基于信息化發展下的建筑結構數智設計的應用

沙 萱,李 浩,李亦崎,邱宏杰,陳展淳

(東南大學成賢學院,南京210088)

2020年,住房和城鄉建設部等13部門聯合印發《關于推動智能建造與建筑工業化協同發展的指導意見》,指出要加大智能建造在工程建設各環節的應用,逐步形成全產業鏈融合一體的智能建造產業體系。智能化的建筑結構設計是實現智能建造的關鍵組成部分,形成數智化建筑結構設計的工作模式,對于提高設計效率至關重要。

1 建筑結構智能設計技術類型

近年來,為真正實現協同建筑和結構設計及兩專業相互間的模型轉換,出現了幾種智能設計技術類型,相關研究成為了工程領域及學界的熱點。

1.1 基于IFC標準的建筑結構協同設計

因為建筑BIM軟件與結構設計、分析軟件專有的數據格式不同,彼此信息交互支持度較低,導致結構分析仍需要重復建模,設計效率降低。工業基礎類(Industry Foundation Classes,IFC)標準具備良好的開放性和可拓展性,認可度高,是國際主流BIM數據標準,也是解決建筑結構兩重要專業間數據有效交流問題的公共基礎。從表1可以看出,核心BIM軟件都支持IFC文件的輸入或輸出。IFC文件包含建筑模型中的幾何信息、截面信息、材料信息及各構件間的相關信息。通過IFC文件,任何支持IFC標準的應用軟件都可以查找并提取相關信息,實現信息交換與共享。但由于各軟件對IFC標準的支持程度不同,沒有嚴格按照IFC標準格式構建數據庫,導致數據共享與交換過程中不同類型的構件材質信息丟失、構件截面信息錯誤和構件位置偏差等問題。如表2所示,部分結構分析軟件提供IFC接口,能夠在一定程度上基于IFC文件與BIM軟件進行模型數據的協同,但實際支持度較低,順利實現數據模型轉換難,一些大型通用有限元分析軟件不支持IFC文件的導入導出。

表1 支持IFC標準的BIM軟件

表2 支持IFC標準的有限元分析軟件

因為有限元軟件幾何建模的數據定義格式與IFC模型定義格式迥異,直接將BIM與有限元軟件建模數據進行轉換的效果并不理想,且需要大量的修正處理,在BIM與各類有限元軟件間直接建立數據互輸通道技術受限,意義不大。故目前實踐應用中基于IFC的建筑設計與結構分析軟件間的信息交互多是間接的。

1.2 建筑結構參數化建模與計算分析一體化

參數化設計是將全部設計要素作為某函數變量,通過設計函數或算法將相關變量關聯,實現輸入參數便可自動生成模型設計。建筑設計領域對參數化技術的應用始于20世紀90年代初,目前應用已很廣泛,特別適用于有個性的異形建筑。但在傳統設計流程下,每建一次幾何模型只能計算一種結構方案,結構形式或某一結構參數一旦改變,幾何模型就需修改。改變的幾何線模型導入有限元計算軟件后,單元、節點及二者的對應關系也會改變,單元、截面、材料、荷載、邊界約束等有限元信息都需要重新建立,效率低。目前國內結構行業設計周期短,效率要求高,因此設計行業不僅需要利用參數化技術來提高某階段的效率,還需要創建、分析、設計全過程自動進行,直接輸出用戶需要的設計結果文件,實現結構參數建模與計算一體化分析,不需人工干預。

參數化設計及一體化比選分析流程如圖1所示。在Rhino、Revit等軟件中形成BIM模型,Rhino-Grasshopper(GH)和Revit-Dynamo等參數化平臺根據建筑模型生成結構參數化點、線、面幾何模型,再聯動PKPM、SAP2000、ETABS、Midas、ABAQUS、ANSYS等結構計算平臺,賦予截面、荷載、材料等結構屬性并設置約束條件,進行計算后返回位移、周期等結果給參數化平臺。判斷計算結果是否滿足設定的目標函數,若不滿足,則程序自動根據設定的目標函數重新進行計算,自動連接需要調整的參數,對結構進行優化,直至計算結果滿足目標函數,計算終止。進入施工圖平臺、工程管理平臺和運維平臺,利用Revit出施工圖可以直接基于其統計工程量,實現設計與算量的一體化。

圖1 參數化設計及一體化比選分析流程Fig.1 Parametric design and integrated comparison analysis process

聯動參數化建模和結構計算分析一體化的關鍵科學問題在于要實現從參數輸入到提取結果再優化的整個過程的實時更新和聯動,無需手動導入分析軟件和手動查看結果,其中建立空間結構線模型在GH等參數化平臺中應用已較為成熟[1],因此需用信息化技術解決的問題主要包括以下幾個方面:①參數化模型自動化轉變至結構計算模型。對于ANSYS、Midas等沒有API接口的分析軟件,需手動導入幾何線模型或二次開發。劉宜豐等[2]利用TCLTK語言在ANSYS中建立tcp服務端進行數據傳輸,通過Python開發的程序將在GH中輸入的數據信息轉換為經過節點的去重、整理,進而形成有限元模型節點編號、節點坐標和單元建模的ANSYS的APDL命令流,再由程序添加截面、材料和邊界條件施加的命令流,通過二次開發的接口程序將命令流傳送到ANSYS中。②結構設計軟件的計算結果傳遞到參數化平臺。如ANSYS支持TCLTK語言提供獲取模型數據的函數,通過TCP服務器返回給Python客戶端,完成計算結果數據從ANSYS到GH的傳遞過程[2]。③參數化軟件根據傳遞計算結果自動調整初始參數再返回結構設計軟件優化,使計算結果滿足預期目標,其分為單目標優化和多目標比選。單目標優化,如設定優化目標為結構水平剛度最大或構件截面或桁架形態等,通過遺傳算法進行迭代優化[3]。如文獻[2]中,若某桿件應力比大于所設定的最大限值,則將截面調大一個級別,向ANSYS發送命令,對有限元模型的截面進行修改,再次計算分析,完成后再進行應力比的計算,如此反復,直到所有的桿件應力比滿足要求或截面無法進一步調大,則終止優選。多目標比選,將多個結構模型的結構質量、剛重比、頂點位移、周期比、層間位移角、剪重比、位移比等指標批量計算后提取結果生成比選報告。

如上,使得設計初期可快速進行海量方案的試算比選,形成建筑結構雙優方案,提升核心競爭力。深化設計階段,可減少重復工作,提高設計效率,加快結構專業響應速度。

1.3 生成式人工智能的使用

生成式人工智能是指基于機器學習算法,使計算機能夠利用已有內容來創造像真實對象的完全原創的內容。建筑結構智能生成式設計通過深度學習等先進算法,以大量真實圖紙作為訓練材料,訓練后的深度神經網絡可根據輸入的建筑圖智能化生成結構設計圖。在建筑限制條件下,通過AI對初步結構計算模型進行識別與分析,實現構件截面尺寸智能擇優和不同結構體系比對,將衍生出的所有潛在方案進行計算分析,對比后產生最佳方案。理論上經過力學計算、規范條文、材料用量三方面的檢查,生成的結構圖紙是安全可靠的。

但建筑結構生成式智能設計要實現從AI輔助到AI為主,面臨以下幾個關鍵問題:①在小樣本下識別關鍵特征并發掘潛在規律。以人臉識別為例,實現百萬級數據量的圖片訓練。但建筑作為個性化產品,同一類工程訓練集只能達到數百的數據量。②準確識別、提取和學習稀疏關鍵特征。深度學習具有提取高維特征、發現隱含規律的能力,訓練后的深度神經網絡則可根據輸入的建筑圖智能化生成結構設計圖,但建筑圖紙上信息復雜,與結構設計相關的有效信息比例少,難學習。③構造可以反映不同約束且梯度連續的神經網絡。結構設計需要滿足建筑布置、設計規范條文、力學性能要求等約束,神經網絡結構和運算規則異常復雜。④多源異構數據的信息提取與多維非結構化知識表征。基于文本的規范條文、基于圖像的建筑布置可分別轉換成人工智能可以處理的三維矩陣,采用等尺寸張量加權融合文本-圖像特征,AI自動將構件的數量與面積和抗震設防烈度與結構高度等設計條件建立關聯,但力學原理到結構圖生成時,深度學習算法與力學性能計算的運行機制不匹配。

深度學習在建筑結構的方案生成設計中具有很好的應用前景。目前,一些針對具體的構件布置、構件尺寸設定和特殊構件設計的算法被提出,如圖像合成生成對抗網絡、圖像-文本特征融合生成對抗網絡、力學計算增強生成對抗網絡、注意力機制增強生成對抗網絡、設計知識增強的生成對抗網絡等[4-6],如圖2所示。在用這些方法構建的AI設計系統中輸入建筑方案和設計條件后可完成結構方案設計,將結構方案導入 PKPM、YJK 等結構計算軟件,完成方案驗算和截面配筋設計,有效提升設計效率。

圖2 生成對抗網絡模型Fig.2 Generated adversarial network model

2 國內結構設計軟件信息化進展

目前,關于BIM建模軟件與結構分析軟件數據交互的研究主要有基于IFC標準文件、基于二次開發和基于機器學習3種方式。

基于IFC標準文件進行BIM模型與結構分析模型的優點是不依賴于特定軟件,完整穩定,不僅用于建筑結構專業間數據共享,也適合作為項目全生命周期協同工作的數據基礎。但BIM軟件眾多,即使是通過IFC官方驗證的軟件也不能完全準確解析項目的IFC數據,數據不一致問題頻繁發生,各軟件需要提高對IFC數據的解析質量。多種新有限元分析軟件出現,軟件間聯合分析對比需求增加,難以滿足。IFC標準仍在發展完善階段,對于結構分析中的預應力荷載、各種荷載組合及結構的動力分析等問題,標準沒有提供清晰的描述,將已修改變更的結構模型再轉化成為符合IFC標準的建筑模型、大型建筑IFC模型文件輕量化及提高處理速度等方面也需進一步研究。

在轉換結構參數化建模與計算分析一體化方面,目前有API接口的結構分析軟件有限或接口剛剛開放,如PKPM。相較于API接口開放時間久、功能較全面的國外軟件,如Sap2000、Etabs等功能待完善。但國外軟件雖有足夠的設計能力,但對國內規范支持不夠,未完全對應,與國產設計軟件相比,操作復雜,不易上手,漢化程度一般,接受度低。而PKPM和YJK等國內自主研發的結構軟件與國內規范匹配,操作簡單,普及度高,但二次開發程序編制底層語言和API接口調用速度方面有待進一步升級。國內自主研發的BIM應用軟件的三維圖形引擎與國際水平有較大差距,是必須解決的卡脖子問題。目前國內使用的BIM建模軟件和基礎平臺主要來自于幾家國際大型軟件開發商,如Autodesk、Bentley、Trimble等。BIM軟件與有限元分析軟件彼此獨立,各軟件公司采用的信息文件儲存格式不同,能實現雙向調用的軟件少,信息傳輸多通過過渡文件或間接交互,尤其是在有限元軟件結果傳回BIM軟件方面存在一體化壁壘。

國內YJK還沒有形成二次開發環境,推出的智能化設計模塊GAMA,即Geometry幾何、Algorithm算法、Mechanics力學、Automation自動化四項元素在一定程度上可以對標基于Rhino軟件的GH參數化設計。GH的結構工程師可以無縫切換到GAMA,無需額外的學習成本,但目前還無法通過GAMA原生電池直接操作YJK的前處理模塊,卡片的外觀設計缺乏高級感,操作面板也有待提高靈活性。

在生成式人工智能方面,構力科技推出的PKPM-AID讓更高效的算法調試代替人工試錯,可高效完成構件截面優選及整體計算指標控制、超限構件調整,可精細化控制優化效果。如采用PKPM-AID進行梁構件截面優選,定義有若干備選截面的設計組,進而設置配筋率、構造要求等優化約束和優化目標,如造價最低或梁高最小或兩者兼考慮。軟件上手容易,學習成本極低。

但傳統設計向數字設計轉型過程中仍面臨著優質數據難獲取、優化設計難自動的問題。AI系統需要大量的高質量數據來進行訓練和學習,算法和計算能力要不斷提升。

3 結束語

為提升建設行業生產效率,智能建造成為人們關注的重要問題。人工智能與建筑業融合可形成智能建造技術,這是建筑業轉型升級的必然趨勢。而智能化的建筑結構協同設計是實現智能建造的關鍵組成部分,發展需求強烈。結構工程師能力也在迭代,需要有算法能力的結構工程師。目前,建筑與結構數據轉換問題尚未得到有效解決。未來,各大結構設計軟件將開發相應的API,全人工智能設計前景可期。隨著國家和地方政策的推動,BIM數據標準將不斷完善,IFC數據解析質量的提高與建筑結構的生成式智能設計將成為未來設計的主流。