AIstructure-Copilot-v0.1.2更新。今天我们又上新算法啦！精细化考虑抗震设计条件影响的图神经网络（GNN）设计算法。

往期功能更新的推送传送门：

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

2. AIstructure-Copilot：嵌入CAD平台的结构智能设计助手；

1

AIstructure-Copilot 产品更新简介

本次更新后，GNN在生成剪力墙结构设计时，可更好的考虑建筑设计以及抗震设计条件对剪力墙设计的影响。抗震设计条件改变后，剪力墙结构设计结果也会出现相应的变化。

设计基本地震加速度：0.1g；结构总高度：20m；场地特征周期值：0.4s

设计基本地震加速度：0.1g；结构总高度：50m；场地特征周期值：0.4s

设计基本地震加速度：0.2g；结构总高度：50m；场地特征周期值：0.4s

设计基本地震加速度：0.2g；结构总高度：80m；场地特征周期值：0.4s

设计基本地震加速度：0.2g；结构总高度：80m；场地特征周期值：0.6s

2

AIstructure-Copilot-v0.1.2的新功能

2.1 新算法：精细化考虑设计条件的GNN

老版本（GNN-Shearwall v1.0）算法：采用粗略的分组方法来考虑高度等设计条件影响，如果结构高度属于同一分组（比如100m以下分组），虽然结构高度由50m变更为100m，但是设计结果中剪力墙的布置没有改变。

设计基本地震加速度：0.2g；结构总高度：50m；场地特征周期值：0.4s

设计基本地震加速度：0.2g；结构总高度：100m；场地特征周期值：0.4s

新版本（GNN-Shearwall v2.0）算法：精细考虑设计条件对构件布置的影响。结构高度由50m变更为100m，剪力墙布置的数量和构件长度增加。

此前我们在生成对抗算法（GAN）中实现了精细考虑设计条件对设计结果的影响，本次更新我们在图神经网络（GNN）中也加入了这一功能。

设计基本地震加速度：0.2g；结构总高度：50m；场地特征周期值：0.4s

设计基本地震加速度：0.2g；结构总高度：100m；场地特征周期值：0.4s

2.2 天正CAD前处理优化

提取构件轴线操作，一次性提取便可基本达到无需人工修改的程度，显著降低人工操作所需时间。以下为一次性提取的效果。

2.3 剪力墙构件轴线变双线

【用户意见】剪力墙轴线变为双线，便于快速提资给建筑。

【软件改进】在AIstructure-Copilot生成剪力墙设计后，全部采用单线绘制，用户可进行手动调整，调整后采用剪力墙轴线转双线功能，一键生成剪力墙构件的双线布置图，双线剪力墙可用于提资给建筑设计师。

剪力墙轴线转双线功能

双线绘制的剪力墙布置图

3

结语

两周前，我们更新了AIstructure-Copilot-v0.1.1。得益于我们智能设计后端架构的不断完善、智能设计算法的不断研究，未来我们的更新完善频率也将逐渐提高，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。

彩蛋

虽然我们程序更新了某个模块的内容，但是我们这次不说，下次节后见！祝大家双节愉快！

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.

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, 2023, DOI: 10.1111/mice.13094