基于三维设计的自动辅助评审系统开发

胡劲松 胡君慧 官澜 朱承治

摘 要： 针对目前三维设计评审仍处于起步阶段，三维设计评审的流程、评审指标库等相关规范还未统一的问题， 设计了对三维设计成果进行评审的计算机辅助系统。通过BM工具建模、机器学习算法预警技术等，建立起满足工程建设相关标准规范要求的数字化评审计算机辅助系统。该系统立足实用化，结合智能评审的要求。同时系统梳理了各专业的共性需求，深入分析了三维模型业务评审应用场景，实现了三维设计成果模型识别、评审指标数据自动提取、空间量测、施工模拟、自动预警、自动生成检测报告等功能。

关键词： 三维重建; 建筑信息模型; 机器学习; 聚类算法

中图分类号： TP319      文献标志码： 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

利用三維虚拟现实技术[1-2]，可以集成和展现海量数据，有助于新评审方式的展开，是实现评审智能化[3]的重要手段。输变电工程三维设计评审平台的建立，可以加速三维评审[4]效率，节省大量的时间和成本。电力行业开展的三维数字化设计评审的研究及应用工作，主要体现在将二维图纸转换为三维模型[5]。在发电专业[6]，部分单位研究利用三维模型对暖通等专业进行管道漫游，检测管线碰撞;在电网专业[7-9]，主要利于三维模型对变电站、输电线路设计外形进行展现及浏览漫游。

本文提出了一个建立基于三维数据的计算机评审系统，其包括工程数据、文档资料、地理数据、数字化模型等三维设计成果数据信息提取技术的研究。基于三维设计成果评审指标和评审规则，对三维设计成果所提取出的特征量及关键数据进行评价，对超过标准范围的异常指标予以标识，实现异常评审指标自动预警。基于三维设计成果指标，实现待审工程和典型三维设计成果相应指标的多维度、多层次的对比分析及多样化展示。

1 三维设计评审系统的理论依据

1.1 建筑信息模型

建筑信息模型（Buldng nformaton Modelng，BM）是工程学、建筑学等学科中，运用到的三维图像为主要信息表现形式的计算机辅助设计工具，是三维可视化技术在工程设计中的应用[10-14]。模型中存储了大量关于工程的几何结构信息、空间位置关系、地域周边信息、建筑物组件数量及特性、各部分预算成本、物料库存及项目时间表等。

BM工具可以用于设计布局、建造、统一管理等数字处理方式，是管理工程三维数据的集成环境，可以大量的提高设计效率，减少失误风险。其有利于大量的借鉴经验和整个工程中的合作、经验交流。

1.2 聚类分析算法

聚类算法是机器学习中常用的分类算法[15-16]。聚类算法是按照人为或非人为确定的特征标准将数据集分割成不同的类或簇，使得在每个簇内的数据特征尽量相近，簇间的特征尽量增大。一般的聚类算法属于无监督学习算法，即无需提供数据的分类标记。聚类算法基于簇之间特征差异的形成宏观概念，推测数据特征中的关系和分布模式。

聚类分析法的步骤主要包括：①数据预处理;②定义距离函数;③聚类或分组;④评估输出。聚类分析法评估输出索引图，如下图1所示。

图1 聚类分析法评估输出索引流程图

聚类分析的特点有：①簇的划分依据多样化，需要后续的分析和处理;②样本会在特征空间中强制被分为K个类别，其划分的依据难以被解释;③聚类的结果较大程度取决于初始化中心和中心数;④数据必须保持纯净，噪声会造成中心聚集时产生畸变，从而严重影响划分性能。

聚类算法对于给定的K类，会先随机生成初始的分组方式。然后通过确定的距离函数和学习策略，在训练过程中进行迭代，重新分组并尝试评估。在改进过程中，利用学习策略会使组内成员的距离函数值下降，同时异组间距离上升，逐渐得到最优的分组结果。在学习中样本在特征空间中的分布会逐渐形成聚集的效果，如图2所示。

利用聚类算法，可以将模型中设计人员所关注的特征提取出来，从而更容易分析数据评价模型的优劣。在后期处理时，对于关注度高的特征，可以重点排查问题，建立预警机制。

2 计算机辅助评审系统的开发

2.1 三维数据的规范化管理

机器学习算法是基于统计学原理的，要得到评审中关注的特征指标，需要大量数据的支持。

三维设计数据应以输变电工程各相关信息数据为基础，采用三维数字化技术建立的工程信息集合，具备完备性、关联性、一致性、唯一性、扩展性等特点，满足可视化、可分析、可编辑、可出图等工程全寿命周期应用需求。在交互规范中，明确了三维设计数据的内容、数据格式及储存格式。

其次，开展包括工程数据、文档资料、地理数据、数字化模型等三维设计成果数据信息提取技术的研究。根据三维设计成果应用需求，分析三维设计成果数据特点，针对不同类型的三维设计成果数据，研究三维设计成果特征量及关键数据提取技术，为三维设计成果评审工作的开展提供数据支撑。

基于三维设计成果评审指标和评审规则，对三维设计成果所提取出的特征量及关键数据进行评价。并对超过标准范围的异常指标予以标识，采用人工的分类和标注。此后，作为训练算法和异常自动报警机制的依据。

2.2 三维模型特征提取和自动预警功能

三维数据可视性强、信息量大，可以准确全面地表示一个工程项目中的信息，但数据量庞大造成了无法对某种特征采取精细化分析。所以，本文采用聚类算法进行对三维模型的特征提取，将模型中关注的指标数字化。

分类任务是指将样本根据人为给定的标记分为多个类别。在此过程中，需要算法给出划分的依据，即特征信息。算法的提取信息能力，在此时可以形成。分类算法通常需要大量数据以及对应的手工標签，但是由于三维数据的庞大，手工标注变得十分困难。所以对于这种无法进行手工标记的数据，聚类算法是一种好的选择。聚类算法则是根据给出的类别数量自动的划分出各个类别，没有人为的标注引导，所以被称为无监督学习。聚类算法中，常用的算法有K-means等。

K-means算法也称为K-平均或者K-均值，是一种使用广泛的基础型聚类算法，一般作为学习聚类算法时所需要掌握的第一个算法。假设输入的样本是T=X1，X2，X3，…，Xm，算法步骤为：

（1）选择初始化k个类别中心a1，a2，a3，…，ak;

（2）对于每个样本X将其表示为距离类别中心an的最近类别n如式（1）。label=arg mn1≤n≤k∑n=1（x-an）2

（1）  （3）用类别中心所属的该类别样本均值更新本类别中心an如式（2）。an=1N（cn）∑∈cnx

（2）  （4）重复以上两步，直到特征空间中的样本收缩到预定的特征中心。

经过大量样本的训练，能将原始数据分为以多个类别中心为聚点的簇。后面再由人工处理和评审，得到评价结果。

以输变电工程为例，展示计算网络的训练过程。输变电工程三维设计模型框架包括四部分内容，分别是：属性集、组件类、物理模型（逻辑模型）、工程模型。

属性集包括工程参数、电气参数、力学参数、材料参数、几何参数、位置参数、图形符号等。工程参数、电气参数、力学参数、材料参数采用结构化数据描述;几何参数用于描述几何模型;位置参数通过空间变换矩阵进行描述;图形符号用于描述主接线、站用电原理接线、电气原理图、水暖系统图中的设备、装置和材料等。

假设现有一组样本T=X1，X2，X3，…，Xm，Xn表示某一具体工程。工程中的属性集由多种参数组成，将工程实例中的这些参数按顺序相连，组成一组一维向量如式（3）。Xn=（a1，a2，…，ap，b1，b2，…，bq，c1，…）

（3）  将m个工程实例的属性存为相同长度的一维向量后，按此向量长度初始化k个随机向量，即类别中心。可以以工程参数、电气参数、力学参数等合不合格为依据，分成k个类别。随后按照公式（1）、（2）进行迭代。迭代的过程中可以按照手工标注，查看分类的正确情况，以及时停止迭代过程。

学习过程结束后，可以固化网络参数，并用其进行对样本的推断。输入一个样本时，通过计算会得出其距离最近的中心类型。再经过程序的自动判断，对超过预警的项目值进行报警。

2.3 计算机辅助评审系统的开发

计算机辅助评审系统的开发分为以下3个阶段：

（1）以往经典案例的收集及数字化整理数据。将以往的工程项目利用BM工具整理成三维模型，将各个设计信息录入。然后依据评审标准，分析出各个评审方面具有代表性的实例。

（2）根据数据收集的结果分为多个中心点。利用聚类算法进行网络的训练，让计算机自动学习划分类别中心和特征提取方式。当训练好后，用数据验证准确性后固化参数。

（3）检测程序和自动预警程序的搭建，完成检测系统。

前两步骤属于训练阶段，如图3所示。

需要依据三维评审大纲，三维评审业务包含通用设计、通用设备、通用造价、标准工艺、防雷接地、安全净距校验、碰撞检测、其他业务智能化校验思路等几个方面。三维数据应按照前文，进行标准化收集。每个工程的参数要尽量详尽，对上述评审指标的描述必须完备，三维模型的还原度需要足够高。

以评审要求为准，整理数据。将所有三维数据按照多个方向划分成合格与不合格项目，得出每个项目的真实评价数据（即用多个1或0表示合格或不合格），用于评价算法的准确性。然后按照前文方法自动完成聚类过程，得到网络的参数。

网络的训练参数固化后，便进入判断程序。需要对一个三维模型进行评价时，先按照标准化的处理方式得到标准数据，数据样式要与训练数据一致。然后，进入聚类算法得到当前工程所接近的类别。类别显示的分类即在当前评审规则下，对工程的评价结果。最后，将一组评审方面的结果做后续处理。评审系统框架，如图4所示。

其中，聚类算法需要进行以下步骤：（1）对预处理后的三维数据提取特征，常用的提取特征方式包括计算主曲率、点云数据分割取特定部位距离等;（2）对每个特征中心求距离，找到距离最小的类别，输出类别。

评审程序的识别精确度取决于数据覆盖程度和数据准确度，最后的评价结果也会更为精准。所以，数据的纯净和人工标注决定了系统的稳定性、精确度。

3 总结

本文介绍了基于三维设计成果的计算机辅助评审系统开发，着重阐述了三维数据的获取、存储模式，重点讲述了机器学习中聚类算法的算法流程、算法特性以及算法在实际应用中的作用。本方案要结合人为确定的评审标准，所以在实际应用时仍有诸多细节并未在文中阐述。另外，在工程实践中可能还要配合其他机器学习算法，例如分类算法、回归算法等，才能更加精准的描述工程问题。

参考文献

[1] 盛金马，葛奎，许邦鑫.三维虚拟现实技术在输电线路运检中的应用[J].低碳世界，2015（33）：40-41.

[2] 关若愚.三维虚拟现实技术特点及其在建筑改造设计中的应用分析[J].信息系统工程，2016（4）：19-20.

[3] 黄静.110 kV及以下输变电工程设计智能化评审管理平台研究[J].现代电子技术，2018（4）：112-115.

[4] 孫自安，王芝麟，李宝昕，等.三维全景电网平台在电网布局规划评审中的应用[J].电网与清洁能源，2017，33（3）：56-59.

[5] 韩太军，杨晶东，许金波，等.基于人工势场和NDT算法融合的三维重建方法[J].电子科技，2017，30（2）：37-41.

[6] 张晓阳.基于RSVew Studo的风力发电机组三维监控系统设计[D].保定：河北大学，2016.

[7] 曲烽瑞，董选昌，李艳飞，等.基于多影像立体测量的电力线建模[J].自动化与仪器仪表，2017（2）：13-14.

[8] 方润，王奕，温晋玲.基于三维电网模型的运检管控应用[J].电器工业，2017（10）：84-86.

[9] 张建，张浩，江炯，等.基于三维地理信息技术的智能高压输电网管理系统建设与应用[J].浙江电力，2015（8）：17-20，33.

[10] 张艳文.基于BM的铁路勘测三维可视化选线设计研究[J].自动化与仪器仪表，2018（6）：107-108.

[11] 林伟.基于BM的水电工程科技成果可视化与应用示范[J].长江科学院院报，2016， 33（8）：134-137.

[12] 朱云祥，夏华丽，劳咏昶，等.BM技术在输变电工程的应用成熟度评价研究[J].浙江电力，2018（9）：87-92.

[13] 宋福春，谢利斌，李孟臣，等.基于BM技术的复杂立交桥协同设计[J].沈阳工业大学学报，2018（6）：94-98.

[14] 夏阳，董洪伟.基于二维图像的三维人体模型生成[J].软件导刊，2017，16（5）：196-198.

[15] 周开河，徐孝忠，方云辉.可视化技术在电网信息通信专业展示中的应用[J].电子科技，2017，30（9）：159-161.

[16] 刘念，刘宇.基于聚类分析算法的海量关系数据可视化技术研究[J].电子设计工程，2018（10）：98-101.

（收稿日期： 2019.06.14）

基金项目：国家电网有限公司科技项目（SGZJ0000KXJS1700476）

作者简介：胡劲松（1968-），男，高级工程师，硕士，研究方向：输变电工程。

胡君慧（1966-），男，高级工程师，研究方向：变电设计及数字化设计技术。

官澜（1984-），男，高级工程师，博士，研究方向：变电站数字化设计技术。

朱承治（1977-），男，高级工程师，博士，研究方向：电力系统自动化。文章编号：1007-757X（2020）01-0018-04