输变电工程三维模型GIM文件如何打开?内含什么信息?在设计软件中是如何交互的?

很多没有接触过三维设计的技术人员问,GIM文件如何打开?GIM文件是怎么构成的?GIM文件包含了什么信息,这些信息在各类三维设计软件中是如何交互的,不同的软件都能打开GIM文件,会兼容出错吗?如果我开发一个展示或三维建模软件,模型文件存储是否也要遵循GIM模型交互规范,GIM模型交互有哪些要求,本次推文主要介绍,输变电工程设计阶段三维模型文件的架构、存储结构等数据交互要求,GIM文件打开方式及内部所包含的信息等,让大家对GIM文件有个初步的认识。
我们所说的输变电工程三维设计模型(*.GIM),是以输变电工程各相关信息数据为基础,采用三维数字化技术建立的工程信息集合,具备完备性、关联性、一致性、唯一性、扩展性等特点,满足可视化、可分析、可编辑、可出图等工程全寿命周期应用需求。

各种设备GIM建模、设备GIM模型、设备.gim符合国网建模标准-淘宝网

一、三维设计模型(GIM)
包括物理模型和逻辑模型。通过约定的数据格式实现数据在不同软件之间的共享和应用。首先我们搞明白什么叫物理模型?什么叫逻辑模型,都包括哪些东西?
1.物理模型
什么是物理模型?是指工程设备、材料、建(构)筑物及其他设施等物理对象的三维模型,由几何模型及其属性构成。
物理模型包括电气设备及材料、建(构)筑物、水工暖通系统及其它设施等。
1)变电工程电气设备及材料的模型采用基本图元进行构建和交互。
2)变电工程土建及水暖系统的模型采用IFC进行交互(Industry Foundation Classes 工业基础类)。
3)输电线路工程材料、设备、设施及交叉跨越物采用参数化模型(包括基本图元)或
.stl 文件进行交互。
4)输电线路的交叉跨越物的模型交互应纳入交互规范。
5)输变电工程建(构)筑物、设备、材料及其他设施模型包括基本属性和扩展属性,基本属性参考建模规范,扩展属性可根据模型应用要求进行扩展。
2.逻辑模型
什么是逻辑模型?是指主要设备之间关联关系、功能关系、层级关系的图形符号集合。采用统一的交互格式。
逻辑模型主要包含电气主接线、站用电等系统接线、二次原理接线、给排水系统图、消防系统图、暖通系统图等。
GIM模型具备开放性、兼容性,满足数据交换的要求,实现数据共享,统一了度量单位、属性定义、建模规范、层级划分。

二、模型编码要求
为了方便标识,模型要遵循电力行业相关的编码规范。
模型编码采用 GB/T 51061-2014 电网工程标识系统编码规范。
调度编码满足电力系统部分设备统一编号准则 SD240-87的要求,对未涵盖的部分应按各省(市)公司调度编号惯例执行。
物料编码满足Q GDW 1936-2013 国家电网公司物料主数据分类与编码规范的要求。

三、坐标系、高程及数据格式要求
输变电工程三维设计模型应采用统一的坐标系、高程基准和数据格式。
坐标系使用 :2000 国家大地坐标系(CGCS2000)
高程使用: 1985 国家高程基准,
数据格式满足 CHT 9015-2012 三维地理信息模型数据产品规范、CH/T 9016-2012 三维地理信息模型生产规范、CHT 9017-2012三维地理信息模型数据库规范 的相关要求。

四、制图要求
逻辑模型制图符号及二维制图标准执行以下四个标准的相关要求。
DL/T 5028.1-2015 电力工程制图标准 第1部分:一般规则部分
DL/T 5028.2-2015 电力工程制图标准 第2部分:机械部分
DL/T 5028.3-2015 电力工程制图标准第3部分:电气、仪表与控制部分
DL/T 5028.4-2015 电力工程制图标准
声明:此文章转自电力勘测设计及施工运维公众号

  • 0
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
自然语言模型、RLHF、GIM和finetuning都是深度学习中用于处理自然语言处理问题的技术。它们之间有许多相似之处,但也存在一些不同之处。 自然语言模型是一种用于预测自然语言文本中下一个单词或字符的概率的技术。它通常使用递归神经网络或卷积神经网络来训练模型,使其能够根据前面的单词或字符预测下一个单词或字符。自然语言模型常用于自然语言生成、机器翻译和语音识别等任务。 RLHF(Robustly Labeled Heterogeneous Flow)是一种用于处理自然语言文本分类的技术。它使用卷积神经网络和循环神经网络来处理文本,并通过集成多个分类器来提高鲁棒性。RLHF通常用于文本情感分析、文本分类和垃圾邮件过滤等任务。 GIM(Generative-Inference Matching)是一种用于生成式和推理式自然语言处理任务的技术。它使用一个生成模型和一个推理模型来处理文本,并通过匹配两个模型的输出来提高性能。GIM通常用于问答系统、对话系统和自然语言推理等任务。 finetuning是一种用于在预训练模型上微调特定任务的技术。它通常使用预训练的自然语言处理模型(如BERT、GPT等)来处理文本,并在特定任务上微调模型参数。finetuning通常用于文本分类、命名实体识别和情感分析等任务。 总的来说,这些技术都是用于处理自然语言处理问题的技术,但它们的具体应用和实现方式有所不同。自然语言模型和RLHF主要用于文本分类和生成,而GIM则更多地用于问答和推理,而finetuning则是一种通用的技术,可用于各种自然语言处理任务。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值