AIstructure-Copilot-v0.1.1功能更新：1次设计，2个方案，3套模型

0

太长不看版

AIstructure-Copilot-v0.1.1更新。目前，我们已基本实现1次设计，2个方案，3套模型的功能。

即对1个建筑设计方案进行前处理；采用智能生成算法可同时给出2个方案设计，分别为GAN和GNN的设计；随后可输出建模参数，采用我们提供的开源代码，建立PKPM、ETABS、YJK软件3套模型。

下载地址：https://ai-structure.com/backend/struct/downloadAIstructure

也可进入合木智构网站（https://ai-structure.com/#/IntelligentDesign）进行下载

如果您此前对AIstructure-Copilot尚不了解，欢迎您阅读本文第一部分《AIstructure-Copilot产品简介》。

如果您已经是AIstructure-Copilot的老用户，欢迎您阅读本文的第二部分《AIstructure-Copilot-v0.1.1的新功能》。

如果您是AIstructure-Copilot的深度二次开发用户，欢迎您阅读本文的第三部分《AIstructure-Copilot的二次开发最新支持》。

1

AIstructure-Copilot 产品简介

7月11日，我们发布了AIstructure-Copilot-v0.1.0，将所有AI设计流程集成至CAD界面，梳理了设计流程，实现了更加便捷的操作和交互性，无需繁复的多平台切换与上传下载操作，实现5 min完成剪力墙结构方案的智能设计。

AIstructure-Copilot得到了更多工程师的试用，目前可统计的用户设计项目已超过800项。同时也收到了更多的改进意见，我们对此进行了改进和完善，欢迎大家继续试用。

AIstructure-Copilot工作流程如下图所示，其操作流程为：

(1)首先在ai-structure.com网站上注册用户，然后下载AIstructure-Copilot程序（免费），安装AIstructure.exe程序；安装完成后打开CAD界面，便可看到菜单栏中出现AIstructure。

(2)然后在CAD界面中对建筑平面设计结果进行前处理，之后点击“剪力墙智能设计”菜单，程序将自动与服务器交互完成AI结构设计工作，并将AI设计结果下载至本地。

(3)基于我们提供的开源代码，可以基于AI设计结果自动建立PKPM、ETABS或YJK软件模型。

大家在做设计时，往往希望对方可以多提供几个方案供挑选，AIstructure-Copilot就提供了这样的功能。AIstructure-Copilot可以同时生成基于生成对抗网络算法（GAN）和图神经网络算法（GNN）两种不同深度学习算法的方案。目前看GAN和GNN虽然算法原理差异很大，但生成的结果却可谓一时瑜亮，难以直接判定哪个更好，因此，我们将选择权交由工程师决定。AIstructure-Copilot同时生成GAN和GNN两种设计，供工程师们选择和调整。毕竟AI完成一个结构方案设计实际上用时不到10s，多做一个方案也就多花10s时间而已。

2

AIstructure-Copilot-v0.1.1的新功能

2.1 工程师交互调整

【用户意见】生成的双线图不利于调整和改进，且生成的剪力墙有不合适的地方，无法调整剪力墙后再根据新的剪力墙布置进行梁生成。

【软件改进】在AIstructure-Copilot生成剪力墙设计后，全部采用单线绘制。并且，工程师可手动进行优化调整，随后再基于调整后的剪力墙设计进行梁构件智能设计生成。以下是典型的案例：

首先，AIstructure-Copilot直接生成剪力墙布置图，如下图(a)所示，其中可能有部分剪力墙布置不够合理；随后，工程师对生成的剪力墙布置进行手动调整，调整后如下图4(b)所示；最后基于调整后的剪力墙布置和建筑构件布置，生成梁布置设计，如下图4(c)所示。

2.2 轴线颜色 区分

【用户意见】GANIO_WALL_Move与GANIO_WALL颜色应不同。

【软件改进】将GANIO_WALL_Move图层置为灰色，便于工程师根据经验判断哪些是可移动隔墙的轴线。

2.2 新增剪力墙、梁构件截面尺寸自定义选项

【用户意见】用于建模的剪力墙和梁构件截面尺寸，能否由工程师自己设定？

【软件改进】新增加了用户自定义剪力墙和梁构件截面尺寸的输入框，默认值为“-1”，若不更改，则程序根据设计条件自动生成对应尺寸。梁宽度与剪力墙厚度一致。

2.4 梁的智能设计功能由本地CAD插件执行改为云端API执行

为便于后续更快、更好的根据工程师建议，对智能设计算法进行更新和维护，将梁布置的智能设计置于云端执行。

3

AIstructure-Copilot的二次开发最新支持

数据格式统一为JSON，便于数据解译与个性化使用

【用户意见】gdt文件并非常规的数据格式，用于建模时，难以有效解析.gdt文件中的数据含义。

【软件改进】为了更好的在多个平台之间进行数据的传递和使用，便于工程师解读AI设计结果，我们将所有的数据变更为标准化的JSON格式。

（1）建筑设计前处理后，传递给AIstructure-Copilot智能设计采用的是建筑信息JSON数据；

（2）剪力墙-梁结构设计后，传递给结构自动建模开源代码的则是建筑-结构信息JSON数据；

（3）目前，开源代码自动生成剪力墙结构模型的代码，已修改为JSON格式数据输入。

4

结语

在7月份AIstructure-Copilot-v0.1.0上线以来，得到了更多工程师的试用，目前可统计的用户设计项目已超过800项。我们不断针对用户提出的问题进行改进，并进一步完善软件输入输出功能。

未来，我们还将在此基础上进一步进行开发，尽快上线新功能，请各位用户持续关注，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。

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, 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.

---End--