一种基于多层掩码融合的洞口边梁智能布置方法及系统

本技术涉及工程梁体布置，尤其涉及一种基于多层掩码融合的洞口边梁智能布置方法及系统。

背景技术：

1、目前，在钢结构建筑次梁结构设计中，楼板往往需要开洞以兼顾设备、楼梯或电梯井的布置。当单个区格或楼板内同时存在多个洞口时，会导致结构受力路径不连续，局部刚度下降以及应力集中。因此，当楼板存在洞口时，仅布置区格梁是不足的，需要在区格梁的基础上增设洞边梁以进行局部加强。然而，区格梁与洞边梁的集成化设计严重依赖于工程师经验，需人工迭代计算与反复调整，智能化程度不足，人力消耗较大且效率低下。

技术实现思路

1、为了解决上述问题，本技术实施例提供了一种基于多层掩码融合的洞口边梁智能布置方法及系统，能够解决现有技术问题中的至少一种。

2、根据本技术实施例的一方面，提出了一种基于多层掩码融合的洞口边梁智能布置方法，所述方法包括：

3、获取目标区格区域的尺寸信息以及位于所述目标区格区域内的洞口信息，所述洞口信息包括洞口位置和洞口尺寸；

4、根据所述尺寸信息生成初始区格梁布置图，并将所述初始区格梁布置图与所述洞口信息进行模拟碰撞，以剔除所述初始区格梁布置图当中与所述洞口信息存在碰撞冲突的布置线，得到潜在区格梁布置图；

5、根据所述洞口位置和所述洞口尺寸生成潜在洞边梁布置图；

6、将所述潜在区格梁布置图与所述潜在洞边梁布置图进行拼接，得到潜在次梁布置图；

7、对所述潜在次梁布置图进行像素化处理，得到潜在次梁特征张量；

8、对所述潜在次梁特征张量进行矩阵化编码与权重融合，生成三层加权型掩码矩阵；

9、将所述潜在次梁特征张量、所述三层加权型掩码矩阵和预设的结构设计参数输入至预训练的双向交互生成网络模型，生成洞口边梁设计图；

10、其中，所述结构设计参数为所述目标建筑的抗震烈度和结构设计高度。

11、在上述方案中，所述将所述初始区格梁布置图与所述洞口信息进行模拟碰撞，得到潜在区格梁布置图，包括：

12、提取所述初始区格梁布置图中的各个梁布置线，每个所述梁布置线由其两端的节点坐标组成；

13、根据所述洞口位置，从所述洞口信息中确定各个子洞口的位置；

14、根据所述洞口尺寸，确定各个所述子洞口的直径；

15、针对每一子洞口，根据所述子洞口的位置和所述子洞口的直径确定所述洞口的边界线，若所述洞口的边界线与任一所述梁布置线相交，则剔除与所述洞口的边界线相交的梁布置线；

16、将未剔除的梁布置线进行保留，得到所述潜在区格梁布置图。

17、在上述方案中，所述根据所述洞口位置和所述洞口尺寸生成潜在洞边梁布置图，包括：

18、根据所述洞口位置中的各个子洞口的位置以及根据所述洞口尺寸中的各个所述子洞口的直径确定出各个所述子洞口的边界；

19、对各个所述子洞口的边界进行洞边梁布置，生成所述潜在洞边梁布置图。

20、在上述方案中，在得到潜在次梁布置图之后，所述方法还包括：

21、从所述潜在次梁布置图中提取用于表征洞边梁与区格梁之间切向连接关系的切线信息；

22、根据所述切线信息生成潜在洞切线梁布置图，以根据所述潜在洞切线梁布置图确定洞切线梁的位置。

23、在上述方案中，所述对所述潜在次梁布置图进行像素化处理，得到潜在次梁特征张量，包括：

24、确定所述潜在次梁布置图当中的各条边界线；

25、根据预设的长度-像素转换比例，对所述潜在次梁布置图当中的潜在区格梁布置图的各条边界线、潜在洞边梁布置图的各条边界线以及潜在洞切线梁布置图的各条边界线进行像素化编码，得到所述潜在次梁特征张量。

26、在上述方案中，所述对所述潜在次梁特征张量进行矩阵化编码与权重融合，生成三层加权型掩码矩阵，包括：

27、初始化三个元素均为零的掩码矩阵；

28、从所述潜在次梁特征张量中分别提取所述区格梁的像素位置、所述洞切线梁的像素位置和所述洞边梁的像素位置；

29、根据所述区格梁的像素位置、所述洞切线梁的像素位置和所述洞边梁的像素位置分别对三个元素均为零的掩码矩阵进行像素元素赋值，得到区格梁掩码矩阵、洞切线梁掩码矩阵和洞边界梁掩码矩阵，所述区格梁掩码矩阵、所述洞切线梁掩码矩阵和所述洞边界梁掩码矩阵当中的各个像素初值均被赋值为1；

30、将所述区格梁掩码矩阵、所述洞切线梁掩码矩阵和所述洞边界梁掩码矩阵分别进行加权处理，得到所述三层加权型掩码矩阵。

31、在上述方案中，将所述区格梁掩码矩阵、所述洞切线梁掩码矩阵和所述洞边界梁掩码矩阵分别进行加权处理，得到所述三层加权型掩码矩阵，包括：

32、确定所述目标区格区域当中各个所述子洞口的面积以及各个所述子洞口的洞口总数；

33、针对每一子洞口，根据所述子洞口的面积除以各个所述子洞口的面积总和，得到所述子洞口在各个所述子洞口当中的面积占比，根据所述面积占比确定所述子洞口的加权系数；

34、确定与所述区格梁掩码矩阵对应的第一层级系数，根据所述第一层级系数、各个所述子洞口内的像素初值和所述加权系数确定各个所述子洞口对应的第一像素值，根据各个所述子洞口对应的第一像素值生成最终的区格梁掩码矩阵，每一所述子洞口对应一个或多个第一像素值；

35、确定与所述洞切线梁掩码矩阵对应的第二层级系数，根据所述第二层级系数、各个所述子洞口内的像素初值和所述加权系数确定各个所述子洞口对应的第二像素值，根据各个所述子洞口对应的第二像素值生成最终的洞切线梁掩码矩阵，每一所述子洞口对应一个或多个第二像素值；

36、确定与所述洞边界梁掩码矩阵对应的第三层级系数，根据所述第三层级系数、各个所述子洞口内的像素初值和所述加权系数确定各个所述子洞口对应的第三像素值，根据各个所述子洞口对应的第三像素值生成最终的洞边界梁掩码矩阵，每一所述子洞口对应一个或多个第三像素值；

37、将所述最终的区格梁掩码矩阵、所述最终的洞切线梁掩码矩阵和所述最终的洞边界梁掩码矩阵作为所述三层加权型掩码矩阵；

38、其中，所述目标区格区域中的非洞口区域的像素值均维持为1。

39、在上述方案中，所述预训练的双向交互生成网络模型包括第一卷积神经网络、第二卷积神经网络、文本编码器、跨分支交互注意力模块、自适应交互融合单元、残差神经网络以及反卷积神经网络。

40、在上述方案中，所述将所述潜在次梁特征张量、所述三层加权型掩码矩阵和预设的结构设计参数输入至预训练的双向交互生成网络模型，生成洞口边梁设计图，包括：

41、通过所述第一卷积神经网络对所述潜在次梁特征张量进行下采样与特征提取，得到图像深度特征张量；

42、通过所述第二卷积神经网络对所述三层加权型掩码矩阵进行下采样与特征提取，得到掩码深度特征张量；

43、通过所述文本编码器对所述结构设计参数进行特征提取，得到文本嵌入特征张量；

44、通过所述跨分支交互注意力模块对所述图像深度特征张量和所述掩码深度特征张量进行关联注意力计算与特征双向校准，得到双向交叉特征张量；

45、通过所述自适应交互融合单元对所述图像深度特征张量、所述掩码深度特征张量和所述双向交叉特征张量进行门控系数动态求解与特征加权融合，得到融合深度特征张量；

46、通过所述残差神经网络和所述反卷积神经网络，对所述融合深度特征张量和所述文本嵌入特征张量进行特征提取和上采样，生成洞口边梁设计张量，以根据所述洞口边梁设计张量生成所述洞口边梁设计图。

47、根据本技术实施例的一方面，提出了一种基于多层掩码融合的洞口边梁智能布置系统，所述系统包括：

48、获取单元，用于获取目标区格区域的尺寸信息以及位于所述目标区格区域内的洞口信息，所述洞口信息包括洞口位置和洞口尺寸；

49、第一布置单元，用于根据所述尺寸信息生成初始区格梁布置图，并将所述初始区格梁布置图与所述洞口信息进行模拟碰撞，以剔除所述初始区格梁布置图当中与所述洞口信息存在碰撞冲突的布置线，得到潜在区格梁布置图；

50、第二布置单元，用于根据所述洞口位置和所述洞口尺寸生成潜在洞边梁布置图；

51、第三布置单元，用于将所述潜在区格梁布置图与所述潜在洞边梁布置图进行拼接，得到潜在次梁布置图；

52、处理单元，用于对所述潜在次梁布置图进行像素化处理，得到潜在次梁特征张量；

53、融合单元，用于对所述潜在次梁特征张量进行矩阵化编码与权重融合，生成三层加权型掩码矩阵；

54、生成单元，用于将所述潜在次梁特征张量、所述三层加权型掩码矩阵和预设的结构设计参数输入至预训练的双向交互生成网络模型，生成洞口边梁设计图；

55、其中，所述结构设计参数为所述目标建筑的抗震烈度和结构设计高度。

56、本技术的有益效果：本技术首先根据目标区格区域的尺寸信息来生成初始区格梁布置图，并在此基础上与洞口进行模拟碰撞，剔除掉与洞口存在冲突的布置线，得到潜在区格梁布置图，然后结合洞口信息当中的洞口位置和所述洞口尺寸生成潜在洞边梁布置图，将潜在区格梁布置图与所述潜在洞边梁布置图进行拼接，得到具有“区格梁+洞边梁”的潜在次梁布置图。

57、进一步地，对潜在次梁布置图进行像素化处理，得到潜在次梁特征张量，然后对所述潜在次梁特征张量进行矩阵化编码与权重融合，生成三层加权型掩码矩阵；将所述潜在次梁特征张量、所述三层加权型掩码矩阵和结构设计参数输入至预训练的双向交互生成网络模型，自动化生成洞口边梁设计图，进而解决现有技术依赖人工经验所导致的效率低下的问题。