
2023年2月27日,https://ai-structure.com 开启内测,详见:
ai-structure.com 剪力墙结构生成式智能设计系统内测邀请
感谢各位工程师的积极参与和反馈。内测过程中大家反馈的意见和问题我们也进行了回复,并且对程序进行了更新和完善。本次简报将对程序的更新和大家反馈的QA内容进行整理说明。
1
程序更新
(1)20230301更新:主要更新内容是剪力墙设计的前处理中,天正CAD提取轴线功能。考虑到有的图纸在天正CAD中同时采用了多段线绘制墙体,所以进行了区分。采用天正绘制的对象仍旧采用天正CAD提取轴线功能;采用多段线等非天正绘制的对象,请采用常规CAD提取轴线功能。
(2)20230306更新:对天正CAD中部分窗对象轴线无法自动提取的问题进行了更新。
2
Q&A 的一些小意见汇总
Q1:账号如何申请与使用?
回答:账号是免费注册的,执行设计模块需要花0.01元购买。购买链接为用户头像处的购物车模块。

支付完成后,请用户手动点击支付成功按钮。

Q2:AI-structure目前生成的结果是什么
回答:目前剪力墙结构设计模块相对成熟,生成的最终结果为CAD图纸中的剪力墙和梁布置图。
Q3:创建项目时建筑平面图是否只能是png格式
回答:是的,请使用GANIO程序进行数据的前后处理,使用说明中有详细的介绍。
Q4:天正CAD无法提取建筑构件轴线,轴线提取后显示为细线
回答:GANIO程序中的“天正CAD”,是指图纸是由天正CAD绘制的情况。在天正CAD的t5版本及以上的图纸文件中,点击墙体构件,构件属性应该是“墙体”,而不是直线。
如果提取的轴线过细,请打开CAD中的显示线宽命令(LWDISPLAY)

Q5:CAD图纸中,生成的剪力墙为红色的轮廓线,无灰色填充,是否影响使用。
回答:如果红色墙线的图层是GANIO-shearwall,就说明剪力墙已经设计成功。是否有填充不影响后续使用。
Q6:建筑空间提取时,建筑图里边原有的建筑空间是否可以使用
回答:可以。天正原有的房间对象就可以直接使用。
Q7:请问房间识别那一步目的是什么?是不是只要识别出电梯、楼梯、阳台的房间就可以了,其它房间是否可以不管?有一些开敞空间不好识别
回答:识别电梯、阳台的目的是为了优化时保证设计细节合理。目前只需要识别出电梯、阳台这两个比较重要的空间即可。
识别阳台的主要目的是避免阳台处生成不必要的剪力墙体,如果阳台没有布置墙线,那也可以不必识别阳台。
Q8:飘窗对设计的影响。遇到飘窗在模型中怎么考虑呢?因为这部分飘窗必须要凸出剪力墙之外才可不计算面积,是否可以按阳台考虑
回答:我们推荐以下两种解决方案
(a)在可以布置剪力墙的位置,手动用GANIO-Archi图层补充绘制轴线,用以给AI生成剪力墙布置;在飘窗位置的轴线则全部使用GANIO-WINDOOR图层;这样可以保证AI不会在飘窗处生成剪力墙;
(b)可以把飘窗按照阳台考虑。
Q9:典型案例文件中,有相应的建筑原图吗?
回答:我们提供的10个典型案例文件中,打开所有图层,就可以显示对应的原始建筑图方案。

Q10:AI输出的墙体还是会比实际的墙体大一些,但是关键位置的墙体都有了,想问一下布置这些墙体的逻辑是什么呢?
回答:目前ai-structure.com智能设计的原理是AI生成+经验规则微调。(a) AI生成中,主要是AI通过对既有设计数据的学习来掌握设计规律,生成构件的初步布置方案。(b) 经验规则微调则是将AI生成的图纸数据,转化为工程师使用的CAD数据,并根据工程经验等进行对称性等调整。
Q11:在设计过程中,出现了两次的图片的输入输出,那是不是可以这么理解,程序是通过识别图片中的线条来进行设计的,然后再反馈到CAD中
回答:是的。目前的方法基本是这样的逻辑,可以详见论文(Integrated Schematic Design Method for Shear Wall Structures: A Practical Application of Generative Adversarial Networks,下载链接:https://www.mdpi.com/2075-5309/12/9/1295)
Q12:设置“建筑空间”应该选取CAD中什么图层?
回答:(a)对于天正CAD图纸,天正CAD有自动生成房间的功能,生成的房间会自带一个SPACE的图层,这个时候采用“拾取图层名”,点击天正CAD生成的房间,就可以获取到这个图层名。
(b)对于常规CAD,无法自动搜索房间,工程师们可以在电梯、阳台处,手动绘制一个封闭多段线,在多段线围成的空间中,text输入空间的名称;需要保证封闭多段线与text空间名称为统一图层名,图层名可以自己取,建议可以叫SPACE,或者GANIO-SPACE;然后再拾取图层名获得建筑空间的图层名。
(c)使用说明的2.1.2 前处理部分有相应的说明,使用教程视频中,常规CAD操作视频中也有对应的操作,可以查阅。
Q13:识别墙体的时候的时候如果将100厚左右的墙识别为GANIO_WALL_Archi图层的时候有可能在这个位置布置剪力墙,但是识别为GANIO_WALL_Partition图层的时候导出的空间图像就会比较奇怪。

回答:上图是没有问题的。当CAD图纸中墙体构件的厚度小于设定的最小墙厚值,且该墙体轴线位于GANIO_WALL_Partition图层时,该墙体不会被输出至像素图,即这个位置不会布置剪力墙。这不影响最终设计结果,可以直接采用CAD插件的后处理工具,提取对应的剪力墙构件即可。
Q14:建筑平面尺寸不超过51m×25m是什么意思?
回答:建筑方案的平面尺寸需要在51m×25m范围内,即建筑平面x轴方向长度需要短于51m,且y轴方向长度需要短于25m。根据我们收集到的资料,这个尺寸已经可以满足绝大多数剪力墙住宅的尺寸要求。
Q15:后处理剪力墙导入时,像素图中有些没导到CAD上
回答:后处理程序在提取像素图中的剪力墙的时候,如果墙肢长度过短,就自动忽略。
Q16:因为很多住宅都是200厚的砌体墙和剪力墙,如果碰到300厚的剪力墙,是否还能进行结构墙体的设计?
回答:这个是可以设计的。需要在参数设计中,将提取墙厚最大值设置为一个大于300的值,比如350,这样能保证300厚的建筑墙能被提取出来。
联系方式
QQ群:741840451(欢迎入群交流讨论)
廖文杰:[email protected];
合木智构网站中也有联系我们选项,欢迎试用
相关论文
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

相关资料
学术报告视频
公众号文章
---End---