城市基础设施维护管理与故障诊断系统—以综合管廊为例

来源 :西南交通大学 | 被引量 : 0次 | 上传用户:chenchenyaya
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
基础设施为城市提供了必要的公共服务,所以基础设施对社会经济与居民生活都非常重要。经济以及资源等其它因素限制了新建基础设施的规模与速度,加上已建的基础设施要面对不断上涨的公共服务压力,基础设施的维护管理问题已经成为当前热门的研究课题。要提升基础设施的维护管理效率,首先要解决各项维护信息的利用效率,其次还要开发智能化的自动管理算法,利用计算机的计算优势协助管理者对基础设施做出有效维护管理。
  目前,城市基础设施多利用计算机维护管理系统(CMMS)或楼宇自动化系统(BAS)帮助管理者进行维护管理。但是,CMMS或BAS缺乏方便的可视化和互操作性。本文旨在提出一种集成建筑信息模型(BIM)和地理信息系统(GIS)的系统,以提高当前维护管理系统的性能。本文提出了该系统的结构框架,并根据实际需求开发了所需的维护管理功能。
  故障诊断同样也是有效建筑维护和设施管理的重要任务。故障树分析(FTA)是一种传统的故障诊断方法。但是传统的故障树分析是耗时的,因为它需要对新建筑物进行新的分析,并且存在不能很好地重复使用诊断知识和经验的问题。为了解决这些问题,本文提出了一种语义网方法来存储和查询FTA知识,并将FTA知识与BIM联系起来。FTA知识存储在文章提出的故障树本体(FTont)模型中。FTont和BIM之间的数据连接是通过使用公共构件对象和等效关系来实现的。此方法由于可以使用之前的故障树本体来查询新的建筑物信息模型,故本方法可以做到将FTA和具体设施解耦,而不需要为建筑物进行特定的故障树分析。
  最后本文通过一个具体的工程案例来证明维护管理系统的可行性。结果表明,所提出的BIM-3DGIS系统可以确保有效的维护工作并具有良好的潜在应用。本文还举例说明了如何利用查询语句来查询故障树本体和建筑信息模型,以获取故障诊断结果和潜在风险,验证了该方法的可行性。
其他文献
过去几十年中,随着当代工业生产的技术创新与产业发展,离散事件系统得到了飞速发展,已被广泛应用于各种不同领域,例如制造系统,交通系统,数据库管理系统,通信协议,以及后勤(服务)系统等。这些复杂系统均可从离散的角度进行研究,因此,越来越多的研究学者和工程师都致力于离散事件系统的建模、分析以及控制。其中,Ramadge和Wonham(RW)首先提出了针对普遍离散事件系统的监督控制方法,其所得研究成果形成
近年来,网络化系统的研究受到了控制领域国内外学者的广泛关注。相比于传统的点对点控制系统,网络化系统具有布线少、可靠性高、成本低、易于扩展、维护和安装等优点,已成功应用于工业自动化、无人驾驶、智能电网等多个领域。在网络化系统中,由于用于各节点之间信息交换的通信网络是带宽有限的,被传输信号须先经过量化器的量化处理,这样不仅可以有效降低各节点之间的信号传输频率、节约宝贵的网络通信资源,而且还可以在很大程
离散事件系统(Discrete Event System)是一类由事件序列驱动的动态系统。随着现代工业化、智能化水平的日益提高,离散事件系统存在于许多重要的系统中。当离散事件系统规模日益增大时,任何一个故障事件都可能导致灾难的发生,诸如财产损失和人员伤亡,因此其故障诊断问题具有非常重要的学术价值和工程意义。然而离教事件系统中存在的“状态空间爆炸”问题,即系统的所有可达状态数量会随着系统规模的增长呈
随着大数据和人工智能技术的发展,数据的重要性变得越来越凸显,并被经济学人杂志称为数字时代的石油。然而,随着各国政府日趋严格的隐私保护法案的出台,以及互联网用户隐私保护意识的觉醒,如何在保护隐私的前提下收集数据成为各大互联网公司的当务之急。在学术界和工业界的共同推动下,本地差分隐私技术逐渐成为用户隐私数据收集的黄金标准。目前谷歌、苹果和微软等互联网巨头已把本地差分隐私集成到产品中用于用户隐私数据的收
在过去的数十年中,人工神经网络在模式识别、信号处理、联想记忆、静态图像处理以及组合优化方面得到了广泛应用从而吸引了众多科研人员进行研究。众所周知,稳定是前面所述工程应用的前提条件,而时滞,不确定性和随机干扰是导致神经网络不稳定的三大主要原因。在利用大规模集成电路实现人工神经网络的过程中由于有限的信息处理速度和电子元器件参数的波动自然会引入时滞和不确定性。另外,随机干扰是无处不在的。因此,带有时滞和
过程监测模型被视为过程自动化系统的重要组成部分,主要作用是评估过程时的运行状态及产品质量,检测出故障并完成后续识别、诊断、隔离等操作。现代工业发展至今,不论是整体规模还是复杂程度,都不同以往,对过程控制、过程监测环节的要求也稳步提高。大多数实际工业过程都具有非线性、时变性、动态性、不确定性等特点,一些较早提出的数据驱动过程监测方法,如多元统计分析以及机器学习过程监测方法不再广泛适用。  本文主要提
学位
开放渡口区域人流量大,容易产生人群堵塞,形成安全隐患。因此海事管理部门迫切需要掌握渡口区域不同时段的人流量,优化轮渡调配和实施安全监管。传统的人流量统计方法主要是人工和红外感应计数,人工计数耗时耗力,且精度不高,红外感应计数一般用于闸口,应用场景受限。已有部分采用视频图像分析的方法用于开放区域人数统计,但大多基于传统的图像处理方法,效果并不理想。本文采用深度学习技术实现行人的快速准确检测,对开放渡
随着科学技术的发展,人们对车辆智能辅助驾驶系统的要求越来越高,它不仅要保护驾驶人的安全,还需要满足驾驶人的各种舒适性要求。但是由于驾驶人本身存在着较大的个体差异和状态波动,而现有的按照基准驾驶人的驾驶行为进行设计的智能辅助驾驶系统,没有考虑驾驶人的驾驶个性化、差异性,难以保证对不同驾驶人的适用性。所以只有真正理解驾驶人的智能车才能满足现代人对智能辅助驾驶系统的需求。针对此问题,为了促进智能辅助驾驶
容迟网络(Delay Tolerant Network,DTN)是一种在源节点和目的节点之间不存在稳定的端到端链路,利用节点移动带来的相遇机会间歇性进行通信的自组织网络。DTN为信息共享提供了新的数据传输机制和理论支持,在地震灾难应急、缺乏基础设施的偏远落后山村通信,传感器网络等领域具有广泛的应用前景。DTN是一种缺乏稳定端到端链路的新型网络体系结构,其链路状态、网络拓扑结构等具有诸多不确定因素,
学位
[db:内容简介]