构设计规范》中的设计条款，提出一种结构设计规范规则表达和推理方法。该方法可实现将半结构化设计规范条款转换为结构化知识并支持灵活查询与推理，通过“谓词定义”和“函数定义”转译设计规范中语言类、表格类和计算公式类设计条款，提出两种规范条款谓词定义方式。对于语言模糊类、表后注释类和条款补充类的设计条款给出转译解决方案。提出的方法有效地解决了传统一阶谓词对于结构设计条款表示不充分和不精确的问题，进而为设计规范的计算机表达提供一种参考方法。

结构设计规范;知识表示;一阶谓词逻辑;合规性审查;人工智能