【摘 要】
：
BIM设计中,Dynamo是一种开源的三维可视化编程技术,其应用范围广,更容易上手,且脚本可重复使用,与Rhino和Bentley可视化编程技术相比具有一定的优势.本文介绍了BIM设计主要的可视化编程技术,并以地铁车辆段工艺设备BIM设计为例,梳理了Dynamo可视化编程技术的实施流程和注意事项.Dynamo技术可以解决车辆段工艺设备BIM设计中设备排序和信息提取繁琐、重复的痛点,提高设计效率.
【机 构】
：
深圳市市政设计研究院有限公司,广东 深圳 518000
论文部分内容阅读
BIM设计中,Dynamo是一种开源的三维可视化编程技术,其应用范围广,更容易上手,且脚本可重复使用,与Rhino和Bentley可视化编程技术相比具有一定的优势.本文介绍了BIM设计主要的可视化编程技术,并以地铁车辆段工艺设备BIM设计为例,梳理了Dynamo可视化编程技术的实施流程和注意事项.Dynamo技术可以解决车辆段工艺设备BIM设计中设备排序和信息提取繁琐、重复的痛点,提高设计效率.
其他文献
针对非对称博弈下的水下无人对抗问题,开展对基于基地防卫的多无人水下潜航器(unmanned under-water vehicles,UUVs)协同对抗策略研究.在双方能力和数量有差异的非对称博弈情况下,设计UUV基本行为,分别基于红、蓝方能力设计对抗策略选择方法;本文提出红方多UUV分层决策算法,并设计红方多UUV角色分配方法;在防卫任务中基于目标偏航角设计两种红方多UUV联合防卫方法;并相应给出设计蓝方UUV策略及决策方法.最后设计水下对抗仿真实验,从对抗过程的事件决策、UUV机动控制等方面验证了本文
为研究多因素影响下系统故障模式识别,根据已有故障标准模式对故障样本模式进行分析,提出基于集对分析联系数和故障分布的系统故障模式识别新方法.根据故障背景建立故障模式识别系统,分析故障样本模式与故障标准模式,确定联系度各联系分量,计算联系度和识别度,最后通过确定故障样本模式与故障标准模式关系完成识别.对某电气系统实例分析给出了方法流程,获得了模式识别结果,从而为有针对性的采取预防和治理措施提供了决策支持.
针对以最小化最大完工时间的柔性作业车间调度问题,在标准樽海鞘群算法(salp swarm slgorithm,SSA)的基础上,提出一种改进的樽海鞘群算法.采用基于工序和基于设备的二维向量进行编码,并考虑设备负载进行种群初始化.基于Lévy飞行对领导者位置更新方式进行离散化改进;在追随者位置更新公式中引入自适应惯性权重,使算法的全局搜索和局部搜索能力得到更好的平衡.为提高搜索效率,设计了交叉算子和基于关键路径的变异算子来保证种群的多样性,同时引入模拟退火(simulated annealing,SA)策略
在过去十来年中,深度神经网络(DNN)在语音识别、图像识别等大量AI问题中取得了显著成功,在智能物联网等场景中得到了广泛应用.但由于深度神经网络模型具有计算量大、参数量大、存储成本高的特点,限制了其在硬件受限的嵌入式或移动设备上的应用.近年来,学界也提出了多种压缩技术来降低DNN模型的存储成本和计算需求,并在压缩的同时最大限度降低模型精度损失.本文回顾总结了目前DNN模型压缩的最新技术,主要包括模型剪枝、模型量化、轻量化网络设计、知识蒸馏,并对以上方法的性能、优缺点和最新研究成果进行了深度分析,最后给出了
数据销毁电路是一种通过高电压物理销毁,使SD卡等存储的数据无法恢复,避免数据被非法泄露的技术.传统的数据销毁电路使用单个电源对单张SD卡进行销毁,若直接将单个电源连接至多张SD卡,会出现某张SD卡对地短路的现象,造成电源输出电压被拉低,其他SD卡连接的电压过低而不能被销毁.本文提出了一种针对多张SD卡的数据销毁电路,可以实现单个电源同时对多张SD卡进行数据销毁.
多峰值优化问题要求算法同时找到一个问题的多个全局最优解.近年来,演化算法已被广泛用于求解多峰值优化问题.然而,如何在极其有限的适应值评估次数内找到问题的多个全局最优解依然为演化算法带来了巨大的挑战.通过分析个体的历史更新经验,为每个个体赋予双层适应值评估概率,对个体进行选择性评估,从而减少算法运行过程中无效或低效的适应值评估,提出了一种基于概率评估差分进化的多峰值优化算法.实验结果显示,概率评估机制可以为算法节省更多的适应值评估次数,增加迭代过程,效果远好于其他主流的多峰值优化算法.
针对传统空气净化器固定位置安装带来的大空间净化效果差的问题,本文设计了一种基于地磁导航、RFID定位、模糊PID控制的智能空气净化小车系统,可自主穿梭于各区域工作,与基于ZigBee、Wi-Fi无线通信的智能空气检测定位系统相配合,实现空气净化小车的无线监测定位、远程控制和自主消毒.经过试验验证,本系统能在区域较大的场地实现智能净化空气,具有一定的市场价值和应用前景.
针对C2M制造服务模式的智能制造生产调度问题,以柔性作业车间为研究对象,通过分解订单任务,提出基于ERP-MES-底层制造系统为基础的自感知-自决策-自执行CPS调度方案.在实际调度中,以加工时间为优化目标,提出一种基于GA-SSA的融合算法;在实时调度方面,基于物联环境提出一种效能偏差判别机制来实现实时调度决策.最后,以一个6×6的调度问题为例,验证了本文所提出调度方案的可行性与优越性.
本文从目标识别的应用需求和发展趋势出发,结合硬、软件技术设计了一种推理端的实现平台.硬件采用复旦微电子FPGA-JFM7K325T作为多视频接口适配与进行预处理,有效提高了平台兼容性与时效性,同时采用海思Hi3559A作为目标识别推理算法的核心处理器,在满足既定算法算力的条件下,有效降低了平台体积与功耗,达到小型轻量化目标.软件方面,为提高目标识别置信度,采用预处理技术提高视频质量,并采用基于YOLOv3的改进网络结构,进行目标识别算法的推演;同时结合多目标动态特征,实现目标跟踪算法,扩大平台实际应用场景
针对现有三支决策模型的研究对象多为单一性数据的决策系统,对于混合数据边界域样本处理的研究相对较少,本文面向混合数据提出了基于核属性的代价敏感三支决策边界域分类方法.该方法基于正域约简计算混合邻域决策系统的核属性集,在此基础上计算混合邻域类,并利用三支决策规则分别将对象划分到各决策类的正域、边界域和负域;提出了一种基于代价敏感学习的三支决策边界域分类方法,并构造了误分类代价的计算方法,以此划分边界域中的对象.通过对UCI上的10个数据集进行实验对比与分析,进一步验证了本文方法,为处理边界域样本提供了一种可行