ai-structure.com | GAN-to-ETABS的自动化建模程序开源
https://ai-structure.com
0
太长不看版
ai-structure.com自上线以来，得到了数百位工程师和设计人员的积极参与和反馈。
在此基础上，我们先后发布了梁自动设计模块(3月29日更新)、图神经网络设计模块(4月27日更新)等，不断提升AI设计的效果。
ai-structure.com的目标之一就是让AI根据建筑平面布置给出结构布置方案，之后还需要专业结构软件完成结构的计算分析、配筋校核等工作。为了提升工作效率，我们开发了多个从AI到结构软件的自动化建模程序，可以实现将AI设计的结构方案自动化传递到结构分析软件。
本次更新我们开源了GAN-to-ETABS的代码，可以将AI结构方案设计结果导出到ETABS结构设计软件。后续我们将持续更新其他相关代码，也欢迎各位专家能够共同开发和完善程序。
【开源代码下载链接】
https://cloud.tsinghua.edu.cn/f/de1d3bfafdc7426ca337/?dl=1
1
AI-structure到ETABS的演示视频
【3分钟视频】
2
更新说明
2.1 主要更新内容
本次开源的GAN-to-ETABS程序，可自动提取AI设计的矢量数据(.gdt)文件中的设计结果，包括剪力墙构件坐标和截面尺寸、梁构件坐标和截面尺寸、以及楼板坐标的结构化数据；进而基于ETABS的API，进行结构分析模型自动构建。
需注意：下载矢量数据文件(.gdt)中，剪力墙的设计结果为生成对抗网络（GAN）设计，图神经网络（GNN）设计对应的矢量数据将在后续更新中推出，请耐心等待。
下载矢量数据(.gdt)文件中，剪力墙和梁的结构构件信息示意：
剪力墙：构件编号，墙体两端X、Y坐标，墙体厚度
*SHEARWALL(Element_ID, X1, Y1, X2, Y2, thick)
0,4.3783522011126461e+05,3.9830108214148763e+05,4.3843522011126461e+05,3.9830108214148763e+05,200
梁构件：构件编号，梁两端X、Y坐标，梁宽、梁高
*BEAM(Element_ID, X1, Y1, X2, Y2,thick,height)
0,4.3363522011126461e+05,4.0070108214148763e+05,4.3408522011126461e+05,4.0070108214148763e+05,200,600
2.2 开源代码使用流程(详见代码readme文件)
（1）打开“2_ETABS”目录中的“template.EDB”文件
template.EDB中预设的楼层信息
（可根据项目情况自行修改）
（2）采用vscode、pycharm、Spyder等python的IDLE软件，打开“gdt2ETABS_main_20230415_v1.py”主程序，执行自动建模
代码内容
自动建模中
（3）自动建模完成后，进入ETABS界面，进行模型、荷载调整、分析等操作
调整后分析
3
后记
我们在ETABS二次开发方面积累较少，因此，我们的开源代码存在很多不足，请各位专家使用时批评指正，也希望能有更多的专家一起参与开发。
近期还将继续更新新的内容，请大家持续关注和建议。
联系方式
QQ群：741840451（欢迎入群交流讨论）
廖文杰：[email protected]；
ai-structure.com网站中也有联系我们选项
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.
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.
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.
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.
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.
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.
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.
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.
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
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.
学术报告视频
公众号文章
---End--