基于深度学习的隔震结构生成方法及装置制造方法及图纸

本发明专利技术提供一种基于深度学习的隔震结构生成方法及装置，方法包括：获取待处理的建筑设计图和隔震结构设计条件；基于建筑设计图和隔震结构设计条件，得到上部结构设计图；将上部结构设计图和隔震结构设计条件输入隔震层设计模型，得到隔震层设计模型输出的隔震层布置参数；隔震层设计模型是基于隔震设计样本数据对深度神经网络模型进行训练得到的；基于隔震层布置参数和上部结构设计图，生成隔震结构设计结果。通过隔震层设计模型能够基于上部结构设计图和隔震结构设计条件获得隔震层布置参数，进而得到合理的隔震结构设计结果，可以有效提高隔震结构设计效率，降低隔震结构设计过程中对专业经验的依赖性。过程中对专业经验的依赖性。过程中对专业经验的依赖性。

【技术实现步骤摘要】
基于深度学习的隔震结构生成方法及装置


[0001]本专利技术涉及建筑结构设计
，尤其涉及一种基于深度学习的隔震结构生成方法及装置。

技术介绍

[0002]建筑结构的抗震性能作为影响结构安全性的重要因素，已经得到广泛关注，由于隔震结构的设计可以有效提高建筑结构的抗震性能，因此，隔震结构设计越来越多的应用于建筑结构的设计方案中。
[0003]但是，现有的隔震结构设计方案一般由专业的工程师设计完成，该设计过程不仅过度依赖专业经验，而且存在耗时耗力的问题，设计效率低，且设计结果因人而异，差异性较大。

技术实现思路

[0004]本专利技术提供一种基于深度学习的隔震结构生成方法及装置，用以解决现有技术中人工设计隔震结构的方式过度依赖专业经验、耗时耗力、设计效率低且设计结果差异性较大的不足。
[0005]第一方面，本专利技术提供一种基于深度学习的隔震结构生成方法，该方法包括：
[0006]获取待处理的建筑设计图和隔震结构设计条件；
[0007]基于所述建筑设计图和所述隔震结构设计条件，得到上部结构设计图；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的隔震结构生成方法，其特征在于，包括：获取待处理的建筑设计图和隔震结构设计条件；基于所述建筑设计图和所述隔震结构设计条件，得到上部结构设计图；将所述上部结构设计图和所述隔震结构设计条件输入隔震层设计模型，得到所述隔震层设计模型输出的隔震层布置参数；其中，所述隔震层设计模型是基于隔震设计样本数据对深度神经网络模型进行训练得到的；基于所述隔震层布置参数和所述上部结构设计图，生成隔震结构设计结果。2.根据权利要求1所述的一种基于深度学习的隔震结构生成方法，其特征在于，所述隔震层设计模型通过如下方式训练得到：获取隔震设计样本数据；根据所述隔震设计样本数据的数据量，确定模型训练方式；其中，所述模型训练方式包括监督训练、半监督训练以及无监督训练；通过确定的所述模型训练方式，利用所述隔震设计样本数据对预先构建的深度神经网络模型进行训练，得到隔震层设计模型。3.根据权利要2所述的一种基于深度学习的隔震结构生成方法，其特征在于，通过确定的所述模型训练方式，利用所述隔震设计样本数据对预先构建的深度神经网络模型进行训练，得到隔震层设计模型之后，还包括：对隔震层设计模型进行评估，根据评估结果判断所述隔震层设计模型是否具备应用条件。4.根据权利要求2所述的一种基于深度学习的隔震结构生成方法，其特征在于，利用所述隔震设计样本数据对预先构建的深度神经网络模型进行训练，得到隔震层设计模型，包括：将所述隔震设计样本数据中上部结构设计图样本和隔震结构设计条件样本输入参数生成器，输出隔震层布置参数样本；将所述隔震层布置参数样本输入参数评估器，输出参数误差；将所述隔震层布置参数样本和所述上部结构设计图样本输入性能评估器，输出隔震结构的物理性能评估结果；将所述隔震层布置参数样本和所述上部结构设计图样本输入性能计算器，输出隔震结构的物理性能计算结果；根据所述物理性能评估结果和所述物理性能计算结果，得到性能评估损失，并基于所述性能评估损失对所述性能评估器进行优化；基于优化后所述性能评估器输出的物理性能评估结果以及所述参数误差，得到参数生成损失，并基于所述参数生成损失对所述参数生成器进行优化；直至所述性能评估器和所述参数生成器性能均达到最优，得到隔震层设计模型。5.根据权利要求4所述的一种基于深度学习的隔震结构生成方法，其特征在于，将所述隔震层布置参数样本输入参数评估器，输出参数误差，包括：将...

【专利技术属性】
技术研发人员：陆新征，廖文杰，
申请(专利权)人：清华大学，
类型：发明
国别省市：