高层建筑结构智能设计方法

技术特征：
1.高层建筑结构智能设计方法，其特征在于，包括以下步骤：1)高层建筑平面布置图的智能生成；2)高层建筑结构智能建模；3)高层建筑结构智能优化。2.根据权利要求1所述的高层建筑结构智能设计方法，其特征在于，步骤1)包括以下分步骤：1-1)收集现有的高层建筑平面布置图，对高层建筑平面布置图进行套型提取，形成套型库；1-2)以居住区套型、办公区套型、公共通道、电梯和楼梯为基本元素，对高层建筑平面布置图进行语义化和外轮廓像素提取，进行高层建筑平面布置图的批量处理，形成高层建筑平面布置图的高维特征库；1-3)基于文本和像素的融合方法，搭建以文本信息、外轮廓像素作为输入的神经网络架构，随机从高维特征库中抽取样本对神经网络架构进行训练，进行多套型的智能布置；1-4)采用启发式算法对多套型布置进行精修；其中，各建筑单元的角点坐标为优化变量，输入的外轮廓像素、建筑单元不重叠为约束条件，建筑单元总面积与输入的总面积差值为目标函数。3.根据权利要求1所述的高层建筑结构智能设计方法，其特征在于，步骤2)包括以下分步骤：2-1)收集已建高层建筑平面布置图和步骤1-4)智能生成的高层建筑平面布置图，并对建筑平面布置图进行人工预处理，形成图纸数据库；2-2)基于图纸数据库，对图层命名规则进行总结，进而基于图层分析法开发高层建筑部件提取算法，实现墙、窗、普通门和电梯门的自动化提取和定位；2-3)将自动化提取的高层建筑部件进行点云化和图像二值化，采用连通区域分析算法对二值化图像进行处理，进行房间的智能分割；2-4)通过门的连通性建立房间的图结构，对图结构进行清理、合并、聚类和分割处理，进行套型的智能分割；采用普氏分析对套型角点进行匹配，完成相同套型的智能识别；2-5)基于图纸数据库、现行结构设计规范和专家经验，对抗侧构件和承重构件的布置规则进行总结，形成受力构件布置的先验知识；2-6)通过对相应软件数据格式的书写，实现高层建筑结构初始设计方案的自动生成。4.根据权利要求3所述的高层建筑结构智能设计方法，其特征在于，步骤2-4)包括以下分步骤：2-4-1)通过门的连通性建立房间的图结构，其中，用l表示的墙，如果至少有一扇门，划分为{l}
d
，如果没有门，划分为{l}
n
；房间i#的周围墙壁聚集成{l}
i
，采用公式(1)表示：式中，m
ij
＝1表示房间i#连接到房间j#，通过移除m
i
为0的房间，对图结构进行清理；2-4-2)对房间图结构进行重要节点分析，获取整个平面的公共区域、客厅、以及以客厅为核心的套型图结构；
2-4-3)进行相似套型的识别；其中，由一组墙壁{p
s
}相交点表示的套型单元与另一个套型单元{p
t
}表示的套型单元相匹配，采用普氏分析对套型角点进行匹配，计算方法为公式(2)～(6)：r＝uv
t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)t＝μ
t-rμ
s
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)w＝u∑v
t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)其中，r为旋转矩阵，t为平移矩阵；对角矩阵σ、左奇异矩阵u，右奇异矩阵v均由矩阵w奇异值分解得到；μ
t
和μ
s
分别为点集t和s的坐标均值；s
i
和t
i
是由最近邻算法确定的控制点对。5.根据权利要求3所述的高层建筑结构智能设计方法，其特征在于，步骤3)包括以下分步骤：3-1)基于现行结构设计规范和专家经验，提出高层建筑结构智能优化目标函数和罚函数的具体形式，结合参数取值范围、参数之间内在约束关系，形成高层建筑结构智能优化的数学模型；3-2)针对高层建筑结构智能优化的数学模型，搭建面向高层建筑结构智能优化的深度强化学习架构；3-3)采用启发式算法得到高层建筑结构并进行智能优化，形成＜初始状态，可行解＞的数据库；从数据库进行样本采集，完成深度强化学习架构的训练，形成深度强化学习训练策略；3-4)对不符合设定要求的高层建筑结构进行智能设计，形成＜结构平面布置图，深度强化学习参数＞的数据库；3-5)搭建迁移学习的网络架构，提出结构平面布置图相似度评价方法，进而建立迁移学习的损失函数形式；3-6)采用若干＜结构平面布置图，深度强化学习参数＞样本对迁移学习进行训练，完成新建高层建筑的智能设计。6.根据权利要求5所述的高层建筑结构智能设计方法，其特征在于，在步骤3-2)中，搭建深度强化学习架构时，如图9所示；计算目标函数为如下公式：c＝c
m
c
p
c
r
c
δ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)(7)(7)
式中，c为目标值，r
p
表示周期比，r
t
表示位移比，δ表示最大层间位移角，l
i1
和l
i2
表示墙段在平面两个方向上的长度，q值表示在t时刻的状态s
t
下采取动作a
t
获得的收益的期望，其中π表示行动的策略，γ表示时间折扣率，上标*代表最优的策略，上标'表示下一时刻(t 1)，上标-表示不同的神经网络，整个强化学习过程需要调整的参数用θ表示。7.根据权利要求5所述的高层建筑结构智能设计方法，其特征在于，在步骤3-5)中，相似度评价方法采用如下公式计算：c1＝(k1×
l)2； c2＝(k2×
l)2ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(15)k1＝0.01； k2＝0.03
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(16)其中，x、y分别表示两个进行比较的图像，μ
x
、μ
y
、σ
x
、σ
y
、σ
xy
分别表示图像x的灰度均值、图像y的灰度均值、图像x的灰度方差、图像y的灰度方差以及图像x和y的灰度协方差，l是像素值的动态范围；最终的结构平面布置图相似范围为[0，1]，值越大表示图像越相似；根据最大均值差异来构建迁移学习的损失函数：其中，h表明这个距离是由将数据映射到再生希尔伯特空间中进行度量的。

技术总结
本发明公开了高层建筑结构智能设计方法，包括高层建筑平面布置图的智能生成、智能建模和智能优化，智能生成算法为形成集平面布置图高维特征提取、多套型智能布置、多套型布置精修于一体的高层建筑平面布置图智能生成方法，智能建模算法为形成集套型智能分割与识别、受力构件智能布置、参数化建模于一体的高层建筑结构智能建模方法，智能优化算法为形成集深度强化学习的架构、深度强化学习的高效训练策略、迁移学习架构于一体的高层建筑结构智能优化方法。本发明通过结构工程与人工智能两个学科的交叉，形成了高层建筑结构的智能设计方法，解决了传统的高层建筑结构设计存在效率低、周期长和主观性强等问题。低、周期长和主观性强等问题。低、周期长和主观性强等问题。


技术研发人员：程国忠 刘界鹏 王禄锋 齐宏拓
受保护的技术使用者：重庆大学
技术研发日：2022.03.14
技术公布日：2022/12/22