Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 开封产城融合建设工程有限公司翟贺矿获国家专利权

开封产城融合建设工程有限公司翟贺矿获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉开封产城融合建设工程有限公司申请的专利一种基于BIM的建筑机电全生命周期管理平台及其优化策略获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119863011B

龙图腾网通过国家知识产权局官网在2025-09-23发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411762969.2,技术领域涉及:G06Q10/063;该发明授权一种基于BIM的建筑机电全生命周期管理平台及其优化策略是由翟贺矿;刘国柱;张信夫;梁树英;张银鹏;叶乾庆;邵忱忱;林阳;王茂森设计研发完成,并于2024-12-03向国家知识产权局提交的专利申请。

一种基于BIM的建筑机电全生命周期管理平台及其优化策略在说明书摘要公布了:本发明公开了一种基于BIM的建筑机电全生命周期管理平台及其优化策略,涉及建筑信息化管理技术领域,解决了现有BIM技术在处理效率、模型精度、数据同步和变更管理方面的不足;本发明采用数据层通过机器学习模型进行数据清洗和标准化,并通过云管理系统实现分布式存储;模型层构建并更新高精度的BIM模型;同步协同层利用实时同步机制和区块链技术确保数据的一致性和可追溯性;决策分析层通过深度学习算法进行数据分析和预测;全生命周期管理层则整合历史数据和当前数据,自动触发管理流程;本发明大大提高了数据处理效率和模型精度,显著提升了信息的无缝共享能力、数据同步和变更管理的透明度,从而增强了项目的整体协同效率和管理水平。

本发明授权一种基于BIM的建筑机电全生命周期管理平台及其优化策略在权利要求书中公布了:1.一种基于BIM的建筑机电全生命周期管理平台,其特征在于,包括:数据层、模型层、同步协同层、决策分析层和全生命周期管理层; 所述数据层,用于收集至少包括设计图纸、施工记录、设备参数数据,将非标准格式数据转换为标准格式,并通过机器学习模型进行数据清洗、去噪和归一化处理;所述数据层还用于通过云管理系统对预处理后的数据进行分布式存储,建立数据索引和元数据管理框架,输出标准化、可检索的数据集至所述模型层和决策分析层; 所述模型层,用于基于所述数据层的输出数据,构建并更新包括建筑结构、机电系统和设备元素的BIM模型; 所述同步协同层,用于接收所述模型层输出的实时模型数据,通过数据同步机制进行模型参数数据的实时同步和冲突检测;当对数据进行变更时,采用区块链记录数据变更历史,根据数据变更触发同步机制,将变化数据实时推送至所有相关参与方,并将实时更新的数据输出至决策分析层和全生命周期管理层;同时,将变更信息反馈至所述模型层进行更新; 所述决策分析层,用于接收所述模型层和同步协同层的输出数据,通过基于深度学习的机电系统综合分析算法对机电系统进行数据分析、预测和异常检测,输出分析报告、预警信息和优化建议至所述全生命周期管理层和相关参与方;所述基于深度学习的机电系统综合分析算法的预测方法为:基于输入特征向量,包含历史能耗数据()、天气数据()、建筑占用数据()以及设备状态数据(),其中表示时间序列的滞后阶数;通过深度混合神经网络预测未来时间点的能耗,所述深度混合神经网络采用多层长短期记忆网络提取输入特征向量中的时间序列特征,并通过多头自注意力机制计算时间序列特征不同时间步长之间的相关性,输出未来时间点的能耗预测值;预测公式为: (1) 在公式(1)中,表示输出层的权重;分别为查询、键和值矩阵;表示键向量的维度;表示激活函数,用于引入非线性,增强模型的表达能力;表示头的数量;表示LSTM层的输出;表示自注意力机制的输出;和分别表示LSTM层的参数和偏置项;所述基于深度学习的机电系统综合分析算法的异常检测方法为:通过图神经网络构建故障传播模型,所述故障传播模型基于故障传播图的邻接矩阵和设备特征矩阵为输入,通过多层图卷积操作学习故障在设备间的传播模式,并计算每个设备的故障传播概率,计算公式为: (2) 在公式(2)中,为第层图卷积中第阶邻居的权重矩阵,表示第层图卷积后的节点特征矩阵;表示控制空间影响范围的衰减系数,用于确定空间距离对权重的影响程度;表示设备在第层的图卷积输出特征向量;表示设备特征矩阵;表示第层图卷积中GNN模型的参数;在预测和异常检测过程中,所述基于深度学习的机电系统综合分析算法根据计算结果与预设阈值进行比较;若预测能耗与实际能耗的偏差超出预设阈值,或某设备的故障传播概率超出预设阈值,则触发预警机制,向全生命周期管理层和相关参与方输出分析报告和预警信息; 所述全生命周期管理层,用于接收所述决策分析层的输出数据,结合所述数据层中的历史数据,采用全生命周期融合算法进行全生命周期信息的整合和管理;根据项目阶段自动触发管理流程,并输出全生命周期管理报告、项目进展信息和BIM模型优化建议至相关参与方和决策者。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人开封产城融合建设工程有限公司,其通讯地址为:475000 河南省开封市祥符区西姜寨乡马庄南路1号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。