基于扩散模型的框架剪力墙结构智能生成方法与流程
本发明涉及土木工程结构设计与人工智能,特别涉及基于扩散模型的框架剪力墙结构智能生成方法。
背景技术:
1、框架剪力墙结构因优异的抗侧力性能与空间适配性,成为高层产业建筑的主流结构体系。然而,传统以人工经验为主的结构设计方法,存在设计效率低、既有设计数据复用不足、方案质量稳定性差等痛点,难以适配建设需求,结构设计智能化升级需求强烈。
2、近年来,人工智能技术为结构智能设计提供了全新路径。早期研究多采用规则驱动或遗传算法,泛化能力与场景适配性受限;随后兴起的生成对抗网络(gan)实现了结构构件自动生成。随着生成式ai技术发展,扩散模型凭借优异的特征学习与高保真生成能力成为研究热点,已有研究验证了其在剪力墙布局生成中的工程价值,但针对框架剪力墙多构件强耦合体系的专用研究仍处于起步阶段。
3、目前,鲜有适配框剪结构智能生成方法,现有模型难以实现框架柱、剪力墙、框架梁的多构件协同设计,且未能形成从方案生成到性能分析的关键流程贯通。同时,多构件同时生成的策略存在构件间拓扑关联捕捉不足的问题,剪力墙生成质量欠佳。扩散模型通过逐步去噪的生成机制,在高分辨率设计图纸生成、工程拓扑规律捕捉方面具备显著优势,为解决相关难题提供了技术支撑。
技术实现思路
1、本发明所解决的技术问题:发明提供一种基于扩散模型的框架剪力墙结构智能生成方法,用于解决现有智能生成方法难以同时兼顾建筑空间约束和多构件协同布置的问题。
2、本发明解决上述技术问题采用的技术方案:基于扩散模型的框架剪力墙结构智能生成方法,包括以下步骤:
3、s1、采集框架剪力墙结构的设计数据,所述设计数据包括cad图纸和设计条件信息,所述设计条件信息包括抗震设防烈度、场地特征周期和结构总高度;从cad图纸中提取建筑空间信息、建筑构件信息和结构构件信息,将所述建筑空间信息、建筑构件信息和结构构件信息离散为多通道像素矩阵,构建空间、构件及设计条件信息的融合表征体系;
4、s2、根据多通道像素矩阵中的建筑构件所在位置的像素定义设计空间掩码,建立所述设计空间掩码约束下的扩散生成模型,所述扩散生成模型以所述多通道像素矩阵与所述设计条件信息拼接融合后的张量作为输入,生成结果受所述设计空间掩码的空间约束;
5、s3、基于所述扩散生成模型建立分阶段生成策略,用于依次生成框架柱布局、剪力墙布局和框架梁布局,其中,后一阶段将前一阶段已生成的布局作为输入;
6、s4、基于融合表征体系和的分阶段生成策略,对所述扩散生成模型进行分阶段训练,分别得到柱生成模型、墙生成模型和梁生成模型;在所述分阶段训练中,所述扩散生成模型通过前向逐步加噪与反向逐步去噪的机制实现图像生成;采用分段线性噪声调度策略控制噪声水平,且在训练所述扩散生成模型时,通过所述设计空间掩码仅在掩码有效区域计算噪声预测误差以更新所述扩散生成模型的参数;
7、s5、将待设计建筑的多通道像素矩阵以及所述设计条件信息中的结构总高度输入训练完成的所述柱生成模型,生成框架柱布局;将所述多通道像素矩阵、已生成的所述框架柱布局以及所述设计条件信息中的抗震设防烈度、场地特征周期和结构总高度输入训练完成的所述墙生成模型,生成剪力墙布局;将所述多通道像素矩阵及已生成的所述框架柱布局和剪力墙布局输入训练完成的所述梁生成模型,生成框架梁布局;
8、s6、将生成的所述框架柱布局、剪力墙布局和框架梁布局写入结构设计信息文件,调用构件截面尺寸设计模块完成各构件的截面尺寸设计,并通过结构分析计算软件的用户程序接口自动构建结构分析计算模型及提取结构力学性能指标。
9、进一步的,s1中,在所述融合表征体系中,输入数据包括多通道像素矩阵和设计条件信息,所述多通道像素矩阵包括建筑墙通道、门窗通道、潜在梁通道或轴网交点通道、框架柱通道以及空间类型通道;所述空间类型通道用于表征建筑墙一侧的房间类型,选取出现频率位于前十的房间类型并分别赋值0.1~1.0,无建筑空间赋值为0。
10、进一步的,s1中,在所述融合表征体系中,输出数据为布局通道,所述布局通道包括框架柱布局通道、剪力墙布局通道和框架梁布局通道;所述多通道像素矩阵具有预设分辨率。
11、进一步的,s2中,所述设计空间掩码的构造方式为:将建筑构件所在位置的像素设置为掩码有效区域,其余位置设置为掩码无效区域。
12、进一步的,s3中,所述分阶段生成策略包括第一阶段、第二阶段和第三阶段,第一阶段以多通道像素矩阵及所述设计条件信息中的结构总高度为输入,以框架柱布局为输出;第二阶段以多通道像素矩阵、第一阶段输出的框架柱布局及所述设计条件信息中的抗震设防烈度、场地特征周期和结构总高度为输入,以剪力墙布局为输出;第三阶段以多通道像素矩阵、第一阶段输出的框架柱布局和第二阶段输出的剪力墙布局为输入,以框架梁布局为输出。
13、进一步的,s4中,所述分段线性噪声调度策略将扩散过程的总时间步划分为多个区间,各区间的噪声水平呈分段线性变化。
14、进一步的,s4中,分阶段训练包括:
15、第一阶段训练柱生成模型,以建筑墙、门窗、轴网交点、空间类型及所述设计条件信息中的结构总高度为输入,以框架柱布局为预测目标;
16、第二阶段训练墙生成模型,冻结柱生成模型的参数,以建筑墙、门窗、空间类型、柱生成模型输出的框架柱布局及所述设计条件信息中的抗震设防烈度、场地特征周期和结构总高度为输入,以剪力墙布局为预测目标;
17、第三阶段训练梁生成模型,冻结柱生成模型和墙生成模型的参数,以建筑墙、门窗、空间类型、柱生成模型和墙生成模型分别输出的框架柱布局和剪力墙布局为输入,以框架梁布局为预测目标。
18、进一步的,s6中,所述结构力学性能指标包括结构总质量、结构自振周期和地震最大层间位移角。
19、本发明的有益效果:
20、本发明通过分阶段生成策略,以前一阶段生成的构件布局作为后一阶段的输入,有效捕捉了框架柱、剪力墙、框架梁之间的拓扑关联关系,解决了现有方法多构件同时生成时拓扑关联捕捉不足、剪力墙生成质量差的问题,能够实现框剪结构(框架剪力墙结构的简称)多构件的协同布置;通过设计空间掩码约束生成过程,并仅在掩码有效区域计算噪声预测误差更新模型参数,保证生成的构件布局符合建筑空间约束要求,避免出现违反设计逻辑的构件布置结果。
21、相较于传统人工设计方法,本发明能够充分挖掘复用既有设计数据中的设计经验,大幅提升框剪结构方案设计效率,保证设计方案质量的稳定性,可快速输出满足设计要求的初始结构方案;相较于现有人工智能生成方法,本发明针对性适配框架剪力墙结构体系的设计特点,实现了从结构方案生成到性能分析的全流程贯通,无需人工对中间生成结果进行二次处理,可直接输出完整的可用于性能验证的框剪结构设计方案,为土木工程结构设计的智能化升级提供了可行路径,能够有效降低结构设计师的工作强度,助力设计行业提质增效。
1.基于扩散模型的框架剪力墙结构智能生成方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于扩散模型的框架剪力墙结构智能生成方法,其特征在于,s1中,在所述融合表征体系中,输入数据包括多通道像素矩阵和设计条件信息,所述多通道像素矩阵包括建筑墙通道、门窗通道、潜在梁通道或轴网交点通道、框架柱通道以及空间类型通道;所述空间类型通道用于表征建筑墙一侧的房间类型,选取出现频率位于前十的房间类型并分别赋值0.1~1.0,无建筑空间赋值为0。
3.根据权利要求1所述的基于扩散模型的框架剪力墙结构智能生成方法,其特征在于,s1中,在所述融合表征体系中,输出数据为布局通道,所述布局通道包括框架柱布局通道、剪力墙布局通道和框架梁布局通道;所述多通道像素矩阵具有预设分辨率。
4.根据权利要求1所述的基于扩散模型的框架剪力墙结构智能生成方法,其特征在于,s2中,所述设计空间掩码的构造方式为:将建筑构件所在位置的像素设置为掩码有效区域,其余位置设置为掩码无效区域。
5.根据权利要求1所述的基于扩散模型的框架剪力墙结构智能生成方法,其特征在于,s3中,所述分阶段生成策略包括第一阶段、第二阶段和第三阶段,第一阶段以多通道像素矩阵及所述设计条件信息中的结构总高度为输入,以框架柱布局为输出;第二阶段以多通道像素矩阵、第一阶段输出的框架柱布局及所述设计条件信息中的抗震设防烈度、场地特征周期和结构总高度为输入,以剪力墙布局为输出;第三阶段以多通道像素矩阵、第一阶段输出的框架柱布局和第二阶段输出的剪力墙布局为输入,以框架梁布局为输出。
6.根据权利要求1所述的基于扩散模型的框架剪力墙结构智能生成方法,其特征在于,s4中,所述分段线性噪声调度策略将扩散过程的总时间步划分为多个区间,各区间的噪声水平呈分段线性变化。
7.根据权利要求1所述的基于扩散模型的框架剪力墙结构智能生成方法,其特征在于,s4中,分阶段训练包括:
8.根据权利要求1所述的基于扩散模型的框架剪力墙结构智能生成方法,其特征在于,s6中,所述结构力学性能指标包括结构总质量、结构自振周期和地震最大层间位移角。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com