[发明专利]基于领域知识增强的钢结构厂房构件布置设计方法及系统有效
| 申请号: | 202211627394.4 | 申请日: | 2022-12-16 |
| 公开(公告)号: | CN116150839B | 公开(公告)日: | 2023-08-29 |
| 发明(设计)人: | 陆新征;郑哲;廖文杰 | 申请(专利权)人: | 清华大学 |
| 主分类号: | G06F30/13 | 分类号: | G06F30/13;G06F30/27;G06V10/44;G06V10/80;G06F119/14 |
| 代理公司: | 北京路浩知识产权代理有限公司 11002 | 代理人: | 杨伟东 |
| 地址: | 100084 北京市海淀区双清路*** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 基于 领域 知识 增强 钢结构厂房 构件 布置 设计 方法 系统 | ||
本发明提供一种基于领域知识增强的钢结构厂房构件布置设计方法及系统,将目标厂房分隔特征数据与平面设计条文特征输入到预训练领域知识增强的厂房平面构件布置生成模型,得到厂房平面结构构件的布置和截面特征数据,基于钢结构构件尺寸图与构件布置特征数据的映射关系得到厂房平面结构构件的布置和截面设计数据;将厂房平面结构构件的布置和截面特征数据与屋面设计条文特征数据输入到预训练的厂房屋面构件布置生成模型,得到厂房屋面结构构件的布置和截面特征数据,基于钢结构构件尺寸图与构件布置特征数据的映射关系得到厂房屋面结构构件的布置和截面设计数据;整合数据得到初步设计结果与模型。本发明解决人工设计钢结构厂房效率低的问题。
技术领域
本发明涉及人工智能建筑设计技术领域,尤其涉及一种基于领域知识增强的钢结构厂房构件布置设计方法及系统。
背景技术
在钢结构厂房的方案设计阶段,为保证钢结构厂房结构设计方案的安全性和经济性,需在钢结构厂房结构布置方案的基础上以及钢结构厂房结构设计条件的约束下,进行快速合理的钢结构厂房结构构件定位及尺寸设计。
但传统的钢结构厂房结构构件定位与尺寸设计方案主要依赖结构工程师的个人经验,人工设计方式不仅耗时耗力,且设计过程效率低下、既有设计经验难以传承。目前尚缺乏智能钢结构厂房结构构件定位与尺寸设计方法。
发明内容
本发明提供一种基于领域知识增强的钢结构厂房构件布置设计方法及系统,用以解决人工设计钢结构厂房耗时耗力,设计过程效率低下且既有设计经验难以传承,智能化钢结构厂房设计时设计方案经常违背结构工程师基本常识的问题,实现钢结构厂房结构构件的高效、准确定位与尺寸设计。
本发明提供一种基于领域知识增强的钢结构厂房构件布置设计方法,包括:
获取钢结构厂房的概念设计图纸和设计条件文本,从所述概念设计图纸提取厂房分隔特征数据,并从所述设计条件文本中提取平面设计条件特征数据和屋面设计条件特征数据;
将所述厂房分隔特征数据与平面设计条文特征数据融合为厂房平面布置特征张量,将厂房平面布置特征张量输入到预先训练完成的领域知识增强的厂房平面构件布置生成模型,得到厂房平面结构构件的布置和截面特征数据,并从所述厂房平面结构构件的布置和截面特征数据中提取厂房平面结构构件的布置和截面设计数据;
将所述厂房平面结构构件的布置和截面特征数据与屋面设计条件特征数据融合为厂房屋面布置特征张量,将厂房屋面布置特征张量输入到预先训练完成的领域知识增强的厂房屋面构件布置生成模型,得到厂房屋面构件布置和截面特征数据,并从所述屋面构件布置特征数据中提取厂房屋面结构构件的布置和截面设计数据;
将所述厂房平面结构构件的布置和截面设计数据、厂房屋面结构构件的布置和截面设计数据进行匹配和整合,得到钢结构厂房的钢框架结构设计初步设计结果。
根据本发明提供的一种基于领域知识增强的钢结构厂房构件布置设计方法,所述将所述厂房分隔特征数据与平面设计条文特征数据融合为厂房平面布置特征张量,具体包括:
所述厂房分隔特征数据约束了厂房平面关键结构构件的布置范围;
所述平面设计条文特征数据约束了厂房的结构形式、抗震设计信息、主要构件控制应力比、吊车荷载、平面关键构件的力学性能信息;
将所述厂房分隔特征数据表征为二阶矩阵,得到厂房分隔特征矩阵,所述厂房分隔特征矩阵中能够布置厂房平面关键结构构件的位置标注为1,其余位置标注为0;
将所述平面设计条文特征数据表征为零阶标量,并将所述零阶标量复制为与所述厂房分隔特征矩阵的同形二阶矩阵,得到平面设计条件特征矩阵;
将所述厂房分隔特征矩阵、平面设计条件特征矩阵分别进行归一化处理,并将所述厂房分隔特征矩阵、平面设计条件特征矩阵的归一化处理结果进行堆叠,得到厂房平面布置特征张量。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学,未经清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211627394.4/2.html,转载请声明来源钻瓜专利网。





