一种基于深度学习的建筑辅助设计方法及系统技术方案

本发明专利技术公开了一种基于深度学习的建筑辅助设计方法及系统，所述方法包括：接收云服务器根据用户端的设计分布数据下发的设计补偿信息，并将进行设计补偿后的设计分布数据传送至云服务器；所述云服务器根据设计补偿后的设计分布数据创建多个用于调度用户端训练的中间进程，并通过各中间进程向对应的用户端下发初始设计模型；所述各中间进程通过迭代训练法对各自的初始设计模型进行更新，并将更新后的中间设计模型传送至云服务器；所述云服务器通过整合算法对各中间设计模型进行整合，以得到目标设计模型。本发明专利技术能够节省设计者的工作时间，减少设计者的重复劳动强度，提高设计效率与设计品质，满足了实际应用需求。

【技术实现步骤摘要】
一种基于深度学习的建筑辅助设计方法及系统
本专利技术涉及建筑行业人工智能设计领域，特别是涉及一种基于深度学习的建筑辅助设计方法及系统。
技术介绍
建筑设计是指建筑物在建造之前，设计者按照建设任务，把施工过程和使用过程中所存在的或可能发生的问题，事先作好通盘的设想，拟定好解决这些问题的办法、方案，用图纸和文件表达出来。作为备料、施工组织工作和各工种在制作、建造工作中互相配合协作的共同依据。便于整个工程得以在预定的投资限额范围内，按照周密考虑的预定方案，统一步调，顺利进行。并使建成的建筑物充分满足使用者和社会所期望的各种要求及用途。随着数字化及信息化技术的不断推进，现有的建筑设计中，设计师通常都会应用现有的计算机辅助绘图软件进行设计，如BIM软件、行业设计软件及AutoCAD软件的应用，从而大大减轻了设计师的工作量，也相对提高了设计师的工作效率。但是上述计算机辅助绘图软件仅停留在帮助设计师完成简单直线、曲线以及图块等的绘制，且现有计算机辅助设计软件，无法对设计师的设计方案及设计过程产生干预，设计质量完全依赖于设计师个人的设计经验及设计能力，不能汲取相关设计资源对设计进行最大程度的优化，限制了优秀设计的产生。同时，由于越来越多项目对设计周期的要求越来越严苛，设计师将过多精力花费在重复系统的设计及重复图纸的绘制上，设计难以保证高质高效。
技术实现思路
为了解决上述问题，本专利技术的目的是提供一种能够节省工作时间，减少设计周期，提高设计效率与设计品质的基于深度学习的建筑辅助设计方法及系统。<br>一种基于深度学习的建筑辅助设计方法，所述方法包括：接收云服务器根据用户端的设计分布数据下发的设计补偿信息，并将进行设计补偿后的设计分布数据传送至云服务器；所述云服务器根据设计补偿后的设计分布数据创建多个用于调度用户端训练的中间进程，并通过各中间进程向对应的用户端下发初始设计模型；所述各中间进程通过迭代训练法对各自的初始设计模型进行更新，并将更新后的中间设计模型传送至云服务器；所述云服务器通过整合算法对各中间设计模型进行整合，以得到目标设计模型。根据本专利技术提供的基于深度学习的建筑辅助设计方法，通过接收云服务器根据各用户端的设计分布数据下发的设计补偿增强信息，并将进行设计补偿后的设计分布数据传送至云服务器，以使云服务器根据数据补偿后的设计分布数据创建中间进程，并通过各中间进程向对应的用户端下发初始设计模型；各中间进程通过迭代训练对各自的初始设计模型进行更新，并将更新后的中间设计模型传送至云服务器，使数据分布的不平衡性得到缓解，降低机器学习的偏差并提升模型准确度，从而使该模型在不平衡样本数据库的情况下训练得到的设计模型具有较高的识别及设计精度；云服务器通过整合算法对各中间设计模型进行整合，以得到目标设计模型，从而使该设计模型具有较高的精度和设计质量，并且减少了达到目标设计标准所需的网络传输开销。本专利技术能够解决现有计算机辅助设计软件，无法对设计师的设计方案及设计过程产生干预，设计质量完全依赖于设计师个人的设计经验及设计能力，不能汲取相关设计资源对设计进行最大程度的优化，限制了优秀设计的产生；同时，由于越来越多项目对设计周期的要求越来越严苛，设计师将过多精力花费在重复系统的设计及重复图纸的绘制上，设计难以保证高质高效等问题，满足了实际应用需求。另外，根据本专利技术上述的基于深度学习的建筑辅助设计方法，还可以具有如下附加的技术特征：进一步地，将进行设计补偿后的设计分布数据传送至云服务器的步骤之前，所述方法还包括：接收各用户端进行建筑设计所产生的设计信息，并将该设计信息上传至云服务器，以形成原则化样本数据库；云服务器通过原则化样本数据库对初始神经元网络模型进行训练，以得到初始设计模型。进一步地，将进行设计补偿后的设计分布数据传送至云服务器的方法包括：根据所述设计分布数据中各用户端建筑设计的类别分布概率，得到全局设计的概率分布；通过所述全局设计的概率分布对用户端的各类别建筑设计进行设计补偿，并将进行设计补偿后的设计分布数据传送至云服务器。进一步地，通过各中间进程向对应的用户端下发初始设计模型的方法包括：根据各中间进程的类别分布概率与均匀类别分布概率的离散度，计算各中间进程的设计数据平衡度；根据各中间进程的设计数据平衡度，搜索所有未分配中间进程的用户端，根据未分配中间进程的用户端的类别分布概率对中间进程的设计数据平衡度进行调整；通过云服务器向进行用户端调整后的各中间进程下发对应的初始设计模型。进一步地，所述方法还包括：获取新建建筑设计的设计信息，根据所述新建建筑设计的设计信息、原则化样本数据库及目标设计模型输出与新建建筑设计相关的设计方案组，所述设计方案组包括各方案的方案介绍、系统简介、能耗分析及可靠性分析；判断所述设计方案组中是否存在满足新建建筑设计的设计方案；若否，则生成一设计补充对话框，以提醒设计人员根据需求录入相应的约束及信息参数。进一步地，判断所述设计方案组中是否存在满足新建建筑设计的设计方案的步骤之后，所述方法还包括：若是，则获取满足新建建筑设计的方案标签，按照选定的格式输出方案标签所对应设计方案的设计成果，并对所述设计成果进行辨识，所述设计成果包括但不限于图纸及计算文本；将满足设计需求的设计成果存储为完整文件，将不满足设计需求的设计成果存储为可编辑文件，并根据设计人员的配置信息执行相应的设计成果处理方式。进一步地，所述配置信息包括配置的有效期限、是否进行配置、是否进行配置更新、是否进行设计成果的共享、是否允许获取操作历史、是否允许编辑，是否进行操作推荐，所述处理方式包括结束任务及将设计成果上传至云服务器。接收各用户端进行建筑设计所产生的设计信息，并将该设计信息上传至云服务器，以形成原则化样本数据库的步骤之前，所述方法还包括：根据第一分类原则对用户端所存储的设计项目及项目成果进行分类，根据第二分类原则、系统评价标准及使用范围对用户端所存储的设计系统及系统成果进行分类，根据适用范围及使用原则对当前行专业的设计标准及规范进行分类，根据步骤分解原则对进行设计的软件设计的流程步骤分解，根据当前行业设计深度要求、标准及约束原则对不同设计阶段内容进行约束，对管线位置、设备布置、建筑元素识别的软件操作情景进行条件约束及标准化设定，并定义管线与建筑元素的原则关系，从而得到用户端进行建筑设计所产生的设计信息。进一步地，所述原则化样本数据库包括已有项目的建筑类型分类及分类原则、已有设计系统分类及分类原则、设计标准和规范分类及分类原则、设计流程步骤分解及原则、设计成果分类及原则、设计深度约束原则、操作情景标准化及约束原则、元素关系约定原则。本专利技术的另一实施例提出一种基于深度学习的建筑辅助设计系统，解决了现有计算机辅助设计软件，无法对设计师的设计方案及设计过程产生干预，设计质量完全依赖于设计师个人的设计经验及设计能力，不能汲取相关设计资源对设计进行最大本文档来自技高网...

【技术保护点】
1.一种基于深度学习的建筑辅助设计方法，其特征在于，所述方法包括如下步骤：/n接收云服务器根据用户端的设计分布数据下发的设计补偿信息，并将进行设计补偿后的设计分布数据传送至云服务器；/n所述云服务器根据设计补偿后的设计分布数据创建多个用于调度用户端训练的中间进程，并通过各中间进程向对应的用户端下发初始设计模型；/n所述各中间进程通过迭代训练法对各自的初始设计模型进行更新，并将更新后的中间设计模型传送至云服务器；/n所述云服务器通过整合算法对各中间设计模型进行整合，以得到目标设计模型。/n

【技术特征摘要】
1.一种基于深度学习的建筑辅助设计方法，其特征在于，所述方法包括如下步骤：
接收云服务器根据用户端的设计分布数据下发的设计补偿信息，并将进行设计补偿后的设计分布数据传送至云服务器；
所述云服务器根据设计补偿后的设计分布数据创建多个用于调度用户端训练的中间进程，并通过各中间进程向对应的用户端下发初始设计模型；
所述各中间进程通过迭代训练法对各自的初始设计模型进行更新，并将更新后的中间设计模型传送至云服务器；
所述云服务器通过整合算法对各中间设计模型进行整合，以得到目标设计模型。


2.根据权利要求1所述的基于深度学习的建筑辅助设计方法，其特征在于，将进行设计补偿后的设计分布数据传送至云服务器的步骤之前，所述方法还包括：
接收各用户端进行建筑设计所产生的设计信息，并将该设计信息上传至云服务器，以形成原则化样本数据库；
云服务器通过原则化样本数据库对初始神经元网络模型进行训练，以得到初始设计模型。


3.根据权利要求1所述的基于深度学习的建筑辅助设计方法，其特征在于，将进行设计补偿后的设计分布数据传送至云服务器的方法包括：
根据所述设计分布数据中各用户端建筑设计的类别分布概率，得到全局设计的概率分布；
通过所述全局设计的概率分布对用户端的各类别建筑设计进行设计补偿，并将进行设计补偿后的设计分布数据传送至云服务器。


4.根据权利要求1所述的基于深度学习的建筑辅助设计方法，其特征在于，通过各中间进程向对应的用户端下发初始设计模型的方法包括：
根据各中间进程的类别分布概率与均匀类别分布概率的离散度，计算各中间进程的设计数据平衡度；
根据各中间进程的设计数据平衡度，搜索所有未分配中间进程的用户端，根据未分配中间进程的用户端的类别分布概率对中间进程的设计数据平衡度进行调整；
通过云服务器向进行用户端调整后的各中间进程下发对应的初始设计模型。


5.根据权利要求1所述的基于深度学习的建筑辅助设计方法，其特征在于，所述方法还包括：
获取新建建筑设计的设计信息，根据所述新建建筑设计的设计信息、原则化样本数据库及目标设计模型输出与新建建筑设计相关的设计方案组，所述设计方案组包括各方案的方案介绍、系统简介、能耗分析及可靠性分析；
判断所述设计方案组中是否存在满足新建建筑设计的设计方案；
若否，则生成一设计补充对话框，以提醒设计人员根据需求录入相应的约束及信息参数。


6.根据权利要求5所述的基于深度学习的建筑辅助设计方法，其特征在于，判断所述设计方案组中是否...

【专利技术属性】
技术研发人员：刘小刚，黄玉珠，
申请(专利权)人：刘小刚，
类型：发明
国别省市：广东;44