綜合體建筑弱電智能化工程設計

馬 云

（煙臺業達智慧城市運營科技有限公司，山東 煙臺 265300）

1 工程概況

山東省煙臺市某城市綜合體開發項目位于城市東南角HD-2020-MCE2地塊，設計為集城市商業、辦公和居住的片區圈層，總建筑面積約115 380.95 m2，涉及居民住宅樓8棟，按E1～E8進行編號，其中E1棟、E3棟樓高為20層，其余樓棟樓高28層，層高均為3.0 m；公寓1棟，樓高為30層，每層5.5 m；商業辦公樓（LOFT）1棟，樓高25層，每層3.2 m；商業裙樓2棟，涉及業態包括餐飲、娛樂、零售以及影院等。

2 建筑弱電布線目標函數的建立

建筑弱電布線問題可以認為是最優線路求解問題，通過建立以經濟指標、功能指標、結構指標以及安全指標等目標函數，并按照一定的計算約束條件，進行求解。與一般的最優路線求解不同，建筑弱點布線約束條件具有專業特殊性，在建筑內的布線回路可以認為其起點是不確定的，而其重點都是固定的配電箱，弱電回路在建筑內的布置不能與墻體產生穿越交叉沖突，與窗口、其他管線預留孔洞等不能產生障礙，其敷設的路徑也盡量緊貼墻面，在走廊和過道中則按照固定的排架和掛件進行布設，布設的線路也盡量保證平直無彎角，使施工更便捷[1-2]。

為此，研究建筑弱電布線的問題是可以將線路的總耗線長度S最小為目標函數，使所有的弱電回路的經濟性目標達到最小[3]。假設建筑中分布有n個照明燈具pi，組成建筑中的照明燈具系列P={p1，p2，p3，……，pn}，任意2個燈具之間的距離l（pi，pi+1），可以用其空間坐標（xi，yi，zi），（xi+1，yi+1，zi+1），如公式（1）所示。

式中：l（pi，pi+1）為任意2個燈具之間的距離；xi，yi，zi為照明燈具pi的空間坐標；xi+1，yi+1，zi+1為照明燈具pi+1的空間坐標。

照明燈具系列的總耗線長度S如公式（2）所示。

式中：S為耗線長度；n為燈具數量。

在求解目標函數公式（2）時，弱點回路應服從的約束函數包括彎頭總數w最少，任意取3個相鄰燈具節點pi-1，pi，pi+1，中間燈具節點與前后2個燈具節點的夾角可以通過幾何空間坐標進行求解，如公式（3）所示。

照明燈具系列的彎頭總數w如公式（4）所示。

3 基于MATLAB軟件的建筑弱電布線目標函數求解

3.1 建筑弱電布線三維模型的建立及目標函數的求解過程

基于上述目標函數，以項目中的商業辦公樓（LOFT）為例，運用基于Auto CAD 圖形編輯軟件開發的VISUAL LISP工具建立樓層三維模型。VISUAL LISP工具中預留了程序接口，可以直接調用數學矩陣工具箱MATLAB程序，用于求解目標函數。MATLAB程序求解目標函數過程采用軟件內嵌的混合粒子群算法計算包[3-4]，具體的計算流程如圖1所示，在得到弱電線路的最優路徑后，提取坐標信息并導入Auto CAD 圖形編輯軟件中，形成可視化的線路空間三維圖像。

提取商業辦公樓（LOFT）樓層中的房建幾何尺寸信息，并統計房建中的照明用具熟練和插座數量，見表1。在Auto CAD 圖形編輯軟件中輸入各個房間的坐標信息，生成平面圖形，隨后導入樓層的門窗尺寸和坐標信息，構建三維建筑模型。按照圖1的流程設定混合粒子群算法（LWF）的計算種群規模為150，種群進化次數200次，并以同樣的種群規模和種群進化次數分別采用常規遺傳算法（GA）和改進遺傳算法（OWF）進行結果對比，以分析3種計算方法的適應性。

表1 建筑三維模型參數

3.2 建筑弱電布線目標函數的求解結果分析

采用混合粒子群算法（LWF）、常規遺傳算法（GA）和改進遺傳算法（OWF）3種不同方法分別求解目標函數的算法訓練過程，如圖2所示。從圖2（a）中可以看出，在照明用具的算法訓練中，3種算法的訓練過程中，適應度值均在初始階段迅速下降，以較快的速度趨于穩定收斂。采用改進遺傳算法（OWF）以最少的迭代次數（約10次）次得到最優適應度，但該方法得到的結果并非是全局最優，陷入了局部最優解的困局且無法逃逸，采用常規遺傳算法（GA）在迭代30次后得到最優適應度，與混合粒子群算法（LWF）和改進遺傳算法（OWF）相比，都需要較大的迭代次數，相對來說，混合粒子群算法（LWF）迭代次數較少（約15次），得到全局最優。

從圖2（b）中可知，在插座的算法訓練中，3種算法的訓練過程中，適應度值均在初始階段迅速下降，以較快的速度趨于穩定收斂，且改進遺傳算法（OWF）、混合粒子群算法（LWF）的適應度值下降速率明顯比常規遺傳算法（GA）的適應度值快。采用常規遺傳算法（GA）在迭代21次后得到最優適應度，但是該方法得到的結果不是全局最優，陷入了局部最優解的困局，采用改進遺傳算法（OWF）、混合粒子群算法（LWF）可以在相同的迭代次數（約3次）得到全局最優。

圖2 不同計算方法的目標函數算法訓練計算過程

圖3為采用混合粒子群算法（LWF）、常規遺傳算法（GA）和改進遺傳算法（OWF）3種不同方法得到的辦公室BGS1弱電回路對比。從圖中可以看出，3種方法得到的照明用具回路、插座回路均沒有出現交叉重疊、線路冗余的現象，說明3種方法都可以應用于建筑弱電線路的智能化布設。通過辦公室BGS1插座回路路徑的求解可知，其都可以得到最優線路，計算得到的總彎角為6個，而在辦公室BGS1照明用具回路路徑的求解中，3種方法得到的最優路徑結果不同，改進遺傳算法（OWF）得到的彎折點8個，常規遺傳算法（GA）得到的彎折點9個，混合粒子群算法（LWF）得到的彎折點最少，彎折點數為4個，表明采用混合粒子群算法（LWF）可以得到最優的照明用具回路路徑，其迭代步驟也存在優勢，應用其在建筑弱點布線中具有明顯優勢。

圖3 不同計算方法得到的BGS1弱電回路

以照明系統為例，對建筑樓層內所有房間的照明用具弱電線路進行計算，可以得到最終的計算結果如圖4所示。從圖中可以看出，所有房間的弱電線路直觀立體、布線效果符合設計和規范的要求，弱電線路滿足總耗線量最小的要求，符合線路排布的約束條件，且美觀整齊，易于施工。所確定的計算方法符合智能化的工程設計要求，減少人工勞動力，為復雜綜合體建筑弱電智能化工程設計提供了良好的算法。

圖4 建筑樓層內所有房間的照明系統線路布局結果

4 結論

該文以山東省煙臺市某城市綜合體開發項目弱電線路布設為研究對象，建立總耗線長度的目標函數，通過基于Auto CAD圖形編輯軟件開發的VISUAL LISP工具建立樓層三維模型，采用混合粒子群算法計算最優線路路徑，并與常規遺傳算法和改進遺傳算法計算結果進行對比，得到以下3個結論：1）在照明用具弱電路徑和插座弱電路徑的算法訓練中，3種算法的適應度值均在初始階段迅速下降，以較快的速度趨于穩定收斂。2）與其他2種方法相比，混合粒子群算法可以在較少的迭代步驟下可以得到全局最優路徑，應用其在建筑弱點布線中具有明顯優勢。3）該文所確定的計算方法對所有房間的弱電線路進行排布，結果表明排布線路直觀立體、布線效果符合設計和規范的要求，弱電線路滿足總耗線量最小的要求，所確定的計算方法符合智能化的工程設計要求，減少人工勞動力。