【技术实现步骤摘要】
物理
‑
数据驱动的智能化剪力墙建筑结构设计方法和装置
[0001]本专利技术涉及建筑结构设计与机器学习
，尤其涉及一种物理
‑
数据驱动的智能化剪力墙建筑结构设计方法和装置。
技术介绍
[0002]目前，剪力墙建筑的结构方案设计，一般由有经验的工程师完成，由于人工设计方法过度依赖专业经验，难以有效推广应用，且人工设计过程耗时耗力，智能化程度不足，效率低下。为了满足智能建造快速发展需求，智能化的结构设计方法应运而生。
[0003]但是，由于结构设计的物理规律主要通过公式、文本等多种复杂形式表达，与图像数据的表达方式有显著差异，这样，神经网络仅可以有效的学习图像数据特征，无法直接读取并学习物理规律。导致现有的智能化结构设计方法仅由数据驱动，无法通过智能化算法学习到结构设计的物理规律和经验知识，使得最终得到的结构设计结果难以较好的满足结构设计的实际物理约束与需求，可参考性不高。
[0004]因此，现在亟需一种能够学习物理规律与数据经验的智能化剪力墙建筑的结构设计方法。>
技术实现思路
【技术保护点】
【技术特征摘要】
1.一种物理
‑
数据驱动的智能化剪力墙建筑结构设计方法，其特征在于，包括：获取待处理的建筑设计图和基本条件文本；将所述建筑设计图和所述基本条件文本输入结构设计模型，得到所述结构设计模型输出的结构设计图；其中，所述结构设计模型是基于建筑设计图样本数据、基本条件文本样本数据以及结构设计图样本数据，对物理
‑
数据驱动的生成对抗网络进行结构设计图生成能力训练和物理性能优化训练得到的；提取所述结构设计图中剪力墙构件矢量数据以及所述建筑设计图中建筑外轮廓矢量数据，根据所述剪力墙构件矢量数据和所述建筑外轮廓矢量数据，得到剪力墙建筑的结构设计结果。2.根据权利要求1所述的一种物理
‑
数据驱动的智能化剪力墙建筑结构设计方法，其特征在于，所述结构设计模型的训练过程，包括：构建物理
‑
数据驱动的生成对抗网络；将有完整标签的样本数据输入所述物理
‑
数据驱动的生成对抗网络，对所述物理
‑
数据驱动的生成对抗网络的结构设计图生成能力进行训练；其中，所述有完整标签的样本数据包括建筑设计图样本数据、基本条件文本样本数据以及结构设计图样本数据；对结构设计图生成能力训练过程中生成的结构设计图样本数据进行物理性能计算，得到物理性能计算结果；构建结构物理性能预测神经网络，将结构设计图生成能力训练过程中生成的结构设计图样本数据与所述物理性能计算结果作为训练数据，对所述结构物理性能预测神经网络进行结构物理性能预测能力训练，得到结构物理性能预测模型；计算结构设计图生成能力训练过程中的图像数据损失，并采用所述结构物理性能预测模型计算对应的物理损失，将所述图像数据损失和所述物理损失融合，得到所述物理
‑
数据驱动的生成对抗网络的损失函数；通过所述损失函数对结构设计图生成能力训练后的所述物理
‑
数据驱动的生成对抗网络进行优化训练，得到结构设计模型。3.根据权利要求2所述的一种物理
‑
数据驱动的智能化剪力墙建筑结构设计方法，其特征在于，所述物理
‑
数据驱动的生成对抗网络包括：图像生成器，用于分别对建筑设计图样本数据和基本条件文本样本数据进行编码和特征提取，得到图像特征和文本特征，将所述图像特征和所述文本特征进行融合，并将融合后的特征解码，生成结构设计图样本数据；图像判别器，用于对所述结构设计图样本数据进行特征提取和真伪判别。4.根据权利要求2所述的一种物理
‑...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。