一种复杂曲面现浇肌理混凝土施工方法与流程

1.本发明属于建筑施工技术领域，具体而言，涉及一种复杂曲面现浇肌理混凝土施工方法。


背景技术：

2.现浇肌理混凝土是一种装饰性较强的特殊混凝土结构，它在外观上具有丰富的形态和造型，可以模拟各种天然材料和图案。
3.现浇肌理混凝土要求建筑工程施工中所使用的水泥、砂、石等材料具有较高的品质和稳定性。另外，为了保证肌理纹理的清晰和效果，浇注混凝土的浇筑温度、湿度、外部环境条件等也需要精准的控制。由于肌理混凝土具有丰富的形状和曲线，因此施工过程中需要采用相应的技术和工具对混凝土进行精确的成形和雕刻。为了保证肌理混凝土在表面或雕刻纹理的精细度和表现效果，需要采用各种表面处理技术。现浇肌理混凝土需要长时间使用和维护，而这也要求肌理混凝土施工的质量和稳定性。
4.现有曲面现浇肌理混凝土在施工时无法精确控制混凝土在凝固过程中与外界环境的温差，导致混凝土凝固不完全、容易出现裂痕，影响混凝土的美观。


技术实现要素：

5.有鉴于此，本发明提供一种复杂曲面现浇肌理混凝土施工方法，能够解决现有曲面现浇肌理混凝土在施工时无法精确控制混凝土在凝固过程中与外界环境的温差，导致混凝土凝固不完全、容易出现裂痕，影响混凝土的美观的问题。
6.本发明是这样实现的：
7.本发明提供一种复杂曲面现浇肌理混凝土施工方法，其中，包括以下方法：
8.s10：前期准备；在混凝土浇筑之前，完成前期准备工作，所述前期准备工作包括：对混凝土浇筑区域的确定，对所述混凝土浇筑区域表面进行清理，准备好所述混凝土浇筑需要的工具和设备；
9.s20：构建复杂曲面现浇肌理混凝土浇筑的bim模型；利用openbuildlings designer软件根据所述复杂曲面现浇肌理混凝土浇筑施工图纸以及所述复杂曲面现浇肌理混凝土浇筑区域的周围环境构建复杂曲面现浇肌理混凝土混凝土浇筑的bim模型；
10.s30：采用卷积神经网络模型确定混凝土凝固的适宜温度，计算保温层的厚度；
11.s40：搭建模板；按照所述复杂曲面现浇肌理混凝土浇筑的bim模型，搭建模板，确定混凝土的形状和尺寸，并根据所述卷积神经网络模型确定的保温层厚度在所述模板的外侧包裹保温层；
12.s50：搭建钢筋骨架；根据所述复杂曲面现浇肌理混凝土浇筑的bim模型确定不同位置受力情况，对复杂曲面现浇肌理混凝土浇筑的bim模型进行划分，在划分区域的交界处确定所述钢筋骨架的安装位置，根据所述钢筋骨架的安装位置在所述模板内部安装所述钢筋骨架；
13.s60：安装稳定性监测系统；在所述钢筋骨架上安装稳定性监测系统，用于对后续浇筑好的复杂曲面现浇肌理混凝土模型的稳定性进行监测；
14.s70：浇筑混凝土；按照配比将混凝土搅拌均匀，对其流动性、含水量以及均匀程度进行检测后，将混凝土通过混凝土泵输送到浇筑区域，将混凝土均匀导入所述复杂曲面现浇肌理混凝土模板内，对混凝土进行排气；
15.s80：打磨养护；待浇筑好的复杂曲面现浇肌理混凝土模型凝固成型后，对其表面进行打磨和养护。
16.通过在混凝土浇筑之前，完成前期准备工作；根据混凝土浇筑施工图纸以及混凝土浇筑区域的周围环境构建混凝土浇筑的bim模型；采用卷积神经网络模型确定混凝土凝固的最低温度，计算保温层的厚度；按照混凝土浇筑的bim模型，搭建模板，包裹保温层；根据钢筋骨架的安装位置在模板内部安装钢筋骨架；在钢筋骨架上安装稳定性监测系统；按照配比将混凝土搅拌均匀，对其流动性、含水量以及均匀程度进行检测后，将混凝土通过混凝土泵输送到浇筑区域，将混凝土均匀导入模板内，对混凝土进行排气，能够解决室外温差大导致混凝土凝固不完全、容易出现裂痕的问题，加快混凝土凝固，防止出现气泡，影响施工质量。
17.在上述技术方案的基础上，本发明的一种复杂曲面现浇肌理混凝土施工方法还可以做如下改进:
18.其中，所述“按照所述复杂曲面现浇肌理混凝土浇筑的bim模型，搭建模板”的具体步骤包括：
19.第一步，按照所述复杂曲面现浇肌理混凝土浇筑的bim模型对内模板和外模板进行裁剪；
20.第二步，对所述内模板进行打磨；
21.第三步，调制好粘合剂并将其均匀喷涂在所述内模板上，将所述内模板与所述外模板进行连接；
22.第四步，在所述内模板远离所述外模板的一侧喷涂脱模剂。
23.进一步的，所述内模板为造型胶膜，所述外模板采用木模板或钢模板；
24.所述脱模剂可选用油水乳液型脱模剂、丙烯酸酯乳液型脱模剂以及聚合物型乳液脱模剂中的一种。
25.进一步的，所述“采用卷积神经网络模型确定混凝土凝固的适宜温度，计算保温层的厚度”的具体步骤包括：
26.第一步，按照一定的时间间隔使用多个温度传感器采集不同厚度、不同配比的混凝土表面和内部的温度；
27.第二步，对采集到的温度进行数据处理；
28.第三步，将处理后的数据集分为训练集、验证集、测试集，所述训练集用于模型训练，所述验证集用于模型调参，所述测试集用于模型性能评估；
29.第四步，按照设计好的网络结构，采用多层卷积、池化、全连接和dropout操作提取所述数据的特征和降低网络的过拟合，构建卷积神经网络模型；
30.第五步，以所述混凝土的厚度以及配比为输入值，以处理后的温度数据为输出进行训练，采用随机梯度下降算法对训练过程进行优化，以最小化训练误差，对损失函数进行
优化；
31.第六步，采用所述验证集的数据对训练好的模型进行验证，避免出现过度拟合现象，发现验证集的准确率开始下降，调整模型参数或者改变网络结构；
32.第七步，采用所述测试集数据对模型的准确性进行评估；
33.第八步，将需要使用的混凝土厚度以及配比数据输入到卷积神经网络模型中，得到所述混凝土模型凝固的适宜温度；其中，所述混凝土模型凝固的适宜温度的确定公式为：
[0034][0035]
其中，tm为混凝土凝固适宜温度；t0为室外温度；c
p
为混凝土的比热容；s为混凝土的应有凝固速度；v为混凝土搅拌后的总体积；wc为水的重量；ws为水泥的重量；wa为集料的重量；q为拟合参数；
[0036]
第九步，根据所述混凝土凝固的适宜温度确定保温层厚度。
[0037]
所述数据处理包括数据清洗以及归一化预处理，所述数据清洗采用插值、降采样等方法去除异常噪声点，所述归一化处理可以将数据缩放到0～1的范围内；所述评估的测试指标为均方根误差(rmse)和平均绝对误差(mae)。
[0038]
进一步的，所述“根据混凝土凝固的适宜温度确定保温层厚度”的具体步骤包括：
[0039]
第一步，利用温度探头多次测量不同时间段混凝土表面的温度以及所述混凝土浇筑位置周围的环境温度；
[0040]
第二步，对测量的环境温度进行最小值处理；
[0041]
第三步，根据处理后的最小温度和凝固适宜温度，计算保温层的厚度，公式如下：
[0042][0043]
其中，t为保温层厚度，c为保温材料的热阻，k为保温材料的导热系数，tc为凝固适宜温度，ts为处理后的最小温度。
[0044]
进一步的，所述“在所述钢筋骨架上安装稳定性监测系统，用于对后续浇筑好的复杂曲面现浇肌理混凝土模型的稳定性进行监测”的具体步骤包括：
[0045]
第一步，在所述钢筋骨架设置若干个数据采集站，所述数据采集站呈网格排列均匀分布，所述数据采集站包括检波器、数据采集仪、采集端数据传输设备和数据处理终端；
[0046]
第二步，设置所述数据采集站的初始参数，对后续浇筑好的混凝土模型的安全稳定性进行实时监测，并记录数据；
[0047]
第三步，所述检波器检测实时监测所述浇筑好的复杂曲面现浇肌理混凝土模型的波动信号，将数据传递给所述数据采集仪，所述数据采集仪对数据进行数字化处理并储存在数据采集仪的磁盘中；同时将采集到的信号通过放大和功率匹配后通过所述采集端数据传输设备传输到数据处理终端，数据处理终端对数据进行简单逻辑处理、分类后通过路由器传输给计算机工作站；
[0048]
第四步，所述计算机工作站的处理单元通过软件控制阵列磁盘的系统区，从原始数据存储区内提取数据之后进行分析并生成监测结果信息，监测结果信息通过移动网络传输到安全中心，并根据结果进行指示。
[0049]
其中，数据采集仪用于将检波器采集到的信号进行数字化处理并储存，采集端数据传输设备用于数据采集仪中储存的数据传输给数据处理终端，数据处理终端用于处理分析采集到的数据；数据采集站通过太阳能电池板分别给检波器、数据采集仪和数据传输设备供电，太阳能电池板由多片多晶体太阳能光伏电池构成，最大功率120w，输出电压为12v和24v可调节；检波器采用三分量检波器，三分量检波器采用三通道加速度传感器，灵敏度为250v/m/s，动态范围110db，采样频率可设置为200hz或500hz，频带范围0.03hz-100 hz；采集端数据传输设备包括局域网网桥设备，所述局域网网桥设备的天线为定向天线，且该定向天线采用蝶形天线，定向天线的最远通讯距离为1000m，采用5ghz通讯频率，天线增益30dbi，最大功耗为50w，通信协议采用802.11ac。
[0050]
进一步的，所述“计算机工作站的处理单元通过软件控制阵列磁盘的系统区，从原始数据存储区内提取数据之后进行分析并生成监测结果信息，监测结果信息通过移动网络传输到安全中心，并根据结果进行指示”的具体步骤包括：
[0051]
第一步，计算机工作站的处理单元采集微震动波长和稳定性结果，建立稳定性神经网络模型，对采集的微震动波长进行去噪处理和波形分析，识别出信号波形，并分析出有效信号的幅度和相位特征；输入训练采集的波长幅度、相位、时差，斜坡稳定结果为训练输出进行训练；将上述测得的数据输入到该神经网络模型中，得到稳定性结果；
[0052]
第二步，根据稳定性结构判断不稳定的位置，并且将波长幅度、相位、时差采用反演计算幕墙底部不稳定的区域空间位置、岩石起裂时间和破裂能量；
[0053]
第三步，将上述稳定性结果与幕墙底部区域的区域空间位置、岩石起裂时间和破裂能量通过长短期记忆模型rd-lstm收敛判断幕墙的安全系数；
[0054]
第四步，循环训练不同的历史训练样本，给训练数据赋予不同的权重因子，迭代调整rd-lstm模型和权重系数，进行误差收敛。
[0055]
其中，安全系数用f进行表示，安全系数f≤1.00评价为不稳定，安全系数1.00≤f≤1.05评价为欠稳定，安全系数1.05≤f≤1.2评价为基本稳定，f≥1.2评价为稳定。
[0056]
进一步的，所述“根据所述复杂曲面现浇肌理混凝土浇筑的bim模型确定不同位置受力情况，对复杂曲面现浇肌理混凝土浇筑的bim模型进行划分，在划分区域的交界处确定所述钢筋骨架的安装位置，根据所述钢筋骨架的安装位置在所述模板内部安装所述钢筋骨架”的具体步骤包括：
[0057]
第一步，对所述模板和所述支撑进行检查，保证其稳定性和安全性；
[0058]
第二步，根据所述复杂曲面现浇肌理混凝土浇筑的bim模型确定不同位置受力情况，对混凝土浇筑的bim模型进行划分，在划分区域的交界处确定所述钢筋骨架的安装位置，测量所述钢筋骨架的长度，对钢筋进行切割和焊接，以形成预制的钢筋骨架；
[0059]
第三步，将预制好的钢筋骨架安装在所述模板和所述支撑上；
[0060]
第四步，采用钢筋焊接机将钢筋焊接到所述支撑上。
[0061]
进一步的，所述“将混凝土均匀导入所述复杂曲面现浇肌理混凝土模板内，对混凝土进行排气”的具体步骤包括：
[0062]
将振动器附着在所述混凝土模板上，根据需要调整所述振动器的角度和位置，在混凝土浇筑过程中，采用所述振动器进行定向振动，用于将所述混凝土中的气泡从混凝土的流动区域向浇注表面升起，排出所述混凝土中的空气。
[0063]
进一步的，所述“待浇筑好的复杂曲面现浇肌理混凝土模型凝固成型后，对其表面进行养护”的具体步骤包括：
[0064]
在混凝土浇筑完成后的24小时内，在所述混凝土上多次喷水，对混合土表面进行保湿，所述喷水过程每天3到5次，持续7到10天。
[0065]
所述“利用openbuildlings designer软件根据所述混凝土浇筑施工图纸以及所述混凝土浇筑区域的周围环境构建复杂曲面现浇肌理混凝土浇筑的bim模型”的具体步骤包括：
[0066]
第一步，根据所述混凝土浇筑施工图纸以及所述混凝土浇筑区域的周围环境确定建模的范围，确定建模参数，将数据信息归档整理；
[0067]
第二步，将所述数据信息输入到openbuildlings designer软件中，生成三维所述混凝土浇筑的bim模型；
[0068]
第三步，在所述混凝土浇筑的bim模型的基础上，根据施工需求，添加施工信息，所述施工信息包括主要构件、施工工序、时间计划以及材料信息；
[0069]
第四步，通过openbuildlings designer软件对所述施工信息进行分析和计算，获得碰撞检测、材料用量计算、成本估算以及施工性能分析数据；
[0070]
第五步，优化所述混凝土浇筑的bim模型。
[0071]
与现有技术相比较，本发明提供的一种复杂曲面现浇肌理混凝土施工方法的有益效果是：通过在混凝土浇筑之前，完成前期准备工作；根据混凝土浇筑施工图纸以及混凝土浇筑区域的周围环境构建混凝土浇筑的bim模型；采用卷积神经网络模型确定混凝土凝固的最低温度，计算保温层的厚度；按照混凝土浇筑的bim模型，搭建模板，包裹保温层；根据钢筋骨架的安装位置在模板内部安装钢筋骨架；在钢筋骨架上安装稳定性监测系统；按照配比将混凝土搅拌均匀，对其流动性、含水量以及均匀程度进行检测后，将混凝土通过混凝土泵输送到浇筑区域，将混凝土均匀导入模板内，对混凝土进行排气，能够解决室外温差大导致混凝土凝固不完全、容易出现裂痕的问题，加快混凝土凝固，防止出现气泡，影响施工质量，能够解决现有曲面现浇肌理混凝土在施工时无法精确控制混凝土在凝固过程中与外界环境的温差，导致混凝土凝固不完全、容易出现裂痕，影响混凝土的美观的问题。
附图说明
[0072]
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0073]
图1为一种复杂曲面现浇肌理混凝土施工方法的具体流程图。
具体实施方式
[0074]
为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明
保护的范围。
[0075]
因此，以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
[0076]
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
[0077]
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
[0078]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0079]
如图1所示，是本发明提供的一种复杂曲面现浇肌理混凝土施工方法的流程示意图，在图中，包括以下方法：
[0080]
s10：前期准备；在混凝土浇筑之前，完成前期准备工作，前期准备工作包括：对混凝土浇筑区域的确定，对混凝土浇筑区域表面进行清理，准备好混凝土浇筑需要的工具和设备；
[0081]
s20：构建复杂曲面现浇肌理混凝土浇筑的bim模型；利用openbuildlings designer软件根据复杂曲面现浇肌理混凝土浇筑施工图纸以及复杂曲面现浇肌理混凝土浇筑区域的周围环境构建复杂曲面现浇肌理混凝土混凝土浇筑的bim模型；
[0082]
s30：采用卷积神经网络模型确定混凝土凝固的适宜温度，计算保温层的厚度；
[0083]
s40：搭建模板；按照复杂曲面现浇肌理混凝土浇筑的bim模型，搭建模板，确定混凝土的形状和尺寸，并根据卷积神经网络模型确定的保温层厚度在模板的外侧包裹保温层；
[0084]
s50：搭建钢筋骨架；根据复杂曲面现浇肌理混凝土浇筑的bim模型确定不同位置受力情况，对复杂曲面现浇肌理混凝土浇筑的bim模型进行划分，在划分区域的交界处确定钢筋骨架的安装位置，根据钢筋骨架的安装位置在模板内部安装钢筋骨架；
[0085]
s60：安装稳定性监测系统；在钢筋骨架上安装稳定性监测系统，用于对后续浇筑好的复杂曲面现浇肌理混凝土模型的稳定性进行监测；
[0086]
s70：浇筑混凝土；按照配比将混凝土搅拌均匀，对其流动性、含水量以及均匀程度进行检测后，将混凝土通过混凝土泵输送到浇筑区域，将混凝土均匀导入复杂曲面现浇肌理混凝土模板内，对混凝土进行排气；
[0087]
s80：打磨养护；待浇筑好的复杂曲面现浇肌理混凝土模型凝固成型后，对其表面进行打磨和养护。
[0088]
其中，在上述技术方案中，“按照复杂曲面现浇肌理混凝土浇筑的bim模型，搭建模
板”的具体步骤包括：
[0089]
第一步，按照复杂曲面现浇肌理混凝土浇筑的bim模型对内模板和外模板进行裁剪；
[0090]
第二步，对内模板进行打磨；
[0091]
第三步，调制好粘合剂并将其均匀喷涂在内模板上，将内模板与外模板进行连接；
[0092]
第四步，在内模板远离外模板的一侧喷涂脱模剂。
[0093]
进一步的，在上述技术方案中，内模板为造型胶膜，外模板采用木模板或钢模板；
[0094]
脱模剂可选用油水乳液型脱模剂、丙烯酸酯乳液型脱模剂以及聚合物型乳液脱模剂中的一种。
[0095]
进一步的，在上述技术方案中，“采用卷积神经网络模型确定混凝土凝固的适宜温度，计算保温层的厚度”的具体步骤包括：
[0096]
第一步，按照一定的时间间隔使用多个温度传感器采集不同厚度、不同配比的混凝土表面和内部的温度；
[0097]
第二步，对采集到的温度进行数据处理；
[0098]
第三步，将处理后的数据集分为训练集、验证集、测试集，训练集用于模型训练，验证集用于模型调参，测试集用于模型性能评估；
[0099]
第四步，按照设计好的网络结构，采用多层卷积、池化、全连接和dropout操作提取数据的特征和降低网络的过拟合，构建卷积神经网络模型；
[0100]
第五步，以混凝土的厚度以及配比为输入值，以处理后的温度数据为输出进行训练，采用随机梯度下降算法对训练过程进行优化，以最小化训练误差，对损失函数进行优化；
[0101]
第六步，采用验证集的数据对训练好的模型进行验证，避免出现过度拟合现象，发现验证集的准确率开始下降，调整模型参数或者改变网络结构；
[0102]
第七步，采用测试集数据对模型的准确性进行评估；
[0103]
第八步，将需要使用的混凝土厚度以及配比数据输入到卷积神经网络模型中，得到混凝土模型凝固的适宜温度；其中，混凝土模型凝固的适宜温度的确定公式为：
[0104][0105]
其中，tm为混凝土凝固适宜温度；t0为室外温度；c
p
为混凝土的比热容；s为混凝土的应有凝固速度；v为混凝土搅拌后的总体积；wc为水的重量；ws为水泥的重量；wa为集料的重量；q为拟合参数；
[0106]
第九步，根据混凝土凝固的适宜温度确定保温层厚度。
[0107]
数据处理包括数据清洗以及归一化预处理，数据清洗采用插值、降采样等方法去除异常噪声点，归一化处理可以将数据缩放到0～1的范围内；评估的测试指标为均方根误差(rmse)和平均绝对误差(mae)。
[0108]
进一步的，在上述技术方案中，“根据混凝土凝固的适宜温度确定保温层厚度”的具体步骤包括：
[0109]
第一步，利用温度探头多次测量不同时间段混凝土表面的温度以及混凝土浇筑位置周围的环境温度；
[0110]
第二步，对测量的环境温度进行最小值处理；
[0111]
第三步，根据处理后的最小温度和凝固适宜温度，计算保温层的厚度，公式如下：
[0112][0113]
其中，t为保温层厚度，c为保温材料的热阻，k为保温材料的导热系数，tc为凝固适宜温度，ts为处理后的最小温度。
[0114]
进一步的，在上述技术方案中，“在钢筋骨架上安装稳定性监测系统，用于对后续浇筑好的复杂曲面现浇肌理混凝土模型的稳定性进行监测”的具体步骤包括：
[0115]
第一步，在钢筋骨架设置若干个数据采集站，数据采集站呈网格排列均匀分布，数据采集站包括检波器、数据采集仪、采集端数据传输设备和数据处理终端；
[0116]
第二步，设置数据采集站的初始参数，对后续浇筑好的混凝土模型的安全稳定性进行实时监测，并记录数据；
[0117]
第三步，检波器检测实时监测浇筑好的复杂曲面现浇肌理混凝土模型的波动信号，将数据传递给数据采集仪，数据采集仪对数据进行数字化处理并储存在数据采集仪的磁盘中；同时将采集到的信号通过放大和功率匹配后通过采集端数据传输设备传输到数据处理终端，数据处理终端对数据进行简单逻辑处理、分类后通过路由器传输给计算机工作站；
[0118]
第四步，计算机工作站的处理单元通过软件控制阵列磁盘的系统区，从原始数据存储区内提取数据之后进行分析并生成监测结果信息，监测结果信息通过移动网络传输到安全中心，并根据结果进行指示。
[0119]
其中，数据采集仪用于将检波器采集到的信号进行数字化处理并储存，采集端数据传输设备用于数据采集仪中储存的数据传输给数据处理终端，数据处理终端用于处理分析采集到的数据；数据采集站通过太阳能电池板分别给检波器、数据采集仪和数据传输设备供电，太阳能电池板由多片多晶体太阳能光伏电池构成，最大功率120w，输出电压为12v和24v可调节；检波器采用三分量检波器，三分量检波器采用三通道加速度传感器，灵敏度为250v/m/s，动态范围110db，采样频率可设置为200hz或500hz，频带范围0.03hz-100 hz；采集端数据传输设备包括局域网网桥设备，局域网网桥设备的天线为定向天线，且该定向天线采用蝶形天线，定向天线的最远通讯距离为1000m，采用5ghz通讯频率，天线增益30dbi，最大功耗为50w，通信协议采用802.11ac。
[0120]
进一步的，在上述技术方案中，“计算机工作站的处理单元通过软件控制阵列磁盘的系统区，从原始数据存储区内提取数据之后进行分析并生成监测结果信息，监测结果信息通过移动网络传输到安全中心，并根据结果进行指示”的具体步骤包括：
[0121]
第一步，计算机工作站的处理单元采集微震动波长和稳定性结果，建立稳定性神经网络模型，对采集的微震动波长进行去噪处理和波形分析，识别出信号波形，并分析出有效信号的幅度和相位特征；输入训练采集的波长幅度、相位、时差，斜坡稳定结果为训练输出进行训练；将上述测得的数据输入到该神经网络模型中，得到稳定性结果；
[0122]
第二步，根据稳定性结构判断不稳定的位置，并且将波长幅度、相位、时差采用反演计算幕墙底部不稳定的区域空间位置、岩石起裂时间和破裂能量；
[0123]
第三步，将上述稳定性结果与幕墙底部区域的区域空间位置、岩石起裂时间和破
裂能量通过长短期记忆模型rd-lstm收敛判断幕墙的安全系数；
[0124]
第四步，循环训练不同的历史训练样本，给训练数据赋予不同的权重因子，迭代调整rd-lstm模型和权重系数，进行误差收敛。
[0125]
其中，安全系数用f进行表示，安全系数f≤1.00评价为不稳定，安全系数1.00≤f≤1.05评价为欠稳定，安全系数1.05≤f≤1.2评价为基本稳定，f≥1.2评价为稳定。
[0126]
进一步的，在上述技术方案中，“根据复杂曲面现浇肌理混凝土浇筑的bim模型确定不同位置受力情况，对复杂曲面现浇肌理混凝土浇筑的bim模型进行划分，在划分区域的交界处确定钢筋骨架的安装位置，根据钢筋骨架的安装位置在模板内部安装钢筋骨架”的具体步骤包括：
[0127]
第一步，对模板和支撑进行检查，保证其稳定性和安全性；
[0128]
第二步，根据复杂曲面现浇肌理混凝土浇筑的bim模型确定不同位置受力情况，对混凝土浇筑的bim模型进行划分，在划分区域的交界处确定钢筋骨架的安装位置，测量钢筋骨架的长度，对钢筋进行切割和焊接，以形成预制的钢筋骨架；
[0129]
第三步，将预制好的钢筋骨架安装在模板和支撑上；
[0130]
第四步，采用钢筋焊接机将钢筋焊接到支撑上。
[0131]
进一步的，在上述技术方案中，“将混凝土均匀导入复杂曲面现浇肌理混凝土模板内，对混凝土进行排气”的具体步骤包括：
[0132]
将振动器附着在混凝土模板上，根据需要调整振动器的角度和位置，在混凝土浇筑过程中，采用振动器进行定向振动，用于将混凝土中的气泡从混凝土的流动区域向浇注表面升起，排出混凝土中的空气。
[0133]
进一步的，在上述技术方案中，“待浇筑好的复杂曲面现浇肌理混凝土模型凝固成型后，对其表面进行养护”的具体步骤包括：
[0134]
在混凝土浇筑完成后的24小时内，在混凝土上多次喷水，对混合土表面进行保湿，喷水过程每天3到5次，持续7到10天。
[0135]“利用openbuildlings designer软件根据混凝土浇筑施工图纸以及混凝土浇筑区域的周围环境构建复杂曲面现浇肌理混凝土浇筑的bim模型”的具体步骤包括：
[0136]
第一步，根据混凝土浇筑施工图纸以及混凝土浇筑区域的周围环境确定建模的范围，确定建模参数，将数据信息归档整理；
[0137]
第二步，将数据信息输入到openbuildlings designer软件中，生成三维混凝土浇筑的bim模型；
[0138]
第三步，在混凝土浇筑的bim模型的基础上，根据施工需求，添加施工信息，施工信息包括主要构件、施工工序、时间计划以及材料信息；
[0139]
第四步，通过openbuildlings designer软件对施工信息进行分析和计算，获得碰撞检测、材料用量计算、成本估算以及施工性能分析数据；
[0140]
第五步，优化混凝土浇筑的bim模型。
[0141]
具体的，本发明的原理是：在混凝土浇筑之前，完成前期准备工作；利用openbuildlings designer软件根据混凝土浇筑施工图纸以及混凝土浇筑区域的周围环境构建混凝土浇筑的bim模型；采用卷积神经网络模型确定混凝土凝固的最低温度，计算保温层的厚度；按照混凝土浇筑的bim模型，搭建模板，确定混凝土的形状和尺寸，并根据卷积神
经网络模型确定的保温层厚度在模板的外侧包裹保温层；根据混凝土浇筑的bim模型确定不同位置受力情况，对混凝土浇筑的bim模型进行划分，在划分区域的交界处确定钢筋骨架的安装位置，根据钢筋骨架的安装位置在模板内部安装钢筋骨架；在钢筋骨架上安装稳定性监测系统，用于对后续浇筑好的混凝土模型的稳定性进行监测；按照配比将混凝土搅拌均匀，对其流动性、含水量以及均匀程度进行检测后，将混凝土通过混凝土泵输送到浇筑区域，将混凝土均匀导入模板内，对混凝土进行排气；待浇筑好的混凝土模型凝固成型后，对其表面进行打磨和养护。
[0142]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

技术特征：
1.一种复杂曲面现浇肌理混凝土施工方法，其特征在于，包括以下方法：s10：前期准备；在混凝土浇筑之前，完成前期准备工作，所述前期准备工作包括：对混凝土浇筑区域的确定，对所述混凝土浇筑区域表面进行清理，准备好所述混凝土浇筑需要的工具和设备；s20：构建复杂曲面现浇肌理混凝土浇筑的bim模型；利用openbuildlings designer软件根据所述复杂曲面现浇肌理混凝土浇筑施工图纸以及所述复杂曲面现浇肌理混凝土浇筑区域的周围环境构建复杂曲面现浇肌理混凝土混凝土浇筑的bim模型；s30：采用卷积神经网络模型确定混凝土凝固的适宜温度，计算保温层的厚度；s40：搭建模板；按照所述复杂曲面现浇肌理混凝土浇筑的bim模型，搭建模板，确定混凝土的形状和尺寸，并根据所述卷积神经网络模型确定的保温层厚度在所述模板的外侧包裹保温层；s50：搭建钢筋骨架；根据所述复杂曲面现浇肌理混凝土浇筑的bim模型确定不同位置受力情况，对复杂曲面现浇肌理混凝土浇筑的bim模型进行划分，在划分区域的交界处确定所述钢筋骨架的安装位置，根据所述钢筋骨架的安装位置在所述模板内部安装所述钢筋骨架；s60：安装稳定性监测系统；在所述钢筋骨架上安装稳定性监测系统，用于对后续浇筑好的复杂曲面现浇肌理混凝土模型的稳定性进行监测；s70：浇筑混凝土；按照配比将混凝土搅拌均匀，对其流动性、含水量以及均匀程度进行检测后，将混凝土通过混凝土泵输送到浇筑区域，将混凝土均匀导入所述复杂曲面现浇肌理混凝土模板内，对混凝土进行排气；s80：打磨养护；待浇筑好的复杂曲面现浇肌理混凝土模型凝固成型后，对其表面进行打磨和养护。2.根据权利要求1所述的一种复杂曲面现浇肌理混凝土施工方法，其特征在于，所述“按照所述复杂曲面现浇肌理混凝土浇筑的bim模型，搭建模板”的具体步骤包括：第一步，按照所述复杂曲面现浇肌理混凝土浇筑的bim模型对内模板和外模板进行裁剪；第二步，对所述内模板进行打磨；第三步，调制好粘合剂并将其均匀喷涂在所述内模板上，将所述内模板与所述外模板进行连接；第四步，在所述内模板远离所述外模板的一侧喷涂脱模剂。3.根据权利要求2所述的一种复杂曲面现浇肌理混凝土施工方法，其特征在于，所述内模板为造型胶膜，所述外模板采用木模板或钢模板；所述脱模剂可选用油水乳液型脱模剂、丙烯酸酯乳液型脱模剂以及聚合物型乳液脱模剂中的一种。4.根据权利要求3所述的一种复杂曲面现浇肌理混凝土施工方法，其特征在于，所述“采用卷积神经网络模型确定混凝土凝固的适宜温度，计算保温层的厚度”的具体步骤包括：第一步，按照一定的时间间隔使用多个温度传感器采集不同厚度、不同配比的混凝土表面和内部的温度；
第二步，对采集到的温度进行数据处理；第三步，将处理后的数据集分为训练集、验证集、测试集，所述训练集用于模型训练，所述验证集用于模型调参，所述测试集用于模型性能评估；第四步，按照设计好的网络结构，采用多层卷积、池化、全连接和dropout操作提取所述数据的特征和降低网络的过拟合，构建卷积神经网络模型；第五步，以所述混凝土的厚度以及配比为输入值，以处理后的温度数据为输出进行训练，采用随机梯度下降算法对训练过程进行优化，以最小化训练误差，对损失函数进行优化；第六步，采用所述验证集的数据对训练好的模型进行验证，避免出现过度拟合现象，发现验证集的准确率开始下降，调整模型参数或者改变网络结构；第七步，采用所述测试集数据对模型的准确性进行评估；第八步，将需要使用的混凝土厚度以及配比数据输入到卷积神经网络模型中，得到所述混凝土模型凝固的适宜温度；其中，所述混凝土模型凝固的适宜温度的确定公式为：其中，t
m
为混凝土凝固适宜温度；t0为室外温度；c
p
为混凝土的比热容；s为混凝土的应有凝固速度；v为混凝土搅拌后的总体积；w
c
为水的重量；w
s
为水泥的重量；w
a
为集料的重量；q为拟合参数；第九步，根据所述混凝土凝固的适宜温度确定保温层厚度。5.根据权利要求4所述的一种复杂曲面现浇肌理混凝土施工方法，其特征在于，所述“根据混凝土凝固的适宜温度确定保温层厚度”的具体步骤包括：第一步，利用温度探头多次测量不同时间段混凝土表面的温度以及所述混凝土浇筑位置周围的环境温度；第二步，对测量的环境温度进行最小值处理；第三步，根据处理后的最小温度和凝固适宜温度，计算保温层的厚度，公式如下：其中，t为保温层厚度，c为保温材料的热阻，k为保温材料的导热系数，t
c
为凝固适宜温度，t
s
为处理后的最小温度。6.根据权利要求5所述的一种复杂曲面现浇肌理混凝土施工方法，其特征在于，所述“在所述钢筋骨架上安装稳定性监测系统，用于对后续浇筑好的复杂曲面现浇肌理混凝土模型的稳定性进行监测”的具体步骤包括：第一步，在所述钢筋骨架设置若干个数据采集站，所述数据采集站呈网格排列均匀分布，所述数据采集站包括检波器、数据采集仪、采集端数据传输设备和数据处理终端；第二步，设置所述数据采集站的初始参数，对后续浇筑好的混凝土模型的安全稳定性进行实时监测，并记录数据；第三步，所述检波器检测实时监测所述浇筑好的复杂曲面现浇肌理混凝土模型的波动信号，将数据传递给所述数据采集仪，所述数据采集仪对数据进行数字化处理并储存在数
据采集仪的磁盘中；同时将采集到的信号通过放大和功率匹配后通过所述采集端数据传输设备传输到数据处理终端，数据处理终端对数据进行简单逻辑处理、分类后通过路由器传输给计算机工作站；第四步，所述计算机工作站的处理单元通过软件控制阵列磁盘的系统区，从原始数据存储区内提取数据之后进行分析并生成监测结果信息，监测结果信息通过移动网络传输到安全中心，并根据结果进行指示。7.根据权利要求6所述的一种复杂曲面现浇肌理混凝土施工方法，其特征在于，所述“计算机工作站的处理单元通过软件控制阵列磁盘的系统区，从原始数据存储区内提取数据之后进行分析并生成监测结果信息，监测结果信息通过移动网络传输到安全中心，并根据结果进行指示”的具体步骤包括：第一步，计算机工作站的处理单元采集微震动波长和稳定性结果，建立稳定性神经网络模型，对采集的微震动波长进行去噪处理和波形分析，识别出信号波形，并分析出有效信号的幅度和相位特征；输入训练采集的波长幅度、相位、时差，斜坡稳定结果为训练输出进行训练；将上述测得的数据输入到该神经网络模型中，得到稳定性结果；第二步，根据稳定性结构判断不稳定的位置，并且将波长幅度、相位、时差采用反演计算幕墙底部不稳定的区域空间位置、岩石起裂时间和破裂能量；第三步，将上述稳定性结果与幕墙底部区域的区域空间位置、岩石起裂时间和破裂能量通过长短期记忆模型rd-lstm收敛判断幕墙的安全系数；第四步，循环训练不同的历史训练样本，给训练数据赋予不同的权重因子，迭代调整rd-lstm模型和权重系数，进行误差收敛。8.根据权利要求7所述的一种复杂曲面现浇肌理混凝土施工方法，其特征在于，所述“根据所述复杂曲面现浇肌理混凝土浇筑的bim模型确定不同位置受力情况，对复杂曲面现浇肌理混凝土浇筑的bim模型进行划分，在划分区域的交界处确定所述钢筋骨架的安装位置，根据所述钢筋骨架的安装位置在所述模板内部安装所述钢筋骨架”的具体步骤包括：第一步，对所述模板和所述支撑进行检查，保证其稳定性和安全性；第二步，根据所述复杂曲面现浇肌理混凝土浇筑的bim模型确定不同位置受力情况，对混凝土浇筑的bim模型进行划分，在划分区域的交界处确定所述钢筋骨架的安装位置，测量所述钢筋骨架的长度，对钢筋进行切割和焊接，以形成预制的钢筋骨架；第三步，将预制好的钢筋骨架安装在所述模板和所述支撑上；第四步，采用钢筋焊接机将钢筋焊接到所述支撑上。9.根据权利要求8所述的一种复杂曲面现浇肌理混凝土施工方法，其特征在于，所述“将混凝土均匀导入所述复杂曲面现浇肌理混凝土模板内，对混凝土进行排气”的具体步骤包括：将振动器附着在所述混凝土模板上，根据需要调整所述振动器的角度和位置，在混凝土浇筑过程中，采用所述振动器进行定向振动，用于将所述混凝土中的气泡从混凝土的流动区域向浇注表面升起，排出所述混凝土中的空气。10.根据权利要求9所述的一种复杂曲面现浇肌理混凝土施工方法，其特征在于，所述“待浇筑好的复杂曲面现浇肌理混凝土模型凝固成型后，对其表面进行养护”的具体步骤包括：
在混凝土浇筑完成后的24小时内，在所述混凝土上多次喷水，对混合土表面进行保湿，所述喷水过程每天3到5次，持续7到10天。

技术总结
本发明提供了一种复杂曲面现浇肌理混凝土施工方法，属于建筑施工技术领域，该复杂曲面现浇肌理混凝土施工方法包括前期准备；构建复杂曲面现浇肌理混凝土浇筑的BIM模型；采用卷积神经网络模型确定混凝土凝固的适宜温度，计算保温层的厚度；按照复杂曲面现浇肌理混凝土浇筑的BIM模型，搭建模板，确定混凝土的形状和尺寸，并根据卷积神经网络模型确定的保温层厚度在模板的外侧包裹保温层；搭建钢筋骨架；安装稳定性监测系统；浇筑混凝土；打磨养护；该方法能够解决现有曲面现浇肌理混凝土在施工时无法精确控制混凝土在凝固过程中与外界环境的温差，导致混凝土凝固不完全、容易出现裂痕，影响混凝土的美观的问题。影响混凝土的美观的问题。影响混凝土的美观的问题。


技术研发人员：时红亮 马希振 张健健 詹永芳 齐胜 纪金星 李春波 肖瑶 谭增力 邱瑾 徐泽森
受保护的技术使用者：中建八局发展建设有限公司
技术研发日：2023.07.07
技术公布日：2023/10/15