人工智能在建筑工程中的应用：结合计算设计优化

在代尔夫特理工大学（TU Delft）的设计信息学讲席（Chair of Design Informatics）中，计算设计是一个活跃的研究领域，副教授米凯拉·图林（Michela Turrin）如是说。“我们开发计算方法——包括使用modeFRONTIER软件——以支持从设计过程的最早阶段（即做出最具影响力决策的阶段）就开始对建筑性能进行科学调查，”图林说。“特别是，我们的研究重点在于推进计算设计，以便将工程方面整合到建筑概念设计的非常早期阶段，并在合理满足性能标准的前提下触发设计创新。”

这种建筑设计与工程过程的一体化方法涉及三个主要组成部分，每个部分都融合了不同的计算方法和技术：

• 形态生成：参数化建模和基于人工智能的形态生成。

• 性能评估：计算模拟和基于人工智能的代理模型（surrogate models）。

• 多学科设计探索优化：计算设计探索与优化。

  
  

建筑设计本质上是多学科的。不同学科可能有完全不同的优先事项和使用不同的语言。在数据方面，每个学科分析数据的方式可能不同。因此，需要建立一种跨学科都能理解的共同语言。多学科设计探索指的是任何帮助设计者理解其决策后果的方法——它本质上是一种基于场景的方法。数据在理解“假设”（what if）场景、揭示某些设计选择如何影响建筑性能方面起着关键作用。每个建筑设计都是一个迭代过程，需要在直观、创造性、发散性的探索与理性分析、综合、收敛之间取得平衡。在这个复杂的过程中，计算设计优化支持对影响整体建筑性能的多个目标进行调研。它允许设计者在不同的模拟条件下探索大量备选方案，并确定最优或优选的设计解决方案。

在建筑设计与工程的交汇处，计算设计有助于理清相关的选项及其影响。与传统的工程优化（通常专注于产生单一的单学科解决方案）不同，这种方法拥抱多重权衡。将多目标优化算法与数据分析相结合，可以更清晰地洞察设计参数与其相应性能之间的关系。考虑到必须考虑的广泛且相互冲突的性能标准，多目标方法尤其相关。在处理大量变量时，数据分析技术也至关重要，这些变量可能使寻求理解相关性的设计者感到困难。尽管有这些优势，但此过程严重依赖于对大量设计备选方案（通常基于数字模拟）的性能评估。这些模拟可能非常耗时，有时即使是简化模型也需要数小时。使用机器学习创建代理模型显著加快了这一过程，使其更适用于早期设计阶段的快速时间表，因为此阶段设计变更被快速制定。

“我们在这个一体化的建筑设计与工程流程的每个组成部分使用相当多样化的不同软件。其中，我们的团队广泛使用modeFRONTIER。我们与ESTECO及其应用工程师建立了长期的合作关系，他们在各种研究项目中为我们提供帮助。”

米凯拉·图林 (Michela Turrin)

设计信息学讲席副教授

建筑与建筑环境学院，代尔夫特理工大学 

“‘塑造建筑环境以实现高性能建筑设计’是我们在代尔夫特理工大学研究活动的最终目标，”米凯拉·图林补充道。“通过‘塑造’，我们指的是跨越不同尺度的设计过程——从单个建筑构件到更广阔的城市尺度。在此背景下，关键点之一始终是协作方面以及性能数据如何从计算工作流中生成。我们尝试利用这些数据来促进跨学科的讨论，以此促进头脑风暴并创造一个共同基础，可用于在不同设计场景的利弊之间进行跨学科协商。事实上，基于建筑性能数据的协作是我们为学生开设的MEGA课程的基础。”

MEGA课程项目：多功能高层建筑的概念和设计发展阶段

MEGA是代尔夫特理工大学建筑学院开设的硕士二年级（MSc 2）课程。该课程以大型或高层建筑的协作式、多学科重新设计为核心。由5到7名学生组成的团队开发一个涵盖建筑设计各学科的集成设计，包括气候设计、计算设计、立面设计、结构设计和管理。

这种协作和多学科的过程得到了一个数字设计环境的支持，该环境包括通过参数化设计进行3D建模、建筑信息模型（BIM）、性能评估以及如modeFRONTIER等计算设计优化软件。作为MEGA课程的一部分，ESTECO的应用和支持工程师为学生主持了一个研讨会，重点是利用计算优化技术探索设计备选方案。

每名学生负责一个特定角色，并由该学科的专家指导。作为一个团队工作，学生们共享一个旨在促进跨不同领域协作的计算工作流。这个共享的工作流使每个学科能够分析设计并评估特定设计决策的影响，同时认识到不同学科可能有相互冲突的标准和优先事项。因此，该工作流成为了一个用于协商、讨论和跨学科头脑风暴的平台。以下是一些由MEGA课程学生在过去几年中应对的设计挑战的概览，其中跨学科的计算过程发挥了重要作用。

1）中庭屋顶的结构设计，同时考虑屋顶下方产生的微气候条件的影响

吉欧里, E.D., 滕皮里克, M. 和图林, M., 2020. 地中海气候下高层办公建筑的零能耗潜力：使用多目标优化理解设计决策对零能耗高层建筑的影响。(Giouri, E.D., Tenpierik, M. and Turrin, M., 2020. Zero energy potential of a high-rise office building in a Mediterranean climate: Using multi-objective optimization to understand the impact of design decisions towards zero-energy high-rise buildings.）

弗朗西斯科·古兹曼 (2019), 优化的绿墙：城市环境中垂直绿化系统性能研究 委员会: P. Luscuere, M. Ottele, M. Turrin, R. Schipper – 代尔夫特理工大学。(Francisco Guzman (2019), Optimized Green Walls: Study of Vertical Green Systems’ Performance in an Urban Setting Committee: P. Luscuere, M. Ottele, M. Turrin, R. Schipper – TU Delft.)        

在另一个室内应用的例子中，基斯·扬·亨德里克斯（Kees Jan Hendriks）探索了如何提高相变材料（PCM）特隆布墙（Trombe wall）的热能性能并开发一种经济可行的产品。这种被动系统通过降低荷兰某办公建筑内能源系统的能源需求和机械系统的峰值负荷，降低了其总成本。他将MATLAB/Simulink仿真模型集成到modeFRONTIER工作流中，以执行多目标设计优化。目标是设计一个最优系统，在实现热力学效率和成本效益的同时，使用最少的PCM材料来最小化能耗。

基斯·扬·亨德里克斯 (2019), 状态改变。基于潜热存储的热力学和成本效益优化的特隆布墙，用于全年应用。导师: M. Tenpierik, T. Klein, M. Turrin – 代尔夫特理工大学 (Kees Jan Hendriks (2019), Change of state. A thermodynamic and cost-effective optimized Trombe wall based on latent heat storage for year round application. Mentors: M. Tenpierik, T. Klein, M. Turrin – TU Delft)

我们与代尔夫特理工大学的合作旨在通过五个关键支柱推进建筑设计的计算工作流。以下是每个重点领域的细分以及我们参与的项目。

1‍‍‍‍‍‍‍‍‍‍‍‍‍. 生成式设计和参数化，包括计算机视觉。

第一个重点领域解决参数化的挑战——具体来说，是确定哪些参数对纳入设计过程最有意义，以及确定要纳入的合理参数数量。丁杨（Ding Yang）在其题为“设计即探索：室内体育馆的多目标多学科优化”（"Design as Exploration: Multi-Objective and Multi-Disciplinary Optimization of Indoor Sports Halls"）的博士研究中探讨了这个问题。杨展示了通过将Grasshopper、Daysim、EnergyPlus和Karamba3D分析与modeFRONTIER工作流相连接来实现计算优化技术的集成。他的工作重点是通过优化屋顶几何结构来实现结构性能和采光质量之间的平衡。他还开发了通过战略性减少设计变量同时保留基本性能标准来简化复杂多目标问题的方法。

中国武汉大学室内体育馆 - 由华南理工大学建筑设计研究院孙一民工作室设计。(Indoor sports building in Wuhan University, China - designed by Sun Yimin Studio of Architectural Design and Research Inst. of South China University of Technology.)

第二个关键重点领域，在早期设计阶段尤其重要，是能够快速评估多个性能标准以指导决策，并防止在后期过程中进行昂贵的修改。在代尔夫特理工大学，目标是利用计算模拟来开发基于人工智能的代理模型。这些模型将使设计者能够在每个代理模型的有效性范围内，快速评估各种设计问题的性能。ESTECO为代尔夫特理工大学研究团队提供了modeFRONTIER及其基于人工智能的代理模型，用于项目“现有建筑能源转型的综合方法——数字化改造过程”。该项目旨在创建一个自动化流程，用于优化和制造支持符合能源转型目标的被动式设计策略的建筑构件。从现有建筑物的数字模型开始，该工作流集成了参数化设计、优化和3D打印，利用基于机器学习神经网络的快速热模拟进行性能评估。

合作伙伴: ESTECO: 计算优化和机器学习软件公司。ARUP: 使用计算工作流进行能源改造的工程公司。Royal 3D: 用于大型工业3D打印的3D打印公司。

我们伙伴关系的第三和第四个支柱反映了从大型数据集中提取信息并使其可供不同学科访问的需求，同时整合定量和定性标准。贾马尔·范·卡斯特尔（Jamal Van Kastel）在其硕士论文“生成式设计探索的可视化分析”（“Visual Analytics for Generative Design Exploration”）中提出了一个高度交互的、类似游戏的数据环境。该工具将高维数据与广泛的体育馆设计备选方案的建筑几何形态和处理过程一起可视化。作为计算设计工作流的一部分，modeFRONTIER被用于利用其自组织映射（SOM）后处理工具创建复杂多维数据的二维表示。

贾马尔·范·卡斯特尔 - 生成式设计探索的可视化分析：一个交互式3D数据环境，用于支持近零能耗体育馆性能驱动设计过程的计算设计系统 – 硕士论文 2017 (Jamal van Kastel - Visual Analytics for Generative Design Exploration: An interactive 3D data environment for a computational design system facilitating the performance-driven design process of a nearly Zero-Energy sports hall – MSc Thesis 2017)      

DoubleFace 2.0 - 可调节半透明特隆布墙。渲染图由设计信息学讲席保罗·德·鲁伊特 (Paul de Ruiter) 制作。