基于信息化发展下的建筑结构数智设计的应用

沙 萱,李 浩,李亦崎,邱宏杰,陈展淳

(东南大学成贤学院,南京210088)

2020年,住房和城乡建设部等13部门联合印发《关于推动智能建造与建筑工业化协同发展的指导意见》,指出要加大智能建造在工程建设各环节的应用,逐步形成全产业链融合一体的智能建造产业体系。智能化的建筑结构设计是实现智能建造的关键组成部分,形成数智化建筑结构设计的工作模式,对于提高设计效率至关重要。

1 建筑结构智能设计技术类型

近年来,为真正实现协同建筑和结构设计及两专业相互间的模型转换,出现了几种智能设计技术类型,相关研究成为了工程领域及学界的热点。

1.1 基于IFC标准的建筑结构协同设计

因为建筑BIM软件与结构设计、分析软件专有的数据格式不同,彼此信息交互支持度较低,导致结构分析仍需要重复建模,设计效率降低。工业基础类(Industry Foundation Classes,IFC)标准具备良好的开放性和可拓展性,认可度高,是国际主流BIM数据标准,也是解决建筑结构两重要专业间数据有效交流问题的公共基础。从表1可以看出,核心BIM软件都支持IFC文件的输入或输出。IFC文件包含建筑模型中的几何信息、截面信息、材料信息及各构件间的相关信息。通过IFC文件,任何支持IFC标准的应用软件都可以查找并提取相关信息,实现信息交换与共享。但由于各软件对IFC标准的支持程度不同,没有严格按照IFC标准格式构建数据库,导致数据共享与交换过程中不同类型的构件材质信息丢失、构件截面信息错误和构件位置偏差等问题。如表2所示,部分结构分析软件提供IFC接口,能够在一定程度上基于IFC文件与BIM软件进行模型数据的协同,但实际支持度较低,顺利实现数据模型转换难,一些大型通用有限元分析软件不支持IFC文件的导入导出。

表1 支持IFC标准的BIM软件

表2 支持IFC标准的有限元分析软件

因为有限元软件几何建模的数据定义格式与IFC模型定义格式迥异,直接将BIM与有限元软件建模数据进行转换的效果并不理想,且需要大量的修正处理,在BIM与各类有限元软件间直接建立数据互输通道技术受限,意义不大。故目前实践应用中基于IFC的建筑设计与结构分析软件间的信息交互多是间接的。

1.2 建筑结构参数化建模与计算分析一体化

参数化设计是将全部设计要素作为某函数变量,通过设计函数或算法将相关变量关联,实现输入参数便可自动生成模型设计。建筑设计领域对参数化技术的应用始于20世纪90年代初,目前应用已很广泛,特别适用于有个性的异形建筑。但在传统设计流程下,每建一次几何模型只能计算一种结构方案,结构形式或某一结构参数一旦改变,几何模型就需修改。改变的几何线模型导入有限元计算软件后,单元、节点及二者的对应关系也会改变,单元、截面、材料、荷载、边界约束等有限元信息都需要重新建立,效率低。目前国内结构行业设计周期短,效率要求高,因此设计行业不仅需要利用参数化技术来提高某阶段的效率,还需要创建、分析、设计全过程自动进行,直接输出用户需要的设计结果文件,实现结构参数建模与计算一体化分析,不需人工干预。

参数化设计及一体化比选分析流程如图1所示。在Rhino、Revit等软件中形成BIM模型,Rhino-Grasshopper(GH)和Revit-Dynamo等参数化平台根据建筑模型生成结构参数化点、线、面几何模型,再联动PKPM、SAP2000、ETABS、Midas、ABAQUS、ANSYS等结构计算平台,赋予截面、荷载、材料等结构属性并设置约束条件,进行计算后返回位移、周期等结果给参数化平台。判断计算结果是否满足设定的目标函数,若不满足,则程序自动根据设定的目标函数重新进行计算,自动连接需要调整的参数,对结构进行优化,直至计算结果满足目标函数,计算终止。进入施工图平台、工程管理平台和运维平台,利用Revit出施工图可以直接基于其统计工程量,实现设计与算量的一体化。

图1 参数化设计及一体化比选分析流程Fig.1 Parametric design and integrated comparison analysis process

联动参数化建模和结构计算分析一体化的关键科学问题在于要实现从参数输入到提取结果再优化的整个过程的实时更新和联动,无需手动导入分析软件和手动查看结果,其中建立空间结构线模型在GH等参数化平台中应用已较为成熟[1],因此需用信息化技术解决的问题主要包括以下几个方面:①参数化模型自动化转变至结构计算模型。对于ANSYS、Midas等没有API接口的分析软件,需手动导入几何线模型或二次开发。刘宜丰等[2]利用TCLTK语言在ANSYS中建立tcp服务端进行数据传输,通过Python开发的程序将在GH中输入的数据信息转换为经过节点的去重、整理,进而形成有限元模型节点编号、节点坐标和单元建模的ANSYS的APDL命令流,再由程序添加截面、材料和边界条件施加的命令流,通过二次开发的接口程序将命令流传送到ANSYS中。②结构设计软件的计算结果传递到参数化平台。如ANSYS支持TCLTK语言提供获取模型数据的函数,通过TCP服务器返回给Python客户端,完成计算结果数据从ANSYS到GH的传递过程[2]。③参数化软件根据传递计算结果自动调整初始参数再返回结构设计软件优化,使计算结果满足预期目标,其分为单目标优化和多目标比选。单目标优化,如设定优化目标为结构水平刚度最大或构件截面或桁架形态等,通过遗传算法进行迭代优化[3]。如文献[2]中,若某杆件应力比大于所设定的最大限值,则将截面调大一个级别,向ANSYS发送命令,对有限元模型的截面进行修改,再次计算分析,完成后再进行应力比的计算,如此反复,直到所有的杆件应力比满足要求或截面无法进一步调大,则终止优选。多目标比选,将多个结构模型的结构质量、刚重比、顶点位移、周期比、层间位移角、剪重比、位移比等指标批量计算后提取结果生成比选报告。

如上,使得设计初期可快速进行海量方案的试算比选,形成建筑结构双优方案,提升核心竞争力。深化设计阶段,可减少重复工作,提高设计效率,加快结构专业响应速度。

1.3 生成式人工智能的使用

生成式人工智能是指基于机器学习算法,使计算机能够利用已有内容来创造像真实对象的完全原创的内容。建筑结构智能生成式设计通过深度学习等先进算法,以大量真实图纸作为训练材料,训练后的深度神经网络可根据输入的建筑图智能化生成结构设计图。在建筑限制条件下,通过AI对初步结构计算模型进行识别与分析,实现构件截面尺寸智能择优和不同结构体系比对,将衍生出的所有潜在方案进行计算分析,对比后产生最佳方案。理论上经过力学计算、规范条文、材料用量三方面的检查,生成的结构图纸是安全可靠的。

但建筑结构生成式智能设计要实现从AI辅助到AI为主,面临以下几个关键问题:①在小样本下识别关键特征并发掘潜在规律。以人脸识别为例,实现百万级数据量的图片训练。但建筑作为个性化产品,同一类工程训练集只能达到数百的数据量。②准确识别、提取和学习稀疏关键特征。深度学习具有提取高维特征、发现隐含规律的能力,训练后的深度神经网络则可根据输入的建筑图智能化生成结构设计图,但建筑图纸上信息复杂,与结构设计相关的有效信息比例少,难学习。③构造可以反映不同约束且梯度连续的神经网络。结构设计需要满足建筑布置、设计规范条文、力学性能要求等约束,神经网络结构和运算规则异常复杂。④多源异构数据的信息提取与多维非结构化知识表征。基于文本的规范条文、基于图像的建筑布置可分别转换成人工智能可以处理的三维矩阵,采用等尺寸张量加权融合文本-图像特征,AI自动将构件的数量与面积和抗震设防烈度与结构高度等设计条件建立关联,但力学原理到结构图生成时,深度学习算法与力学性能计算的运行机制不匹配。

深度学习在建筑结构的方案生成设计中具有很好的应用前景。目前,一些针对具体的构件布置、构件尺寸设定和特殊构件设计的算法被提出,如图像合成生成对抗网络、图像-文本特征融合生成对抗网络、力学计算增强生成对抗网络、注意力机制增强生成对抗网络、设计知识增强的生成对抗网络等[4-6],如图2所示。在用这些方法构建的AI设计系统中输入建筑方案和设计条件后可完成结构方案设计,将结构方案导入 PKPM、YJK 等结构计算软件,完成方案验算和截面配筋设计,有效提升设计效率。

图2 生成对抗网络模型Fig.2 Generated adversarial network model

2 国内结构设计软件信息化进展

目前,关于BIM建模软件与结构分析软件数据交互的研究主要有基于IFC标准文件、基于二次开发和基于机器学习3种方式。

基于IFC标准文件进行BIM模型与结构分析模型的优点是不依赖于特定软件,完整稳定,不仅用于建筑结构专业间数据共享,也适合作为项目全生命周期协同工作的数据基础。但BIM软件众多,即使是通过IFC官方验证的软件也不能完全准确解析项目的IFC数据,数据不一致问题频繁发生,各软件需要提高对IFC数据的解析质量。多种新有限元分析软件出现,软件间联合分析对比需求增加,难以满足。IFC标准仍在发展完善阶段,对于结构分析中的预应力荷载、各种荷载组合及结构的动力分析等问题,标准没有提供清晰的描述,将已修改变更的结构模型再转化成为符合IFC标准的建筑模型、大型建筑IFC模型文件轻量化及提高处理速度等方面也需进一步研究。

在转换结构参数化建模与计算分析一体化方面,目前有API接口的结构分析软件有限或接口刚刚开放,如PKPM。相较于API接口开放时间久、功能较全面的国外软件,如Sap2000、Etabs等功能待完善。但国外软件虽有足够的设计能力,但对国内规范支持不够,未完全对应,与国产设计软件相比,操作复杂,不易上手,汉化程度一般,接受度低。而PKPM和YJK等国内自主研发的结构软件与国内规范匹配,操作简单,普及度高,但二次开发程序编制底层语言和API接口调用速度方面有待进一步升级。国内自主研发的BIM应用软件的三维图形引擎与国际水平有较大差距,是必须解决的卡脖子问题。目前国内使用的BIM建模软件和基础平台主要来自于几家国际大型软件开发商,如Autodesk、Bentley、Trimble等。BIM软件与有限元分析软件彼此独立,各软件公司采用的信息文件储存格式不同,能实现双向调用的软件少,信息传输多通过过渡文件或间接交互,尤其是在有限元软件结果传回BIM软件方面存在一体化壁垒。

国内YJK还没有形成二次开发环境,推出的智能化设计模块GAMA,即Geometry几何、Algorithm算法、Mechanics力学、Automation自动化四项元素在一定程度上可以对标基于Rhino软件的GH参数化设计。GH的结构工程师可以无缝切换到GAMA,无需额外的学习成本,但目前还无法通过GAMA原生电池直接操作YJK的前处理模块,卡片的外观设计缺乏高级感,操作面板也有待提高灵活性。

在生成式人工智能方面,构力科技推出的PKPM-AID让更高效的算法调试代替人工试错,可高效完成构件截面优选及整体计算指标控制、超限构件调整,可精细化控制优化效果。如采用PKPM-AID进行梁构件截面优选,定义有若干备选截面的设计组,进而设置配筋率、构造要求等优化约束和优化目标,如造价最低或梁高最小或两者兼考虑。软件上手容易,学习成本极低。

但传统设计向数字设计转型过程中仍面临着优质数据难获取、优化设计难自动的问题。AI系统需要大量的高质量数据来进行训练和学习,算法和计算能力要不断提升。

3 结束语

为提升建设行业生产效率,智能建造成为人们关注的重要问题。人工智能与建筑业融合可形成智能建造技术,这是建筑业转型升级的必然趋势。而智能化的建筑结构协同设计是实现智能建造的关键组成部分,发展需求强烈。结构工程师能力也在迭代,需要有算法能力的结构工程师。目前,建筑与结构数据转换问题尚未得到有效解决。未来,各大结构设计软件将开发相应的API,全人工智能设计前景可期。随着国家和地方政策的推动,BIM数据标准将不断完善,IFC数据解析质量的提高与建筑结构的生成式智能设计将成为未来设计的主流。