基于BIM的建筑设备运行维护管理研究

孟军阳 曹佳纯 王云龙 谢英江

（中建七局第四建筑有限公司，陕西 西安 710016）

0 引言

在现代化建筑工程中，为了给建筑使用者提供一个健康舒适的办公和居住环境，建筑设备的管理成为建筑工程中最重要的一项工作内容，也是现代建筑管理的重要组成部分。从建筑全生命周期来看，建筑设备的运营期占据了全生命周期的90%，运营成本也占总成本的70%以上，因此，在该阶段中，由于建筑设备在长期的运转过程中受到磨损，出现不同程度的老化，并出现故障，导致建筑物的质量下降，并需要提供大量的人力物力进行维修。

1 BIM技术在建筑设备运行维护管理中的应用

BIM技术的发展有利于建筑设备运行维护管理。BIM技术通过建立1个虚拟的面向对象的三维模型，能够集成海量的数据信息，实现模型的参数化、智能化，并将海量数据信息进行协同共享，避免信息的“碎片化”，降低信息传递损耗，可在建筑设备全生命周期内实现模型信息的动态分享、信息访问、存储关联以及更新完善，使各个建筑设备运行维护管理参与能够在权限范围内进行信息获取和上传，并可以得到可视化的服务，形象、直观和清晰地了解建筑设备的运行情况。将BIM技术应用于建筑设备全生命周期的管理，将BIM模型与管理信息相关联，具体的信息流如图1所示。

图1 基于BIM技术的建筑设备全生命周期管理

建筑设备的运行维护管理是一个信息流管理的过程，根据信息流在各个层级的运转情况，可以将建筑设备运行维护管理的系统大致分为5个层次，分别为用户层、应用层、数据层、模型层和信息层，如图2所示。

图2 基于BIM技术的建筑设备运维管理总体框架

2 基于贝叶斯网络原理的建筑设备运行维护决策方法

在目前的机器故障检测理论中，发展出了很多的人工智能、深度学习的网络学习方法，其中贝叶斯网络学习就应用较为广泛的方法之一。贝叶斯网络是在英国学者贝叶斯公式的基础上发展而来的，它也称作贝叶斯信度网络，表达了不同变量之间的概率影响关系，并综合利用了概率论和图论的方法对概率之间相互影响进行可视化的图形表达，对个独立互相排斥事件B中，事件发生条件下，B事件发生的概率可以用贝叶斯概率公式进行描述，如公式（1）所示。

式中：（B|）为贝叶斯后验概率；（B）为贝叶斯先验概率；（|B）为贝叶条件概率。

贝叶斯网络包括节点的单向网络图像形式，在网络数量和网络节点已知的条件下，采用先验知识对既有的样本进行学习和训练，在全局范围内寻找最优的贝叶斯网络拓扑结构。在学习的过程中，基于参数和数据集的似然程度来达到确定目标参数，其似然函数的对数表达形式如式（2）所示。

式中：为拉格朗日算子，为网络参数，为数据样本集合，为既有的网络结构。

以方程（2）中的最大值作为寻优结果，得到式（3）。

式中：为概率函数，为最大似然概率，x（）为样本，为样本集。

根据贝叶斯网络学习的结果，得到建筑设备运行的故障率，以维修费用最低为函数模型，如公式（4）所示，以确定采取的维修养护策略。

式中：为成本，为2次维修之间设备的工作时间，C为一次修复性维修费用，C为一次预防性维修费用，为可靠度，为一次大修费用，为维修时间，为预防性维修间隔数。

3 基于BIM技术的建筑设备运行维护可视化应用实例

某省市某房地产建设工程一期位于202-DC-A98地块，位于城区东北角区域核心商圈范围，附近已有配套公用设施，交通便利。项目总投资95000万元，项目建设用地约62400m，总建筑面积约241353.70m，其中地上约174487.20m，地下约66866.49m。在建筑工程主体结构中配备了各种设备系统，具体包括消防系数、给排水系统、通风空调系统以及动力照明系统等，这些系统的构成十分复杂，管线很多，给设备检修人员带来不小的挑战。

由于建筑设备运行管理是一项多专业、多面向对象的系统工程，建筑中的设备数量庞大，管道及机器之间错综复杂，因此，在设备出现故障时，对故障的快速诊断、定位和排查是设备管理人员和检修人员面临的首要问题。在基于BIM的建筑设备运维管理系统中建立建筑设备的三维虚拟模型，各个模型构件与实体构件之间具有明显的对应关系，并通过唯一的编码进行确认。在BIM建筑设备模型中，赋予各个虚拟构件的各种实体属性参数，使虚拟构件与实体构件具有完全的逻辑关联属性，如图3所示。

图3 基于BIM技术的建筑设备运维管理系统和模型

以建筑设备的通风空调系统和消防系统为例，分别对2个系统中的15个节点基于贝叶斯网络学习，得到贝叶斯网络学习设备故障概率与正常概率的计算结果见表1。从表1中可以看出，在通风空调系统中，设备故障概率较大的节点有节点7、节点10和节点14，分别为0.481489、0.237284和 0.289916；在消防系统中，设备故障概率较大的节点有节点6、节点9和节点12，分别为0.094157、0.381375和0.619536。在这些节点的计算结果中，消防系统的节点12故障概率大于0.5，具有较大的失效可能，因此在建筑设备运营养护过程中应加强监测，以达到良好的设备运转效果。

表1 基于BIM技术和贝叶斯网络学习的建筑设备运维状态计算结果

在对通风空调系统和消防系统采取检修和养护措施后，分别对2个系统中的15个节点基于贝叶斯网络学习，得到贝叶斯网络学习设备故障概率与正常概率的计算结果见表2。从表中可以看出，在通风空调系统中，节点7、节点10和节点14的设备故障概率分别降低为 0.000038、0.000088 和 0.000028；在消防系统中，节点6、节点9和节点12的设备故障概率分别降低为0.000016、0.000003和0.000060。由此表明，经过检修和养护后，通风空调系统和消防系统均处于运行良好状态，达到了设备维护的目的。

表2 检修和养护后基于BIM技术和贝叶斯网络学习的建筑设备运维状态计算结果

4 结论

该文以某省市某房地产建设工程一期为研究对象，基于BIM技术建立三维设备运行围护管理模型，并在模型系统内采用贝叶斯网络学习模型进行设备故障概率及设备正常概率的计算，得到以下2个结论：1）BIM技术有利于建筑设备运行维护管理，可在建筑设备全生命周期内实现模型信息的动态分享、信息访问、存储关联以及更新完善，使各个建筑设备运行维护管理参与能够在权限范围内进行信息获取和上传，并可以持续性地得到可视化的服务，形象、直观和清晰地了解建筑设备的运行情况。2）以建筑设备的通风空调系统和消防系统为例，分别对2个系统中的15个节点基于贝叶斯网络学习，得到贝叶斯网络学习设备故障概率与正常概率的计算结果，对节点中设备故障概率较大的节点采取检修和养护措施，并对养护后设备故障概率进行计算，结果表明，该措施能够有效地降低设备故障概率，改善设备的运行状态。