ai-structure.com更新：材料用量预测模块和网页架构更新

0

内容提要

本次完成两项重要更新：

1.材料用量预测模块集成于AIstructure-Copilot中，在完成剪力墙-梁构件的布置设计后，同时给出材料用量预测。

2.调整网页架构，AIstructure-Copilot与智能设计云平台项目同步。

1

更便捷的材料用量预测模块

我们开发了基于图神经网络的材料用量快速预测方法（详见：揭秘：AI如何做到1秒内算出用钢量？| 新论文：基于知识增强图神经网络的建筑结构材料用量评估方法），可在分秒中给出混凝土和钢筋用量预测结果。此前，我们将材料用量预测模块放置于“开发中”模块，经过一段时间的测试后表明，该模块能有效的预测材料用量。

因此，我们进一步将其集成于AIstructure-Copilot中，在完成剪力墙-梁构件的布置设计后，直接预测剪力墙-梁-楼板的结构材料用量。

并且，通过集成于Copilot的材料用量预测模块，可在分秒内直接将材料用量预测结果输出到CAD界面中，便于工程师快速查阅和使用。典型设计案例如下

2

网页架构更新

在AIstructure-Copilot产品发布后，我们将ai-structure.com网站也进行了对应的更新，欢迎大家访问我们的主页以及智能设计云平台，地址：https://ai-structure.com。

现阶段ai-structure.com有两个产品：

1: AIstructure-Copilot（详见：AIstructure-Copilot：嵌入CAD平台的结构智能设计助手）

2: 智能设计云平台（详见：智能设计云平台AI-structure.com v0.0.4新版上线！）

两个产品各有优点：AIstructure-Copilot为深度嵌入本地CAD平台的设计助手，操作更加便捷；智能设计云平台则是可以将智能设计步骤全部在线上操作，不必安装本地软件。

在使用AIstructure-Copilot的时候，虽然设计便捷性和效率有了进一步的提升，但是用户难以再对此前设计过的项目情况进行回溯，不利于管理和查阅。

因此，这次网站更新后，我们的智能设计云平台中的项目管理可以和AIstructure-Copilot的项目设计同步了！在AIstructure-Copilot中进行设计后，智能设计云平台便可看到本人历次结构设计结果。

2.1 导航栏更新

我们的主要产品，AIstructure-Copilot以及智能设计云平台，放置于“智能设计产品”栏目中，大家可以直接访问。

采用“新用户注册”栏目替换了登录界面。这主要是考虑到AIstructure-Copilot比智能设计云平台更加便捷，使得更多用户选择优先使用Copilot，而新用户在使用Copilot前需要先注册，所以我们在导航栏优先提供了新用户注册功能。

2.2 主页内容更新

在新的主页中，我们优化了新闻资讯动态的栏目，实时更新我们的最新进展，便于大家查阅。同时，我们也更新了最新版本的产品介绍视频和我们的联系方式。

用户可通过网页底端的联系方式与我们沟通，也可以采用页面右下角的联系按钮与我们沟通，欢迎大家试用，并给我们提出宝贵的意见和建议。

2.3 新用户注册

用户注册与登录界面与此前相同，同样提供相互切换的按钮。从导航栏注册界面进入，将首先看到注册选项，从智能设计云平台登录进入，将首先看到登录选项。

3

智能设计产品更新简介

3.1 智能设计产品页面

目前，使用较多的是AIstructure-Copilot，但同时仍有部分智能设计云平台使用的需求。因此，我们将两个产品均在产品界面进行介绍。

从AIstructure-Copilot的产品下载功能中可以得到对应的CAD插件和使用说明，安装后可在本地的CAD平台中使用。

智能设计云平台则包含登录功能和使用说明下载，通过登录可直接进入项目管理和设计界面，使用说明则是专门为在线版云平台所准备。

3.2 智能设计云平台更新

为了便于用户使用，我们将功能进行了简化和凝练。

【同步展示，30s动画】

在“剪力墙设计”栏目中，可以看到用户账户下的所有设计案例，不管是在线设计的项目还是AIstructure-Copilot中设计的项目，便于项目查阅和管理。

因为Copilot可以提供不同的设计算法，因此在网页中也可以查看不同算法的设计结果，包括此前介绍的生成对抗网络（GAN）和图神经网络（GNN）设计结果。

3.3 使用说明更新

4

结语

我们在AIstructure-Copilot中增加了材料用量预测模块，更新了AIstructure主页（https://ai-structure.com），使得CAD设计结果与网页平台实现了实时同步，更新后的网页版智能设计平台将更加有效的辅助工程师进行项目管理和查阅。

我们将逐步重新梳理上线有关功能，以期更好为大家服务。同时，近期我们将有重要新功能上线，敬请大家期待。这里给一点线索，我们曾于2023年4月20日发布了全新的v0.0.4架构（详见：智能设计云平台AI-structure.com v0.0.4新版上线！），这个架构就和我们马上要上线的新功能有着密切联系。

欢迎大家持续关注我们的工作，多多支持！

温馨提示：为更好使用AI设计工具，请仔细阅读使用说明书。

联系方式

QQ群，AI-structure-交流群：741840451

廖文杰：[email protected]

相关论文

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.

11. Feng YT, Fei YF, Lin YQ, Liao WJ, Lu XZ, Intelligent generative design for shear wall cross-sectional size using rule-Embedded generative adversarial network, Journal of Structural Engineering-ASCE, 2023, 149(11). 04023161. DOI:10.1061/JSENDH.STENG-12206.

12. Fei YF, Liao WJ, Lu XZ*, Guan H*, Knowledge-enhanced graph neural networks for construction material quantity estimation of reinforced concrete buildings, Computer-Aided Civil and Infrastructure Engineering, 2023, DOI: 10.1111/mice.13094.

13. Zhao PJ, Fei YF, Huang YL, Feng YT, Liao WJ, Lu XZ*, Design-condition-informed shear wall layout design based on graph neural networks, Advanced Engineering Informatics, 2023, 58: 102190. DOI: 10.1016/j.aei.2023.102190.

14. Fei YF, Liao WJ, Lu XZ*, Taciroglu E, Guan H, Semi-supervised learning method incorporating structural optimization for shear-wall structure design using small and long-tailed datasets, Journal of Building Engineering, 2023, DOI：10.1016/j.jobe.2023.107873