基于數字孿生的智能運維理論體系與實現方法

劉占省　史國梁　杜修力　焦澤棟

摘要：在建筑行業轉型升級的背景下，針對大型建筑運維過程管理效率低、各類運維事件決策分析精度不足、智能化程度有待提高等問題，提出基于數字孿生的智能運維理論體系與實現方法?？偨Y歸納大型建筑智能運維需要采集的信息，分析智能運維亟待解決的問題，融合智能感知與數字孿生技術，給出智能運維運行機理，建立針對大型建筑的智能運維架構體系與多維多尺度的孿生模型。研究建筑智能運維的實現方法，其中包含智能運維全要素信息的采集與傳輸、智能運維孿生體的構建與運行、智能運維孿生數據的管理機制及智能運維平臺的架構。在智能運維理論體系和實現方法的指導下，搭建了智能運維平臺，并應用于某大型建筑工程的運維管理?？紤]運維管理過程中的虛實交互與時空演化，初步驗證了數字孿生在提高運維管理智能化程度方面的有效性。

關鍵詞：建筑運維；智能運維；數字孿生；智能管理

中圖分類號：TU17? ? ?文獻標志碼：A? ? ?文章編號：2096-6717（2024）01-0046-12

Theory system and realization method of intelligent operation and maintenance based on digital twins

LIU Zhansheng， SHI Guoliang， DU Xiuli， JIAO Zedong

（College of Architecture， Civil and Transportation Engineering； The Key Laboratory of Urban Security and Disaster Engineering of Ministry of Education， Beijing University of Technology， Beijing 100124， P. R. China）

Abstract： In the context of the transformation and upgrading of the construction industry， aiming at the problems of low management efficiency of large-scale building operation and maintenance process， insufficient accuracy of decision analysis of various operation and maintenance events， and the degree of management intelligence needs to be improved， this study proposes an intelligent operation and maintenance theory system and implementation method based on digital twins. Firstly， the information required for intelligent operation and maintenance of large buildings is summarized， and the problems to be solved in intelligent operation and maintenance are analyzed. The intelligent sensing technology is integrated into digital twins to propose an operation mechanism of intelligent operation and maintenance， and the intelligent operation and maintenance architecture system for large buildings and the multidimensional and multi-scale twinning model is formed. The realization method of building intelligent operation and maintenance is studied. It includes the collection and transmission of all elements of intelligent operation and maintenance information， the construction and operation of intelligent operation and maintenance twins， the management mechanism of intelligent operation and maintenance twin data and the architecture of intelligent operation and maintenance platform. Under the guidance of the intelligent operation and maintenance theory system and implementation method， an intelligent operation and maintenance platform is formed and applied to the operation and maintenance management of a large construction project. Considering the virtual-real interaction and spatio-temporal evolution in the process of operation and maintenance management， the effectiveness of digital twins in improving the intelligence of operation and maintenance management is preliminarily verified.

Keywords： architectural operation and maintenance； intelligent operation and maintenance； digital twins； intelligent management

在新興現代化信息技術（數字孿生、物聯網、人工智能、大數據等）快速發展的背景下，建筑行業迎來了高質量發展契機，并推動著建筑運維管理的智能化轉型升級[1-2]。為深化落實現代信息技術在建筑業中的融合和應用，各國基于自身國情分別提出了相應的發展策略，為人工智能、數字孿生等相關技術的快速發展帶來了契機[3]。大型建筑具有建筑面積大且人流密集等特征，同時，復雜的環境信息加大了建筑內部運維管理難度。另外，傳統的運維方式存在數據共享困難、系統集成工作量大等問題，尤其是建筑新功能需求無法與現行系統相契合，影響整個建筑物的正常運維[4]。

眾多學者提出在建筑運維過程中引入信息技術，提高管理的智能化水平[5]。楊啟亮等[6]為高效構造基于BIM的建筑運維動態管控、增強現實人機交互等新型系統，提出了一種面向信息物理融合的BIM擴展方法。段曉晨等[7]開展了橋梁工程運維成本三維非線性智能控制研究，并將三維非線性智能控制技術運用到實際工程中，提高了運維管理的實時性和高效性。針對如何實現建筑各管理方的協同工作，宋戰平等[8]提出了基于BIM技術的建筑全生命周期管理理念，并建立了面向隧道工程的協同管理平臺。朱宏平等[9]提出大型復雜結構的健康精準體檢方法，有效地提高了大型建筑的運維效率和智能化水平。Chen等[10]針對建筑物運維計劃效率低下等問題，提出了一種創新的管理工作流程設計方案，實現了建筑結構維護的高效規劃。在建筑物運營和維護過程中，由于難以訪問和使用來自建設階段的設施信息，Kim等[11]提出了一種BIM技術驅動的建筑要素與設施工作信息管理方法，從而提高了多信息數據的提取效率。Belussi等[12]針對建筑物的能源消耗問題，提出了零能耗建筑的相關理念，并對實際應用的通用解決方案的性能進行了分析，最終概述了使零能耗目標成為建筑物新標準的關鍵要素。通過分析建筑物運維管理現狀發現，在業務應用上，當前建筑智能化發展仍存在高精度信息采集難、信息孤島嚴重、運維效率低和管理精度不足的現象[13]，沒有考慮建筑運維時間與空間維度上多源信息的融合，無法實現對運維全要素的智能化管控。數字孿生作為智能建造的關鍵使能技術[14]，充分考慮虛實交互與時空融合，可以實現多個管理要素的集成，為建筑行業的轉型升級提供了新的思路[15-16]。在新興現代信息技術中，數字孿生的應用可以提高大型復雜建筑運維管理的精細化和智能化水平。

數字孿生可以融合人工智能，物聯網等信息技術，創建實時的數字仿真模型[17-18]，該模型能夠集成多源數據進行學習和更新，進而表示和預測物理對應物的當前和未來狀況，在建筑施工過程中，基于數字孿生，可以實現全過程實時控制[19]。將數字孿生的理念應用于運維過程可以實現建筑全生命期的智能閉環控制[20]。Liu等[21]將數字孿生引入到建筑物室內安全管理中，并提出了一種基于數字孿生的室內安全管理系統框架，有效提高了建筑物室內安防管理的智能水平。Marai等[22]結合物聯網設備進行道路交通數據的實時采集與分析，從而創建了面向物理道路資產的數字孿生模型。Kaewunruen等[23]建立了用于鐵路系統生命周期管理的6D數字孿生模型，實現了構件安裝、運營管理及拆除的整體信息集成。Lu等[24]提出了一種專為建筑和城市兩個層次設計的數字孿生系統架構，支持運維管理中的決策過程。Peng等[25]應用數字孿生技術，實現了全生命周期靜態數據和動態數據的連續集成。數字孿生可以作為建筑物施工、運維等過程中信息集成的技術基礎[26]。在提升建筑全生命期智能化管控水平過程中，還需依托物聯網技術進行數據的實時提取和采集?；谖锫摼W的智能感知技術具有高精度、全天候、全天時、高效便捷等優良特性，在工程定位系統應用中發揮了重要作用[27]。Sakic等[28]通過改進GNSS并融合最小二乘反演，實現了精確的水下大地定位。在室內施工現場中，McCabe等[29]依托無人機的精準定位性能探索了一套融合物聯網等新興技術的智能感知系統，為施工現場質量控制與信息采集水平的提高提供了參考。由此可見，智能感知技術可以實現物體的精準定位，為智能運維的實現提供信息采集技術支撐。

通過分析大型建筑運維管理研究現狀，結合數字孿生及智能感知技術的應用價值，面向大型建筑的運維全過程，研究基于數字孿生的智能運維理論體系，提出智能運維的實現方法。首先總結智能運維所需采集的信息，分析基于數字孿生智能運維亟待解決的問題；為解決關鍵問題，將智能感知技術融于數字孿生，搭建面向智能運維的架構體系和多維模型；然后，在理論體系驅動下，分析智能運維的實現方法；最后，基于對智能運維理論體系和實現方法的研究，開發了智能運維平臺并應用于某大型建筑工程的運維管理，通過工程實踐驗證了數字孿生可以有效提高建筑運維管理的信息化和智能化水平。

1 智能運維信息與數字孿生的融合機理

實現信息物理融合的有效手段是數字孿生技術[30-31]。一方面，數字孿生能夠實現運維過程的現實物理空間與虛擬數字空間之間的交互映射；另一方面，數字孿生能夠將外界環境等現實信息與模型仿真等信息空間數據進行交互反饋與精準融合，從而增強現實世界與虛擬空間的同步性與一致性。在建筑運維過程中，提高管理的智能化水平，需要明確智能運維所需采集的信息。針對信息的應用，進一步明確亟待解決的問題?；诖?，探索數字孿生與智能感知技術的融合機理，形成高效的運維模式。

1.1 智能運維所需采集的信息表達與體系

結合工程實踐，按照系統性、科學性、全面性、層次性和可行性原則，需要對建筑運維活動中的各要素進行集成與融合。在信息技術的驅動下，進行建筑、人員與環境的建模是實現智能運維的基礎[21]。在大型復雜建筑的運維過程中，將運維信息分為三大類，即建筑（B）、人員（P）和環境（E）。運維信息（I_om）的數學語言由式（1）表示。

I_om=（B，P，E） （1）

其中，建筑信息主要包括建筑的整體布局，建筑結構的使用性能，建筑物機電設備的運行狀態，建筑物中其他構件的運行狀況及建筑物中的能源消耗情況。人員信息主要包括建筑物中人員的數量，人員的密度、分布及人員的準確位置。環境信息主要包括溫度、濕度、風速、各種氣體的濃度及光照情況。建筑、人員和設備信息是運維過程中主要的服務對象。通過捕捉3類信息，分析其狀態，對異?，F象進行及時調整，從而實現建筑的智能化運維。調整和維護3類要素對降低運維過程成本起到重要作用。

通過實時感知和采集運維過程中的各類信息，可以為數字孿生模型的搭建和運維信息智能化的分析提供數據支撐。智能運維信息捕捉體系如圖1所示。

1.2 智能運維需解決的關鍵技術問題分析

基于數字孿生技術，引入“數字化鏡像”，使得在虛擬世界中再現運維過程成為可能。數字孿生應用于運維管理的基礎是實現虛實融合與交互反饋，實質上是數據與信息在虛實世界中傳遞與發揮作用的過程[32]。在建筑運維過程中，數據的管理與應用是提高智能化水平的關鍵問題[33-34]。根據建筑智能運維所需采集的多源異構信息，將數字孿生應用于智能運維中還需解決數據采集與傳輸、數據建模、數據分析和數據應用4個關鍵問題，如圖2所示。

1）數據采集與傳輸

數據是連接物理世界與虛擬世界的橋梁，而如何采集與獲取數據則是應用數字孿生技術要解決的首要問題。與生產車間不同，大型復雜建筑運維過程中存在的不確定因素多，周圍的環境變化與人員的參與都可能影響運維過程[35]。數字孿生應用于建筑的智能化運維中需要動態實時采集數據及信息。因此，要盡可能全面地采集智能運維過程中的建筑、人員、環境多源異構數據，并保證數據的全面性與準確性，才能最大限度地在虛擬空間中還原物理空間。

2）數據建模

利用數據進行建模是一種模型表達方法，目的是通過建立數字孿生模型完全真實反映物理空間，從而在數字孿生模型中仿真模擬實際運維過程，為物理世界的正常運行提供保障。目前大多產品數字化建模與建筑物三維建模往往只考慮了對象的幾何信息，并不能真實刻畫對象的實際狀態。因此，在信息層次上，需要建立幾何、物理、行為、規則模型，從而進一步提高數字孿生模型仿真的真實性和準確性。在運維過程中，涉及多樣的數據信息，且各自的表現形式不同。在智能運維過程中，需要建立標準的數據處理模型，進行數據的統一處理。

3）數據分析

面對建筑運維龐大的數據規模，提高數據的存儲與管理水平成為重中之重[36]。首先，數據存儲與管理的業務范圍需要橫跨運維過程的實時數據與歷史數據；其次，面對有持續增長趨勢的海量數據，需要引入分布式數據管理系統，以滿足可靠性與可擴展性需求。在此基礎上形成的大數據存儲管理平臺可篩選關鍵數據，并為物理空間、虛擬空間以及智能運維系統的數據應用與分析提供驅動力和支撐。面對海量數據，數字孿生驅動的智能運維還應進行數據的融合處理，精準分析與預測各要素的狀態，為維護措施的制定提供依據。

4）數據應用

對數據進行應用的核心工具是基于數字孿生的智能運維系統，該系統需要明確智能運維管控的現實需求。系統應搭載人工智能算法，以實現對數據的分析挖掘和功能性調控。系統的功能應該至少包括對運維過程的可視化呈現、運維事件的智能診斷與科學預測、精準指導運維過程3個層面。系統還需要利用B/S或C/S架構開發人機交互界面，便于有效信息的輸入輸出。在運維系統的驅動下，形成相應的維護措施，同時，還應進行建筑實際運維的精準執行。

1.3 智能感知與數字孿生的融合機理

結合智能運維需要捕捉的信息和基于數字孿生的智能運維亟待解決的問題，將智能感知與數字孿生相融合，可以實現運維數據的實時采集和精準分析[37]。在數字孿生的驅動下，可以實現運維過程的可視化呈現、運維事件的智能診斷、科學預測，最終精準指導現實世界的運維決策。與此同時，基于物聯網的智能感知系統從各種傳感設備抽取對象的運維信息，確定待測點的位置。在室內，可以實現高精度定位。在室外，可以實現精準導航、智能化測量等一系列輔助智能運維功能。通過智能感知技術精準采集運維信息，在數字孿生的驅動下形成決策指令，最終應用于現實運維過程，實現運維管理的閉環控制?；跀底謱\生和智能感知的技術特點，進行了融合機理研究，模式如圖3所示。

將智能感知融于數字孿生可以最大限度地采集運維過程的多源異構數據、精準把握運維各個時間節點要素的狀態，最終實現管理指令的精準執行。數字孿生與智能感知互為支撐，有效地解決了智能運維亟待解決的問題。一方面，數字孿生可以為智能運維提供技術融合的基礎和平臺，實現運維過程的虛實映射和閉環控制；另一方面，智能感知技術可以為運維信息提供精準定位和數據傳輸渠道，動態采集運維信息并最終精準傳達管理指令。數字孿生為智能感知技術的應用提供平臺支撐，智能感知為數字孿生架構的搭建提供數據支撐，兩者有機融合可以推動智能運維的高效運行。將物聯網與數字孿生相融合，實現數據的動態采集與傳輸，同時，設置相應協議，使數據格式統一，便于建模與分析，最終維護措施由物聯網定位技術進行精準執行。

在整個運維過程中，通過數字孿生與智能感知的融合，進行各類信息的采集與管理。將現實物理空間中的各類信息統稱為I_p，其數學語言表述為

式中：B_p、P_p和E_p分別表示物理空間中建筑、人員和環境信息；B_p1，B_p2…B_pm表示物理空間中建筑自身的各個構件單元信息；P_p1，P_p2…P_pn表示物理空間中運維過程涉及的人員個體信息。E_p1，E_p2…E_pw表示物理空間中運維過程各類環境因素信息。針對物理空間的信息，由智能感知技術進行各類要素信息的采集與傳輸。同時，在虛擬空間中進行各類信息的仿真模擬，由此形成數字孿生信息（I_DT），其數學語言表述為

式中：B_DT 、P_DT和E_DT分別表示虛實交互形成的建筑、人員和環境數字孿生信息；B_DT1，B_DT2…B_DTm表示孿生空間中建筑自身的各個構件單元信息；P_DT1，P_DT2…P_DTn表示孿生空間中運維過程涉及的人員個體信息；E_DT1，E_DT2…E_DTw表示孿生空間中運維過程各類環境因素信息。在數字孿生空間中可以進行各類運維事件的仿真分析。針對運維事故可以進行修正決策的輔助制定，并在虛擬模型中進行可行性分析。最終借助智能感知技術的精準定位功能高效指導物理空間的維護。在實際運維過程中，發生某一個事件并不僅僅只針對某一個環境中的某一個人或者某一個結構構件，而是多個環境因素及相關構件組成的復雜系統。因此，針對運維信息的捕捉與修正應該具有實時性與全面性。在數字孿生的驅動下，集成建筑、環境與人員形成運維后的各類信息（I^*）具體表述為 （4）

式中：B^* 、P^*和E^*分別表示維護后的建筑、人員和環境數字孿生信息；B_1^*，B_2^*…B_m^*表示維護后建筑自身的各個構件單元信息；P_1^*，P_2^*…P_n^*表示維護后的人員個體信息；E_1^*，E_2^*…E_w^*表示維護后的各類環境因素信息。

2 基于數字孿生的智能運維理論框架

數字孿生作為實現智能運維的關鍵技術[38]，通過融合智能感知技術能夠實現虛擬空間與物理空間的信息融合與交互，并向物理空間實時傳遞虛擬空間反饋的信息，從而實現建筑運維的全物理空間映射、全生命期動態建模、全過程實時信息交互及全階段反饋控制。

2.1 智能運維架構體系

基于數字孿生的智能運維框架包括物理空間、虛擬空間、信息處理層、系統層4部分。各個層級之間的關系如下：物理空間提供包含“建筑-人員-環境”在內的運維過程多源異構數據并實時傳送至虛擬空間；虛擬空間通過建立起物理空間所對應的全部虛擬模型，完成從物理空間到虛擬空間的真實映射，在虛擬空間中進行仿真模擬、可行性分析可以實現對物理空間運維全過程的實時反饋控制；信息處理層接收物理空間與虛擬空間的數據并進行一系列的數據處理操作，提高數據的準確性、完整性和一致性，作為調控運維活動的決策性依據；基于數字孿生的智能運維系統平臺（系統層）通過分析物理空間的實際需求，依靠虛擬空間算法庫、模型庫和知識庫的支撐以及信息層強大的數據處理能力，進行運維管理的智能化決策與功能性調控?；跀底謱\生的智能運維架構體系如圖4所示。

2.2 面向智能運維的多維模型建立

智能運維的架構體系包含4個部分，實現各個部分的協同工作需要建立基于數字孿生的多維模型。多維模型是對智能運維框架的具體補充，形成各個模塊的運行機制，為智能運維方法的實現提供理論支撐。多維模型包含物理空間、虛擬空間、孿生數據處理層、功能應用層及各組成部分間的連接5個模塊。在物理空間，通過捕捉運維全要素信息，建立動態感知模塊，采集建筑、人員、環境信息，并形成信息網絡模塊，進行數據的標準化傳輸。與此同時，在虛擬空間中，建立集“幾何-物理-行為-規則”為一體的虛體模型，從而實現虛擬空間與物理空間的交互映射。在運維管理過程中，由優化算法、規范標準實時修正虛擬空間中的超限行為，并反饋到物理空間中進行調整。由物理空間和虛擬空間形成孿生數據，在孿生數據處理層中，進行運維數據的融合、預處理、挖掘與應用，從而驅動孿生體的運行。最終，在功能應用層對運維過程進行可視化呈現運維信息的實時捕捉，從而智能化指導運維決策。同時，在數字孿生中融入智能感知，實現各個層級的連接與協作，形成面向智能運維的多維模型，由式（5）表示。

式中：DTM為面向智能運維的多維模型；S_p為物理空間；S_v為虛擬空間；P_td為孿生數據處理層；L_fa為功能應用層；C_n為各組成部分間的連接?；诙嗑S模型可以實現對現實運維過程的仿真映射，進而智能化分析各要素信息的狀態，對運維現場做出精準維護決策。在建模過程中，物理空間對應著建筑的現實運維過程，虛擬空間則是由智能感知采集的現實信息建立起的虛擬模型，由此實現對物理空間的交互映射，并形成運維過程的孿生數據集。數據一方面來源于物理空間的采集，另一方面來源于虛擬空間的仿真。在功能應用層中，對各類數據進行融合，智能分析各要素的狀態，并預測未來的發展趨勢。當出現要素運行異常情況時，在虛擬空間中進行維護處理，并驗證其可行性。最終，再由智能感知技術傳遞到運維現場，進行精準維護。

3 基于數字孿生的智能運維實現方法

在智能運維理論體系的驅動下，實現智能運維需要進行4個方面的探索，即運維全要素信息的采集與傳輸機制、智能運維孿生體的構建與運行模式、數據的存儲與管理方法、基于數字孿生的智能運維平臺架構。

3.1 智能運維全要素信息采集與傳輸

在大型復雜建筑的運維過程中，數據主要來源于建筑、人員、環境等。數據采集是指利用某種設備從待測對象向計算機中自動采集數據的方式。用于運維過程的數據采集方式主要包括：1）為待測對象生成包含對象信息的條形碼或二維碼，利用配套的掃描設備獲取相應信息；2）在待測對象上安裝傳感器，數據采集儀將傳感器傳出的模擬信號轉化為數字信號傳至計算機。

在運維過程中，物理空間是一個復雜、動態的環境，由影響運維的各類信息要素、感知模塊及網絡模塊組成。其中，建筑、人員、環境是最原始的數據源，在運維活動中產生的多源異構數據被傳送至虛擬空間，同時，接收虛擬空間的指令并做出相應反應。感知模塊與網絡模塊分別負責數據的感知采集與數據向虛擬空間的傳輸，感知模塊通過安裝在建筑結構或機電設備上的不同類型傳感器來進行狀態感知、質量感知和位置感知，同時采集多源異構數據；在此基礎上，通過在網絡模塊中建立一套標準的數據接口與通訊協議，實現對不同來源數據的統一轉換與傳輸，將運維活動的實時數據上傳至虛擬空間。由此形成面向智能運維全要素信息的采集與傳輸機制。

智能運維全要素信息采集與傳輸包含4個層級，即物理對象、數據類型、感知層和網絡層，首先采集建筑、人員、環境3類運維要素，將各類要素進行統一集成，在運維平臺中融合各類數據，進而建立各要素歷史數據與當前運行狀態的關聯。最終通過構建智能運維孿生體進行各類信息的分析與預測。

3.2 智能運維孿生體的構建與運行

自主智能特別是智能體技術的發展為運維系統孿生智能體建模帶來了新的思路和方法[39]。以自主智能技術為依托，充分考慮時間與空間兩個維度，在空間維度（R），融合數字孿生技術，構建智能運維的建筑信息（B）、人員信息（P）和環境信息（E），實現對運維系統縱向維度的多尺度建模；在時間維度（T），圍繞整個運維過程，融合事件維護前（T_1）、事件維護中（T_2）和事件維護后（T_3）的時間演變數據，建立以智能運維孿生體為主的動態協同運作機制，支撐智能運維虛實交互配置建模及多維多尺度時空域下智能運維過程的建模，實現智能運維系統多要素、多流程、多業務的時程平行仿真模擬與虛實集成管控?；跁r空信息融合的智能運維孿生體（TA）建模由式（6）表示。

在智能運維孿生體建模的基礎上，形成包含幾何、物理、行為、規則模型在內的多種模型深度融合，作為“數字鏡像”真實地反映物理實體的過程。首先，在虛擬空間中進行幾何建模，反映物理空間的尺寸、大小、形狀、位置關系等幾何信息，形成“三維模型”。然后通過安裝在物理空間上的多類型傳感器采集反映實體物理屬性的信息，進行物理建模，包括結構性能、設備狀態、人員分布、環境參數等。將采集到的物理屬性信息與三維模型進行融合，并賦予模型行為與反應能力，進行行為建模，可以對運維過程中的人工操作或系統指令作出相應響應并進行可行性分析。最后，對運維物理實體的運行規律進行規則建模，包括診斷規則、預測規則、決策規則等，并與行為模型進行關聯，最終實現面向智能運維的孿生體運行示意，如圖5所示。

3.3 智能運維孿生數據的存儲與管理

孿生數據存儲與管理平臺（P_sm）是溝通物理空間與虛擬空間的橋梁，主要包括數據融合（D_f）、數據預處理（D_p）、數據挖掘（D_m）、數據應用（D_a）4個步驟。智能運維孿生數據的存儲與管理由式（7）表示。

來自物理空間與虛擬空間的海量多源異構原始數據由物聯網傳感技術實時采集并進行融合，這些數據包括物理空間的運維要素數據，以及虛擬空間的模型數據、仿真數據、管理數據、評估數據等。然后對這些原始數據進行數據預處理，包括數據清洗、數據集成、數據轉換、數據規約等，提高數據的準確性、完整性和一致性。由人工智能算法進行數據分析挖掘，達到分類、預測、聚類的效果。最后，在數據融合、預處理、分析挖掘的基礎上，從數據庫和知識庫中提取相應參數，進行特征級和決策級的數據應用，從而作為調控建設活動的決策性依據。

在運維過程中，發生運維事故時，通過虛擬模型的仿真分析與感知技術對物理空間的精準定位[40]，判斷運維事故的類型并分析發生的原因。最終在虛擬模型的可行性分析與智能感知技術的精準定位驅動下對運維事故進行整改，并形成數據庫，保證運維階段的有序進行?；跀底謱\生的建筑運維事故管理過程如圖6所示。

3.4 基于數字孿生的智能運維平臺架構

在運維數據的采集傳輸、智能運維孿生體的構建與運行以及孿生數據的存儲與管理基礎上，通過融合感知技術與數字孿生建立智能運維平臺，最終輔助決策是實現建筑智能運維的最終目標?；跀底謱\生的智能運維平臺通過分析物理空間的實際需求，依靠虛擬空間算法庫、模型庫和知識庫的支撐和信息層強大的數據處理能力，對運維過程中遇到的各類事件與建筑自身、人員、環境狀態進行決策，進而實現功能性調控。具體功能包括運維要素的實時監控、狀態智能診斷、風險科學預警、自動化監測、輔助運維決策、可行性分析等，對整個運維過程進行實時優化控制。由物理空間與虛擬空間交互映射，形成運維信息的孿生數據。依據孿生數據進行運維過程的實時監控，智能診斷各類運維對象的狀態，科學預警發生問題的位置并及時補救或輔助決策。將輔助決策導入虛擬空間中，進行可行性分析，從而輸出合理的措施，結合運維過程的人機交互系統，指導現實物理空間的運維。與此同時，將維護后的信息繼續實時分析，以此形成運維過程的智能化閉環控制?；跀底謱\生的智能運維平臺架構如圖7所示。在該平臺中，映射現實建筑的運維過程及分析各要素的運行狀態是平臺的重點。其中，平臺中存在各要素的歷史運行數據及其相關的限值，當系統中出現要素數據異?；虺薜那闆r，則進行預警。通過維護措施的制定，輔助運維的正常運行。同時，在平臺中進行維護措施的可行性分析，最終指導現實運維。

4 案例應用

基于對智能運維理論體系與實現方法的分析，圍繞某大型建筑工程項目進行基于數字孿生的智能運維平臺案例應用。在數字孿生的驅動下，搭建智能運維平臺，讓運維管理對象和管理工作變得更加形象、直接。在平臺中依托數字孿生與智能感知的技術特點，充分考慮運維過程的虛實交互與時空演化，實現對運維信息的準確、全面、快速掌握，更有效地進行建筑運維協同管理，提高維護效率，降低運維管理成本，彌補傳統運維管理存在的不足。智能運維平臺的搭建實現了大型建筑運維管理的高效率、精細化和智能化，為項目帶來實際的效益，改善了傳統落后的管理方式。智能運維平臺主要包括模型管理、機電運維、能耗監測和其他系統，如圖8所示。

4.1 運維平臺的技術架構

結合運維平臺功能模塊的配置，根據數字孿生與智能感知的技術特點，建立了運維平臺的技術架構，如圖9所示。為了實現對建筑的綠色運維、高效運維及安全運維，從目標出發，建立平臺的功能層-平臺層-數據層-網絡層-物理層，完成平臺搭建。在運維平臺中，按照物理層-網絡層-數據層-平臺層-功能層的順序實現正向的數據傳輸，融合運維過程的時空多維信息，整體把控運維事件。最終在平臺層上進行建筑運維狀態展示，實現對運維過程的可視化呈現、智能化分析、精準化決策。

基于數字孿生智能運維平臺的搭建，可以將項目的各個階段信息加以集成，通過開發項目設計管理、運營管理模塊，利用軟件工程技術實現建筑可視化、資源共享，操作簡便高效，達到減少工程變更、方便運營維護管理的目的。

在感知層中，由各類傳感設備進行運維信息的實時采集，進行設備、構件等要素的精準定位與虛擬模型實時映射。針對多源異構數據，由網絡層將數據傳輸到數據層，數據層將運維階段項目孿生數據進行整合，并存儲到數據庫中。數據庫數據來源分兩部分，即孿生模型仿真數據及現場實測數據，同步項目開展持續動態更新。結合運維系統的功能模塊進行運維信息的實時監測和動態管理，并由感知技術在應用層中進行維護的精準化指導，提高運維的效率。

4.2 運維平臺的應用

基于運維平臺的技術架構，進行具體的運維管理應用。在智能運維系統輔助下，可以有效提高結構健康監測的效率和精度。同時，對于建筑物中的設備運行信息可以進行可視化調取，實時監控其運行狀態，及時修正不合格現象，有效減少因為設備運行超限而導致的能源浪費，由此可以避免因為設備失效而造成的資源浪費。也為國家碳達峰、碳中和等建筑節能戰略規劃[41-42]提供新的思路和方法。

以建筑物中的設備維護為例，形成的智能運維應用體系如圖10所示。根據運維現場的設備特征，由嵌入在運維平臺的感知系統對需要維護的設備進行精準定位。通過捕捉設備的位置信息，在運維平臺中調取出相應的虛擬模型。根據現實建筑中附著在設備上的傳感器，在孿生模型中提取其運行信息，并將數據進行可視化呈現。根據設備的型號和歷史運行數據，設置設備正常運行狀態參數。在此基礎上，對運行參數超限的設備進行及時整改，分析設備故障原因，保證其運行的可靠性。與此同時，將整改措施導入運維平臺的虛擬模型中，進行可行性分析。最終，形成維護決策，錄入更新后的信息，便于下一階段信息查詢，由平臺中智能感知系統的輔助定位功能指導現場運維。

根據智能運維應用體系，可以實現建筑物中各要素信息的可視化呈現、運行狀態的智能診斷、參數超限的科學預警，并最終輔助生成維護決策，指導整個運維過程。由此形成了面向建筑運維的智能閉環控制，便于運維管理及迅速精準地做出維護措施。在項目運維過程中，各個平臺模塊還針對能源消耗、結構構件、空間信息、應急預警等方面進行了智能運維技術體系的應用?；跀底謱\生，實現了建筑的智能運維管理，有效提高了管理的效率與精度。能源消耗及應急預警模塊如圖11所示。在實際工程應用中，相較于傳統運維管理模式，通過智能運維管理平臺對數據進行管理節約時間高達20%，減少人力成本約50%，節約資源能耗約20%，監控的覆蓋率達到90%以上，提高應急響應時間約40%。

5 結論

針對大型建筑運維過程管理效率低、各類運維事件管理精度不足等問題，提出基于數字孿生的智能運維理論體系與實現方法。數字孿生作為智能運維的關鍵技術，融合智能感知技術的精準定位功能，為大型復雜建筑的智能運維提供了新的思路。得到以下主要結論：

1）結合工程實踐，總結智能運維所需捕捉的信息要素，歸納基于數字孿生的智能運維亟待解決的問題并探索智能感知技術與數字孿生的融合機理，形成面向智能運維的運行機制。

2）通過融合機理研究，提出智能運維的架構體系，并搭建面向智能運維的多維模型，由此形成基于數字孿生的智能運維理論框架。

3）在智能運維理論框架的驅動下，建立智能運維全要素信息采集與傳輸機制，搭建面向智能運維的孿生體，給出智能運維孿生數據的存儲與管理模式，最終搭建智能運維平臺架構，形成了智能運維的實現方法。

基于智能運維理論框架與實現方法，結合某大型建筑工程項目的運維特點，研發了集成多個功能模塊的智能運維平臺。通過分析運維平臺的技術架構和應用體系，通過在工程項目中的應用，平臺對運維時間、人力資源及能耗的節省方面有顯著效果。提出的理論方法可以實現對運維過程的智能閉環管理，也為“雙碳”目標的實現提供了新的思路和方法。

參考文獻

[1]? MOHAMMADI S， TAVAKOLAN M， ZAHRAIE B. An intelligent simulation-based framework for automated planning of concrete construction works [J]. Engineering， Construction and Architectural Management， 2022， 29（2）： 916-939.

[2]? 羅齊鳴， 華建民， 黃樂鵬， 等. 基于知識圖譜的國內外智慧建造研究可視化分析[J]. 建筑結構學報， 2021， 42（6）： 1-14.

LUO Q M， HUA J M， HUANG L P， et al. Visualization analysis of domestic and overseas intelligent construction assisted by mapping knowledge domains [J]. Journal of Building Structures， 2021， 42（6）： 1-14. （in Chinese）

[3]? DAVARI M， AGHABABA M P， BLAABJERG F， et al. An innovative， adaptive signal rectifier along with a switching controller for reliable primary control of GC-VSIs in CPS-based modernized microgrids [J]. IEEE Transactions on Power Electronics， 2021， 36（7）： 8370-8387.

[4]? 蔣雪雁. 智慧建筑運維管理平臺的應用研究： 以某大型商業綜合體項目為例[J]. 建筑經濟， 2021， 42（9）： 78-82.

JIANG X Y. Research on the application of intelligent building operation and maintenance management platform： Taking a large commercial complex project as an example [J]. Construction Economy， 2021， 42（9）： 78-82. （in Chinese）

[5]? 鄭秋怡， 周廣東， 劉定坤. 基于長短時記憶神經網絡的大跨拱橋溫度-位移相關模型建立方法[J]. 工程力學， 2021， 38（4）： 68-79.

ZHENG Q Y， ZHOU G D， LIU D K. Method of modeling temperature-displacement correlation for long-span arch bridges based on long short-term memory neural networks [J]. Engineering Mechanics， 2021， 38（4）： 68-79. （in Chinese）

[6]? 楊啟亮， 馬智亮， 邢建春， 等. 面向信息物理融合的建筑信息模型擴展方法[J]. 同濟大學學報（自然科學版）， 2020， 48（10）： 1406-1416.

YANG Q L， MA Z L， XING J C， et al. An extension approach of building information modeling to cyber-physical systems [J]. Journal of Tongji University （Natural Science）， 2020， 48（10）： 1406-1416. （in Chinese）

[7]? 段曉晨， 喇海霞， 胡天明， 等. 橋梁工程運維成本三維非線性智能控制研究[J]. 鐵道工程學報， 2020， 37（9）： 102-107.

DUAN X C， LA H X， HU T M， et al. Research on the 3D nonlinear intelligent control for bridge engineering operation and maintenance cost [J]. Journal of Railway Engineering Society， 2020， 37（9）： 102-107. （in Chinese）

[8]? 宋戰平， 史貴林， 王軍保， 等. 基于BIM技術的隧道協同管理平臺架構研究[J]. 巖土工程學報， 2018， 40（Sup2）： 117-121.

SONG Z P， SHI G L， WANG J B， et al. Framework of collaborative management platform for tunnels based on BIM technology [J]. Chinese Journal of Geotechnical Engineering， 2018， 40（Sup2）： 117-121. （in Chinese）

[9]? 朱宏平， 翁順， 王丹生， 等. 大型復雜結構健康精準體檢方法[J]. 建筑結構學報， 2019， 40（2）： 215-226.

ZHU H P， WENG S， WANG D S， et al. Precise structural health diagnosis of large-scale complex structures [J]. Journal of Building Structures， 2019， 40（2）： 215-226. （in Chinese）

[10]? CHEN C， TANG L. BIM-based integrated management workflow design for schedule and cost planning of building fabric maintenance [J]. Automation in Construction， 2019， 107： 102944.

[11]? KIM K， KIM H， KIM W， et al. Integration of IFC objects and facility management work information using Semantic Web [J]. Automation in Construction， 2018， 87（5）： 173-187.

[12]? BELUSSI L， BAROZZI B， BELLAZZI A， et al. A review of performance of zero energy buildings and energy efficiency solutions [J]. Journal of Building Engineering， 2019， 25： 100772.

[13]? 王建偉， 高超， 董是， 等. 道路基礎設施數字化研究進展與展望[J]. 中國公路學報， 2020， 33（11）： 101-124.

WANG J W， GAO C， DONG S， et al. Current status and future prospects of existing research on digitalization of highway infrastructure [J]. China Journal of Highway and Transport， 2020， 33（11）： 101-124. （in Chinese）

[14]? LIU Z S， SHI G L， JIAO Z D， et al. Intelligent safety assessment of prestressed steel structures based on digital twins [J]. Symmetry， 2021， 13（10）： 1927.

[15]? LIU Z S， SHI G L， ZHANG A S， et al. Intelligent tensioning method for prestressed cables based on digital twins and artificial intelligence [J]. Sensors （Basel， Switzerland）， 2020， 20（24）： 7006.

[16]? 楊陽， 李青澤， 姚剛. 預制疊合板構件智能化識別與檢測方法[J]. 土木與環境工程學報（中英文）， 2022， 44（1）： 87-93.

YANG Y， LI Q Z， YAO G. Intelligent identification and detection method of prefabricated laminated slab [J]. Journal of Civil and Environmental Engineering， 2022， 44（1）： 87-93. （in Chinese）

[17]? 劉占省， 劉子圣， 孫佳佳， 等. 基于數字孿生的智能建造方法及模型試驗[J]. 建筑結構學報， 2021， 42（6）： 26-36.

LIU Z S， LIU Z S， SUN J J， et al. Intelligent construction methods and model experiments based on digital twins [J]. Journal of Building Structures， 2021， 42（6）： 26-36. （in Chinese）

[18]? 樊啟祥， 林鵬， 魏鵬程， 等. 智能建造閉環控制理論[J]. 清華大學學報（自然科學版）， 2021， 61（7）： 660-670.

FAN Q X， LIN P， WEI P C， et al. Closed-loop control theory of intelligent construction [J]. Journal of Tsinghua University （Science and Technology）， 2021， 61（7）： 660-670. （in Chinese）

[19]? LU Q C， CHEN L， LI S， et al. Semi-automatic geometric digital twinning for existing buildings based on images and CAD drawings [J]. Automation in Construction， 2020， 115： 103183.

[20]? LU R D， BRILAKIS I. Digital twinning of existing reinforced concrete bridges from labelled point clusters [J]. Automation in Construction， 2019， 105： 102837.

[21]? LIU Z S， ZHANG A S， WANG W S. A framework for an indoor safety management system based on digital twin [J]. Sensors， 2020， 20（20）： 5771.

[22]? MARAI O E， TALEB T， SONG J. Roads infrastructure digital twin： a step toward smarter cities realization [J]. IEEE Network， 2021， 35（2）： 136-143.

[23]? KAEWUNRUEN S， LIAN Q. Digital twin aided sustainability-based lifecycle management for railway turnout systems [J]. Journal of Cleaner Production， 2019， 228： 1537-1551.

[24]? LU Q C， PARLIKAD A K， WOODALL P， et al. Developing a digital twin at building and city levels： A case study of west Cambridge campus [J]. Journal of Management in Engineering， 2020， 36（3）： 05020004.

[25]? PENG Y， ZHANG M， YU F Q， et al. Digital twin hospital buildings： An exemplary case study through continuous lifecycle integration [J]. Advances in Civil Engineering， 2020， 2020： 8846667.

[26]? LIU Z S， SHI G L， JIANG A T， et al. Intelligent discrimination method based on digital twins for analyzing sensitivity of mechanical parameters of prestressed cables [J]. Applied Sciences， 2021， 11（4）： 1485.

[27]? 劉江， 蔡伯根， 王劍， 等. 專用短程通信輔助的車輛衛星定位故障檢測方法[J]. 中國公路學報， 2021， 34（11）： 265-281.

LIU J， CAI B G， WANG J， et al. Dedicated short-range-communication-aided fault detection method for satellite-based vehicle positioning [J]. China Journal of Highway and Transport， 2021， 34（11）： 265-281. （in Chinese）

[28]? SAKIC P， CHUPIN C， BALLU V， et al. Geodetic seafloor positioning using an unmanned surface vehicle-contribution of direction-of-arrival observations [J]. Frontiers in Earth Science， 2021， 9： 636156.

[29]? MCCABE B Y， HAMLEDARI H， SHAHI A， et al. Roles， benefits， and challenges of using UAVs for indoor smart construction applications [C]//ASCE International Workshop on Computing in Civil Engineering 2017. June 25-27， 2017， Seattle， Washington. Reston， VA， USA： American Society of Civil Engineers， 2017： 349-357.

[30]? URBINA CORONADO P D， LYNN R， LOUHICHI W， et al. Part data integration in the shop floor digital twin： Mobile and cloud technologies to enable a manufacturing execution system [J]. Journal of Manufacturing Systems， 2018， 48： 25-33.

[31]? 朱慶， 王所智， 丁雨淋， 等. 鐵路隧道鉆爆法施工智能管理的安全質量進度知識圖譜構建方法[J]. 武漢大學學報（信息科學版）， 2022，47（8）： 1155-1164.

ZHU Q， WANG S Z， DING Y L， et al. Construction method of “safety-quality-schedule” knowledge graph for intelligent management of drilling and blasting construction of railway tunnels [J]. Geomatics and Information Science of Wuhan University， 2022，47（8）： 1155-1164.（in Chinese）

[32]? BARARI A， SALES GUERRA TSUZUKI M， COHEN Y， et al. Editorial： Intelligent manufacturing systems towards industry 4.0 era [J]. Journal of Intelligent Manufacturing， 2021， 32（7）： 1793-1796.

[33]? PATACAS J， DAWOOD N， KASSEM M. BIM for facilities management： A framework and a common data environment using open standards [J]. Automation in Construction， 2020， 120： 103366.

[34]? 南天辰， 蔡柔丹， 姜冬， 等. 群策式智能多聯機末端在大學教學樓的設計應用與分析[J]. 土木建筑與環境工程， 2016， 38（Sup2）： 120-126.

NAN T C， CAI R D， JIANG D， et al. A designing analysis of the transformation in universities， teaching building about multi-line terminal，s intelligent energy-saving based on group decisions [J]. Journal of Civil， Architectural & Environmental Engineering， 2016， 38（Sup2）： 120-126. （in Chinese）

[35]? 潘毅， 劉揚良， 黃晨， 等. 大型鐵路站房結構健康監測研究現狀評述[J]. 土木與環境工程學報（中英文）， 2020， 42（1）： 70-80.

PAN Y， LIU Y L， HUANG C， et al. A review of structural health monitoring of large railway stations [J]. Journal of Civil and Environmental Engineering， 2020， 42（1）： 70-80. （in Chinese）

[36]? 李惠， 周文松， 歐進萍， 等. 大型橋梁結構智能健康監測系統集成技術研究[J]. 土木工程學報， 2006， 39（2）： 46-52.

LI H， ZHOU W S， OU J P， et al. A study on system integration technique of intelligent monitoring systems for soundness of long-span bridges [J]. China Civil Engineering Journal， 2006， 39（2）： 46-52. （in Chinese）

[37]? 胡振中， 冷爍， 袁爽. 基于BIM和數據驅動的智能運維管理方法[J]. 清華大學學報（自然科學版）， 2022， 62（2）： 199-207.

HU Z Z， LENG S， YUAN S. BIM-based， data-driven method for intelligent operation and maintenance [J]. Journal of Tsinghua University （Science and Technology）， 2022， 62（2）： 199-207. （in Chinese）

[38]? 鮑躍全， 李惠. 人工智能時代的土木工程[J]. 土木工程學報， 2019， 52（5）： 1-11.

BAO Y Q， LI H. Artificial intelligence for civil engineering [J]. China Civil Engineering Journal， 2019， 52（5）： 1-11. （in Chinese）

[39]? MALIK J， ELHAYEK A， STRICKER D. WHSP-net： A weakly-supervised approach for 3D hand shape and pose recovery from a single depth image [J]. Sensors， 2019， 19（17）： 3784.

[40]? 姚剛， 秦蔚壑， 周夢， 等. 工業化生產PC構件的BIM技術定位優化[J]. 土木與環境工程學報（中英文）， 2019， 41（2）： 140-146， 166.

YAO G， QIN W H， ZHOU M， et al. PC elements localization optimization with BIM technology in industrial production [J]. Journal of Civil and Environmental Engineering， 2019， 41（2）： 140-146， 166. （in Chinese）

[41]? 王志偉， 戴若彬， 張星冉， 等. 膜法污水處理技術研究應用動態與未來可持續發展思考[J]. 土木與環境工程學報（中英文）， 2022， 44（3）： 86-103.

WANG Z W， DAI R B， ZHANG X R， et al. Recent advances and overview on sustainable development of membrane-based wastewater treatment technology [J]. Journal of Civil and Environmental Engineering， 2022， 44（3）： 86-103. （in Chinese）

[42]? 張勇， 梁曉珂， 袁麗娟. 面向節能的建筑設計多目標優化方法[J]. 華中科技大學學報（自然科學版）， 2021， 49（7）： 107-112.

ZHANG Y， LIANG X K， YUAN L J. Multi-objective optimization algorithm for building energy-saving design [J]. Journal of Huazhong University of Science and Technology （Natural Science Edition）， 2021， 49（7）： 107-112. （in Chinese）

（編輯? 王秀玲）