首页--工业技术论文--建筑科学论文--建筑基础科学论文--电子计算机在建筑中的应用论文

BIM技术在社区建筑群运营维护阶段的应用研究

摘要第6-7页
Abstract第7-8页
第1章 绪论第15-21页
    1.1 研究背景及选题意义第15-16页
        1.1.1 研究背景第15-16页
        1.1.2 选题的意义第16页
    1.2 国内外研究现状第16-18页
        1.2.1 国外研究现状第16-17页
        1.2.2 国内研究现状第17-18页
    1.3 本文研究内容与研究方法第18-21页
        1.3.1 研究内容第18-19页
        1.3.2 研究方法第19页
        1.3.3 技术路线第19-21页
第2章 基于BIM的运营维护管理系统分析第21-35页
    2.1 传统模式与基于BIM运维模式对比分析第21-24页
        2.1.1 传统运维管理模式第21-22页
        2.1.2 两种管理模式的分析对比第22-23页
        2.1.3 BIM技术的特点第23页
        2.1.4 基于BIM技术的社区建筑群运维管理应用难点第23-24页
    2.2 基于BIM的运营维护管理平台构建第24-29页
        2.2.1 构建运维管理平台核心要素第24-25页
        2.2.2 集成BIM运维平台需求分析第25-27页
        2.2.3 运维管理平台功能简介第27-29页
    2.3 BIM在运营维护管理中应用价值分析第29-33页
        2.3.1 BIM技术的应用优势第29-30页
        2.3.2 集成运营维护管理平台的交互优势分析第30-31页
        2.3.3 BIM应用的投资回报率估测第31-33页
    2.4 本章小结第33-35页
第3章 基于运维期的BIM冗余信息分析和处理方法研究第35-45页
    3.1 轻量化处理的必要性第35-36页
    3.2 BIM模型轻量化分析第36-39页
        3.2.1 模型等级划分第36-37页
        3.2.2 模型轻量化的解决方案第37-39页
    3.3 BIM模型轻量化处理第39-43页
        3.3.1 BIM模型创建流程第39-41页
        3.3.2 BIM360TEAM轻量化处理流程第41页
        3.3.3 模型轻量化在运维期的应用第41-43页
    3.4 本章小结第43-45页
第4章 基于BIM-QR技术的设备设施运维管理第45-61页
    4.1 设备设施运维管理机制第45-50页
        4.1.1 设备设施管理第45-47页
        4.1.2 二维码技术的引入第47-48页
        4.1.3 二维码技术的使用第48-50页
    4.2 运维管理工作流程第50-55页
        4.2.1 桌面运维管理工作模式第50-52页
        4.2.2 巡检工作管理模式第52-53页
        4.2.3 维修工作管理模式第53-55页
    4.3 基于BIM-QR技术的设备设施运维管理第55-59页
        4.3.1 基于BIM-QR技术的设备设施运维管理优势第55-56页
        4.3.2 基于BIM-QR技术的设备设施运维管理应用第56-59页
    4.4 本章小结第59-61页
第5章 基于多技术融合的人员应急疏散系统研究第61-71页
    5.1 基于BIM与RFID的实时安全监控系统第61-62页
        5.1.1 系统功能组成第61-62页
        5.1.2 系统信息采集第62页
        5.1.3 系统信息交互第62页
    5.2 基于BIM模型的Pathfinder模拟仿真实现步骤第62-63页
        5.2.1 BIM模型的转换第62-63页
        5.2.2 安全疏散模型的设置第63页
        5.2.3 模拟动画演示及分析第63页
    5.3 应急疏散系统的构建第63-64页
    5.4 工程案例第64-69页
        5.4.1 工程概况第64-65页
        5.4.2 疏散模型的转换第65-69页
    5.5 本章小结第69-71页
第6章 结论与展望第71-73页
    6.1 总结第71页
    6.2 展望第71-73页
参考文献第73-77页
攻读硕士学位期间发表的学术论文第77-79页
致谢第79页

论文共79页,点击 下载论文
上一篇:基于机器学习的视觉目标跟踪算法研究
下一篇:无人驾驶车辆双目视觉障碍物检测研究