首页/文章/ 详情

AIstructure-Copilot-v0.3.3:新增非正交复杂建筑布局设计功能

2小时前浏览4

0

引言    

蛇年伊始,我们隆重推出AIstructure-Copilot-V0.3.3版本,该版本新增非正交复杂建筑布局设计功能,欢迎大家试用。


一分钟视频介绍

 


1

非正交复杂平面的剪力墙结构设计

在AIstructure-Copilot研发初期,我们遇到的设计案例大多是比较规则的建筑平面,其墙体和构件布置都是横平竖直的正交布置(图1),我们针对这样的平面布置也取得了较好的设计效果。


 

(a)建筑设计图

 

(b)结构设计图

图1 墙体和构件都是正交布置的设计案例


但是,随着AIstructure-Copilot设计工程量的增多,很多用户反映在我国南方地区,建筑平面通常是由正交构件和非正交构件组成的较为复杂的布局,使用以往版本AIstructure-Copilot进行结构智能设计时表现不佳。于是,我们开发了可以实现非正交复杂楼面设计的新版本AIstructure-Copilot-V0.3.3,典型设计案例如下:

建筑平面布局如图2所示,该建筑是一个品字形布局,共18个自然层,抗震设防烈度为7度(0.15g)。

 

图2 品字形建筑平面图(平面尺寸33.6m×31.5m)


采用AIstructure-Copilot-V0.3.3版本进行结构智能设计,得到的设计结果如图3所示,可以看出AI可以很好的完成结构构件的布置。同时,我们将此布置结果导入PKPM进行力学性能的计算,计算结果如图4所示,可以看出AI的设计结果满足规范对力学性能的要求

 

图3 智能设计效果(红色为剪力墙,蓝色为梁)


 

图4 结构力学性能指标


后续,我们还将不断完善相关产品功能。欢迎大家持续关注我们的工作,多多支持!

 

温馨提示:为更好使用AI设计工具,请仔细阅读使用说明书(https://ai-structure.com)

--End--
  
相关论文

  1. Liao WJ, Lu XZ, Huang YL, Zheng Z, Lin YQ, Automated structural design of shear wall residential buildings using generative adversarial networks, Automation in Construction, 2021, 132: 103931. DOI: 10.1016/j.autcon.2021.103931.

  2. Lu XZ, Liao WJ, Zhang Y, Huang YL, Intelligent structural design of shear wall residence using physics-enhanced generative adversarial networks, Earthquake Engineering & Structural Dynamics, 2022, 51(7): 1657-1676. DOI: 10.1002/eqe.3632.

  3. Zhao PJ, Liao WJ, Xue HJ, Lu XZ, Intelligent design method for beam and slab of shear wall structure based on deep learning, Journal of Building Engineering, 2022, 57: 104838. DOI: 10.1016/j.jobe.2022.104838.

  4. Liao WJ, Huang YL, Zheng Z, Lu XZ, Intelligent generative structural design method for shear-wall building based on “fused-text-image-to-image” generative adversarial networks, Expert Systems with Applications, 2022, 118530, DOI: 10.1016/j.eswa.2022.118530.

  5. Fei YF, Liao WJ, Zhang S, Yin PF, Han B, Zhao PJ, Chen XY, Lu XZ, Integrated schematic design method for shear wall structures: a practical application of generative adversarial networks, Buildings, 2022, 12(9): 1295. DOI: 10.3390/buildings1209129.

  6. Fei YF, Liao WJ, Huang YL, Lu XZ, Knowledge-enhanced generative adversarial networks for schematic design of framed tube structures, Automation in Construction, 2022, 144: 104619. DOI: 10.1016/j.autcon.2022.104619.

  7. Zhao PJ, Liao WJ, Huang YL, Lu XZ, Intelligent design of shear wall layout based on attention-enhanced generative adversarial network, Engineering Structures, 2023, 274: 115170. DOI: 10.1016/j.engstruct.2022.115170.

  8. Zhao PJ, Liao WJ, Huang YL, Lu XZ, Intelligent beam layout design for frame structure based on graph neural networks, Journal of Building Engineering, 2023, 63, Part A: 105499. DOI: 10.1016/j.jobe.2022.105499.

  9. Zhao PJ, Liao WJ, Huang YL, Lu XZ, Intelligent design of shear wall layout based on graph neural networks, Advanced Engineering Informatics, 2023, 55:101886, DOI: 10.1016/j.aei.2023.101886

  10. Liao WJ, Wang XY, Fei YF, Huang YL, Xie LL, Lu XZ, Base-isolation design of shear wall structures using physics-rule-co-guided self-supervised generative adversarial networks, Earthquake Engineering & Structural Dynamics, 2023, 52(11): 3281-3303. DOI:10.1002/eqe.3862.

  11. Feng YT, Fei YF, Lin YQ, Liao WJ, Lu XZ, Intelligent generative design for shear wall cross-sectional size using rule-embedded generative adversarial network, Journal of Structural Engineering-ASCE, 2023, 149(11). 04023161. DOI:10.1061/JSENDH.STENG-12206.

  12. Fei YF, Liao WJ, Lu XZ, Guan H, Knowledge-enhanced graph neural networks for construction material quantity estimation of reinforced concrete buildings, Computer-Aided Civil and Infrastructure Engineering, 2024, 39(4): 518-538. DOI: 10.1111/mice.13094.

  13. Zhao PJ, Fei YF, Huang YL, Feng YT, Liao WJ, Lu XZ, Design-condition-informed shear wall layout design based on graph neural networks, Advanced Engineering Informatics, 2023, 58: 102190. DOI: 10.1016/j.aei.2023.102190.

  14. Fei YF, Liao WJ, Lu XZ, Taciroglu E, Guan H, Semi-supervised learning method incorporating structural optimization for shear-wall structure design using small and long-tailed datasets, Journal of Building Engineering, 2023, 79: 107873. DOI:10.1016/j.jobe.2023.107873

  15. Liao WJ, Lu XZ, Fei YF, Gu Y, Huang YL, Generative AI design for building structures, Automation in Construction, 2024, 157: 105187. DOI: 10.1016/j.autcon.2023.105187

  16. Zhao PJ, Liao WJ, Huang YL, Lu XZ, Beam layout design of shear wall structures based on graph neural networks, Automation in Construction, 2024, 158: 105223. DOI: 10.1016/j.autcon.2023.105223

  17. Qin SZ, Liao WJ, Huang SN, Hu KG, Tan Z, Gao Y, Lu XZ, AIstructure-Copilot: assistant for generative AI-driven intelligent design of building structures, Smart Construction, 2024, DOI: 10.55092/sc20240001

  18. Gu Y, Huang YL, Liao WJ, Lu XZ, Intelligent design of shear wall layout based on diffusion models, Computer-Aided Civil and Infrastructure Engineering, 2024, 39(23):3610-3625. DOI: 10.1111/mice.13236

  19. Fei YF, Liao WJ, Zhao PJ, Lu X*, Guan H, Hybrid surrogate model combining physics and data for seismic drift estimation of shear-wall structures, Earthquake Engineering & Structural Dynamics, 2024, 53(10): 3093-3112. DOI: 10.1002/eqe.4151

  20. Han J, Lu XZ, Gu Y, Cai Q, Xue HJ, Liao WJ, Optimized data representation and understanding method for the intelligent design of shear wall structures, Engineering Structures, 2024, 315: 118500. DOI: 10.1016/j.engstruct.2024.118500

  21. Qin SZ, Guan H, Liao WJ, Gu Y, Zheng Z, Xue HJ, Lu XZ, Intelligent design and optimization system for shear wall structures based on large language models and generative artificial intelligence, Journal of Building Engineering, 2024, 95: 109996. DOI: 10.1016/j.jobe.2024.109996

  22. Wang ZH, Yue Y, Chen Y, Liao WJ, Li CS, Hu KG, Tan Z, Lu XZ. Expert experience-embedded evaluation and decision-making method for intelligent design of shear wall structures.  Journal of Computing in Civil Engineering-ASCE, 2025, 39(1). DOI: 10.1061/JCCEE5.CPENG-6076

  23. Tan Z, Qin SZ, Hu KG, Liao WJ, Gao Y, Lu XZ, Intelligent generation and optimization method for the retrofit design of RC frame structures using buckling-restrained braces, Earthquake Engineering & Structural Dynamics, 2025, 54(2): 530-547. DOI: 10.1002/eqe.4268

  24. Yu Y, Chen Y, Liao WJ, Wang ZH, Zhang SL, Kang YJ, Lu XZ, Intelligent generation and interpretability analysis of shear wall structure design by learning from multidimensional to high-dimensional features, Engineering Structures, 2025, 325: 119472. DOI: 10.1016/j.engstruct.2024.119472

  25. Qin SZ, Liao WJ, Huang YL, Zhang Shulu, Gu Y, Han J, Lu XZ, Intelligent design for component size generation in reinforced concrete frame structures using heterogeneous graph neural networks, Automation in Construction, 2025, 171: 105967. 

  26. Xia JK, Liao WJ, Han B, Zhang SL, Lu XZ, Intelligent co-design of shear wall and beam layouts using a graph neural network, Automation in Construction, 2025, 172: 106024. 

   



来源:陆新征课题组
ACTSystem二次开发建筑材料人工智能
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2025-02-25
最近编辑:2小时前
地震那些事
博士 抗震防灾数值模拟仿真
获赞 82粉丝 57文章 579课程 0
点赞
收藏
作者推荐

继续关注希腊地震:一个难得的地震预报实操案例

本月初,希腊发布警报,旅游胜地圣托里尼岛及周边地区近期可能会发生较强地震。为应对该风险,希腊当局要求自2月3日起,锡拉岛、阿纳菲岛、伊奥斯岛和阿莫尔戈斯岛的学校停课。当地居民应该避免在建筑物内大量聚集,避免接近废弃的建筑物,避免进入和停留在阿穆迪港、阿梅尼港、科尔富港和费拉旧港(防备海啸和滑坡),着手拆除建筑物中危险的非结构性薄弱环节,并排空游泳池中的水,出行避免易发生山体滑坡的地方(参阅:路透社等:希腊的旅游明珠圣托里尼岛进入地震警戒状态)。自1月26日开始,圣托里尼岛周边就进入了“振动”模式,据雅典国家技术大学(ΕΚΠΑ)的报告,在22天内,圣托里尼(Santorini)和阿莫尔戈斯(Amorgos)之间海域记录了超过21,500次地震。截至2月17日,已经记录到震级大于4.0级的地震有129次,最强记录为 ML 5.2 级。大多数地震的震源深度在10至15公里之间。高峰时段,当地居民几乎每隔几分钟就感觉到一次地震。 22天内记录到2万多次地震,最强记录ML 5.2 级(https://www.unesco.org/en/articles/santorini-ongoing-earthquake-swarm)希腊当局发出地震警报后,对圣托里尼岛的社会和经济产生了巨大的影响,截至2月6日,已有超过11,000人离开圣托里尼岛,其中约7,000人乘渡轮离开,4,000人乘飞机离开。当地学校已经连续3周都采用远程教学。游轮公司也避开圣托里尼岛。地中海的旅游季节即将到来,如果长期如此,将对希腊的旅游业产生巨大冲击。 岛上风景如画,游船却不敢靠港(https://www.protothema.gr/greece/article/1602079/)希腊地震规划与保护组织(ΟΑΣΠ)下辖两个委员会(永久性地震风险评估与减灾科学委员会以及希腊弧火山监测常设科学委员会),每周开会讨论下一步的对策,最近一次会议于2月16日在希腊气候危机与民防部举行。ΟΑΣΠ主席欧西米奥斯·莱卡斯(Ευθύμιος Λέκκας)教授、希腊气候危机与民防部部长、副部长、希腊武装部队灾害管理与应对指挥部指挥官、消防队领导层等出席会议。在会议期间,委员会成员介绍了截至目前的数据,并对其进行了审查。据希腊民防部门的消息来源称,这些数据与前一次会议相比没有变化。给出的结论是:最可能的情景是地震活动逐渐减弱。但也可能发生6级或略高的地震,这样的话,火山口地区约200-300栋建筑有4%的倒塌风险。并且短期内不会发生火山喷发。事实上在过去三周内,上述结论基本上没有太大的变化,这也体现出地震预报工作的难处:首先,当地近期地震活动频繁,高峰时期每几分钟就有一次有感地震(科普:一般超过3级以上地震就属于有感地震),民众恐慌,政府也是压力山大。虽然有一些专家,例如佩特雷大学的Avraam Zelilidis教授认为,圣托里尼岛附近不会发生超过5.5级的地震。但是也有专家认为不能排除发生6级或略高于6级地震的可能性。最终希腊当局在2月3日发布了地震警报,于是学校停课、居民出逃、当地社会经济活动遭到重大打击。然而,过去3周虽然地震次数很多,但是震级最大也就5.2级,并没有造成什么严重破坏。从目前的情况看,希腊的这轮地震警报发的有点不必要。更要命的是,地质活动的周期很长,虽然已经过去3周了,但是当地的振动模式还要持续多久谁也不好说。例如2月16日记录到超过770次地震,其中两次震级超过4.0级,最强地震为4.4级。2月17日又记录到超过780次地震,其中4次震级超过4.0级,最强地震为5.1级。2月18日又有三次震级超过4.0级,其中最强地震为4.9级。这就导致这次地震警报是否要撤销,希腊当局也是左右为难。小结:地震预报是一个非常困难的科学问题,希腊的这次地震预报实践是一个非常重要的观察样本,我们将继续关注。---End---来源:陆新征课题组

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习计划 福利任务
下载APP
联系我们
帮助与反馈