基于數字孿生的裝配式鋼節點混凝土框架結構建造技術

張健新　翟越洋　趙茜婭

摘要：與傳統現澆框架結構相比，裝配式鋼節點混凝土框架結構建造速度更快，但框架鋼連接節點處存在應力突變，因此，有必要采用基于數字孿生的手段監測該實際工程結構的施工過程，以獲得鋼節點對結構性能的影響?；贐IM、有限元和傳感器等技術搭建了基于數字孿生的新型裝配式鋼節點混凝土框架結構的智能建造框架，從物理數據收集、虛擬模型建立、模型信息交互3個方面提出基于數字孿生的建筑結構智能建造實現方法。在新型裝配式鋼節點混凝土框架實際工程建造階段，采用傳感器技術實現工程中關鍵點數據的實時監測，并將其與BIM和有限元數據進行比較，進一步調整與修正物理模型中的框架結構受力情況，最終實現裝配式鋼節點混凝土框架數字孿生模型的建立和應用。研究表明，該數字孿生模型能有效對新型裝配式鋼節點混凝土框架結構進行實時監測，實現基于傳感器網絡和時空參數分析的危險點預測，有效減少資源消耗，為該結構的應用提供有效數據信息。

關鍵詞：裝配式混凝土框架；鋼節點；數字孿生；虛擬傳感器；智能建造

中圖分類號：TU741.3? ? ?文獻標志碼：A? ? ?文章編號：2096-6717（2024）01-0130-09

Construction technology of prefabricated concrete frame with steel connector based on digital twin

ZHANG Jianxina，b， ZHAI Yueyanga， ZHAO Xiyaa

（a. School of Civil and Transportation Engineering； b.Civil Engineering Technology Research Center of Hebei Province， Hebei University of Technology， Tianjin 300401， P. R China）

Abstract： Compared with the traditional cast-in-place frame structure， the construction of the prefabricated steel joints concrete frame structure is faster， but there is a sudden change of stress at the joints of the new frame steel joints， so it is necessary to adopt the digital twin method to monitor the construction process of the actual engineering structure to obtain the influence of steel joints on the structural performance. Based on building information modeling （BIM）， finite element， and sensor technologies， an intelligent building framework of the new type of prefabricated concrete frame structure with a steel connector based on digital twin was established in this study. An intelligent construction method based on digital twin was proposed in terms of physical data collection， virtual model establishment and model information interaction. In the engineering intelligent construction stage， real-time monitoring of data of the new prefabricated concrete frame with steel connector was realized via sensor technology， and sensor data was compared with BIM and finite element data. The frame structure stress in the physical model would be further adjusted and modified. Finally， the digital twin model of the prefabricated concrete frame with a steel connector was established and applied. The results show that the digital dual model can effectively monitor prefabricated concrete frame with steel connectors in real-time， predict the hazard position based on sensor network and spatiotemporal parameter analysis， reduce the resource consumption， and provide sufficient data information for subsequent applications.

Keywords： prefabricated concrete frame; steel connector； digital twins； virtual sensor； intelligent construction

隨著建筑行業不斷發展，中國出臺了一系列政策鼓勵傳統建筑行業向綠色、智慧、信息化發展。裝配式建筑由于其安裝過程簡單易行、現場工作量少、施工周期短、產生建筑垃圾少等優點，成為了建筑行業發展的關鍵環節。裝配式建筑的發展是中國建筑行業發展的必經之路，符合新型工業化道路的發展方向，是中國大力支持的結構形式之一。在此背景下，學者們提出了新型裝配式混凝土結構形式[1-3]，雖然認識到了鋼連接裝配式節點性能優越，并對其進行了大量的實驗研究和理論分析，但研究成果的工程應用相對很少。同時，由于連接技術的改良，梁柱連接包括鋼連接段、混凝土連接段、鋼混連接段，造成該新型節點連接段剛度值不連續，會導致裝配式混凝土框架結構破壞可能出現在鋼連接段、混凝土連接段、鋼混連接交界處，造成結構破壞位置的不確定性[4-5]。因此，在該新型結構施工過程中，有必要采用信息技術手段對其進行監測，及時獲取最新的信息，并確保信息的完整性和全面性[6]，為新型裝配式混凝土建筑結構的應用提供指導。

在建筑結構中預埋傳感器監測建筑健康狀態，防止潛在的結構故障，是施工和維護階段監測建筑的重要手段。Li等[7]提出一種用于耙吸式挖泥船施工安全的數字雙驅動虛擬傳感器結構，基于物理傳感器監測施工狀態，克服了傳感器對難以直接測量或成本高昂的檢測目標的限制。同時，通過分析物理傳感器和虛擬傳感器之間的殘差來診斷施工行為，能夠準確地對故障情況進行預警。Linares等[8]采用增強/虛擬現實的先進設備與傳感器相結合，在物理現場捕捉圖像或視頻以進行結構的安全監測、風險預警和遠程指導。上述研究雖然利用物理傳感器和虛擬傳感器相結合的方式來監測工程狀況，但該模式尚未在實際工程中應用。若對所有節點進行監測，則需要相當數量的傳感器，同時監測數據的增加對程序、機器和人力的要求將進一步提高，進一步造成資源消耗。將傳感器網絡所得數據與虛擬模型相結合能夠最大限度地進行建筑施工過程全面監測，并減少資源消耗。

隨著新一代信息技術和“工業4.0”的發展，數字孿生技術在航空航天和制造業得到了廣泛應用[9-10]，并逐漸由復雜的飛行器領域向一般工業領域拓展，目前學者們已開始探索其在建筑領域中的應用[11-13]。劉占省等[14]提出了一種智能建造框架，證明了數字孿生模型可以實現輪輻式索桁架的智能張拉提升。在土木工程行業，數字孿生可以通過形式化的語言為裝配式施工過程建立結構性強、施工過程信息涵蓋全面的模型[15]。數字孿生技術中每個物理部分都能找到相應的虛擬部分，同樣，每個虛擬部分都能找到相應的物理部分，在項目中，環境、條件、需求、物理部件、虛擬部件、數據、連接和服務可以靈活地變化[16]。因此，在新型裝配式結構建造工業化進程中，數字孿生技術是一種對裝配式建筑進行局部和整體分析的有效方法，與傳統的定期檢修相比，數字孿生技術能為結構的故障監測提供一種新的方法。上述成果證明了數字孿生技術的可行性，但該研究僅在模擬施工過程中進行試驗。對于新型裝配式鋼節點混凝土框架結構而言，該技術對真實施工過程中時空參數的考慮不足，且缺乏基于實際工程的理論框架。

建筑信息模型（BIM）已被證明是一種智能和參數化的數字孿生建模方法，可支持建筑物全部活動，包括設施的設計、施工、運營和維護[6]，在建筑項目中有廣泛的應用。已有研究表明，BIM的使用可以顯著減少信息損失，提高日常管理效率。然而大多數現有建筑沒有完整的BIM模型。近年來學者采用新的技術手段和方法能夠更高效地建立現有建筑構件BIM模型，劉金典等[17]采用BIM和激光掃描手段提出了裝配式體系建造管理與質量控制方法，并基于工程案例驗證了該方法的可行性與實用性。Boje等[18]回顧了建筑信息模型（BIM）和數字孿生的發展，指出數字孿生比BIM需要更多的細節以監控和控制物理實體。利用BIM軟件對新型裝配式建筑進行孿生建模，雖然一定程度上可以減少人力的投入，但由于其包含條件有限，結果缺乏精度，尤其是時空精度有待提高[19]。事實上，在對裝配式鋼節點混凝土框架結構建造進行監測時，除需要考慮常規建筑包含的參數外，還應關注梁柱節點不同梁段的應力水平，以此來確保監測結果的可靠性。同時，現有數字孿生技術在建筑行業的應用缺乏大規模傳感器網絡數據采集系統和合適的理論框架[20]。

學者們采用數字孿生技術研究了傳統建造過程中的難點，推動了建造業向智能化的轉變，但數字孿生技術在實際新型裝配式工程建造中的應用尚有待進一步研究。利用傳感器實時監測建造過程中的關鍵節點時，筆者搭建的技術框架引入了虛擬傳感器和傳感器網絡，能對結構建造過程進行更加精確和全面的監測。同時，基于監測數據分析結構受力時，該框架將時空參數納入分析范圍，可以實現對危險節點的實時預警。筆者在新型裝配式鋼節點混凝土結構試驗研究和理論分析的基礎上[21]，在裝配式鋼節點混凝土框架結構的工程應用過程中，基于BIM、有限元和傳感器等技術搭建了基于數字孿生的新型裝配式鋼節點混凝土框架結構的智能建造框架，以期為該框架的廣泛應用提供有效數據信息，并為裝配式建筑與智能建造融合發展提供參考。

1 基于數字孿生的建筑結構智能建造框架

數字孿生的建?？蚣芊譃槲锢砟Ｐ?、虛擬模型和模型交互的建立。物理模型是建立數字孿生的基礎，它包括物理模型的搭建和數據的收集。數字孿生技術應用的準確性十分依賴于數據源，所以在數據收集階段應該基于實際的物理系統來提取、描述和驗證仿真需求。為了獲得更準確的仿真需求，需要獲得盡可能多的信息。幾何信息通過CAD圖紙和3D激光掃描的方法獲得。物理傳感器是監測施工狀態的有效方法，對于非幾何數據可以通過在構件預埋傳感器的方式獲得。

虛擬模型是與物理模型——對應的計算機模型，它是應用數字孿生的基礎，包括物理模型中每一個構件，而虛擬模型中的每一個元模型都可以在物理模型中找到實體。BIM通常作為建筑數字孿生的數字模型，使用BIM工具創建的模型非常接近真實建筑物，它積累了施工中的規則、技術和方法，建立了一種操縱施工策略的技術。此外，它還以數字方式組織施工組件并加以記錄，以創建全面的時間表。

研究的技術手段路線如圖1所示。以基于CAD和3D掃描的BIM建模技術為輔助，對物理模型進行BIM建模。將BIM模型導入ABAQUS軟件，建立有限元模型。ABAQUS模擬數據與傳感器網絡的實際數據共同構成傳感器網絡。通過對比同一節點處實際傳感器數據與模擬數據，實現BIM模型、ABAQUS模型和傳感器網絡三者互相修正，從而對建筑結構進行監測和指導。

孿生模型框架如圖2所示，模型框架主要包括真實空間的物理模型、數字空間的虛擬模型以及兩者之間的信息連接。模型框架建立的具體實施步驟如下：首先，利用項目CAD圖紙的初始幾何數據實現BIM建模，在此基礎上建立有限元分析模型，得到初始虛擬模型；隨物理模型同步建立虛擬模型后，利用3D激光掃描獲得施工過程中實際建筑的關鍵幾何數據，基于此對虛擬模型進行改進，通過對收集的數據實時更新，對虛擬模型反復修正，得到趨近于物理模型的虛擬模型；最后，在物理實體建造過程中，將物理傳感器放置于建筑結構的關鍵點，以實時監測結構關鍵點的應變數據，進而對比分析實時監測數據與有限元計算得到的理論數據，從而實現危險點預警，及時對物理模型進行修正，最終完成孿生模型的搭建。該模型框架包含正向和反向兩條信息連接方式，由物理實體到虛擬模型的映射建模過程為正向信息連接，由虛擬模型到物理實體的分析決策過程為反向信息連接。

2 基于數字孿生的建筑結構智能建造實現方法

基于數字孿生的建筑結構智能建造框架搭建方法如圖3所示。首先，對物理模型進行數據采集，并以不同格式進行保存，通過第一次采集的初始數據建立虛擬模型。在初始BIM模型和ABAQUS模型建立后，對比分析軟件模型數據和采集物理數據，更新虛擬模型數據，建立完備的虛擬模型，然后分析反饋至物理模型并對其進行監測指導。

2.1 物理數據采集

物理數據來自物理實體，獲取方式包括實時傳感器監控、手動檢查、施工活動和3D激光掃描等。不同的數據在整合前通過不同的方式存儲，如利用數據庫、紙質文檔、電子表格和圖片等，整合后將會統一存儲在孿生模型中。存在于建筑工程中的物理數據包括人員、機器、原料、方法、環境等。隨著項目施工進度的不斷推進，物理數據種類會不斷增加，而在項目竣工后，種類達到最大值。

2.2 虛擬模型建立

虛擬模型用來模擬項目實體的屬性、運行狀態和演化規律，從而反映項目實體在真實環境中的狀態。BIM作為一種參數化的建模方法，該模型包含項目實體的物理幾何信息和屬性邏輯信息，可以減少從物理模型到虛擬模型中的數據損失，對新型建筑的應用發揮指導作用。

常見BIM模型的建立方法包括基于圖像建模、基于激光掃描建模、基于無線電標簽建模、基于CAD建模等?；趫D像建模是利用圖像重疊生成密集場景來進一步生成點云模型或利用圖像處理算法提取圖片中的幾何特征的方法來對物理模型進行還原，該建模方法可以有效構建物理模型的幾何信息，但建筑的邏輯信息和拓撲信息無法被很好地表達?；诩す鈷呙杞Ｊ抢?D激光掃描技術生成物理模型高精度點云的方法還原物理模型，該建模方法建立的虛擬模型精度很高，但容易缺少數據且費用昂貴?；跓o線電標簽建模是利用對建筑物構件安裝標簽來定義信息，再使用射頻識別技術對構件進行識別操作，同步構建物理模型，該方法經濟有效，且可以記錄建模過程，但使用過程復雜，大大增加了高技術人才的工作量?；贑AD建模是利用CAD圖紙上的幾何信息和文本信息建立物理模型的獨立構件信息，建立對應的虛擬構件模型，拼裝成為完整建筑的虛擬模型，該方法操作簡單，信息豐富，但建模精度不足的問題需要解決。此外，ABAQUS可以建立建筑結構的數值分析模擬，它包含著項目不可視的力學數據。

為保證更全面地收集物理模型參數以建立虛擬模型，保證兩者實時同步，在物理模型中加入了收集內部參數的傳感器，以獲得其內部的應力和應變等實際不可視數據，并保證該數據可以實時更新，利用傳感器采集到的數據對虛擬模型進行修正。

2.3 模型信息交互

模型信息交互本質上是以循環嵌套的方式實現對孿生模型的修正和對物理模型的監測預警。該循環包括虛擬模型內部小循環和虛擬模型與物理模型之間的大循環。在虛擬模型內部小循環中，初始虛擬模型通過不斷地對物理模型數據進行分析對比，自循環改進，提升虛擬模型的精度。在虛擬模型與物理模型之間的大循環中，由物理模型為虛擬模型提供數據，對虛擬模型進行建立和修正。

對物理系統建立的孿生模型為從物理模型中收集到的數據提供了可視化的存儲架構。同時還可以了解物理模型的實時狀態、行為和組件關系。在建筑領域，經過驗證的孿生模型提供了建筑構件數據、人員和施工方法的存儲架構，使施工中的問題變得可追溯。得益于孿生模型的高度保真性，在虛擬模型中的結果可以代替物理實驗，通過這種方法，可以借助虛擬運行的結果來對物理模型進行優化和預測。裝配式建筑施工時，在對物理構件下一步搭建之前，可以先利用虛擬模型進行搭建，確定施工方案的可行性。在施工過程中，虛擬模型和物理模型所得的數據會被記錄，構成實際傳感器為主、虛擬傳感器為輔的傳感器數據網絡，對比兩者所獲信息的差異以及其中一個數據在時間維度上的特殊變化，對物理模型的使用情況進行評估，為建造過程提供一種實時有效的監測方式。更進一步地說，物理系統和虛擬系統是同步的，數據是雙向的。利用這個特性，孿生模型可以與機器學習相結合，通過大量數據的學習使計算機可以代替人工決策，提升施工效率。通過多個項目中3D激光掃描、傳感器和其他設備收集的數據及對應的項目狀態對機器學習模型進行訓練，找到輸入輸出間的非線性關系。這個機器學習模型可以在虛擬模型獲得物理模型的實時數據后對其做出分析，識別問題來源，建議決策選項，并采取必要的修正措施。

3 裝配式鋼節點混凝土框架結構的數字孿生技術應用

裝配式鋼節點混凝土框架結構示范工程是某省的科研樓項目，該項目采用鋼節點連接預制混凝土梁柱裝配而成，工程的建造過程如圖4所示?；贐IM、有限元和傳感器等技術采集數據，建立該實際工程的數字孿生模型。

3.1 物理數據采集

結合已有研究[22]，采用應變計進行施工過程中的應力監測。物理模型搭建期間，在鋼節點上安裝傳感器來收集相關數據。為保障所得數據的精確性和測量的長期性，選用靈敏度、監測范圍、環境適用性和監測壽命更具有優勢的電阻式應變計對應變進行數據采集。其中，在梁柱構件鋼節點表面焊接YBM型工具式表面應變傳感器，在梁柱構件鋼筋籠上綁扎YNM型混凝土內埋式應變傳感器。兩種應變傳感器可以收集結構內部不可視的應變數據，且其中均帶有溫度補償裝置，可通過橋路補償法消除外界環境溫度對監測數據的影響。傳感器通過導線與數據采集系統連接，該工程使用的數據采集系統主要為WKD3813多功能靜態應變儀。因施工階段時間跨度相對很短，不考慮實際結構的老化問題，虛擬模型能真實反映物理模型。

該裝配式結構工程中選擇建筑內相連的角柱、邊柱、中柱的代表性關鍵點替代建筑整體來布置測點，并選取框架結構中節點受力最大的一層梁柱連接節點作為代表測點，對建筑結構的整體和角柱、邊柱、中柱節點區域在施工過程中的工作狀態進行研究。傳感器位置如圖5所示，工程監測方案選取平面圖中A、B、1、2四條軸線圍成的部分，監測梁柱鋼連接節點數量為3，均在框架結構一層，在圖中以圓圈標識被監測節點的位置。

以中柱的梁柱鋼連接節點為例，節點中鋼連接件關鍵測點傳感器布置如圖6和圖7所示。為保證傳感器收集數據的條理性和可靠性，以不同施工進度進行工況劃分，見表1，在每個工況下都進行多次監測。3.2 虛擬模型搭建及數據計算

3.2.1 BIM模型建立

采用BIM軟件，把BIM技術與裝配式混凝土框架結構建筑相結合，以施工圖紙參數為基礎提出裝配式混凝土預制構件參數化建模程序，將規范要求、設計流程及配筋構造以函數的形式嵌入程序節點中和程序邏輯中，以定位點為紐帶，對組成預制構件的各個子圖元進行了參數化關聯?；贐IM的裝配式混凝土結構參數化設計方法，將工程圖紙包含的參數與Dynamo程序開發相結合，實現了基于參數數據驅動的裝配式預制構件模型一鍵生成，使得在參數準確的前提下，可以高效地完成精細化建模及相應構件的工程量統計。

以帶鋼連接的預制柱建模為例，介紹BIM模型的建立方法。首先，在預制柱定位點數據中讀取X、Y、Z軸坐標值，清除空集后以橫向原則進行分組，以柱族名稱為關鍵詞進行分類，與輸入點口相聯結，產生Dynamo能夠讀取的點，生成定位點和定位曲線，基于此建立預制柱的混凝土模型。然后，將鋼連接參數化族導入Revit中，以柱橫截面中心為原點建立三維坐標系，通過將常規模型拼接的方式對鋼連接件進行建模，將定位點之間的幾何約束關系轉換為Dynamo代碼塊中的函數關系。最后，鋼筋以縱筋中的角筋為例，將4個角筋的定位點分別與預制柱橫截面A、B、C、D 4個角點相對應，將角點與角筋的定位點坐標進行參數化關聯，通過兩點生成定位曲線，將錨固長度轉化為與X坐標值相關的參數，將錨固區鋼筋統一表示為X軸正向的曲線，將兩曲線融合生成角筋模型。最終建立的裝配式科研樓建筑信息模型如圖8所示。

3.2.2 ABAQUS模型建立

采用ABAQUS對物理模型進行有限元分析，建模過程包括使用材性數據對各構件進行屬性賦予、網格劃分、定義邊界條件和荷載施加等過程。部分屬性選取如下：混凝土為C30，選用塑性損傷本構模型，鋼構件為Q345，鋼筋為HRB400，鋼連接件和鋼筋考慮選用強化的雙折線本構，混凝土和鋼連接件采用八節點減縮積分實體單元C3D8R模擬，鋼筋采用桁架單元T3D2模擬。在荷載模塊下對模型的柱底位置創建固定約束，梁端H型鋼上下翼緣與柱方鋼管連接采用Tie約束指令定義，以模擬現實中的焊縫連接。梁端H型鋼腹板與柱外伸連接板之間的約束設置為螺栓荷載和鋼板之間的面與面接觸的罰摩擦，而面與面接觸的法向作用定義為硬接觸，用于模擬建筑物實際的邊界條件。對于荷載施加過程，采用與實際施工工序相符的分段施工荷載施加的方法，而不采用一次性將全部施工荷載施加到模型中去，這是由于施工模擬不是模型受力線性疊加的簡單問題，需要綜合考慮不同工況下模型的變形，這些都會對后續結構受力產生影響。部分工況ABAQUS模型和應力云圖分別如圖9和10所示。

3.3 模型應用及數據分析

基于裝配式科研樓項目，在施工過程中應用數字孿生模型技術，應用框架如圖11所示。

裝配式鋼節點混凝土框架結構科研樓的節點是整個建筑的易損部位，需要重點監控，但由于存在多個連接節點，若全部安裝傳感器對節點進行監控，耗資巨大。同時傳感器還存在故障的風險，可能導致測量數據不準確或失去測量數據，造成安全隱患?；谏鲜鰡栴}，考慮對裝配式鋼節點混凝土框架科研樓建立數字孿生模型，對其關鍵節點進行監測，實現對節點真實狀態的監測、診斷、預警分析。

在裝配式科研樓的部分鋼節點上安裝應力傳感器，傳感器通過導線與數據采集系統連接，將傳感器采集的信號轉換為數字信號。根據裝配式科研樓的圖紙數據建立BIM模型，生成施工圖并進行碰撞檢測以確保模型的準確性，建立的模型可直接導入ABAQUS軟件，進行結構計算和設計。通過計算機將數字信號轉變為表格和圖像進行數據分析，通過同一位置實際傳感器與有限元的虛擬傳感器的差值進行分析，改進有限元模型。在所有安裝傳感器的節點數值校正完畢后得到完備的孿生虛擬模型。

通過選擇性安裝實際傳感器對鋼節點數據進行校準，校準后的虛擬模型可以對未安裝實際傳感器的鋼節點進行應力檢測和監控。虛擬模型監測數據和實際傳感器測試數據共同構成了整個裝配式鋼節點混凝土框架科研樓的節點應力數據網。當節點應力數據網中因實際傳感器損壞造成數據缺失時，可用虛擬模型中的應力數據替換。

當裝配式鋼節點混凝土框架科研樓發生節點損壞時，可能會影響整個建筑的安全。因此，有必要對所有節點進行長期監控并提出預警。在科研樓的建造過程中，記錄傳感器測量的應力值Xij（i為空間標號，j為時間標號）與孿生虛擬模型計算值Yij（i為空間標號，j為時間標號），通過統計分析獲得數據的分布和殘差。對角標一致的Xij和Yij進行對比，若兩者誤差超越殘差，可認為該處應力數據網出現漏洞，發生漏洞的節點被認定為危險節點，對i角標相同的Xi1、Xi2、Xi3…進行對比，若某兩相鄰值出現較大突變，可認為該空間處節點出現危險。此時系統會發出危險預警，反饋給物理模型，以便對物理模型進行修正。

為驗證所建立孿生模型的仿真性能，對施工過程中所有節點的應力真實值和校準后的模擬值進行對比。某典型節點在不同工況下真實值與校準后模擬值對比如圖12所示。

對傳感器真實測量和有限元模擬得到的不同工況下應力數據進行觀察可以發現，隨著施工的持續，節點的最大應力不斷增加，最大值發生在建筑頂層保溫層鋪設完成時。這說明在施工過程中，建筑材料應力值不斷增加，危險性也隨之增加。為最大限度保證建筑施工時的安全，有必要對建筑進行數字孿生模型的建立和分析。

通過對比不同工況下傳感器數據和有限元模擬數據可以發現，模擬值和真實值差值絕對值的最大值為3 MPa，且隨著施工的進行，模擬值和真實值之間的差距逐漸縮小至1 MPa，這說明該數字孿生模型對節點的真實環境和狀態有較好的表達。

4 結論

1）基于數字孿生提出了建筑結構智能建造框架，并從物理數據采集、虛擬模型建立和模型信息交互3個方面闡述了該數字孿生框架的具體實現過程，但受限于軟硬件開發程序的限制，該數字孿生模型僅在施工校準和監測預測方面可以發揮作用。

2）采用傳感器技術實現了新型裝配式框架結構鋼連接節點物理模型的應力數據實時監測，并將其與BIM和有限元虛擬模型對節點處應力狀態仿真數據進行比較，基于不斷更新的建造數據和積累的歷史數據，能夠實時調控和反饋施工過程中的信息，通過新型裝配式鋼節點混凝土框架結構實際工程應用驗證了基于數字孿生模型的實現方法。

3）以新型裝配式鋼節點混凝土框架結構實際工程為例，基于BIM、有限元和傳感器等采集數據，建立了該工程的數字孿生模型，結果表明該數字孿生模型能真實地反映建造過程中的實時受力狀態。但受限于參數聯合技術，使人員和機械等數據不能發揮全部作用，后續可以考慮通過物聯網調動更多的參數，實現全項目的智能化識別和管理。

參考文獻

[1]? 張健新， 丁傳林， 戎賢， 等. 裝配式高強鋼筋鋼纖維混凝土框架節點抗震性能試驗研究[J]. 土木與環境工程學報（中英文）， 2020， 42（2）： 157-164.

ZHANG J X， DING C L， RONG X， et al. Experimental research on seismic behavior of the prefabricated frame joints with high strength reinforcement and steel fiber concrete [J]. Journal of Civil and Environmental Engineering， 2020， 42（2）： 157-164. （in Chinese）

[2]? KETIYOT R， HANSAPINYO C. Seismic performance of interior precast concrete beam-column connections with T-section steel inserts under cyclic loading [J]. Earthquake Engineering and Engineering Vibration， 2018， 17（2）： 355-369.

[3]? GHAYEB H H， ABDUL RAZAK H， RAMLI SULONG N H. Seismic performance of innovative hybrid precast reinforced concrete beam-to-column connections [J]. Engineering Structures， 2020， 202： 109886.

[4]? ZHANG J X， DING C L， RONG X， et al. Development and experimental investigation of hybrid precast concrete beam-column joints [J]. Engineering Structures， 2020， 219： 110922.

[5]? ZHANG J X， DING C L， RONG X， et al. Experimental seismic study of precast hybrid SFC/RC beam-column connections with different connection details [J]. Engineering Structures， 2020， 208： 110295.

[6]? 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.

[7]? LI M C， LU Q R， BAI S， et al. Digital twin-driven virtual sensor approach for safe construction operations of trailing suction hopper dredger [J]. Automation in Construction， 2021， 132： 103961.

[8]? LINARES D A， ANUMBA C， ROOFIGARI-ESFAHAN N. Overview of supporting technologies for cyber-physical systems implementation in the AEC industry [C]//Computing in Civil Engineering 2019. Atlanta， Georgia. Reston， VA： American Society of Civil Engineers， 2019： 495-504.

[9]? MANDOLLA C， PETRUZZELLI A M， PERCOCO G， et al. Building a digital twin for additive manufacturing through the exploitation of blockchain： A case analysis of the aircraft industry [J]. Computers in Industry， 2019， 109： 134-152.

[10]? CHEN Z Y， HUANG L Z. Digital twins for information-sharing in remanufacturing supply chain： A review [J]. Energy， 2021， 220： 119712.

[11]? YU G， WANG Y， MAO Z Y， et al. A digital twin-based decision analysis framework for operation and maintenance of tunnels [J]. Tunnelling and Underground Space Technology， 2021， 116： 104125.

[12]? LIN K Q， XU Y L， LU X Z， et al. Digital twin-based collapse fragility assessment of a long-span cable-stayed bridge under strong earthquakes [J]. Automation in Construction， 2021， 123： 103547.

[13]? ZHAO L， ZHANG H， WANG Q， et al. Digital-twin-based evaluation of nearly zero-energy building for existing buildings based on scan-to-BIM [J]. Advances in Civil Engineering， 2021， 2021： 6638897.

[14]? 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）

[15]? 劉占省， 邢澤眾， 黃春， 等. 裝配式建筑施工過程數字孿生建模方法[J]. 建筑結構學報， 2021， 42（7）： 213-222.

LIU Z S， XING Z Z， HUANG C， et al. Digital twin modeling method for construction process of assembled building [J]. Journal of Building Structures， 2021， 42（7）： 213-222. （in Chinese）

[16]? JIANG F， MA L， BROYD T， et al. Digital twin and its implementations in the civil engineering sector [J]. Automation in Construction， 2021， 130： 103838

[17]? 劉金典， 張其林， 張金輝. 基于建筑信息模型和激光掃描的裝配式建造管理與質量控制[J]. 同濟大學學報（自然科學版）， 2020， 48（1）： 33-41.

LIU J D， ZHANG Q L， ZHANG J H. Construction management and quality control of prefabricated building based on BIM and 3D laser scanning [J]. Journal of Tongji University （Natural Science）， 2020， 48（1）： 33-41. （in Chinese）

[18]? BOJE C， GUERRIERO A， KUBICKI S， et al. Towards a semantic construction digital twin： Directions for future research [J]. Automation in Construction， 2020， 114： 103179.

[19]? NWODO M N， ANUMBA C J. A review of life cycle assessment of buildings using a systematic approach [J]. Building and Environment， 2019， 162： 106290.

[20]? ZHAO J F， FENG H B， CHEN Q， et al. Developing a conceptual framework for the application of digital twin technologies to revamp building operation and maintenance processes [J]. Journal of Building Engineering， 2022， 49： 104028.

[21]? RONG X， ZHANG X W， ZHANG J X. Seismic behavior of innovation steel-embedded precast concrete beam-to-column joints [J]. Structures， 2021， 34： 4952-4964.

[22]? 陳志華， 牛犇， 張智升. 天津圖書館鋼結構關鍵節點應力監測分析[J]. 工業建筑， 2015， 45（2）： 154-158.

CHEN Z H， NIU B， ZHANG Z S. Analysis of stress monitoring results of key joints in steel structure of Tianjin Library [J]. Industrial Construction， 2015， 45（2）： 154-158. （in Chinese）

（編輯? 胡英奎）

DOI： 10.11835/j.issn.2096-6717.2022.068

收稿日期：2021?12?31

基金項目：河北省自然科學基金（E2021202012、E2020202134）；天津市自然科學基金（20JCZDJC00370）

作者簡介：張健新（1986-），女，博士，主要從事結構抗震研究，E-mail：zhangjianxin505@126.com。

Received： 2021?12?31

Foundation items： Natural Science Foundation of Hebei Province （No. E2021202012， E2020202134）; Natural Science Foundation of Tianjin （No. 20JCZDJC00370）

Author brief： ZHANG Jianxin （1986- ）， PhD， main research interest： structure seismic， E-mail： zhangjianxin505@126.com.