基于BIM 體系的鋼筋施工深化與下料優化研究

陳辰

（河北博澤建筑工程有限公司，河北石家莊 050000）

0 引言

如今，世界上正在經歷一次信息技術的改革，建筑行業同樣如此，伴隨建筑信息建模（BIM）技術進步，精益施工和建筑信息建模（BIM）是截然不同的舉措，但兩者都對建筑行業產生深遠的影響。對它們之間無數具體相互作用的嚴格分析表明，存在一種協同作用，如果從理論上加以正確理解，就可以利用這種協同效應改進施工過程，而不是通過單獨應用這些范例中的任何一種改進施工過程。使用一個將BIM 功能與規定的精益構建原則并列的矩陣，雖然大多數證據已經被發現，矩陣并不被認為是完整的，而是一個研究框架，以探索相互作用的有效程度。施工管理人員、管理人員、設計人員和建筑信息技術系統的開發人員也可以從該框架中受益，這有助于在規劃精益和BIM 采用時認識到潛在的協同作用。

1 簡述

建筑信息建模（BIM）技術的概念是對數字技術的應用，將建筑的全部信息存儲在計算機相應的虛擬建筑模型中，構建一個和現實高度匹配的虛擬平臺。我國還有一些學者明確提出鋼筋管理的流程，創建Revit 鋼筋下料優化的基礎上創建初步方案，實現鋼筋下料的最小化。

2 Revit 鋼筋深化建模

根據英文來了解，BIM 中Building 表示建筑，Information 表示信息，Modeling 表示模型，使用數字化技術，在計算機相應的虛擬建筑模型中存儲全部信息，構建和現實完全匹配的虛擬平臺。在這個平臺上，人們能夠模擬整棟建筑，建筑信息建模（BIM）是建筑、工程和建筑（AEC）行業最有前途的發展之一。利用BIM 技術，可以數字化地建立建筑物的精確虛擬模型。該模型被稱為基礎信息模型，可用于設施的規劃、設計、施工和運行。它幫助架構師、工程師和建設者將在模擬環境中構建的內容可視化，識別任何潛在的設計、構造或操作問題。BIM 代表AEC 中的一種新范式，它鼓勵在項目中整合所有利益相關者的角色。建筑信息管理（BIM）在AEC 行業的發展趨勢較好，但也可能面臨的風險和未來的挑戰，在其項目中實施BIM 技術提供有用的信息。建筑信息建模（BIM）使可視化、施工前模擬、生命周期分析發生革命性的變化，使施工速度更快，從而促進更可持續的綜合實踐，為設計團隊提供豐富的建筑信息。這個新的工具為設計者提供機會，這些都是進行綜合實踐所必需的，在配筋的同時應該遵守以下幾個標準：

（1）對鋼筋長度大于9m 的，由施工現場工程師在模型中進行鋼筋連接，鋼筋搭接的位置可以規避一些受力較弱的點；

（2）施工現場通常會具有一些復雜節點，使得施工困難并造成臨時變更，因此，最大限度使用BIM 技術對模型進行穿插模擬；

（3）從autodeskrevit 導出建筑結構參數到結構分析程序的過程。首先，該過程使用C#插件，該插件從Revit 文檔中提取構造圖元的參數并將其輸出到文本文件中。參數可以是物理（材料特性）、幾何（尺寸、坐標、橫截面形狀）和其他。然后，由專用程序轉換器讀取文件，生成梁框架模型，并以新的格式存儲信息，該格式與先前開發的結構分析程序兼容。此程序允許向任何梁框架節點添加垂直或水平荷載和力矩。結構分析采用有限元法。通過有限元分析，給出荷載作用下的變形模式。實現獲取包含建筑施工主要特點的Microsoft Word 文檔的機會，圖1 是真實案例。能夠確定鋼筋尺寸與定位，讓隱蔽工程變得可視化，能夠身臨其境地體會配筋信息。

圖1 鋼筋模型和某復雜節點

3 優化算法處理鋼筋下料問題

3.1 Revit 鋼筋算量

鋼筋用量和直徑的實際材料要求（例如直徑為12mm）。通過相關了解，我們知道了，使用量最大的鋼筋直徑為14mm，占據了整個鋼筋的13.85%；使用量最少的鋼筋直徑是10/18mm，占據了整個鋼筋的0.21%。直徑是12mm 的鋼筋使用量為13.79%，在此其中，5.45 的需求根數最多，達到72 根，數量清單中詳細列舉鋼筋的長度與數量。

3.2 鋼筋裁切數學模型

裁切為20~40cm 長短的棒料，其分別為20cm 的50 根，30cm 的45 根，40cm 的20 根，怎樣下料最省材料。而我們所說的怎樣下料最節省材料主要表示將1m 的鋼筋根據三種長度進行裁切，在對各種料長根數需求滿足的前提下，最大限度降低鋼筋的耗費。所以，應該先對1m 的長鋼筋進行分析，如果裁切為三種長度有哪些方式。在這一案例中，總共有8 中裁切方法，每一種都會造成材料浪費，具體情況。通過相關了解我們能夠發現，若使用方法I，那么將生產20cm、30cm、40cm 的鋼筋各1 根，然而會形成10cm 的廢料；如果使用方法VI，那么可以生產20cm、30cm 的鋼筋各兩根，不會形成廢料，但不能裁切40cm 的鋼筋。

3.3 優化算法

當前，在國內外被提出的優化算法具有許多，進化遺傳優化算法（GA）過去一直被用于建筑熱工優化。然而，由于隨機搜索，這些算法的結果可能會有很大的差異，并且不能保證最優解接近全局最優解。此外，這些算法對非專家用戶的使用是有限的。因此，該算法在不增加改進的SA 的情況下比遺傳算法提供更可靠的結果。無約束建筑優化問題的有效優化包括將建筑能耗模擬程序與優化進化算法（如遺傳算法）耦合。尋找最合適的遺傳算法集，在合理的計算時間（較少的模擬次數）內獲得最優解或近似最優解。結合EnergyPlus 仿真程序，對二進制編碼遺傳算法的12 個控制參數集進行求解無約束建筑優化問題的試驗。結果表明，種群規模是最顯著的控制參數，交叉概率和變異率對遺傳算法的性能影響不大。一般來說，一個二進制編碼的小種群遺傳算法可以通過大約250 個建筑模擬調用來解決無約束的建筑優化問題。尤其是5 個個體的較小種群比較大的種群規模有助于更快地達到最優解。但是對較為復雜的問題來講，還可以使用近幾年來興起的群智能算法等。這次的研究表示在整理完鋼筋數量明細表以后，能夠提出最好的鋼筋下料裁切方式。

4 鋼筋下料切割的最初優化順序

其具體流程為以下幾個步驟：①統計鋼筋明細表。首先，在Revit 表中，計算了不同直徑鋼筋使用量的細目表；②通過Revit功能導出列表：利用匯出功能將明細表轉化成文檔，然后導入Excel 中實現再次整理；③利用公式（1）、（2）對Excel 數量表進行轉換，程序用Matlab 編寫，能夠讀取數學程序代碼；④采用Matlab 編寫優化算法，對鋼筋的數量進行數學程序代碼優化，從而最終產生鋼筋的數量裁切和報廢狀況；⑤分析找到的不同鋼筋下料的裁切方案；⑥明確優化方案可以實施以后，如果不行，再返回步驟④。

5 結論

在本次研究中，我們通過將假設的混凝土結構作為研究的案例，提出在Revit 基礎上的鋼筋下料優化初步流程，并且最大限度使用BIM 技術以及優化演算方法，初步結果表明，該下料優化方案是可行的，流程出去完成虛擬施工指導實踐以外，還引進優化演算方法獲得的最佳的下料方案，能夠為BIM 技術更好使用與實際工程中鋼筋下料優化方面提供方向。作為初步程序，這項思路能夠為有關工作人員提供參考。