机电专业一直以来都是我国非常重视的一门课程，同时也是很多人都比较喜欢的专业，随着现在工业的发展也是让机电行业得到了更好的运用，本文就整理了关于机电方面的论文，来供大家借鉴参考。
第1篇：利用形式化方法的机电系统概率失效模式及影响分析
杨培林，侯翌，徐凯，贾焕如
(西安交通大学机械工程学院，710049，西安)
摘要：针对传统的失效模式及影响分析中依靠领域专家分析判断系统单元失效与系统故障之间的关系，分析烦琐、容易出错且难以计算故障概率的问题，将形式化技术引入机电系统失效模式及影响分析中，提出了基于概率模型检测的机电系统概率失效模式及影响分析方法。基于机电系统中的状态变迁，研究了机电系统行为过程的随机模型及其形式化表达，建立了面向概率失效模式及影响分析的系统形式化随机模型；基于连续随机逻辑对系统的潜在故障进行了形式化规约，构建了潜在故障的概率形式化规约表达式；利用概率模型检测器对系统的随机模型和潜在故障进行形式化验证，从而辨识单元失效与系统潜在故障之间的关系，并自动计算单元失效所导致的系统故障概率，提高了失效模式与影响分析的准确性和效率。该方法不仅可以借助概率模型检测迅速准确地识别单元失效与系统潜在故障之间的因果关系，还可以自动计算系统故障概率。将该方法应用于数控机床进给系统，成功辨识出了限位开关失效所导致的系统故障并计算出了故障概率，从而验证了方法的可行性。
关键词：机电系统；失效模式及影响分析；概率失效模式及影响分析；概率模型检测；可靠性评价
随着机电系统的集成度和复杂程度越来越高，系统的可靠性和安全性问题日显突出。由于机电系统的高度集成与强耦合，系统单元的失效不仅会降低系统的可靠性，还可能引发严重故障，造成巨大损失，因此在机电系统的设计过程中，应及时对所设计的系统进行失效模式及影响分析(failuremodesandeffectsanalysis，FMEA)。若在FMEA过程中能同时计算出单元失效所导致的系统故障概率，则称为概率FMEA[1](PFMEA)。PFMEA是后续系统风险评估和致命度计算的基础，对机电系统的可靠性评价具有十分重要的作用。
传统FMEA在实施时很大程度上依赖专家经验，工作量大，效率低，且无法获得单元失效所导致的系统故障概率。为此，很多学者对FMEA进行了研究，以改善其分析效果，包括：①计算机辅助FMEA[2-4]，主要是通过表格自动填写来辅助人工完成FMEA；②基于定性推理[5-7]和定量推理[8-10]的FMEA方法，通过对系统组成单元因果行为的描述或通过数字仿真软件对每个潜在故障的仿真分析，实现FMEA自动化；③基于功能模型的FMEA[11-13]，通过系统的功能角色模型，利用定性代数理论对系统的故障传播进行推理，以实现FMEA自动化。
以上研究尽管使FMEA的分析效率得以提高，但单元失效所导致的系统故障仍需依赖领域专家来确定，且无法计算单元失效所导致的系统故障概率。
概率模型检测是传统模型检测技术的扩展[14]，是自动验证随机模型是否满足预期性质的一种形式化技术。概率模型检测不仅能够验证系统性质的正确性，还能够自动计算系统性质成立的概率，具体包括形式化建模、形式化规约和形式化验证3个环节。本文将形式化技术引入机电系统FMEA，建立了机电系统的形式化随机模型及潜在故障的概率形式化规约，利用概率模型检测器自动辨识单元失效与系统潜在故障之间的关系，并自动计算单元失效所导致的系统故障概率，实现了基于形式化方法的机电系统PFMEA。
1机电系统形式化随机模型的建立
1.1机电系统的状态变迁
依据机电系统设计过程中功能、行为及状态之间的映射关系[15-16]，机电系统的功能可用功能载体的一系列状态变迁来表示。从状态变迁的角度，可将机电系统的功能执行过程看成离散事件动态系统。在状态变迁离散事件动态系中，“事件”是驱使系统状态变迁的原因，同时状态变迁又会产生新的“事件”。机电系统的功能执行过程是一种事件驱动下的状态变迁过程。例如，某系统中控制器发出“启动电机”指令是一种事件，该事件驱使电机由“停止”状态变为“旋转”状态，并产生新的事件“电机旋转”，这一新事件又会驱使与之连接的丝杠由“停止”状态变为“旋转”状态，如图1和图2所示。图中用“!”表达“事件的发生”(发送消息)，用“？”表达“事件对状态变迁的驱动”(接收消息)。
图1电机的状态变迁过程
图2丝杠的状态变迁过程
当考虑系统单元的失效时，状态变迁模型中还要考虑单元从正常状态向失效状态的变迁。例如，某传感器在正常情况下有“低电平”和“高电平”2种状态，在考虑故障时还会有“故障”状态，若分别用“00”“01”和“1”表示这3种状态，则传感器的状态变迁过程如图3a所示。
(a)3种状态变迁(b)2种状态变迁
图3传感器的状态变迁过程
若不关注传感器正常情况下“00”与“01”之间的状态变迁，可将“00”和“01”2个状态合并，合并后的状态用“0”来代表，表示传感器处于正常状态。这时，图3a所示的状态变迁可简化为图3b所示的状态变迁，它反映了传感器在“正常”状态与“故障”状态之间的变迁过程。
机电系统各个单元状态的组合构成了系统的状态空间。若系统有n个单元，各单元的状态用集合Si(i=1，2，…，n)表示，则在各单元状态独立的情况下，系统的状态空间S=S1×S2×…×Sn。若单元状态不独立，则应从状态空间里剔除不合理的系统状态，例如2个单元在某种状态会出现碰撞，就应把对应的系统状态去除。机电系统的正常运行过程表现为状态空间中各状态之间的变迁过程。
1.2状态转移率
机电系统在实际运行过程中，外部环境往往包含不确定性，导致机电系统的行为过程也具有一定的不确定性，例如，由于数控加工中心加工不同的工件时会有不同的加工工艺，导致其行为动作、运动速度、行程等相关工艺参数会随工件的不同而发生变化。因此，从统计学意义上讲，在机电系统的寿命周期内，机电系统行为过程中的状态变迁具有随机特性，可以认为状态变迁时间服从指数分布，并用状态变迁时间的数学期望T的倒数来表达状态转移率λ，即
另一方面，当考虑系统单元的失效时，状态变迁模型中还要考虑单元从正常状态向失效状态的变迁。单元失效时间通常按指数分布规律处理，这时的状态转移率即为单元的失效率。
由此可见，机电系统运行过程中状态(包括失效状态)之间的变迁可用连续时间马尔科夫过程(continuoustimeMarkovchains，CTMC)来描述，即可利用CTMC来建立机电系统的随机模型。
1.3形式化随机模型的建立
为了利用模型检测进行PFMEA分析，需要借助模型检测器提供的形式化建模语言对基于CTMC的机电系统随机模型进行形式化描述，建立机电系统的形式化模型。本文采用概率模型检测器(probabilisticsymbolicmodelchecker，PRISM)[17]提供的反应式模块形式语言来实现对机电系统随机模型的形式化表达。
PRISM建模语言所描述的模型由模块(modules)组成[18]，模块包括状态变量和守卫(guard)命令。模块通过如下方式定义：
modulename…endmodule
守卫命令由守卫(guard)和更新(update)组成，命令的形式为
[]guard->rate_1：update_1+…+rate_i：
update_i
其中：guard描述状态变迁需要满足的条件；update_i为状态变量的更新结果；rate_i为状态变迁(状态变量更新)过程中的状态转移率；方括号[]中可写入执行(action)标记，具有相同执行标记的命令是同步执行的。
例如对图1和图2所示的状态变迁，用PRISM可建立如下的形式化模型：
modulemotor∥电机模块
m：[0..1]init0；∥电机状态变量，0静止，1转动
[motor_on]m=0->rate：(m′=1)；∥电机由停止到旋转
[motor_off]m=1->rate：(m′=0)；∥电机由旋转到停止
endmodule
moduleballscrew∥丝杠模块
b：[0..1]init0；∥丝杠状态变量，0静止，1转动
[motor_on]b=0->1(b′=1)；∥丝杠由停止到旋转
[motor_off]b=1->1(b′=0)；∥丝杠由旋转到停止
endmodule
利用以上方法建立的机电系统状态变迁模型称为机电系统面向PFMEA的形式化模型(formalmodelforprobabilisticFMEA，FMPF)。机电系统中单元i产生失效模式j，而其他单元正常时所构成的形式化模型用FMPFij表示，反映单元i产生失效模式j时机电系统的状态变迁过程。
2潜在故障的概率形式化规约
机电系统的潜在故障往往是因系统单元处于某种失效状态导致的，潜在故障可用系统单元的状态组合来表示。例如，在数控机床中，当刀具的位置状态为p且工件的位置状态为q时，机床将会产生碰撞，这一潜在故障可表示为“刀具处于位置状态p且工件处于位置状态q”。
利用PRISM进行模型检测时，潜在故障就是待验证的系统行为，因此需要将潜在故障通过概率时序逻辑公式进行形式化规约。对基于CTMC的形式化模型，PRISM用连续随机逻辑(continuousstochasticlogics，CSL)[19]规约系统行为，因此本文对机电系统的潜在故障用CSL进行形式化规约。例如，对前述碰撞这一潜在故障，可用CSL规约为
P=？[F<=ttool=p&workpiece=q]
(1)
式(1)表示t个时间单位内机床发生碰撞故障，即刀具(tool)处于状态p并且工件(workpiece)处于状态q的概率。
基于上述规约方法，可以对机电系统任一可能的潜在故障建立其相应的概率形式化规约表达式，本文用FS(formalspecification)表示。
3基于概率模型检测的PFMEA
在建立了机电系统的形式化随机模型FMPF和潜在故障的概率形式化规约FS之后，即可用概率模型检测器(PRISM)进行形式化验证。对于形式化模型FMPFij，利用PRISM验证某一潜在故障的概率形式化规约FSk，就可获得在单元i出现失效模式j时系统出现故障k的概率，依此方法即可辨识单元失效与系统故障之间的关系，并能计算故障出现的概率，从而实现机电系统的PFMEA，如图4所示。
图4基于概率模型检测的机电系统PFMEA
4实例分析
图5为某数控机床Y、Z轴进给系统的结构简图，其中Y、Z轴电机带动工作台移动，限位开关检测并反馈Y、Z轴工作台的位置信息，数控系统控制电机的运动及停止。进给系统的干涉区域如图6所示，当Y、Z轴运动到干涉区时，B轴工作台与主轴发生干涉(即碰撞)，为此进给系统不但配备有极限限位开关(防超程)，还配备有干涉区限位开关(防干涉)。限于篇幅，这里对进给系统进行了必要的简化，例如忽略了进给系统中的传动机构，但这并不影响本文方法的验证。
图5某数控机床进给系统的原理结构图
图6进给系统干涉示意图
4.1进给系统的形式化随机模型
本实例主要关注极限开关失效和干涉区开关失效对系统的影响，因此系统形式化随机模型主要包括功能正常条件下Y、Z轴工作台，Y、Z轴伺服电机和数控系统的形式化模型，以及失效情况下限位开关(极限开关和干涉区开关)的形式化模型。
Y轴工作台的状态包括“上极限”“干涉点”“下极限”，Z轴工作台的状态为“后极限”“干涉点”“前极限”。对Y、Z轴工作台，根据状态变迁过程用PRISM建立的形式化随机模型如下：
modulewby∥Y轴工作台
wby：[0..2]init0；∥Y轴工作台状态变量，0上极限，1干涉点，2下极限
[]wby=0&(wbz=0|wbz=1)->rate1：(wby′=1)；
[]wby=1&wbz=0->rate1：(wby′=2)；
[]wby=2&wbz=0->rate1：(wby′=1)；
[]wby=1->rate1：(wby′=0)；
endmodule
modulewbz∥Z轴工作台
wbz：[0..2]init0；∥Z轴工作台状态变量，0后极限；1干涉区；2前极限
[]wbz=0&(wby=0|wby=1)->rate1：(wbz′=1)；
[]wbz=1&wby=0->rate1：(wbz′=2)；
[]wbz=2&wby=0->rate1：(wbz′=1)；
[]wbz=1->rate1：(wbz′=0)；
endmodule
由于进给系统干涉区的存在，在正常状态下Y、Z轴工作台的运动不是独立的。例如，当Z轴工作台处于状态“前极限”时，Y轴工作台不能处于状态“干涉点”；当Y轴工作台处于状态“下极限”时，Z轴工作台也不能处于状态“干涉点”，如图7所示。在上面的形式化模型中，工作台状态之间的这种相互制约关系通过守卫条件来表示，例如模型中[]wby=0&(wbz=0|wbz=1)->rate1：(wby′=1)表示只有当Z轴工作台处于“后极限”或“干涉区”状态时，Y轴工作台才能从“上极限”变迁到“干涉点”。
图7进给系统原理示意图
对于进给系统中的限位开关，正常情况下是在“低电平”和“高电平”2种状态之间变迁，在考虑失效后可表示为“正常”状态与“故障”状态之间的变迁，见图3。本例中的限位开关考虑“总是高电平输出”(模式1)和“总是低电平输出”(模式2)2种失效模式。对上极限开关，考虑失效模式1时的形式化模型如下：
modulets∥上极限开关
ts：[0..1]init0；∥状态变量，0正常状态；1失效模式1
[]ts=0->rate2：(ts′=1)；
endmodule
同理，可得其他限位开关及系统中Y轴伺服电机、Z轴伺服电机等单元用PRISM描述的形式化随机模型，限于篇幅不再列出。
4.2进给系统故障的CLS规约
本实例关注的潜在故障如下：
(1)Y轴工作台到达上极限位置时Y轴电机继续运转，即Y轴上超程；
(2)Y轴工作台到达下极限位置时Y轴电机继续运转，即Y轴下超程；
(3)Z轴工作台到达前极限位置时Z轴电机继续运转，即Z轴前超程；
(4)Z轴工作台到达后极限位置时Z轴电机继续运转，即Z轴后超程；
(5)Y轴工作台和Z轴工作台都到达干涉区时，Y轴与Z轴电机未全部停运，即主轴箱与B轴工作台产生碰撞。
以上5种潜在故障对应的CLS表达式如下：
FS1：P=？[F<=twby=0&motory=0]∥Y轴工作台“上极限”且Y轴电动机“运转”
FS2：P=？[F<=twby=2&motory=0]∥Y轴工作台“下极限”且Y轴电动机“运转”
FS3：P=？[F<=twbz=0&motorz=0]∥Z轴工作台“后极限”且Z轴电动机“运转”
FS4：P=？[F<=twbz=2&motorz=0]∥Z轴工作台“前极限”且Z轴电动机“运转”
FS5：P=？[F<=twby=1&wbz=1&(motory=0|motorz=0|(motory=0&motorz=0))]∥Y、Z轴工作台“干涉点”且Y、Z轴电动机至少有一个“运转”
4.3利用PRISM进行模型检测
在上述进给系统的形式化随机模型和潜在故障的CLS表达式中，设定工作台的状态转移率rate1为(30min)-1，极限开关的失效率rate2为(10a)-1，CLS中的时间t为3a。利用PRISM对不同失效模式下的形式化随机模型和5种潜在故障进行概率模型检测，可获得各种潜在故障出现的概率，结果如表1所示，其中：0表示相应单元的失效不会导致该系统故障(故障概率为0)；不为0的数字表示相应单元的失效单元可能导致系统故障及其出现的概率。
表1概率模型检测结果
从表1中可看出：各种极限开关以及干涉区开关以失效模式1失效时，不会导致5种潜在故障的产生；当开关出现失效模式2时，有可能导致故障出现。这是因为失效模式2表现为低电平，不会发出报警信号(高电平)，从而导致了潜在故障的产生。
从表1中还可以看出：Y轴上极限开关失效导致故障1的概率略大于下极限开关失效导致故障2的概率；Z轴后极限开关失效导致故障4的概率略大于前极限开关失效导致故障3的概率。这是由于Y、Z轴工作台存在干涉区(见图7)，Y轴工作台处于上极限和Z轴工作台处于后极限的概率大于各自处于下极限和前极限的概率所致。
5结论
本文利用概率模型检测这一形式化方法的基本思想，根据机电系统运行过程的状态(包括正常状态和故障状态)变迁建立面向PFMEA的形式化随机模型，对系统的潜在故障进行概率形式化规约，然后借助概率模型检测工具PRISM对系统随机模型和潜在故障进行形式化验证，从而辨识单元失效模式与系统故障之间的关系，并自动计算单元失效所导致的系统故障概率，实现了基于形式化方法的机电系统PFMEA。
(1)机电系统运行过程中状态之间的变迁可用连续时间马尔科夫过程CTMC来描述，即可利用CTMC建立机电系统的随机模型，并可用PRISM建模语言进行形式化表达。
(2)机电系统的潜在故障可以通过连续随机逻辑CSL进行形式化规约，利用基于CSL的概率形式化规约表达式可以计算系统故障发生的概率。
(3)本文提出的PFMEA方法基于概率模型检测，是一种形式化方法，该方法不仅可以借助概率模型检测迅速准确地识别单元失效与系统潜在故障之间的因果关系，还可以自动计算系统故障概率，从而可为后续机电系统风险评估和致命度计算奠定基础。
第2篇：基于BIM的机电安装工程质量管理
熊超华，骆汉宾(华中科技大学土木工程与力学学院，湖北武汉430074)
摘要：利用建筑信息模型BIM实现复杂机电工程安装过程高效质量管理的潜力已经得到验证，然而BIM质量管理模式下对数据采集不及时和不准确的缺陷却极大阻碍了其在施工现场的应用。因此，本文在既有BIM施工质量管理模型的基础上引入了手持设备，利用手持设备实现机电工程安装过程中质量数据的动态采集以及与BIM的质量信息交互，最终结合手持设备在既有BIM施工质量管理模型基础上开发了机电安装工程的施工现场质量管理系统。选择某能源站项目进行应用，结果表明结合手持设备的施工现场质量管理系统能够提高机电工程安装过程的质量管理水平，实现了对机电工程施工现场质量信息的实时获取和质量信息的高效管理。
关键词：建筑信息模型；手持设备；机电安装工程；质量管理
目前我国大型复杂工程建设规模不断增加，随之需要面临越来越庞大和复杂的机电管线系统建设压力。与此同时，施工质量问题导致人身、财产受到威胁的情况屡见不鲜[1，2]，因此针对复杂机电管线系统，其施工质量的控制与管理已经成为项目能否成功完成的关键部分。由于建设工程项目自身所特有的一些属性，往往工程项目施工周期长，而施工过程中的约束条件和不确定因素也较多[3]。机电安装工程作为土木工程建设过程中的重要组成部分，这些特性也同样存在。正是由于机电安装工程存在的这些特征，使得机电工程在安装过程中往往出现所需遵守的规范繁杂，并且不易查询[4]；对机电安装工程往往重视结果而不重视过程；出现质量问题，权责界定不清晰等现象[5]。这些问题的存在使得机电工程质量管理难度大，从而导致质量事故以及用户不满意的情况频繁发生。
根据上述机电工程质量事故成因分析，不少学者开始探索引入新技术、新工具来提升质量管理流程，进而减少质量事故的发生[6～8]。然而，这些研究并没有充分利用到设计和施工过程中的信息，陈丽娟[9]提出了基于BIM(BuildingInformationModeling)的POP(Product、Organization、Process)施工质量管理模型，通过POP数据结构的建立，将施工任务的施工产品(Product)、责任人(Organization)、施工产品过程(Process)界定清晰，从而最大限度确保施工质量的可控。然而，由于BIM模型操作依赖于高性能计算机，因此大部分数据的产生和获取被限制在室内条件下，计算机条件下的BIM在施工现场可操作性差，极大地阻碍了BIM在施工现场的应用[9]。因此亟需一个便携设备用于现场信息采集、传递和后台数据推送媒介。随着智能手机的普及和发展，目前智能手机大部分配备有触摸屏、摄像头、GPS等各类传感器装置，通过这些装置，可实现快速的信息收集并随时进行可视化展示。文中将手持设备和BIM模型相结合，以手持设备作为前台数据采集端口，而BIM则作为后台施工信息管理端口，并实现前台数据采集和后台数据管理的信息交互，实现对机电工程施工质量的全过程管控。
通过分析现有机电安装工程质量管控流程，发现其中存在的缺陷，而为了弥补其中的缺陷必须要引入信息技术实现对施工质量信息的动态采集。因此本文在既有BIM施工质量管理模型的基础上引入了手持设备，创建了质量管理方法新模式，改变了质量管理的业务流和数据流，充分发挥了手持设备携带方便，操作简单的特点。与此同时，也能弥补基于BIM的施工质量管理模式对数据采集不及时和不准确的缺点。最后，该系统在某国博分布式能源站项目中进行了实际应用。
1机电安装工程质量管控模式优化
1.1机电安装工程质量管控现状
机电工程相较于土建工程存在一些区别和差异：(1)机电安装涉及专业种类众多，且各专业知识基础差异很大；(2)机电工程的施工首先要配合土建工程进行预留、预埋施工，而后要配合装饰施工，工程协调困难；(3)机电安装的所需质量检测方式多，对质量控制精度要求较高。通过分析机电工程质量管控的特点，可以发现其质量管控难度较大。
目前，机电工程质量管控普遍由施工方和监理方工程师负责，工作方法粗糙[10]。由于缺乏信息化技术的介入，传统的监理模式对监理工程师本身的主观判断过分依赖。而另一方面，由于机电工程的特点使得其对质量控制要求比较高。因此，这样的形势直接导致了机电工程安装质量往往达不到设计要求，而机电工程施工质量控制各阶段信息也处于碎片状态，使得机电工程施工质量处于失控状态。
检验批是工程验收的最小单位，也是分项、分部及单位工程验收的根据。因此，在机电工程施工过程质量控制中，往往通过对各检验批的有效控制，从而达到全面控制施工质量的目标。施工现场检验批质量验收流程如图1所示。可见，在检验批质量验收过程中监理单位占据了很重要的地位。然而，由于缺乏信息化技术的介入，传统的监理模式对监理工程师本身的主观判断过分依赖。因此在质量管理过程中要求监理工程师专业水平高、综合素养好、责任心强，才能够对施工现场实施有效管控和监督，反之，则很容易在质量监管过程中出现管理漏洞。因此，对于重大工程、复杂工程、高风险工程，传统的监理模式就显得捉襟见肘。
1.2基于手持设备的机电安装工程质量管理
如上文所述，为了更好更全面的描述工程质量参与主体、产品质量要求及施工过程等三个因素，陈丽娟[9]引入了三维POP质量数据结构，如图2所示。POP模型将3D建筑产品模型与过程和组织三个因素结合起来，为可视化设计、施工建立了信息更加联动的质量模型。相对于传统方法来说，这种建模方法能更好的支持机电安装工程质量控制与管理。
而利用BIM则能够将POP质量控制信息集成到实体对象中，真正实现了虚拟世界和真实世界1∶1对应的关系，如图3所示。因此，最终构建了基于BIM的POP施工质量管理模型，从而最大限度确保施工质量的可控。对项目各参与方，依托BIM质量管理模型，可以准确的记录质量信息，结合相应的文字信息、图片、视频等信息，有效提升现场施工质量记录准确度。在BIM的辅助下，在三维模型中准确直观地指出质量管理的对象，大大提升了信息传递互动的准确性和效率，并且能够全面有效地获取相关质量信息，清楚地掌握到工程整体情况。
而在建筑工程施工阶段，由于施工现场的环境比较复杂、影响因素多，而且施工环境是动态变化的，手持设备这样便携式移动终端越来越多地被应用于施工现场管理中。而针对BIM条件下质量管理过程中存在质量信息收集不及时和不准确的问题，在现有BIM质量管理模式的基础上，结合手持设备的应用则能够很好地予以弥补。如图4所示，基于手持设备和BIM提出了施工现场质量管理的新模式。其中手持设备的应用可以实现施工现场质量信息的现场取证，提升质量信息采集的准确性和效率，极大程度地避免了现场工程师质量管理的随意性和自由裁量权。在质量管理新模式的基础上，开发了基于手持设备和BIM施工现场质量管理系统。
2机电安装工程质量管理系统
2.1系统结构模型
施工现场质量管理系统结构模型如图5所示，由移动端、服务器端和以及BIM数据库3部分构成。用户利用移动端设备在施工现场电子取证，采集施工质量信息，服务器端作为移动端与BIM数据库的数据接口传递质量取证信息，数据库为BIM模型数据库。用户在下图所示结构模型中能够利用移动设备对施工现场施工质量信息进行电子取证，并且可以通过服务器端与后台BIM模型进行数据传递和更新，据此可以对整个工程质量验收相关信息进行电子化管理，提高施工质量验收及质量验收数据管理的效率。
2.2系统功能模型
施工现场质量管理系统功能根据应用场景的不同主要分为前台现场取证与后台数据管理。前台数据采集是指用户利用手持设备在质量验收过程中对现场质量相关信息进行采集的过程，而后台数据管理主要是指用户利用后台BIM模型对质量验收信息进行高效管理的过程，如图6所示为系统功能模型。
2.2.1前台现场取证
借助现场工程师熟悉施工现场各个环节的优势，通过施工现场取证的工作手段，把施工过程中重要的隐蔽工程和工艺过程进行“证据保全”，利用现代信息网络平台，通过移动终端，第一时间上传“取证结果”，将施工工艺、过程图片等信息知会相关方，实现工程建设相关部门、人员对工程项目管理的联防联控，确保设计标准、工程质量和施工安全。以管道标高检测为例，在取证过程中通过手持设备可以记录取证过程，并记录取证时间和取证人员，确保施工现场获取质量信息的真实准确，如图7所示为利用手持设备现场取证示例。
2.2.2后台数据管理
对于质量取证信息的管理，由于涉及到大量的图片以及文本信息，必须借助于后台主机进行管理。依据质量控制点信息结构化列表，能够实现前台质量取证信息与后台BIM模型构件之间的关联。因此，工程师通过手持设备获取的质量取证文本和图片信息能够在上传至后台服务器时自动与相应BIM模型构件绑定，最终能够有效实现项目质量验收取证信息的数字化管理。
质量控制点是为保证工序质量而确定的重点控制对象、关键部位或薄弱环节，是进行质量管理的基本前提工作。为了实现前台质量取证信息与后台BIM模型构件之间的关联必须要对质量控制点进行结构化处理，如表1所示为机务工程管道质量控制点结构化列表示例。
3系统应用实例
武汉国博分布式能源站项目为燃气三联供系统的能源站(含燃机间、锅炉间、制冷机房、水泵房、冷却塔等)，场地面积约7100m2，位于停车场地下负一层。整个项目由于涉及管线部分构成十分复杂，项目位于地下室，空间场地非常有限。因此根据武汉国博分布式能源站项目实际情况，施工现场质量管理系统主要侧重于施工现场电子取证，质量验收数据管理。下面以项目实例详细介绍施工现场质量管理系统在该项目中的应用情况。
3.1施工现场电子取证
手持端系统设计如图8所示，该系统界面包括用户登录、项目选择、取证指南、信息录入、取证列表以及取证信息。用户在登录手机端系统之后，选择需要取证的项目并且根据取证指南进行现场信息的采集，在录取取证信息之后可以查询已完成取证项目，并且可以查询每一个取证项目的具体信息。
现场工程师通过手持设备可以有效采集施工现场的信息或是对现场工程质量验收等，并将信息进行上报。同时，手持设备也可以作为一个信息获取工具，后台相关资料也可以上传到施工现场人员的手持设备中。从而实现了施工现场场内和场外信息的有效沟通。通过手持设备对施工现场的电子取证能够实现对质量控制点的一键验收，提供及时的工程信息反馈。
3.2质量验收数据管理
对于分布式能源站质量取证数据的管理，由于涉及到大量的图片和文本信息，必须借助于后台主机进行管理。依据质量控制点信息结构化列表，能够实现前台手持采集数据与后台BIM模型构件之间的关联。因此，工程师通过手持系统获取的质量取证文本和图片信息能够在上传至后台服务器时自动与相应BIM模型构件绑定，最终有效实现项目质量验收取证信息的数字化管理。
如图9所示为后台质量取证信息BIM管理平台。图9a所示为分布式能源站BIM模型，并且依据结构化之后的质量控制点对其进行了切分。因此用户在选中质量控制点关联的BIM构件之后(如图9b所示)，后台用户可以实时获取该构件质量验收数据，包括现场验收图片、验收人员、验收时间以及验收结果等(如图9c所示)。通过BIM模型对质量验收数据的管理，能够帮助用户快速掌握工程项目质量管理状况。
4结语
通过对机电安装工程质量管理模式的充分调研，并针对施工现场质量管理的特点、管理人员的需求，应用移动计算技术和BIM技术，建立了基于手持设备和BIM的施工现场质量管理新模式。此外，在此基础上开发了基于手持设备和BIM的施工现场质量管理应用系统，并在武汉国博分布式能源站项目中进行了应用，提高了项目管线施工现场质量管理水平，实现了对工程项目管线施工现场质量信息的实时获取和高效管理。