在使用基于规则的掩模进行指导的扩散模型的前提下,剪切墙结构中的梁布局设计
《Engineering Structures》:Beam layout design in shear wall structures using a diffusion model guided by rule-based masks
【字体:
大
中
小
】
时间:2026年09月30日
来源:Engineering Structures 7.6
编辑推荐:
•基于规则的掩码定义了允许的梁放置区域,以指导人工智能生成。
•扩散模型在这些受限区域内生成梁的布局。
•该方法将与工程设计布局的相似性提高了35.0%。
•生成的布局在一个案例研究中满足了结构性能要求。
**引言**
梁的布局设计是钢筋混凝土剪力墙结构的关
•基于规则的掩码定义了允许的梁放置区域,以指导人工智能生成。
•扩散模型在这些受限区域内生成梁的布局。
•该方法将与工程设计布局的相似性提高了35.0%。
•生成的布局在一个案例研究中满足了结构性能要求。
**引言**
梁的布局设计是钢筋混凝土剪力墙结构的关键方面[1,2],因为它必须同时满足建筑空间功能性和空间分割要求、高效的垂直承载能力以及可靠的水平承载能力。剪力墙结构复杂多样的空间配置为梁的放置提供了很大的灵活性,而非矩形的建筑空间进一步加剧了梁布局设计的复杂性。然而,目前的梁布局设计方法在很大程度上依赖于人工干预,从而导致效率低下,并阻碍了高质量设计知识的有效传递[3]。因此,迫切需要开发智能设计方法,以同时考虑建筑空间限制和机械承载机制,从而提高剪力墙-梁结构设计的效率和质量。
**当前关于智能建筑结构布局设计的研究**主要遵循两种技术途径:
(1)基于图的建模方法(例如,使用图神经网络(GNNs))能够有效地学习结构组件之间的拓扑关系,并已应用于剪力墙布局设计[4,5,6]、梁布局设计[7,8]、剪力墙-梁协同设计[9,10]、组件尺寸估计[11]、结构优化[13]以及整体建筑布局设计[14,15]等任务。然而,这些方法在表示建筑几何特征(例如,曲线边界和不规则组件)方面的能力有限,导致生成结果与实际工程要求之间存在差异。
(2)基于图像生成的深度学习方法(例如,卷积神经网络(CNNs)和生成对抗网络(GANs)能够有效地捕捉建筑空间与结构组件布局之间的像素级几何关系。代表性的研究包括Pizarro等人的剪力墙预测模型[16,17]、Lu研究小组开发的基于GAN的智能设计框架[7,18,19,20,21,22,23,24]、StrucTopo-GAN中提出的拓扑生成技术[25],以及各种生成建筑空间布局的方法[26,27]。尽管如此,GANs固有的对抗训练机制容易出现像素级缺陷(例如,组件不连续性)以及在复杂结构设计中局部细节质量不佳的问题[28]。
**扩散模型**最近被应用于结构生成设计,因为它们的迭代去噪过程支持稳定训练和详细的空间输出[28,30]。除了传统的像素空间U-Net模型之外,潜在扩散模型在压缩特征空间中进行去噪,并已用于高分辨率三维组件生成、基于SIMP的拓扑优化以及钢框架支撑布局设计[31,32,33,34]。扩散变换器用基于补丁的自注意力替代了卷积去噪器,并已被探索用于结构化和非结构化设计领域的拓扑生成[35,36,37,38]。这些方法特别适用于高维领域、多模态或预训练条件以及大型模拟生成的数据集。
然而,当前的任务在数据范围和目标表示方面有所不同。该数据集包含超过600个工程设计建筑平面图,目标梁通道是一种稀疏的二元线形拓扑,其有效性取决于细长构件、支撑端点和局部连续性。潜在压缩可能会减弱或合并这些小特征,而基于补丁的变换器引入了额外的容量和数据需求,以保持像素级连接。因此,本研究保留了像素空间U-Net扩散主干网络,以避免将主干网络的变化与基于规则的掩码的效果混淆。主要目标是把工程知识转化为可学习的空间约束;不过,在第5.2节中提供了与潜在扩散和基于变换器的扩散主干网络的对比,以评估在当前数据条件下采用的像素空间U-Net的适用性。
在这些方法中,基于掩码或约束的生成方法可以根据约束的语义角色进一步分类。首先,几何或空间条件掩码编码了预先存在的空间实体或用户定义的空间条件,例如在结构布局生成中的建筑墙壁和开口[28]、住宅平面图中房间位置和语义映射[39],以及城市建筑设计中的多通道空间条件[40]。其次,部分输入掩码通过隐藏用户指定的部分布局属性并生成缺失的属性来支持交互式布局完成,如MaskPLAN[41]中所示;这类掩码并不定义结构构件的物理允许区域。第三,基于图的梁布局方法在推理之前使用潜在的梁作为离散的候选边,然后通过GNN选择梁或非梁构件[8]。尽管这些方法增强了可控性,但它们在表示和功能上与所提出的方法有根本不同。我们提出的基于规则的掩码是一个二进制的、像素级的允许性映射,它源自关于垂直载荷传递、剪力墙端部连续性和建筑空间分割的明确规则。它限制了扩散模型可以生成梁的位置,而不仅仅是编码现有几何形状、掩盖不完整的属性或枚举候选图边。
与本质上受建筑墙壁位置限制的剪力墙结构生成不同,梁布局设计更加自由,不受墙壁或开口边界的限制。当直接将扩散模型应用于梁布局生成而没有任何适当的放置约束时,可能会产生工程上不可行的结果(例如,悬臂梁或不连续的支撑)。因此,在智能生成梁布局的过程中纳入与空间功能性和空间分割、直接垂直承载能力以及稳定水平承载能力相关的约束,是使用扩散模型实现高质量设计的关键挑战。
为了解决这一挑战,本研究将源于建筑空间和承载要求的工程规则编码成掩码,并将其集成到扩散建模过程中。这些掩码用于限制扩散模型的生成边界,从而确保设计结果的可控性和有效性。具体来说,在图像生成过程中使用这些掩码来隐藏某些数据特征,从而实现一个可控的生成过程,解决了非几何约束、随机性和空间限制所带来的问题[14,42,43,44,45,46,47,48]。在这项研究中,相关的工程经验被明确编码为规则,通过定义梁放置的合法区域(例如,剪力墙的末端和与开口的连接点)并构建二进制掩码来限制扩散模型的生成边界。这一策略使扩散模型在遵守工程标准的同时保留了其生成自由度,从而实现了规则和数据驱动的协同优化。
与Gu等人开发的剪力墙扩散模型[28]相比,本研究保留了通用的掩码条件扩散框架,但将其从几何支持的剪力墙生成问题扩展到了基于规则的梁拓扑生成问题。候选剪力墙位置通常附着在现有的建筑墙壁轴上,而梁则可能穿过内部空间,并必须在建筑墙壁、开口和剪力墙末端之间建立连续的载荷传递路径。因此,本研究的主要贡献是将控制垂直载荷传递、剪力墙端部连接性、水平连续性和空间划分的工程规则转换为虚拟的候选梁路径,随后转换为可学习的二进制掩码。此外,还建立了特定的梁数据表示和输入-输出配置,以将掩码、结构条件通道和噪声梁目标集成到扩散过程中。网络配置被视为特定任务的实现,而不是独立的建筑创新。
本文的其余部分结构如下:第2节介绍了由掩码约束的扩散模型驱动的梁布局生成方法的实现过程。第3节详细介绍了编码工程规则以生成掩码的方法。第4节介绍了扩散模型的训练和评估方法。第5节对所提出的方法进行了分析和讨论,第6节讨论了代表性案例研究。
**案例摘录**
**基于规则生成的扩散模型驱动的梁布局生成**
本研究提出了一种智能设计方法,用于由规则生成的掩码约束的扩散模型操作的剪力墙结构中的梁布局。如图1所示,实施过程主要包括三个步骤:掩码构建和数据集创建(图1(a))、扩散模型的训练和评估(图1(b)),以及训练后的扩散模型的应用(图1(c))。
**扩散模型生成方法**
在扩散模型进行梁生成时,高质量的掩码确保梁布局符合与建筑空间功能性和空间分割有关的要求,以及承载约束。这随后控制了扩散生成过程的边界和设计结果的有效性。在住宅剪力墙结构的设计中,梁的放置方案多种多样,掩码的创建有效地限制了扩散模型生成的位置。
**基于Ho等人[29]提出的扩散模型原理,并遵循Gu等人[28]用于生成剪力墙的方法,本研究使用带掩码的数据训练了一个扩散模型,如图4所示。扩散模型的详细训练程序和计算方法在附录A中提供。
**掩码构建方法对生成结果的影响**
基于考虑建筑空间分割和协作剪力墙行为承载要求的工程经验规则,本研究构建了一个覆盖率约为98%的规则生成的掩码。该掩码限制了扩散模型中的梁生成过程,与实际工程经验高度相关。为了验证所提出的掩码构建方法是否显著改进了扩散模型…
**案例的基本信息**
所提出的梁生成扩散模型应用于一个特定的案例:由中国著名设计机构设计和建造的住宅建筑。该建筑具有以下参数:结构高度:45米,地上层数:15层,抗震设计强度:八度,设计基准地震峰值 ground acceleration:0.20 g(10%/50年超越概率,475年重现期),场地分类:II,抗震设计组:2…
**结论和未来工作**
本研究通过将工程经验规则编码为掩码来应对扩散模型中不受控制的生成区域问题,该掩码限制了扩散模型的生成边界。这种方法确保了设计结果的可控性和有效性,从而建立了一种由掩码约束的扩散模型驱动的智能梁布局设计方法。通过将掩码机制与高保真CRediT协同优化,…
**作者署名声明**
Wenjie Liao:撰写——原始草稿,验证,方法论,概念化。Jikang Xia:撰写——审阅与编辑,撰写——原始草稿,验证,概念化。Yi Gu:验证,方法论。Xinzheng Lu:撰写——审阅与编辑,资源,方法论。
**利益冲突声明**
作者声明他们没有已知的竞争性财务利益或个人关系可能会影响本文报告的工作。
**致谢**
本工作得到了中国国家自然科学基金(编号52408348)、四川省科技计划(2025ZNSFSC1312)、中央高校基本科研业务费(XJ2024009101)、北京市科学技术委员会、中关村科技园区管委会(Z231100005923043)以及腾讯基金会通过XPLORER PRIZE的支持。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号