预制构件吊装方案动态控制模型

Dynamic Control Model for Precast Components Hoisting Scheme

摘要

预制构件吊装包含识别、吊运和安装三个环节，各环节均可能出现阻碍吊装推进的不利因素，加之吊装方案可能发生变更，使得吊装过程控制具有显著的非静态特征。本文融合Blender可视化技术、RFID技术和云计算技术，构建了吊装方案动态控制体系：吊装前，基于Blender技术对最优吊装序列方案进行可视化模拟；吊装中，依托RFID-云计算技术建立预制构件吊装过程监控机制，实时追踪潜在影响因素；吊装后，界定吊装序列调整的问题边界，解析多类影响因素的作用机理与影响程度，设计吊装序列动态调整机制，并通过改进遗传算法的案例仿真验证了该机制的有效性，最终实现预制构件施工过程的精准管控与集约化管理。

Abstract

The hoisting of prefabricated components comprises three stages： identification， hoisting， and installation. Adverse factors that hinder the progress of hoisting may arise at any stage， and potential changes to the hoisting scheme further render the control of the hoisting process inherently dynamic rather than static. To address this， this study integrates Blender visualization technology， RFID technology， and cloud computing technology to establish a dynamic control framework for hoisting schemes. Specifically， prior to hoisting， Blender is employed to conduct visual simulations of the optimal hoisting sequence scheme. During hoisting， an RFID-cloud-based monitoring mechanism is implemented to track potential influencing factors in real time. Post-hoisting， the scope of hoisting sequence adjustments is defined， the mechanisms and impact degrees of various influencing factors are analyzed， and a dynamic adjustment mechanism for hoisting sequences is proposed. Case simulations utilizing an improved genetic algorithm validate the effectiveness of this mechanism， ultimately enabling precise control and intensive management of the prefabricated component construction process.

Graphical abstract

关键词

吊装方案 / 动态控制 / 影响因素管控 / RFID / 吊装序列变更

Key words

hoisting plan / dynamic control / control of influencing factors / radio frequency identification device / hoisting sequence changing

0 引 言

在装配式建筑大规模推广的背景下，预制构件的吊装质量直接决定着工程整体施工品质，因此深入开展其吊装关键技术研究具有重要现实意义^［1］。

目前装配式建筑吊装领域的研究还存在一些局限性。一是缺乏系统性和全面性，多数研究仅关注构件生产或施工某一环节的质量问题，缺乏全过程质量管控视角；二是质量管控模式创新不足，主要还是以传统的事后检查为主，缺乏事前预防和过程控制；三是先进技术应用不够深入，信息化、智能化水平有待进一步提升^［2-4］。因此，需要提出一种能够针对预制构件的施工全过程进行状态监控，包括事前控制、事中控制、事后控制的系统性的理论模型^［5］。未来还需要在构建全过程质量管控体系、创新质量管控模式、加强信息化智能化技术集成应用等方面加大研究力度。针对已有研究缺乏全过程管控、偏重事后检查、信息化应用不足等问题，本文建立了涵盖事前模拟、事中监控、事后调整的三层动态控制模型，集成Blender、RFID与云计算技术，实现了预制构件吊装全过程的精准管控与集约化管理。

1 吊装序列规划原则

在进行吊装序列规划时，首先必须满足一些原则性条件，如结构设计与理论、受力稳定性、施工安全等^［6］；在满足这些原则性条件的基础上，后续还需满足一些额外的附加条件，如几何关系、吊装器具等。本文将这一系列吊装序列规划需要满足的不同要求统称为约束条件，根据需要满足的程度不同，可分为硬性约束条件和柔性约束条件。

1.1　方案限制硬性约束条件

基于结构受力合理性要求，吊装作业应遵循先吊装竖向预制构件、后吊装横向预制构件的施工顺序，以确保结构稳定性。在竖向构件中按先柱后墙的顺序，在横向构件中按先梁后板的顺序。根据国家标准《装配式混凝土建筑技术标准》（GB/T 51231—2016），预制构件吊装应满足以下原则：

（1） 预制柱安装应符合：宜按照角柱、边柱、中柱顺序进行安装，与现浇部分连接的柱宜先行安装（10.3.6）；

（2） 预制剪力墙板安装应符合：与现浇部分连接的墙板宜先行吊装，其他宜按照外墙先行吊装的原则进行吊装（10.3.7）；

（3） 预制梁或叠合梁安装应符合：安装顺序宜遵循先主梁后次梁、先低后高的原则（10.3.8）。

1.2　方案优化柔性约束条件

装配式混凝土建筑通常采用标准化设计，因此可以选取一个楼层的最小非对称施工区域（子装配体）作为吊装序列优化的研究对象，整栋建筑则称为母装配体。柔性约束条件需依据具体结构类型确定，旨在界定同类构件间的吊装优先级。通过设定以吊装时长和施工难度为核心控制要素的附加规则，筛选出综合效益最优的吊装方案。鉴于柔性约束属于优化型约束，其配置差异将致使吊装序列规划方案产生显著不同。

利用层次树模型^［7］对装配体进行结构分解，如图1所示。

由此可大致得出装配式混凝土建筑中不同类别构件的吊装顺序，如图1中上方红色虚线框内所示，水平向的箭头则表示了不同类别构件之间的先后吊装顺序。

2 吊装方案动态控制模型

由于在预制构件的吊装过程中有可能发生影响吊装的不利因素，甚至导致吊装序列变更，因此吊装方案的控制往往不是静态的^［8-9］。对于预制构件的吊装方案动态控制问题，可将其拆解为三层含义：①第一层是针对IGA给出的最优方案应先做好该方案的可视化模拟检验，这既是对吊装方案可行性的确认，也是对施工人员的交底培训，属于事前控制；②第二层是实时监控构件的位置和吊装状态，搜集可能对吊装序列方案产生影响的影响因素，对不利因素提前部署，以避免原有吊装序列方案的变更，属于事中控制；③第三层是当某些影响因素发生后，为尽可能不影响整体的施工进程，需要评估阻碍原方案的具体原因和影响范围，并对原方案进行变更调整，保证施工活动继续进行，属于事后控制。

图2展示了吊装方案动态控制模型，此模型包括吊装前的可视化模拟，对潜在突发情况的事前干预、吊装时的数据搜集，对吊装过程的实时监控、方案受影响后的及时调整重新规划，是全过程且动态的系统化管控模型。

3 施工过程影响因素管控

在装配式混凝土结构建筑吊装序列方案的管理过程中，首先需要对施工过程中可能导致吊装序列方案变更的影响因素进行识别和分析，之后则需要对分析结构制定出具体的控制措施，然后逐一落实。然而，在装配式混凝土结构建筑建造过程中，很多措施或制度不适用于所有项目，有必要实时掌握每一个吊装序列变更影响因素的状态并采取临时性的应对措施。

3.1　施工过程影响因素相关数据搜集

目前，利用RFID技术和云计算技术，可以实现实时搜集施工现场相关数据，同步将数据上传至云平台数据中心，施工管理人员可以在自己的计算机终端上查阅任意的施工信息和构件数据，及时掌握可能的影响因素的行为状态和发展趋势。只要施工现场的信息搜集得足够充分完善，施工管理人员不需要留在施工现场也能比较清楚地掌握现场的情况，而且如此就能不被施工现场的复杂环境所干扰，更准确地根据搜集的信息作出正确的决策判断，并将数据信息反馈给各方进行综合决策，从而有时间提前干预或及时采取应对措施。

图3展示了在生产阶段和运输阶段中的预制构件动态数据搜集流程。预制构件在工厂生产阶段即植入RFID标签，用于存储生产厂家、生产时间、尺寸数据等基本信息及设计/施工图纸中的唯一编号。依据既定的构件编码原则，通过扫描电子标签即可快速调取该唯一编号，从而为后续吊装作业提供精准的构件识别基础。运输阶段的管理内容涉及更多的是物流管理方面，运输构件的车辆安装RFID标签后，可以实现对车辆位置，即构件位置的远程跟踪，从而获取预制构件即将到达施工现场的时间。

图4展示了在施工吊装阶段中，预制构件动态数据搜集流程。在吊装构件时，施工人员可以使用手持RFID终端设备扫描目标构件，修改状态信息为预备吊装，示意即将吊装此预制构件；同理，目标预制构件安装完毕后再次扫描目标预制构件，修改状态信息为已完成吊装，示意该预制构件吊装完毕^［10-11］。对构件状态信息的修改都会同步至数据中心。

3.2　基于RFID-云计算技术的吊装过程监控方法

依靠RFID技术可以搜集施工现场预制构件的相关数据信息^［12］，但是零散的数据若未经过整合汇总处理，施工管理人员依然无法完全掌握现场的具体情况。因此将RFID技术与云计算技术有机结合，将无线射频终端设备读取到的数据实时上传至云平台数据中心，将数据整合处理之后关联至Blender软件中的子装配体模型，就能比较清晰地实时模拟出现场的施工情况。

图5展示了RFID技术与云计算技术相结合共同实现预制构件吊装过程实时模拟的工作流程。虚线框外表示的是施工现场的数据采集过程；虚线框内表示的是云平台数据中心处理数据信息、生成吊装序列优化方案、吊装方案的实时监控过程。

以上的流程主要通过现场的RFID设备采集数据，上传至云平台数据中心进行整合和处理，再同步至Blender软件的模型中，三项技术的协同工作实现了预制构件吊装过程的实时监控和远程模拟，能够比较真实地展现构件的吊装情况。

4 吊装序列动态调整变更

4.1　吊装序列变更问题分析

吊装序列方案调整变更面临两方面的问题，即是否变更以及如何变更；构件信息滞后性限制了是否变更问题，调整方法缺失限制了如何变更问题^［13-14］。目前基于RFID-云计算技术的预制构件吊装过程监控方法能尽可能实时地向施工管理人员呈现施工现场的吊装情况，解决构件信息滞后导致无法及时判断是否需要变更吊装序列的问题；基于IGA的吊装序列规划模型经过调整后能针对后续构件重新规划，解决调整方法缺失导致无法合理变更吊装方案的问题。如果能建立一种通过计算机进行吊装序列动态调整的方法，将两个模型相互结合，则能解决吊装序列方案是否变更以及如何变更的问题，同时满足吊装序列方案调整变更问题的时效性和合理性要求。

4.2　吊装序列变更影响因素分析

吊装序列方案的动态调整变更思路如图6所示，可以分为主动变更和被动变更：主动变更需要由施工管理人员进行决策；被动变更是指错误的构件被提前吊装完成导致不得不修改吊装方案。

吊装序列方案主动变更需要施工管理人员决策判断是否需要进行方案变更，具体可以从三个角度进行，分别是构件质量角度、信息反馈角度以及时间角度^［15-17］。

在吊装序列变更之前，还需要分析造成变更的根本原因，本研究通过查阅文献的方式，搜集整理了一部分造成吊装方案变更的影响因素见表1，导致吊装序列变更的影响因素分为核心因素和细化因素。

假设如图7中构件P_k吊装完成后，需要吊装构件P_j，但因为某些影响因素，构件P_j无法立即进行吊装，预计需要再经过三个构件吊装的时间，才能继续吊装；针对此类问题，仍利用基于IGA的吊装序列规划模型中的目标函数，增加一定的约束条件，如构件P_m的吊装顺位必须排在构件P_n、P_l、P_h之后，重新计算得到最优方案。

解决吊装方案调整变更问题的关键点是：①确定影响因素导致哪些构件需要延后；②被延后的构件何时能满足吊装要求；③后续构件中的优先吊装顺序。前两个关键点可以通过基于RFID-云计算技术的预制构件吊装过程监控方法收集到的施工现场数据信息确定；第三个关键点可以通过基于IGA的吊装序列规划模型，设定一些特别的约束条件求解。

5 吊装方案变更案例

5.1　吊装序列方案评价指标体系

吊装序列方案评价指标体系应当包括具体的评价指标、指标的量化、各项指标的分配权重^［18-19］。

本文采用如下三个评价指标用来判断吊装序列方案的优劣性。同时对三项指标进行量化，使其能够适用于改进遗传算法进行求解计算，三项评价指标的量化方式均采用惩罚值原理考虑^［20］。

（1） 构件底部面积，即预制构件的整体外部轮廓与底板的接触面积。假设在某一子装配体中，包含相同类别的预制构件P₁，P₂，…，P_n，则可以采用矩阵S记录构件P₁，P₂，…，P_n 之间所有可能存在的惩罚值，如式（1）所示，注意，矩阵S中主对角线上的元素所表达的意义不存在，故可取为零。

S=s_{ij}=\left\{\begin{array}{c}\frac{x_j}{x_i},x_i{x}_j\\ \mathrm{0},x_i\ge x_j\end{array}\right.i=\mathrm{1,2},\cdots ,n;j=\mathrm{1,2},\cdots ,n（1）

式中：x_i 表示构件P_i 底部面积；x_j 表示构件P_j 底部面积；s_ij 表示的是当构件P_j 紧跟在构件P_i 之后吊装时，两构件因底部面积大小不同而产生的惩罚值。

（2） 构件间隔距离，是指预制构件的安装位置在水平方向上的距离。在装配式混凝土结构中，同类构件P₁，P₂，…，P_n 的间距惩罚值用矩阵D（distance）表示，P_i 的形心记为（a_i，b_i ），构件P_j 的形心记为（a_j，b_j ），形心间距为y_ij，如式（2）所示，构件间距产生的惩罚值如式（3）所示，若P_i 与P_j 存在连接关系，则y_ij 记为零；若无连接关系，d_ij =y_ij /y_min。

y_{ij}=\sqrt[]{(a_i-a_j{)}^{\mathrm{2}}+(b_i-b_j{)}^{\mathrm{2}}}（2）

D=d_{ij}=\left\{\begin{array}{ll}\frac{y_{ij}}{y_{\mathrm{m}\mathrm{i}\mathrm{n}}},& y_{ij}\ne \mathrm{0}\\ \mathrm{0},& y_{ij}=\mathrm{0}\end{array}\right.i=\mathrm{1,2},\cdots ,n;j=\mathrm{1,2},\cdots ,n（3）

式中：y_min表示各预制构件之间水平方向上不为零的形心间距的最小值。

（3） 构件干扰关系，是指一些构件吊装完成后可能会造成其他构件不易安装，甚至无法安装的情况。构件P_i 是待吊装构件，P_j 是已吊装构件。二者间的干扰惩罚值用n阶矩阵表示，如式（4）所示。矩阵元素值表示扩大所占空间后P_i 与P_j 空间重叠区域的大小，若无重叠则为零。主对角线元素无实际意义，固定为零。

R^{\text{'}}=r_{ij}i=\mathrm{1,2},\cdots ,n;j=\mathrm{1,2},\cdots ,n（4）

设数组a为某一吊装序列，a（i）表示第i号吊装的构件。针对每一种吊装序列，都会有一个关于构件间干扰关系的总惩罚值R（interference relation），公式如下：

R={\displaystyle \sum _{i=\mathrm{1}}^n}\left({\displaystyle \sum _{j=\mathrm{1}}^i}{r}_{a(i)a(j)}\right)（5）

吊装序列方案评价指标权重的确定采用了主观赋权法。先查阅文献初步设定了三项评价指标的权重，然后将在此权重下的评价指标体系使用改进遗传算法求解计算，得到吊装序列方案，利用Blender软件进行可视化模拟，检验此方案在三维空间中的可行性。本文经过计算确定构件底部面积权重系数为0.4、构件间隔距离权重系数为0.2，构件干扰关系权重系数为0.4。

5.2　目标函数的设立

用改进遗传算法来判断吊装序列方案的优劣性，首先需要设计目标函数，由于在建立评价指标时借用了惩罚值的思想，则目标函数与吊装序列方案的优劣性呈负相关关系。

首先，采用下式对三个评价指标进行归一化处理：

P_{\mathrm{s}}=\frac{{\displaystyle \sum _{i=\mathrm{1}}^{n-\mathrm{1}}}{s}_{a(i)a(i+\mathrm{1})}-s_{\mathrm{m}\mathrm{i}\mathrm{n}}}{s_{\mathrm{m}\mathrm{a}\mathrm{x}}-s_{\mathrm{m}\mathrm{i}\mathrm{n}}}（6）

P_{\mathrm{d}}={\displaystyle \sum _{i=\mathrm{1}}^{n-\mathrm{1}}}\frac{d_{a(i)a(i+\mathrm{1})}-d_{\mathrm{m}\mathrm{i}\mathrm{n}}}{d_{\mathrm{m}\mathrm{a}\mathrm{x}}-d_{\mathrm{m}\mathrm{i}\mathrm{n}}}（7）

P_{\mathrm{r}}={\displaystyle \sum _{i=\mathrm{1}}^n}\left({\displaystyle \sum _{j=\mathrm{1}}^i}\frac{r_{a(i)a(j)}-r_{\mathrm{m}\mathrm{i}\mathrm{n}}}{r_{\mathrm{m}\mathrm{a}\mathrm{x}}-r_{\mathrm{m}\mathrm{i}\mathrm{n}}}\right)（8）

式中：P_s为构件底部面积总惩罚值；P_d为构件间隔距离总惩罚值；P_r为构件干扰关系总惩罚值。

其次，采用下式建立子装配体内相同类别预制构件吊装序列方案目标函数F：

F={\omega }_{\mathrm{1}}\times P_{\mathrm{s}}+{\omega }_{\mathrm{2}}\times P_{\mathrm{d}}+{\omega }_{\mathrm{3}}\times P_{\mathrm{r}}（9）

式中：{\omega }_{\mathrm{1}}、{\omega }_{\mathrm{2}}、{\omega }_{\mathrm{3}}分别为构件底部面积、构件间隔距离、构件干扰关系的权重系数，且三个系数相加之和为1，权重系数的取值初步按照各指标的重要程度确定。

最终的吊装序列综合目标函数F如式（10）所示。

\begin{array}{l}F={\omega }_{\mathrm{1}}\cdot {\displaystyle \sum _{i=\mathrm{1}}^{n-\mathrm{1}}}\frac{s_{a(i)a(i+\mathrm{1})}-s_{\mathrm{m}\mathrm{i}\mathrm{n}}}{{\mathrm{s}}_{\mathrm{m}\mathrm{a}\mathrm{x}}-{\mathrm{s}}_{\mathrm{m}\mathrm{i}\mathrm{n}}}+{\omega }_{\mathrm{2}}\cdot {\displaystyle \sum _{i=\mathrm{1}}^{n-\mathrm{1}}}\frac{d_{a(i)a(i+\mathrm{1})}-{\mathrm{d}}_{\mathrm{m}\mathrm{i}\mathrm{n}}}{d_{\mathrm{m}\mathrm{a}\mathrm{x}}-{\mathrm{d}}_{\mathrm{m}\mathrm{i}\mathrm{n}}}+\\ {\omega }_{\mathrm{3}}\cdot {\displaystyle \sum _{i=\mathrm{1}}^n}\left({\displaystyle \sum _{j=\mathrm{1}}^i}\frac{r_{a(i)a(j)}-r_{\mathrm{m}\mathrm{i}\mathrm{n}}}{r_{\mathrm{m}\mathrm{a}\mathrm{x}}-r_{\mathrm{m}\mathrm{i}\mathrm{n}}}\right)\end{array}（10）

从式（10）中可以看出，函数值大小与各项指标的惩罚值呈正相关，函数值越大则代表违背三项评价指标的程度越大，相应的吊装序列方案的质量越差。

本文的改进遗传算法采用目标函数的倒数作为其适应度函数，采用下式计算：

f=\frac{\mathrm{1}}{{\omega }_{\mathrm{1}}\times P_{\mathrm{s}}+{\omega }_{\mathrm{2}}\times P_{\mathrm{d}}+{\omega }_{\mathrm{3}}\times P_{\mathrm{r}}}（11）

5.3　吊装方案变更计算

以某装配式模型中的预制剪力墙内墙板的吊装序列变更为例，利用改进的遗传算法解释吊装序列方案动态调整变更原理的合理性。

图8中仅展示出预制外墙板和预制内墙板的排布。在改进遗传算法中，遗传参数也会影响计算效率，经过多次计算尝试，遗传算法的参数确定设置如下：染色体长度为8，种群大小为300，最大迭代次数为1 000，交叉概率为1.00，突变概率为0.1，选择策略为40%种群大小的赌轮盘选择。此参数设置下的最终计算结果如下：针对预制内墙板的最优吊装序列方案为：P₁、P₂、P₃、P₄、P₆、P₈、P₅、P₇，记为方案①，最优方案适应度值为0.5780。该方案经过评价指标体系的惩罚值计算为：底部面积惩罚值为0.0，间隔距离惩罚值为0.9，干扰关系惩罚值为3.875，最优个体首次出现在第6代。

假设预制剪力墙内墙板P₁已经吊装完成，发生了某些影响因素，根据云平台数据中心搜集到的数据分析，仅构件P₂受到了该影响因素的影响，无法按时到达预定的起吊位置，且需要延后至少3个构件的吊装时间，必须更改原本的吊装序列方案，示意图如图9所示。

计算结果如下：预制内墙板经过变更后的最优吊装序列方案是：P₁、P₄、P₆、P₈、P₅、P₇、P₃、P₂，该方案记为方案②，方案适应度值为0.4310。种群平均适应度值和最大适应度值与迭代次数的关系如图10所示，随着迭代次数增加，种群平均适应度值趋于平稳，说明此次计算结果有效。

为对比方案②的优势之处，若仅将构件P₂移至最后，则吊装方案变为：P₁、P₃、P₄、P₆、P₈、P₅、P₇、P₂，该方案记为方案③，得出适应度值为0.427 4。

方案①、方案②与方案③分别在三项评价指标上的惩罚值以及方案适应度值见表2。

三个方案中构件P₂、P₃在干扰关系上与构件P₄至P₈的吊装互不影响，但方案②延后了构件P₃的吊装，使得构件间隔距离小于方案③，这也是方案②的优势所在。综合比较来看，方案②虽然在宽度、距离、干扰这三项参数存在冲突，但是综合考虑额外限制条件，方案②是将这三者的冲突最小化的方案。

6 结 论

本文将预制构件吊装方案的过程控制问题分解为吊装过程影响因素管控问题和吊装方案动态调整变更问题。建立了吊装方案动态控制模型，提出了吊装过程影响因素管控方法和吊装序列动态调整变更方法，得到以下结论：

（1） 从三个方面建立了吊装方案动态控制模型，分别是：吊装方案在Blender中的可视化模拟、吊装过程的影响因素管控、吊装序列的动态调整变更。

（2） 提出了基于RFID-云计算技术的预制构件吊装过程监控方法，利用RFID技术搜集施工过程的相关数据信息并上传至云平台数据中心，能够实现施工现场情况的实时监控和远程模拟。

（3） 分析了吊装序列变更问题的内涵：是否需要变更、如何进行变更；从主动变更和被动变更两方面，提出了四个吊装序列变更的核心原因，分别是：构件质量、信息反馈、吊装时间、错误构件，并细化了每个核心原因及其影响程度，解决了构件信息滞后性限制的吊装序列方案是否需要变更的问题。

（4） 提出了吊装序列动态调整变更方法，解决了调整方法缺失限制的如何变更问题，并通过改进的遗传算法对模拟案例的计算展示了吊装方案变更的实现方式，验证其合理性与准确性。

参考文献

[1] 刘东卫，蒋洪彪，于磊.中国住宅工业化发展及其技术演进［J］.建筑学报，2012（4）：10-18.

[2] LIU Weidong，JIANG Hongbiao，YU Lei.Development of domestic housing industrialization and the technical evolution［J］.Architectural Journal，2012（4）：10-18.（in Chinese）

[3] 孙玉芳，吴霞，何孟霖，基于BIM+物联网技术的装配式建筑全过程质量管理研究［J］.建筑经济，2021，42（5）：58-61.

[4] SUN Yufang，WU Xia，HE Menglin，et al.Research on whole process quality management of prefabricated building based on BIM+internet of things［J］. Construction Economy，2021，42（5）：58-61.（in Chinese）

[5] 曹新颖，鲁晓书，王钰.基于BIM-RFID的装配式建筑构件生产质量管理［J］.土木工程与管理学报，2018，35（4）：102-106，111.

[6] CAO Xinying，LU Xiaoshu，WANG Yu.Quality management of component production of prefabricated building based on BIM-RFID technology［J］.Journal of Civil Engineering and Management，2018，35（4）：102-106，111.（in Chinese）

[7] 季斌.装配式混凝土结构预制构件质量控制研究［J］.工程技术研究，2019，4（20）：129-130.

[8] JI Bin.Research on quality control of prefabricated components in prefabricated concrete structures［J］.Engineering and Technological Research，2019，4（20）：129-130.（in Chinese）

[9] 程亚茹，郑生钦，刘金花.装配式建筑发展制约因素分析［J］.山东建筑大学学报，2021，36（6）：54-61.

[10] CHENG Yaru，ZHENG Shengqin，LIU Jinhua. Analysis of restrictive factor of prefabricated buildings［J］.Journal of Shandong Jianzhu University，2021，36（6）：54-61.（in Chinese）

[11] 张德新，张志远.混凝土预制构件生产过程及质量控制因素［J］.工程建设与设计，2023（10）：106-108.

[12] ZHANG Dexin，ZHANG Zhiyuan.Production process and quality control factors of precast concrete components［J］.Construction Design for Engineering，2023（10）：106-108.（in Chinese）

[13] 郑寿森，祁新梅，杜晓荣，基于层次模型的装配顺序规划［J］.合肥工业大学学报（自然科学版），2002（2）：182-185.

[14] ZHENG Shousen，QI Xinmei，DU Xiaorong，et al.Assembly sequence planning based on the hierarchical model［J］.Journal of Hefei University of Technology（Natural Science），2002（2）：182-185.（in Chinese）

[15] 方前程，李中原.基于盲数理论和物元可拓法的装配式建筑吊装施工风险评估模型研究［J］.安全与环境学报，2023，23（1）：8-16.

[16] FANG Qiancheng，LI Zhongyuan.Research on risk assessment model of prefabricated building hoisting construction based on game theory and extension theory［J］.Journal of Safety and Environment，2023，23（1）：8-16.（in Chinese）

[17] 胡文发.基于几何推理的建筑施工流程安排研究［J］.同济大学学报（自然科学版），2007（4）：566-570.

[18] HU Wenfa.Analysis of construction process planning based on geometric reasoning［J］.Journal of Tongji University（Natural Science），2007（4）：566-570.（in Chinese）

[19] HUANG C，WONG C K.Optimization of crane setup location and servicing schedule for urgent material requests with non-homogeneous and non-fixed material supply［J］.Automation in Construction，2018，89：183-198.

[20] MOUSSAVI N Z S，HAMMAD A W A，AKBARNEZHAD A.Location optimization of tower crane and allocation of material supply points in a construction site considering operating and rental costs［J］.Journal of Construction Engineering and Management，2017，143（1）：04016089.

[21] 江雪.基于构件供应方的装配式建筑多项目生产调度研究［D］.武汉：武汉理工大学，2019.

[22] JIANG Xue.Research on multi-project production scheduling of fabricated buildings based on component supplier［D］.Wuhan：Wuhan University of Technology，2019.（in Chinese）

[23] 叶明珠，徐彬彬.基于熵权-灰色关联度分析的装配式建筑施工阶段风险管理研究［J］.价值工程，2023，42（4）：20-22.

[24] YE Mingzhu，XU Binbin.Research on risk management of prefabricated building construction stage based on entropy weight-gray correlation analysis［J］.Value Engineering，2023，42（4）：20-22.（in Chinese）

[25] 刘名强.基于RVM的装配式建筑吊装作业安全预警研究［D］.武汉：武汉理工大学，2019.

[26] LIU Mingqiang.Research on the safety Pre-warning for hoisting operation in fabricated building project based on RVM［D］.Wuhan：Wuhan University of Technology，2019.（in Chinese）

[27] BATAGLIN F S，VIANA D D，FORMOSO C T，et al.4D BIM applied to logistics management：implementation in the assembly of engineer-to-order prefabricated concrete systems［J］.Ambiente Construído，2018，18：173-192.

[28] 李飞，刘宇恒，杨成，基于BIM技术的施工场地布置研究与应用［J］.土木建筑工程信息技术，2017，9（1）：60-64.

[29] LI Fei，LIU Yuheng，YANG Cheng，et al.Technology research and application of construction site layout based on BIM［J］.Civil Engineering Construction Information Technology，2017，9（1）：60-64.（in Chinese）

[30] 曹正峰，申继军，耿贵军，装配式建筑吊运平台高效吊装技术研究［J］.建筑机械化，2021，42（11）：31-33.

[31] CAO Zhengfeng，SHEN Jijun，GENG Guijun，et al.Research on high efficiency lifting technology of assembled lifting platform［J］.Construction Mechanization，2021，42（11）：31-33.（in Chinese）

[32] 孙翔君.装配式建筑预制构件QFD-DSM设计管控模型研究［D］.武汉：武汉理工大学，2020.

[33] SUN Xiangjun. Research on QFD-DSM design management and control model for prefrabricated building components［D］.WU Han：Wuhan University of Technology，2020.（in Chinese）

[34] LACEY A W，CHEN W，HAO H，et al.Structural response of modular buildings：An overview［J］.Journal of building engineering，2018，16：45-56.

[35] 马荣全.装配式建筑的发展现状与未来趋势［J］.施工技术（中英文），2021，50（13）：64-68.

[36] MA Rongquan.Development status and future trend of refabricated construction［J］.Construction Technology，2021，50（13）：64-68.（in Chinese）