胡勁松 胡君慧 官瀾 朱承治

摘 要： 針對目前三維設(shè)計評審仍處于起步階段，三維設(shè)計評審的流程、評審指標庫等相關(guān)規(guī)范還未統(tǒng)一的問題， 設(shè)計了對三維設(shè)計成果進行評審的計算機輔助系統(tǒng)。通過BM工具建模、機器學習算法預(yù)警技術(shù)等，建立起滿足工程建設(shè)相關(guān)標準規(guī)范要求的數(shù)字化評審計算機輔助系統(tǒng)。該系統(tǒng)立足實用化，結(jié)合智能評審的要求。同時系統(tǒng)梳理了各專業(yè)的共性需求，深入分析了三維模型業(yè)務(wù)評審應(yīng)用場景，實現(xiàn)了三維設(shè)計成果模型識別、評審指標數(shù)據(jù)自動提取、空間量測、施工模擬、自動預(yù)警、自動生成檢測報告等功能。

關(guān)鍵詞： 三維重建; 建筑信息模型; 機器學習; 聚類算法

中圖分類號： TP319 ? ? ?文獻標志碼： A

Automatc Assstant Evaluaton System Based on Three-dmensonal Desgn

HU Jnsong1， HU Junhu1， GUAN Lan1， ZHU Chengzh2

（1.State Grd Economc and Technologcal Research nsttute Co. Ltd.， Bejng 102200;

2.State Grd Zhejang Electrc Power Co. Ltd.， Hangzhou 310013）

Abstract： Currently， the three-dmensonal desgn evaluaton s stll n ts nfancy， the three-dmensonal desgn evaluaton process， evaluaton ndex system and other related specfcatons are not yet unfed. A computer-aded system for the evaluaton of 3D desgn results s desgned. By means of BM tool modelng， machne learnng algorthm and early warnng technology， a dgtal evaluaton computer aded system meetng the requrements of engneerng constructon standards s establshed. The system s based on practcalty， combned wth the requrements of ntellgent assessment， systematcally combed the common needs of varous specaltes， n-depth analyzed the applcaton scene of 3D model busness evaluaton， realzed three dmensonal desgn achevement model recognton， evaluaton ndex data automatc extracton， spatal measurement， constructon smulaton， automatc early warnng， automatc generaton of test report and other functons.

Key words： Three-dmensonal reconstructon; Buldng nformaton model; Machne learnng; Clusterng algorthm

0 引言

利用三維虛擬現(xiàn)實技術(shù)[1-2]，可以集成和展現(xiàn)海量數(shù)據(jù)，有助于新評審方式的展開，是實現(xiàn)評審智能化[3]的重要手段。輸變電工程三維設(shè)計評審平臺的建立，可以加速三維評審[4]效率，節(jié)省大量的時間和成本。電力行業(yè)開展的三維數(shù)字化設(shè)計評審的研究及應(yīng)用工作，主要體現(xiàn)在將二維圖紙轉(zhuǎn)換為三維模型[5]。在發(fā)電專業(yè)[6]，部分單位研究利用三維模型對暖通等專業(yè)進行管道漫游，檢測管線碰撞;在電網(wǎng)專業(yè)[7-9]，主要利于三維模型對變電站、輸電線路設(shè)計外形進行展現(xiàn)及瀏覽漫游。

本文提出了一個建立基于三維數(shù)據(jù)的計算機評審系統(tǒng)，其包括工程數(shù)據(jù)、文檔資料、地理數(shù)據(jù)、數(shù)字化模型等三維設(shè)計成果數(shù)據(jù)信息提取技術(shù)的研究?；谌S設(shè)計成果評審指標和評審規(guī)則，對三維設(shè)計成果所提取出的特征量及關(guān)鍵數(shù)據(jù)進行評價，對超過標準范圍的異常指標予以標識，實現(xiàn)異常評審指標自動預(yù)警?；谌S設(shè)計成果指標，實現(xiàn)待審工程和典型三維設(shè)計成果相應(yīng)指標的多維度、多層次的對比分析及多樣化展示。

1 三維設(shè)計評審系統(tǒng)的理論依據(jù)

1.1 建筑信息模型

建筑信息模型（Buldng nformaton Modelng，BM）是工程學、建筑學等學科中，運用到的三維圖像為主要信息表現(xiàn)形式的計算機輔助設(shè)計工具，是三維可視化技術(shù)在工程設(shè)計中的應(yīng)用[10-14]。模型中存儲了大量關(guān)于工程的幾何結(jié)構(gòu)信息、空間位置關(guān)系、地域周邊信息、建筑物組件數(shù)量及特性、各部分預(yù)算成本、物料庫存及項目時間表等。

BM工具可以用于設(shè)計布局、建造、統(tǒng)一管理等數(shù)字處理方式，是管理工程三維數(shù)據(jù)的集成環(huán)境，可以大量的提高設(shè)計效率，減少失誤風險。其有利于大量的借鑒經(jīng)驗和整個工程中的合作、經(jīng)驗交流。

1.2 聚類分析算法

聚類算法是機器學習中常用的分類算法[15-16]。聚類算法是按照人為或非人為確定的特征標準將數(shù)據(jù)集分割成不同的類或簇，使得在每個簇內(nèi)的數(shù)據(jù)特征盡量相近，簇間的特征盡量增大。一般的聚類算法屬于無監(jiān)督學習算法，即無需提供數(shù)據(jù)的分類標記。聚類算法基于簇之間特征差異的形成宏觀概念，推測數(shù)據(jù)特征中的關(guān)系和分布模式。

聚類分析法的步驟主要包括：①數(shù)據(jù)預(yù)處理;②定義距離函數(shù);③聚類或分組;④評估輸出。聚類分析法評估輸出索引圖，如下圖1所示。

圖1 聚類分析法評估輸出索引流程圖

聚類分析的特點有：①簇的劃分依據(jù)多樣化，需要后續(xù)的分析和處理;②樣本會在特征空間中強制被分為K個類別，其劃分的依據(jù)難以被解釋;③聚類的結(jié)果較大程度取決于初始化中心和中心數(shù);④數(shù)據(jù)必須保持純凈，噪聲會造成中心聚集時產(chǎn)生畸變，從而嚴重影響劃分性能。

聚類算法對于給定的K類，會先隨機生成初始的分組方式。然后通過確定的距離函數(shù)和學習策略，在訓(xùn)練過程中進行迭代，重新分組并嘗試評估。在改進過程中，利用學習策略會使組內(nèi)成員的距離函數(shù)值下降，同時異組間距離上升，逐漸得到最優(yōu)的分組結(jié)果。在學習中樣本在特征空間中的分布會逐漸形成聚集的效果，如圖2所示。

利用聚類算法，可以將模型中設(shè)計人員所關(guān)注的特征提取出來，從而更容易分析數(shù)據(jù)評價模型的優(yōu)劣。在后期處理時，對于關(guān)注度高的特征，可以重點排查問題，建立預(yù)警機制。

2 計算機輔助評審系統(tǒng)的開發(fā)

2.1 三維數(shù)據(jù)的規(guī)范化管理

機器學習算法是基于統(tǒng)計學原理的，要得到評審中關(guān)注的特征指標，需要大量數(shù)據(jù)的支持。

三維設(shè)計數(shù)據(jù)應(yīng)以輸變電工程各相關(guān)信息數(shù)據(jù)為基礎(chǔ)，采用三維數(shù)字化技術(shù)建立的工程信息集合，具備完備性、關(guān)聯(lián)性、一致性、唯一性、擴展性等特點，滿足可視化、可分析、可編輯、可出圖等工程全壽命周期應(yīng)用需求。在交互規(guī)范中，明確了三維設(shè)計數(shù)據(jù)的內(nèi)容、數(shù)據(jù)格式及儲存格式。

其次，開展包括工程數(shù)據(jù)、文檔資料、地理數(shù)據(jù)、數(shù)字化模型等三維設(shè)計成果數(shù)據(jù)信息提取技術(shù)的研究。根據(jù)三維設(shè)計成果應(yīng)用需求，分析三維設(shè)計成果數(shù)據(jù)特點，針對不同類型的三維設(shè)計成果數(shù)據(jù)，研究三維設(shè)計成果特征量及關(guān)鍵數(shù)據(jù)提取技術(shù)，為三維設(shè)計成果評審工作的開展提供數(shù)據(jù)支撐。

基于三維設(shè)計成果評審指標和評審規(guī)則，對三維設(shè)計成果所提取出的特征量及關(guān)鍵數(shù)據(jù)進行評價。并對超過標準范圍的異常指標予以標識，采用人工的分類和標注。此后，作為訓(xùn)練算法和異常自動報警機制的依據(jù)。

2.2 三維模型特征提取和自動預(yù)警功能

三維數(shù)據(jù)可視性強、信息量大，可以準確全面地表示一個工程項目中的信息，但數(shù)據(jù)量龐大造成了無法對某種特征采取精細化分析。所以，本文采用聚類算法進行對三維模型的特征提取，將模型中關(guān)注的指標數(shù)字化。

分類任務(wù)是指將樣本根據(jù)人為給定的標記分為多個類別。在此過程中，需要算法給出劃分的依據(jù)，即特征信息。算法的提取信息能力，在此時可以形成。分類算法通常需要大量數(shù)據(jù)以及對應(yīng)的手工標簽，但是由于三維數(shù)據(jù)的龐大，手工標注變得十分困難。所以對于這種無法進行手工標記的數(shù)據(jù)，聚類算法是一種好的選擇。聚類算法則是根據(jù)給出的類別數(shù)量自動的劃分出各個類別，沒有人為的標注引導(dǎo)，所以被稱為無監(jiān)督學習。聚類算法中，常用的算法有K-means等。

K-means算法也稱為K-平均或者K-均值，是一種使用廣泛的基礎(chǔ)型聚類算法，一般作為學習聚類算法時所需要掌握的第一個算法。假設(shè)輸入的樣本是T=X1，X2，X3，…，Xm，算法步驟為：

（1）選擇初始化k個類別中心a1，a2，a3，…，ak;

（2）對于每個樣本X將其表示為距離類別中心an的最近類別n如式（1）。label=arg mn1≤n≤k∑n=1（x-an）2

（1） ?（3）用類別中心所屬的該類別樣本均值更新本類別中心an如式（2）。an=1N（cn）∑∈cnx

（2） ?（4）重復(fù)以上兩步，直到特征空間中的樣本收縮到預(yù)定的特征中心。

經(jīng)過大量樣本的訓(xùn)練，能將原始數(shù)據(jù)分為以多個類別中心為聚點的簇。后面再由人工處理和評審，得到評價結(jié)果。

以輸變電工程為例，展示計算網(wǎng)絡(luò)的訓(xùn)練過程。輸變電工程三維設(shè)計模型框架包括四部分內(nèi)容，分別是：屬性集、組件類、物理模型（邏輯模型）、工程模型。

屬性集包括工程參數(shù)、電氣參數(shù)、力學參數(shù)、材料參數(shù)、幾何參數(shù)、位置參數(shù)、圖形符號等。工程參數(shù)、電氣參數(shù)、力學參數(shù)、材料參數(shù)采用結(jié)構(gòu)化數(shù)據(jù)描述;幾何參數(shù)用于描述幾何模型;位置參數(shù)通過空間變換矩陣進行描述;圖形符號用于描述主接線、站用電原理接線、電氣原理圖、水暖系統(tǒng)圖中的設(shè)備、裝置和材料等。

假設(shè)現(xiàn)有一組樣本T=X1，X2，X3，…，Xm，Xn表示某一具體工程。工程中的屬性集由多種參數(shù)組成，將工程實例中的這些參數(shù)按順序相連，組成一組一維向量如式（3）。Xn=（a1，a2，…，ap，b1，b2，…，bq，c1，…）

（3） ?將m個工程實例的屬性存為相同長度的一維向量后，按此向量長度初始化k個隨機向量，即類別中心?？梢砸怨こ虆?shù)、電氣參數(shù)、力學參數(shù)等合不合格為依據(jù)，分成k個類別。隨后按照公式（1）、（2）進行迭代。迭代的過程中可以按照手工標注，查看分類的正確情況，以及時停止迭代過程。

學習過程結(jié)束后，可以固化網(wǎng)絡(luò)參數(shù)，并用其進行對樣本的推斷。輸入一個樣本時，通過計算會得出其距離最近的中心類型。再經(jīng)過程序的自動判斷，對超過預(yù)警的項目值進行報警。

2.3 計算機輔助評審系統(tǒng)的開發(fā)

計算機輔助評審系統(tǒng)的開發(fā)分為以下3個階段：

（1）以往經(jīng)典案例的收集及數(shù)字化整理數(shù)據(jù)。將以往的工程項目利用BM工具整理成三維模型，將各個設(shè)計信息錄入。然后依據(jù)評審標準，分析出各個評審方面具有代表性的實例。

（2）根據(jù)數(shù)據(jù)收集的結(jié)果分為多個中心點。利用聚類算法進行網(wǎng)絡(luò)的訓(xùn)練，讓計算機自動學習劃分類別中心和特征提取方式。當訓(xùn)練好后，用數(shù)據(jù)驗證準確性后固化參數(shù)。

（3）檢測程序和自動預(yù)警程序的搭建，完成檢測系統(tǒng)。

前兩步驟屬于訓(xùn)練階段，如圖3所示。

需要依據(jù)三維評審大綱，三維評審業(yè)務(wù)包含通用設(shè)計、通用設(shè)備、通用造價、標準工藝、防雷接地、安全凈距校驗、碰撞檢測、其他業(yè)務(wù)智能化校驗思路等幾個方面。三維數(shù)據(jù)應(yīng)按照前文，進行標準化收集。每個工程的參數(shù)要盡量詳盡，對上述評審指標的描述必須完備，三維模型的還原度需要足夠高。

以評審要求為準，整理數(shù)據(jù)。將所有三維數(shù)據(jù)按照多個方向劃分成合格與不合格項目，得出每個項目的真實評價數(shù)據(jù)（即用多個1或0表示合格或不合格），用于評價算法的準確性。然后按照前文方法自動完成聚類過程，得到網(wǎng)絡(luò)的參數(shù)。

網(wǎng)絡(luò)的訓(xùn)練參數(shù)固化后，便進入判斷程序。需要對一個三維模型進行評價時，先按照標準化的處理方式得到標準數(shù)據(jù)，數(shù)據(jù)樣式要與訓(xùn)練數(shù)據(jù)一致。然后，進入聚類算法得到當前工程所接近的類別。類別顯示的分類即在當前評審規(guī)則下，對工程的評價結(jié)果。最后，將一組評審方面的結(jié)果做后續(xù)處理。評審系統(tǒng)框架，如圖4所示。

其中，聚類算法需要進行以下步驟：（1）對預(yù)處理后的三維數(shù)據(jù)提取特征，常用的提取特征方式包括計算主曲率、點云數(shù)據(jù)分割取特定部位距離等;（2）對每個特征中心求距離，找到距離最小的類別，輸出類別。

評審程序的識別精確度取決于數(shù)據(jù)覆蓋程度和數(shù)據(jù)準確度，最后的評價結(jié)果也會更為精準。所以，數(shù)據(jù)的純凈和人工標注決定了系統(tǒng)的穩(wěn)定性、精確度。

3 總結(jié)

本文介紹了基于三維設(shè)計成果的計算機輔助評審系統(tǒng)開發(fā)，著重闡述了三維數(shù)據(jù)的獲取、存儲模式，重點講述了機器學習中聚類算法的算法流程、算法特性以及算法在實際應(yīng)用中的作用。本方案要結(jié)合人為確定的評審標準，所以在實際應(yīng)用時仍有諸多細節(jié)并未在文中闡述。另外，在工程實踐中可能還要配合其他機器學習算法，例如分類算法、回歸算法等，才能更加精準的描述工程問題。

參考文獻

[1] 盛金馬，葛奎，許邦鑫.三維虛擬現(xiàn)實技術(shù)在輸電線路運檢中的應(yīng)用[J].低碳世界，2015（33）：40-41.

[2] 關(guān)若愚.三維虛擬現(xiàn)實技術(shù)特點及其在建筑改造設(shè)計中的應(yīng)用分析[J].信息系統(tǒng)工程，2016（4）：19-20.

[3] 黃靜.110 kV及以下輸變電工程設(shè)計智能化評審管理平臺研究[J].現(xiàn)代電子技術(shù)，2018（4）：112-115.

[4] 孫自安，王芝麟，李寶昕，等.三維全景電網(wǎng)平臺在電網(wǎng)布局規(guī)劃評審中的應(yīng)用[J].電網(wǎng)與清潔能源，2017，33（3）：56-59.

[5] 韓太軍，楊晶東，許金波，等.基于人工勢場和NDT算法融合的三維重建方法[J].電子科技，2017，30（2）：37-41.

[6] 張曉陽.基于RSVew Studo的風力發(fā)電機組三維監(jiān)控系統(tǒng)設(shè)計[D].保定：河北大學，2016.

[7] 曲烽瑞，董選昌，李艷飛，等.基于多影像立體測量的電力線建模[J].自動化與儀器儀表，2017（2）：13-14.

[8] 方潤，王奕，溫晉玲.基于三維電網(wǎng)模型的運檢管控應(yīng)用[J].電器工業(yè)，2017（10）：84-86.

[9] 張建，張浩，江炯，等.基于三維地理信息技術(shù)的智能高壓輸電網(wǎng)管理系統(tǒng)建設(shè)與應(yīng)用[J].浙江電力，2015（8）：17-20，33.

[10] 張艷文.基于BM的鐵路勘測三維可視化選線設(shè)計研究[J].自動化與儀器儀表，2018（6）：107-108.

[11] 林偉.基于BM的水電工程科技成果可視化與應(yīng)用示范[J].長江科學院院報，2016， 33（8）：134-137.

[12] 朱云祥，夏華麗，勞詠昶，等.BM技術(shù)在輸變電工程的應(yīng)用成熟度評價研究[J].浙江電力，2018（9）：87-92.

[13] 宋福春，謝利斌，李孟臣，等.基于BM技術(shù)的復(fù)雜立交橋協(xié)同設(shè)計[J].沈陽工業(yè)大學學報，2018（6）：94-98.

[14] 夏陽，董洪偉.基于二維圖像的三維人體模型生成[J].軟件導(dǎo)刊，2017，16（5）：196-198.

[15] 周開河，徐孝忠，方云輝.可視化技術(shù)在電網(wǎng)信息通信專業(yè)展示中的應(yīng)用[J].電子科技，2017，30（9）：159-161.

[16] 劉念，劉宇.基于聚類分析算法的海量關(guān)系數(shù)據(jù)可視化技術(shù)研究[J].電子設(shè)計工程，2018（10）：98-101.

（收稿日期： 2019.06.14）

基金項目：國家電網(wǎng)有限公司科技項目（SGZJ0000KXJS1700476）

作者簡介：胡勁松（1968-），男，高級工程師，碩士，研究方向：輸變電工程。

胡君慧（1966-），男，高級工程師，研究方向：變電設(shè)計及數(shù)字化設(shè)計技術(shù)。

官瀾（1984-），男，高級工程師，博士，研究方向：變電站數(shù)字化設(shè)計技術(shù)。

朱承治（1977-），男，高級工程師，博士，研究方向：電力系統(tǒng)自動化。文章編號：1007-757X（2020）01-0018-04