中心组合（共3篇）
中心组合 篇1
1 前 言
任务分配是各类系统提高效率的基础和关键, 受到机械工程、计算科学和运筹学的广泛关注。任务分配问题既是一类典型的组合优化问题又是一类常见的NP-Complete问题, 近年来出现的一些启发式算法 (如模拟退火、遗传算法及蚁群算法等) 为解决此类NP-Complete问题提供了新的途径。以下将免疫算法 (Immune Algorithm, IA) 引入到考虑任务协作的面向负荷均衡的任务组合优化分配中, 这种基于群体的随机搜索算法能有效克服其他智能算法的早熟现象、群体多样性不足及搜索速度慢等问题。通过免疫选择、免疫自调节、疫苗接种等免疫机制, 提高搜索效率, 加快全局收敛的速度, 在合理的时间内得到协作任务分配的优化解。
2 基于IA的协作任务优化分配算法
免疫算法是模仿生物免疫系统处理机理和基因进化机理, 通过人工方式构造的一类全局寻优搜索算法。尽管免疫系统具有许多优良的计算性能, 但现有免疫算法模型仍存在一些问题, 主要在抗体的评价形式、抗体的促进和抑制以及记忆库的使用上。抗体评价主要依据抗体与抗原的亲和度, 促进高亲和度抗体和抑制低亲和度抗体, 往往易陷入局部优化, 导致“早熟”。并且, 记忆库仅在产生初始种群时被使用, 在算法以后的过程中仅更新记忆库而不再利用它, 这没有起到加速收敛的效果。葛红等对免疫算法进行了改进, 根据期望繁殖率对抗体降序排列, 然后一次性消除期望繁殖率低的抗体, 试验表明收敛速度有所提高, 但这会使不少较优抗体被一块消除, 不利于有效提高收敛速度。针对现有免疫算法的不足, 提出了基于动态任务资源匹配矩阵的免疫算法, 其主要流程见图1。
免疫进化时首先进行抗原识别, 分析问题及解的特性并进行抗体编码, 本文采用K进制编码, 对参与协同工作的工作中心资源按1, 2, …, K进行编码, 抗体长度为任务数N。若抗体第i个基因位对应的值为p, 则表示任务i被分配到工作中心p进行生产加工。此编码直观, 易于操作, 且不需解码。
免疫进化过程中, 首先根据任务资源匹配初始矩阵随机产生规模为popsize的初始抗体群体antiby (t) 。抗体群体根据抗体繁殖率进行免疫选择, 高繁殖率的抗体 (优化解) 被促进, 低繁殖率的抗体 (非优解) 被抑制。通过促进/抑制抗体的进化, 既突出适者生存, 又防止个别个体绝对占优, 实现免疫系统的动态平衡自调节功能。在这些必要、有效的抗体群体基础上进行免疫操作。经过免疫操作进行免疫进化后, 将会产生免疫接种抗体种群antiby_v、交叉克隆的抗体种群antiby_c、亲和突变的抗体种群antiby_m, 以及募集的新的抗体种群antiby_n, 将这些免疫种群与记忆的较优抗体种群antiby_o合并, 生成下一代免疫进化的抗体种群antiby (t+1) 。再在此进化基础上循环进化, 直到满足进化的终止条件, 输出免疫进化的结果。
2.1 抗体的评价与选择
免疫进化过程中, 需要对各抗体进行评价。如果以抗体的适应度为评价指标, 当群体中的某个抗体占据了相当规模, 而又不是最优解时就极易导致过早收敛。采用抗体浓度来抑制规模较大又不是最优解的抗体, 并以信息熵作为衡量相似度的指标, 以期望繁殖率作为评价抗体的标准。抗体v的繁殖率ev计算如下:
undefined
undefined
undefined
undefined
undefined
undefined
undefinedlogP′pi
式中, fit (v) :抗体v的适应度;F (v) :将抗体v作为分配方案代入目标函数时对应的函数值;cv:抗体浓度;λac:亲和度阀值;αxv, w:抗体v与抗体w之间的亲和度;H (2) :抗体v和抗体w的信息熵, 两抗体所有基因都相同时, H (2) =0;N:抗体的基因长度, 即为待分配任务数;Hi (2) :两个抗体第i个基因位的信息熵;Ki':第i个基因位可选字符个数, 其代表满足任务特性约束, 可完成第i个任务的工作中心个数。
由式1显见, 抗体的期望繁殖率刻画了适应度、亲和度和浓度的关系, 综合考虑了抗体与抗原之间的关系 (即抗体的适应度) 、抗体与抗体之间的关系 (通过抗体的亲和度来评价抗体间的相似程度, 抗体的浓度来表示抗体与其相似的抗体的规模) 。
免疫选择是指在抗体群中依据抗体的期望繁殖率选择抗体。从免疫机理的角度, 免疫选择反映了抗体选择的不确定性以及抗体的抑制与促进机制。本文中按照比例选择规则选择抗体种群中的抗体。在免疫种群G中抗体si被选择的概率如式2:
undefined
2.2 疫苗的抽取与接种
有效的疫苗对算法的收敛性和有效性具有重要的正面作用, 本算法从动态任务资源匹配矩阵中抽取疫苗, 每代进化过程任务资源匹配矩阵是动态更新的, 通过该方式来获得有效的疫苗, 在深层次上隐含了疫苗也是随抗体进化而不断进化的思想, 更加符合生物的进化规律。通过式3计算免疫进化过程中每代对应的任务资源匹配矩阵, 其中Ppi表示第i个基因位出现p的概率;gv (i) 表示个体第i个基因位的编码值。根据任务资源匹配矩阵中Ppi值, 当某等位基因上的概率Ppi最大且大于某个设定阀值时, 将其作为该等位基因上的疫苗, 最终提取的疫苗如式4所示。
undefined
undefined
疫苗接种进行特异性免疫 (Specific Immunity) , 有导向性地产生特异性抗体, 利用待求解问题的先验知识有效地加速算法的收敛。针对每代进化得到的抗体种群, 以事先设定的免疫概率, 随机选择父代群体中要进行接种的抗体g1。对选中的抗体g1, 将疫苗Y的基因码依次接入, 通过置换抗体相应基因位置上的码值产生新的免疫抗体g2, 最终形成免疫种群antiby_v。疫苗接种的一个示例如图2所示。
2.3 抗体交叉与变异
交叉是在肯定基因位进化的基础上, 通过基因重新组合产生新的抗体, 使子代能够继承父代的优良基因, 优秀抗体的基因模式得以迅速繁殖并在种群中扩散, 使进化向最优方向进行。当交叉由于基因的局部相似而无法产生新的抗体时, 通过变异可避免寻优过程陷入局部最优, 改善种群的多样性, 引导进化探索新的搜索空间。
本文算法的交叉/变异操作采用两点交叉/变异。对于交叉操作, 根据交叉概率, 随机的从免疫种群中选取两个抗体g1和g2作为父代, 在g1中随机选取两个非零且不相等的基因位x1和x2, 从而得到交叉区间 [min (x1, x2) , max (x1, x2) ], 在g2上找到对应的交叉区间, 将这两个区间内基因互换, 就产生了两个新的子代抗体g3和 g4, 这些子代抗体最终组成一个交叉种群antiby_c。对于变异操作, 根据变异概率, 随机从免疫种群中选择抗体g1。在g1中随机选取两个非零且不相等的基因位x1和x2, 得到变异区间[min (x1, x2) , max (x1, x2) ], 对该区间上每一个基因位, 根据动态任务资源匹配矩阵相应的选择概率, 重新组合该区间上的基因, 从而形成新的抗体g2, 这些抗体最终组成变异种群antiby_m。
2.4 算法的特点分析
在本文算法中, 免疫选择将进化群体中较好的候选解确定性地选择参与进化, 提供开拓更好候选解的机会。免疫记忆不仅为问题的解决提供高效求解的机会, 而且为算法的局部搜索提供必要的准备。这一操作与抗体交叉操作及亲和突变操作共同作用, 增强算法局部搜索能力, 使算法有更多机会探测更好的候选解。浓度抑制可确保种群中相同或相似的抗体不会大量繁殖, 其作用不仅在于保存好、中、差的抗体, 而且减轻了免疫选择算子选择存活抗体时的选择压力。免疫选择的作用在于:不仅给适应度高的抗体提供更多选择机会, 而且也给适应度及浓度皆低的抗体提供生存机会, 使得存活的抗体种群具有多样性, 这一机制主要反映了抗体促进和抑制机理以及抗体选择的随机性。本文在抗体种群初始化与募集新成员时, 采用基于动态任务资源匹配矩阵的抗体产生方法, 通过该方法产生的抗体能够微调群体多样性及增强全局搜索能力, 而且由于考虑了动态的任务资源匹配概率, 能够加快算法的寻优速度, 同时使算法随时有自我抗体被引入而具有开放式特点。这些算子相互作用, 使算法具有如下特点:
1) 抗体的选择受适应度与浓度的制约, 是确定性和随机性的统一。
2) 抗体交叉与变异体现了邻域搜索及并行搜索的特性。
3) 搜索过程中处于开采、探测、选择、自我调节的协调合作过程, 体现了体液免疫应答中抗体学习抗原的行为特性。
4) 搜索过程处于开放, 随时有自我抗体被加入进化群体, 以增强群体多样性, 提供产生更好解的机会的同时能够加快算法的寻优速度。
3 仿 真
算法仿真环境为Windows XP操作系统, 3.0GHz CPU, 1G内存。仿真工具采用Matlab7.0。基于动态任务资源匹配矩阵的免疫算法参数选取为:进化代数100, 种群规模50, 种群中交叉产生的个体比率为0.4, 变异产生的个体比率为0.2, 接种疫苗的个体比率为0.2, 募集的新个体比率为0.1, 记忆的优良个体比率为0.1, 优异基因抽取阀值为0.85, 亲和度阀值为0.85。
在算法运行初期, 会出现优异的基因未能达到抽取的阀值, 导致在接种操作时无疫苗使用, 而能够体现基因特异性信息的任务资源匹配矩阵随着抗体种群的进化而不断进化, 因此, 此时采用依据动态任务资源匹配矩阵产生新的抗体种群是疫苗接种种群的最佳替代, 可有效避免无疫苗可用而引起的算法的寻优效率降低的缺点。对本文第一节中的示例问题进行仿真, 该问题中所有工作中心的初始负荷为0, 其免疫进化过程如图3所示。
至图3中标识了每代最优任务分配方案对应的目标函数值、协作成本函数值及平方和函数值, 分别对应目标函数值及目标函数中第一、二部分的函数值。其中目标函数值与协作成本函数值共用图中左侧纵坐标轴, 平方和函数值使用右侧纵坐标轴。从图中可见, 算法进化第44代取得最优分配方案。由于该问题中设定K′i=K, 决定了工作中心之间具有互换性, 因此算法进化过程中将寻找到多个最优分配方案, 并且当K′i=K且初始负荷为0, 多个最优方案中的任何一个方案对于该问题都是无差别的。表1给出了最优任务分配方案。
图4标识了该最优分配方案对应的各工作中心的能力、负荷、利用率、最高利用率、平均利用率及最低利用率状态。综合图3与图4可见, 本文提出的算法实现了平衡各工作中心的负荷的同时最小化企业的协作成本。
在实际的企业运作中由于有新项目订单情况, 存在为新增加任务进行分配的问题, 解决该问题有两种方式:一是将新任务与原任务作为一个整体重新进行任务分配;二是在保持原任务分配方案不变的前提下, 对新增加的任务再分配。现假设企业有新项目订单到达, 需对新增任务进行分配。图5给出了新增任务的任务关联图, 新增任务的任务资源匹配初始矩阵如表5所示。
第一种方式采用本算法重新计算即可, 但在实际生产中由于产生的分配方案将作为计划调度等系统的重要数据输入, 该种方式不但涉及到任务重分配计算成本, 而且还将涉及到重计划/调度等成本。故在实际应用中, 该方式较第二种方式虽然可能获得相对较高质量的解, 但仍较少采用。下文给出了在保证原分配方案不变的基础上, 运用提出的免疫算法对新增任务进行分配, 即动态的任务再分配。由表5可知, 此时问题的初始状态为K′i≠K, 且由于是在已有任务分配的基础上进行任务分配, 所以各工作中心的初始负荷不为0。因此, 对新增任务进行再分配, 不仅可以验证该算法在处理新增任务分配问题的灵活性, 同时还可以将其作为一个当K′i≠K且初始负荷不为0的新的任务分配问题 (K′i≠K、初始负荷不为0, 更能代表企业实际运作中的多工作中心任务分配问题) , 说明算法在解决实际的多工作中心任务分配问题的实用性。
表3给出了新增任务在表1给出的任务分配方案的基础上, 进行任务再分配获得的新增任务的优化分配方案。图8给出了任务再分配后新的优化方案对应的工作中心负荷状态。从图6中可以看出, 该任务再分配结果可以满足实际的生产需要, 同时验证了提出的算法在解决多工作中心任务组合优化分配问题的有效性。
4 结束语
从多工作中心协同工作的角度, 研究了面向负荷均衡的任务分配问题, 提出了用于解决该问题并支持任务重/再分配的免疫算法。运用免疫算法在求解多工作中心任务组合优化分配的过程中, 引入动态任务资源匹配矩阵的概念, 提高了算法的搜索效率。仿真实验表明该算法的有效性和实用性特点。
参考文献
[1]Kyung-Hyun Choi, Dong-Soo Kim, Yang-Hoi Doh.Multi-agent-based task assign-ment system for virtual enterprises[J].Roboticsand Computer-Integrated Managacturing.2007, 2:1-6.
[2]柴永生, 孙树栋, 余建军等.基于免疫遗传算法的车间动态调度[J].机械工程学报.2005, 41 (10) :23-27.
[3]张维存, 郑丕谔, 吴晓丹.基于主-从遗传算法求解柔性调度问题[J].计算机集成制造系统.2006, 12 (8) :1241-1245.
[4]Tung-Kuan Liu, Jinn-Tsong Tsai, Jyh-Horng Chou.Improve genetic algorithm for job-shop scheduling problem[J].The InternationalJournal of Advanced Manufacturing Technology.2006, 27:1021～1029.
[5]Jie Gao, Mitsuo Gen, Linyan Sun.Sched-uling jobs and maintenances in flexible job shop witha hybrid genetic algorthm[J].Journal of IntelligentManufacturing.2006, 17:493～507.
[6]黄席樾, 张著洪, 何传江等.现代智能算法理论及应用[M].1版.北京:科学出版社, 2005.
[7]蔡自兴, 龚涛.免疫算法研究的进展[J].控制与决策.2004, 19 (8) :841-846.
[8]葛红, 毛宗源.免疫算法的改进[J].计算机工程于应用.2002, 38 (14) :47-49.
[9]周明, 孙树栋.遗传算法原理及应用[M].1版.北京:国防工业出版社, 1999.
中心组合 篇2
关键词：校园教学区,空间组合,教学建筑
1 项目概况
本项目位于江苏省海安县,由江苏省海安县职业教育中心校和江苏省海安县体育中心两部分组成,二者共建共享、共同发展。其中职业教育中心校的建设是为了整合海安县城区公办职业教育资源,进一步做大做强优质教育资源,培养更多的高级专业技术人才,进一步激发海安县发展的内生动力。
海安县职业教育中心校,一期按全日制中职在校生4 950人、110班设计,二期按全日制高职在校生4 000人、100班设计。在功能布局上,学校按教学区、行政办公区、生活区、运动区、实训区、社会培训区、卫校教学区进行分区布置,通过对各功能区的有机组合,营造多层次的校园空间。
教学区位于校园中部,由教学楼和院系教学楼组成。每栋教学楼均按照教学、实验、教师办公一体化模式设置。各个院系教学楼围合出若干不同形式的空间,结合水面形成丰富的景观空间,形成整个校园师生员工交流交往、休闲娱乐的主要场所。
2 校园教学区空间组合模式的初步归纳
教学区建筑群体的空间组合有很多种不同的模式,各种模式都通过一些内在的有机联系融合在一起形成整体。较为常见的有围合型、半围合型、线型。也有一些规模比较大的校园教学区将多种模式结合起来,形成综合性的空间布局。
2.1 围合型
这是一种较为常见的空间组合方式,广泛的运用于教学区的空间设计中。它作为一种向心式的组合方式,是由各个次级空间围绕一个大的中心空间构成。通常,这种围合型的组合方式表现为一定数量的建筑实体围绕一个中心空间形成围合。这种方式最具有领域感和向心力。
2.2 半围合型
半围合型的空间组合也经常运用于教学区。它与围合型相似,也是由各个次级空间向一个中心空间围合形成。但这种围合具有一定的开放性,在某些方向向外开敞,便于形成更为丰富的空间群体。这种半围合的方式也更有利于当前建筑群体与周边建筑群体的互动与交融。
2.3 线型
线型空间组合通常由一些功能及形式相似的空间在一条长线上重复出现而形成。线型空间具有流动性的意象,意味着流动和增长。长线可以表现为直线、折线、弧线等各种形态,所以,它易于根据地形的起伏变化而进行调整。校园教学区多为功能相似的多栋教学建筑重复出现,也很适合线型的空间组合方式。但线型空间与围合、半围合空间相比,凝聚力和稳定感较弱。
3 海安职业中心校教学区空间组合设计
3.1 教学区空间组合设计
校园教学区的空间组合设计,受到使用功能、地形地貌、区域总体规划等因素的制约。需要充分考虑各种制约因素,选择适合本方案的空间组合模式。
使用功能是制约建筑群体空间形态的最重要因素之一。使用要求不同,建筑群体的空间形态也就不尽相同。教学区作为有特定功能的建筑群体,有着特定的使用功能和使用对象,是教学活动的最核心场所。本案海安职业中心校是一所综合性的职业学校,包含7个学院,教学内容涵盖服装、建筑、农业、工业技术等多个领域。其中,机电及汽车运用工程学院以及电子信息工程学院规模较大,且对教学实验室有较高要求;艺术学院因为其专业的特殊性,需要设置大量的美术及声乐教室;综合专业学院专业设置复杂且规模较大,宜独立设置。综合上述功能需要,本方案计划设置教学楼5栋,其中机电及汽车运用工程学院、电子信息工程学院、艺术学院、综合专业学院为独立教学楼,剩余3个学院以及汇报厅等公用教学设施合并组成综合教学楼。
建筑群体的空间组合设计永远离不开地形地貌的制约。彭一刚的《建筑空间组合论》中阐述道:“除了功能因素外,建筑地段的大小、形状、道路交通状况、相邻建筑情况、朝向、日照、常年风向等各种因素,也都会对建筑物的布局和形式产生十分重要的影响。”在本方案中,教学区位于校园中部,北侧为健身中心及体育公园,南侧为行政办公区和实训区,东侧为生活区,西侧为运动场。教学区用地面积约2.24 hm2,用地宽裕、形态方整、地势平坦,且地理位置良好,与其他功能分区联系紧密。良好的用地环境,使我们有了很大的选择余地,但仍需结合校园总体规划,做出最适合本案的选择。
校园总体规划是教学区规划设计的重要决定因素。教学区的空间组合设计,应充分的体现校园总体规划的意图,与之相互呼应。本案的校园总体规划以一条南北向的景观轴线作为地块的发展主轴,教学区位于轴线中段,是轴线上最重要的节点,其他各功能区域围绕该区域展开。教学区在本案中起到了凝聚各功能区域、展现校园整体形象的作用,因此,围合或半围合的空间组合方式较为适合本案,利于体现区域的核心作用以及聚合各功能空间。贯穿校园的景观主轴线起始于地块南侧的入口空间,纵贯整个教学区。本案意将教学区南侧开敞,使景观主轴完整的引入教学区,形成景观大道,增强整个校园的纵深感。同时,部分的开敞,也利于发挥教学区的形象作用。至此,半围合的空间组合方式已基本确立。
在本案的空间布局中,起始于校园入口处的景观大道一直延伸至教学区内,并放大形成中心景观广场,成为这个半围合空间的中心。五栋教学楼围绕中心景观广场形成半围合空间。其中,综合楼位于区域北侧正中,亦位于景观主轴之上,且建筑高度最高,体量最大,成为区域的核心建筑。其余四栋教学楼体量相当,造型相似,围绕中心景观广场展开,形成层次鲜明的区域空间。
3.2 教学楼建筑空间组合设计
教学楼作为教学区的最主要组成元素,它的空间形态设计应既满足使用功能需要,又与建筑群整体空间关系相互呼应,形成有机的空间群体。本案采用了独立式和庭院式两种空间组合形式。综合教学楼位于区域核心位置,且功能构成复杂、体量较大,采用独立式空间形态以突出它的核心地位,起到统领全局的作用。其余四栋教学楼均为独立学院,由各自学院的教学、办公用房构成,采用庭院式的空间形式较为有利。其中机电及汽车运用工程学院、电子信息工程学院及综合专业学院教学楼为内向型庭院,四面围合,靠近中心景观的一侧底层架空、部分开敞,将中心景观引入庭院当中。这样的空间组合设计既有利于形成独立空间,以供学院开展内部活动,又丰富灵活,与中心景观广场形成有机整体(电子信息工程学院建筑效果图见图1)。艺术学院位于综合教学楼西侧,为开敞式庭院布局。庭院中半透明的排练厅成为整个建筑的亮点。有别于其他教学楼的建筑形式,利于体现艺术学院的专业特殊性,展现独特的专业个性。
4 本方案空间组合设计特色小结
4.1 主次分明、结构清晰
本案教学区以中央景观轴线为核心,轴线上的中央景观广场是校园最大的开敞空间,各教学楼围绕中央景观广场展开。位于正中的教学综合楼采用独立式的空间形态,在体量上及高度上超过其他建筑,成为教学区的核心建筑。同时,四栋学院教学楼均采用庭院式布局,拥有自己的庭院空间,与中央景观广场相互呼应、有机结合。
4.2 丰富多样的交流活动空间
围合及半围合的组合方式在本案中被反复使用。多栋教学楼围合形成中央景观广场,四个学院教学楼又分别围合出各自的庭院空间。这些广场和庭院空间成为本方案空间组合的特色之一。它们有的内向,有的开敞,具有不同的空间体验,为师生提供了丰富多样的交流活动空间。
注:本论文所引用的案例是南京建筑工程学院建筑设计研究院设计的海安职业中心校规划设计方案,笔者是项目的主要参与人之一。
参考文献
[1]程大锦.建筑:空间、形式与秩序[M].天津:天津大学出版社2,008.
[2]彭一刚.建筑空间组合论[M].北京:中国建筑工业出版社,1998.
[3]宋泽方,周逸湖.大学校园规划与建筑设计[M].北京:中国建筑工业出版社2,006.
[4]周峰.大学校园教学组群空间形态设计研究[D].哈尔滨:哈尔滨工业大学,2007.
中心组合 篇3
在工程测量中, 内业资料计算占有很重要的比重, 内业资料计算的准确无误与速度直接决定了测量工作是否能够快速、顺利地完成。而内业资料的计算方法及其所需达到的精度, 则又直接取决于外业所用仪器及具体的放样目标和内业计算所用到的办公软件和计算方法。计算机辅助设计天正建筑、Excel, 如今在各个领域均得到了普遍的应用, 它大大提高了工程技术人员的工作效率。天正建筑的特性提供了测量内业资料计算的另外一种全新直观明了的图形计算方法, Excel特性是对外业观测数据进行平差。
结合我们现正使用的拓普康全站仪, 其可以很方便地进行三维坐标的测量, 通过天正建筑的内业计算, (1) 、在放样的过程中, 可以用卡西欧计算器编程 (CASIO fx-4800P) 结合全站仪, 非常方便地、快速地进行作业; (2) 、随着全站仪的推广和普及, 极坐标的放样越来越成为众多放样方法中备受测量人员青睐的一种, 而坐标计算又是极坐标放样中的重点和难点, 由于一般工程放样中的元素多为点、直线 (段) 、圆 (弧) 等, 故可以充分利用天正建筑的设定坐标系、绘图和取点的功能, 以及结合我们外业所用计算器的功能, 从而大大减轻我们外业的工作强度及内业的工作量。以省会文化艺术中心工程的一些实例来说明在工程测量中的应用。
2 工程概况
省会文化艺术中心大剧院工程, 其北临为在建地铁1#线配套设施预留工程, 西临腊山河东岸。由法国保罗安德路建筑事务所和北京市建筑设计研究院联合体负责设计, 整体设计理念为“黛青海蓝”, 建筑面积7.5万平方米, 按功能分为歌剧厅、音乐厅、多功能厅, 同期配套建设有南车库、市政配套设施 (地铁轨道预留) , 中心广场、北部商业高层等建筑。其中大剧院 (包括南车库+市政配套设施) 东西长267.9米, 南北宽233.2米, 歌剧厅最高点为+46.7米。结构形式为“钢筋混凝土框架-剪力墙结构+钢结构”, 屋面采用单层拱壳的钢结构形式, 工程重要性等级为一级。本工程±0.000=28.600m (绝对标高) 。
3 测量仪器的检定校正
测量仪器必须送当地法定计量检定机构检定, 每年检定一次。其中水准仪在使用过程中要进行自检, 检定方法如下, 把水准仪架到中间位置, 读出后视读数 (1.568m) , 读出前视读数 (3.749m) , 正确高差为=3.749-1.568=2.181m, 见图1。
把水准仪架到距后视1.5m处并读取读数 (1.599m) , 这时仪器照准前视, 并读取读数, 理论值为=正确高差2.181m+后视读数1.599m=3.780m, 如过大于或等于2mm, 就应该校正, 见图2。
水准仪的校正:打开水准仪目镜盖, 用校正针左右拧校正螺栓, 使前视读数等于3.781m或3.779m为合格。用相同的方法复测一次。
对准杆校正的校正:架两台经纬仪或全站仪整平后, 对准“对准杆”的下部, 固定制动螺栓, 视中轴向上对准棱镜下方, 指挥棱镜控制到1mm内, 此时圆气泡偏离中心, 把圆气泡调到中心位置即可。复测一次。见图3。
4 基准点复测
承包人在接到建设单位发出的桩位图及坐标、标高等数据并现场交桩后, 应在规定期限内自己进行复核检测, 检测过程中应进行旁站监理。如果没有错误且精度符合设计及施工的要求, 应书面表示正式接受桩位, 并负责以后的维护和使用, 如承包人对任一测量标志及数据持有异议时, 应向监理工程师提交一份书面报告, 列出认为有错误的桩点位置和修正数据。承包人的复核检测成果应上报监理工程师审核, 在监理工程师确认以前, 不得作为控制点使用。
5 现场布点
5.1 坐标引测
根据现场情况, 进行全站仪直接测坐标闭合导线观测, 观测完成后, 用ExceI编的平差软件进行总体平差。见表1。
5.2 数据处理
把平差后的坐标数据输入“天正建筑”, 随着工程的进行, 陆续加密了一些支导线点, 同样将坐标成果录入, 这样从真正意义上, 实现了坐标资料的数字化管理, 这也方便了以后的坐标管理, 具体地讲就是, 依据设计提供的结构关系, 在图中设立足够的施工坐标系 (以我们在外业放样中设站所需为准) 并保存之。在以后的工程应用中, 我们只需打开对应坐标系, 利用“坐标标注”命令点取我们需要的点, 其对应坐标也就出来了。见图4。
5.3 一级高程控制点引测
采用闭合水准路线观测, 见图5。由于场地高差不大, 采用水准仪闭合高程测量, 通过平差, 精度达到二等闭合水准测量, 闭合差为3mm, 闭合路线全长888.183m, 精度合格。见表2。
6 桩位坐标捕捉
根据图纸提供的坐标 (每一个单体至少有两个坐标点) , 进行方位角的计算, 可以通过CASIO fx-4800P编程计算或天正建筑输入已知坐标对图形进行旋转到正确的位置, 这样使用天正建筑的“坐标标注”命令进行逐点坐标捕捉, 我们就可以尽量直接利用全站仪的坐标放样功能, 将所需放样点的施工坐标输入全站仪, 正确操作就可以得到正确的所需点位了, 桩位测量误差控制在±10mm。见图6。
m
7 主体阶段施工测量
首先复测导线点的坐标和高程, 符合要求后对导线点引入楼层内, 作为内控点使用。
7.1 曲线放样
根据内控点架设全站仪对圆弧各进行放样, 误差控制在±3mm内, 放样点采用中心线向内偏移1m画一条线交两个轴线定点, 以这条线的中点向两侧每隔1.0米做垂线, 捕捉每一段的距离, 作为现场量距的依据。
全站仪极坐标放样完成后, 必须对该放样点进行校核, 校核的方法是:用全站仪“对边测量”功能校核, 误差控制在±3mm内。见图7。
7.2 二级高程控制点观测
一级控制点到二级控制点局部深度16m左右, 采用全站仪观测高程, 解决了高差大对观测带来的诸多不便, 方法是:设置仪器高和棱镜高为零, 用仪器的十字丝对准棱镜中心线, 用观测高差功能进行观测。计算方法:观测高程=已知高程-后视读数+前视读数, 通过平差, 精度达到二等闭合水准测量, 闭合差为2mm, 闭合路线全长313.366m, 精度合格。见表3。
8 钢结构
8.1 预埋螺栓放样
在内控点架设全站仪, 用极坐标法进行放样, 现场校正各点偏差控制到±3mm内。见图8。
8.2 平面坐标确定
定位坐标值的准确与否将直接影响安装质量, 我们通过三维模型找出各关键点的空间坐标。方法是:先整体, 后局部的原则, 根据图纸提供的两点坐标, 用“天正建筑”输入已知坐标对图形进行旋转到正确的位置, 用“坐标标注”命令进行逐点坐标捕捉。见图9。
m
注:加粗的数据为手工输入, 未加粗的数据为自动计算。
m
注:加粗为手工输入区, 未加粗为自动计算区
8.3 高程确定
设1号点Y轴的距离为0, 对1～12点用“天正建筑”进行逐点坐标捕捉, 捕捉后的X值为标高, Y值为水平距离。见图10。
8.4 三维坐标
通过图9和图10就确定了1～12号点的三维坐标。见表4。
在钢结构吊装前把预先准备好的能够粘贴的小棱镜贴到观测位置, 起吊后初步固定后, 对此点用2秒级全站仪进行三维坐标观测, 方法是:用全站仪“数据采集”功能对各点三维坐标采集, 采集后输入天正建筑确定偏差后, 现场校正各点, 偏差控制到±5mm内。
9 结语
工程技术的发展不断对测量工作提出新的要求, 同时, 现代科学技术和测绘新技术的发展, 给直接为经济建设服务的工程测量带来了严峻的挑战和极好的机遇。特别是全球定位系统 (GPS) 、测量机器人、天正建筑、Excel、卡西欧计算器编程在工程中应用, 使工程测量的手段、方法和理论产生了深刻的变化。大力开展数字化测绘技术的应用将是施工单位提升自身竞争实力和创造经济效益的首要任务。
摘要：目前全站仪三维坐标进行测量放样已普及, 坐标数据计算的方法各不相同, 如何更快更直观更准确的计算所需的坐标, 结合省会文化艺术中心大剧院工程曲线组合体结构测量实施, 提出了用天正建筑捕捉坐标、Excel平差、卡西欧计算器编程 (CASIOfx-4800p) 现场计算等方法快速提取测量数据。
关键词：曲线组合体,天正建筑,捕捉坐标,Excel平差
参考文献
[1]、中国国家标准化管理委员会.工程测量规范 (GB50026-2007) [S].北京:中国标准出版社, 2008.
[2]、李秀江.测量学[M].北京:中国林业出版社, 2007.
[3]、周秋生, 郭明建.土木工程测量[M].北京:高等教育出版社, 2004.