首页/文章/ 详情

AIstructure-Copilot功能更新:框架-核心筒构件截面尺寸设计Copilot版本

7月前浏览3047

节前,我们发布了AIstructure-Copilot-v0.1.2更新(详见:AIstructure-Copilot-v0.1.2更新:精细化考虑抗震设计条件影响的全新GNN版本,请您来试试),保留了一个小彩蛋,今天揭晓!

在AIstructure-Copilot-v0.1.2版本中,除了此前公布的剪力墙结构智能设计功能外,已经加入了框架-核心筒构件截面尺寸设计功能,欢迎大家试用!


0

模块功能简介

框架-核心筒结构是非常常见的结构形式,在其设计流程中,当确定完外框柱和核心筒的平面布置后,就要确定柱子和墙体的截面尺寸。现阶段往往依赖工程师的经验来选定截面尺寸,导致效率较低且需要多次迭代修正。

针对这一问题,我们提出了基于人工智能的框架-核心筒构件截面尺寸确定方法(详见:新论文和发明专利 | 规则增强的框架-核心筒结构人工智能设计方法)。案例表明,AI设计的构件截面尺寸和有经验的工程师设计结果非常接近,而效率可以提升几十倍。

但是,用户反映说此前的方法操作不便,为此,我们推出了基于AIstructure-Copilot的框架-核心筒构件截面尺寸设计功能,用户可以在CAD界面内就完成所有操作,显著简化了操作流程。

   


1

程序更新简介

以前的流程(图1),CAD和线上云平台交替使用,过程繁琐,容易出错;

   

图1 以前的多平台交互设计流程

现在的流程(图2),CAD平台中全搞定,过程简洁高效。

   

图2 现在的一键式设计流程


2

Copilot-框架-核心筒设计功能

2.1 基于CAD平台的智能设计助手

在发布了AIstructure-Copilot的剪力墙结构设计功能之后,智能设计的便利性显著提升。因此,采用与剪力墙智能设计助手相同的思路,我们对框架-核心筒结构的智能设计流程进行了优化,用户可在CAD平台中,基于AIstructure-Copilot插件完成全部智能设计过程。

2.2 设计条件统一

将云平台中的多个设计条件集成在CAD中,用户可以更便捷地完成参数设置。

   

(a) 云平台中所需的设计条件

   

(b) CAD平台Copilot的参数设置

图3 设计条件集成


3

典型案例

案例1

   

(a) 原始CAD图纸

   

(b) 前处理后的CAD图纸轴线

   

(c) AI设计结果的CAD绘制

   

(d) AI生成设计数据

案例2

   

(a) 原始CAD图纸

   

(b) 前处理后的CAD图纸轴线

   

(c) AI设计结果的CAD绘制

   

(d) AI生成设计数据

案例3

   

(a) 原始CAD图纸

   

(b) 前处理后的CAD图纸轴线

   

(c) AI设计结果的CAD绘制

   

(d) AI生成设计数据


4

结语

我们将框架-核心筒结构构件截面的智能设计技术在CAD平台中进行了集成,更有利于用户使用。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。

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.

  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.

  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.

---End--

来源:陆新征课题组
System建筑材料上云人工智能
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:2023-10-09
最近编辑:7月前
地震那些事
博士 抗震防灾数值模拟仿真
获赞 35粉丝 43文章 532课程 0
点赞
收藏
未登录
还没有评论

课程
培训
服务
行家

VIP会员 学习 福利任务 兑换礼品
下载APP
联系我们
帮助与反馈