ai-structure.com：新开源 GAN to PKPM/YJK的自动化建模程序

0

太长不看版

2023年4月20日、4月27日、5月5日、5月13日，ai-structure.com相继发布了新的v0.0.4版本以及图神经网络剪力墙设计、GAN-to-ETABS自动化建模源代码、土木工程自然语言规则AI解译等功能。感谢过程中各位工程师的积极参与和反馈。

ai-structure.com的目标之一就是根据建筑平面布置让AI设计出结构布置方案，之后由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导入结构分析软件。

本次更新我们开源了GAN-to-PKPM/YJK的代码，可以将AI结构方案设计结果导出到PKPM和YJK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。

5月5日发布的GAN-to-ETABS代码，与本次发布的GAN-to-PKPM/YJK的代码，一同放置于智能设计云平台中，下载路径：https://ai-structure.com/backend/struct/downLoadPMT

1

更新说明

本次开源的GAN-to-PKPM/YJK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PKPM/YJK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。

PKPM/YJK的API说明同样放在了开源代码的下载路径中，本次更新的主要内容便是基于PKPM和YJK开放的接口和示例文件，编写对应的建模代码。由于PKPM/YJK的API较新，我们基本没有相关的开发经验，相关开发过程得到了PKPM和YJK技术专家的大力支持，在此表示感谢！

同时，各位专家和用户在开发中遇到相关问题，可以从PKPM和YJK的相关渠道进行咨询和查阅：

PKPM结构软件二次开发官方QQ群：1149092638

YJK二次开发资料：https://gitee.com/yjk-opensource/py-yjks

ai-structure.com提供的下载矢量数据(.gdt)文件简介，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

使用说明

2.1 GAN-to-PKPM开源代码使用流程

（1）打开PKPM软件，创建一个项目名称与.gdt文件名称一样的PKPM空白模型（project_name.jws），保存在“2_PKPM”目录中，关闭PKPM模型。

（2）采用vscode、pycharm、Spyder等python的IDLE软件，打开“gdt2PKPM_main_20230428_v1.py”主程序

(a)修改if __name__ == "__main__":的project_name = "gdt文件名称"

(b)填写total_height（结构总高度）, standstroy_height（标准层高度）的信息

(c)需要注意的是，“pkpm_model.RunAnalyse()；pkpm_model.GetResult()”分析模块尚不成熟，建议各位用户在完成自动建模后，在相应结构设计软件内执行分析。

（3）自动建模完成后，进入PKPM界面，进行模型调整、分析等操作。

（4）注意事项

GAN-to-PKPM自动建模时，必须等python代码运行结束后，再由PKPM打开更新后的PKPM模型（project_name.jws），否则会出错。

2.2 GAN-to-YJK开源代码使用流程

（1）采用vscode、pycharm、Spyder等python的IDLE软件，打开“gdt2YJK_main_20230516_v1.py”主程序，修改pyyjks(com=0)函数中的建模信息：

（a）proj_name = "test1_20230505_v2"

（b）story_height = 3000

（c）num_story = 9

（d）model_name = "D:\\2_YJK"，保证为绝对路径

（e）gdt_path = f"D:\\1_gdt\\{proj_name}.gdt"，保证为绝对路径

（2）打开YJK软件，创建一个项目名称与.gdt文件名称一样的YJK空白模型，保存在“2_YJK”目录中，并保持YJK程序界面处于打开状态。

（3）在YJK的命令窗口中，输入“yjks_pyload”，如果前期环境配置正确，则会提示选择py文件，选择gdt2YJK_main_20230516_v1.py，便可实现自动建模。

（4）自动建模完成后，进入YJK界面，进行模型调整、分析等操作。

（5）注意事项

GAN-to-YJK自动建模时并不是由Python去调用YJK，而是由YJK去调用Python执行相关命令。因此，本地的Python安装与环境配置非常重要，需要严格按照YJK API使用说明进行操作。

3

后记

我们在PKPM和YJK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]；

费一凡：[email protected]

ai-structure.com网站中也有联系我们选项

1. 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.
   

2. 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.
   

3. 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.

4. 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.

5. 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.

6. 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.

7. 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.

8. 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.

9.  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

10. 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.