本申请提供了一种初始平面布置生成方法和装置、电子设备和存储介质，其中，该方法包括：获取建筑平面图；将建筑平面图输入核心生成模块，得到节点特征和邻接矩阵；根据节点特征和邻接矩阵，生成初始平面布置的图像。通过本申请，解决了相关技术中存在缺乏合理的数字化表征方法、非数据驱动、缺乏通用性以及生成能力有限的问题。能力有限的问题。能力有限的问题。
【技术实现步骤摘要】
初始平面布置生成方法和装置、电子设备和存储介质
[0001]本专利技术涉及建筑结构
，尤其涉及一种初始平面布置生成方法和装置、电子设备和存储介质。
技术介绍
[0002]在多层商业建筑和住宅建筑中广泛采用框架结构和剪力墙结构，随着全球城市化步伐加快，结构设计的需求不断增加。结构设计的任务是依据给定的建筑平面图建立安全经济的平面布置，包括梁、柱和剪力墙等构件。建筑平面图通常由建筑内部复杂的功能划分决定，其布局一般也很复杂多样。针对这样的建筑平面图，通过工程师进行结构设计十分耗时，并且严重依赖专业经验。
[0003]为了实现结构设计的自动化，现有技术有两类方法。一类方法是结构拓扑优化，它使用传统的优化算法或启发式搜索算法来生成平面布置。然而，这类方法通常需要均匀的初始设计域，缺乏根据给定的建筑平面图生成复杂结构的能力，因此其生成能力有限，应用局限于生成不考虑建筑布局约束的简单桁架结构、支撑体系等结构，如结构概念设计，高层建筑支撑体系设计，高压输电塔设计等。该类方法即便考虑建筑布局约束后生成的剪力墙生成模型，其设计域也局限于给定的建筑隔墙内，缺乏生成框架梁和柱的平面布置能力。另一类方法考虑了建筑平面布局约束，使用非数据驱动的启发式算法或者数据驱动的深度神经网络来生成剪力墙布置。非数据驱动的方法通常需要人工归纳生成较为复杂的生成规则或者优化目标，缺乏通用性。数据驱动的方法可以挖掘现有建筑结构图纸中的信息，归纳剪力墙的布置逻辑，但该方法的结构智能生成模型仍将建筑和结构平面图纸作为图像来处理，实际上无论是建筑图还是结构图基本都是由直线构成的，存在大量的空白，因此采用图像处理的方式效率低下，无法高效表示框架结构的拓扑关系，并且该方法目前仍不能根据给定的建筑布局生成梁和柱的平面布置。
[0004]因此，现有技术存在缺乏合理的数字化表征方法、非数据驱动、缺乏通用性以及生成能力有限的问题。
技术实现思路
[0005]本申请提供了一种初始平面布置生成方法和装置、电子设备和存储介质，以至少解决相关技术中存在
…
的问题。
[0006]根据本申请实施例的一个方面，提供了一种初始平面布置生成方法，该方法包括：
[0007]获取建筑平面图；
[0008]将所述建筑平面图输入核心生成模块，得到节点特征和邻接矩阵；
[0009]根据所述节点特征和所述邻接矩阵，生成初始平面布置的图像。
[0010]根据本申请实施例的另一个方面，还提供了一种初始平面布置生成装置，该装置包括：
[0011]获取模块，用于获取建筑平面图；
[0012]得到模块，用于将所述建筑平面图输入核心生成模块，得到节点特征和邻接矩阵；
[0013]生成模块，用于根据所述节点特征和所述邻接矩阵，生成初始平面布置的图像。
[0014]可选地，得到模块包括：
[0015]建立单元，用于建立数字化表示方式；
[0016]第一得到单元，用于根据所述数字化表示方式、所述建筑平面图和预设转换算法，得到所述节点特征，其中，所述预设转换算法用于从所述建筑平面图中生成所述节点特征；
[0017]第二得到单元，用于根据所述节点特征、所述建筑平面图中的全局坐标系和预设识别算法，得到所述节点特征中每个节点的局部坐标系，其中，所述预设识别算法用于用于从所述建筑平面图中提取所述局部坐标系；
[0018]第三得到单元，用于将所述节点特征和所述局部坐标系输入所述核心生成模块中的邻接矩阵生成器，得到所述邻接矩阵。
[0019]第一获取单元，用于获取训练建筑平面图和对应的训练结构平面图；
[0020]第四得到单元，用于将所述训练建筑平面图输入所述核心生成模块，得到训练邻接矩阵；
[0021]第五得到单元，用于将所述训练结构平面图输入预设转化算法，得到实际邻接矩阵；
[0022]第六得到单元，用于根据所述训练邻接矩阵、所述实际邻接矩阵、判别器中的第一预设捕捉算法和第二预设多层感知机，分别得到所述训练邻接矩阵中每个节点子图和所述实际邻接矩阵中的所述节点子图指示通过的第二概率，其中，所述判别器用于区分所述训练邻接矩阵和所述实际邻接矩阵，所述节点子图用于确定在节点预设步长范围内的结构信息；
[0023]第一生成单元，用于根据所述第二概率生成判别器误差函数和第一生成器误差函数，其中，所述判别器误差函数用于训练所述判别器；
[0024]第二生成单元，用于根据所述训练邻接矩阵、所述实际邻接矩阵以及所述判别器中的第二预设捕捉算法，生成第二生成器误差函数，其中，所述第二预设捕捉算法用于获取所述训练邻接矩阵和所述实际邻接矩阵的第一结构信息；
[0025]第七得到单元，用于结合所述第一生成器误差函数和所述第二生成器误差函数，得到生成器误差函数，其中，所述生成器误差函数用于训练所述邻接矩阵生成器；
[0026]训练单元，用于利用所述生成器误差函数和所述判别器误差函数的梯度回传分别训练所述邻接矩阵生成器和所述判别器，直到所述第二概率超过第一预设阈值，则停止训练。
[0027]可选地，第一得到单元包括：
[0028]第一获取子模块，用于获取第二训练建筑平面图和对应的输出图像，其中，所述输出图像包含所述第二训练建筑平面图对应的实际节点特征；
[0029]训练子模块，用于通过所述第二训练建筑平面图和所述输出图像，对所述预设转换算法进行训练，直到所述预设转换算法生成所述实际节点特征的第三概率超过第二预设阈值，则停止训练。
[0030]可选地，第三得到单元包括：
[0031]第二获取子模块，用于从所述节点特征中获取每个所述节点在所述全局坐标系中
的坐标；
[0032]第一得到子模块，用于根据所述坐标和第一预设公式生成所述节点与所述节点之间的距离，得到距离矩阵；
[0033]第二得到子模块，用于将所述距离矩阵每一行按第一预设顺序排序，得到每个所述节点对应的第一预设数量个候选邻居，其中，所述候选邻居包含实际邻居，所述实际邻居与对应的所述节点之间存在连接对象；
[0034]第三得到子模块，用于根据所述坐标和所述候选邻居对应的所述距离，得到特征向量，其中，所述特征向量用于确定每个所述候选邻居与对应的所述节点的所述距离；
[0035]第四得到子模块，用于结合所述特征向量和所述局部坐标系，得到结合后的特征向量，其中，所述结合后的特征向量用于确定每个所述候选邻居与对应的所述节点的连线方向和所述距离；
[0036]第五得到子模块，用于将所述结合后的特征向量输入第一预设多层感知机中，得到输出向量，其中，所述输出向量包含所述候选邻居成为所述实际邻居的第一概率；
[0037]生成子模块，用于根据所述输出向量中的候选邻居对应的所述第一概率，生成所述邻接矩阵。
[0038]可选地，第六得到单元包括：
[0039]第三获取子模块，用于通过第一预设捕捉算法分别获取所述训练邻接矩阵和所述实际邻接矩本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种初始平面布置生成方法，其特征在于，所述方法包括：获取建筑平面图；将所述建筑平面图输入核心生成模块，得到节点特征和邻接矩阵；根据所述节点特征和所述邻接矩阵，生成初始平面布置的图像。2.根据权利要求1所述的方法，其特征在于，所述将所述建筑平面图输入核心生成模块，得到节点特征和邻接矩阵包括：建立数字化表示方式；根据所述数字化表示方式、所述建筑平面图和预设转换算法，得到所述节点特征，其中，所述预设转换算法用于从所述建筑平面图中生成所述节点特征；根据所述节点特征、所述建筑平面图中的全局坐标系和预设识别算法，得到所述节点特征中每个节点的局部坐标系，其中，所述预设识别算法用于用于从所述建筑平面图中提取所述局部坐标系；将所述节点特征和所述局部坐标系输入所述核心生成模块中的邻接矩阵生成器，得到所述邻接矩阵。3.根据权利要求2所述的方法，其特征在于，所述将所述节点特征和所述局部坐标系输入所述核心生成模块中的邻接矩阵生成器，得到所述邻接矩阵包括：从所述节点特征中获取每个所述节点在所述全局坐标系中的坐标；根据所述坐标和第一预设公式生成所述节点与所述节点之间的距离，得到距离矩阵；将所述距离矩阵每一行按第一预设顺序排序，得到每个所述节点对应的第一预设数量个候选邻居，其中，所述候选邻居包含实际邻居，所述实际邻居与对应的所述节点之间存在连接对象；根据所述坐标和所述候选邻居对应的所述距离，得到特征向量，其中，所述特征向量用于确定每个所述候选邻居与对应的所述节点的所述距离；结合所述特征向量和所述局部坐标系，得到结合后的特征向量，其中，所述结合后的特征向量用于确定每个所述候选邻居与对应的所述节点的连线方向和所述距离；将所述结合后的特征向量输入第一预设多层感知机中，得到输出向量，其中，所述输出向量包含所述候选邻居成为所述实际邻居的第一概率；根据所述输出向量中的候选邻居对应的所述第一概率，生成所述邻接矩阵。4.根据权利要求3所述的方法，其特征在于，在所述将所述建筑平面图输入核心生成模块，得到节点特征和邻接矩阵之前，所述方法还包括：获取训练建筑平面图和对应的训练结构平面图；将所述训练建筑平面图输入所述核心生成模块，得到训练邻接矩阵；将所述训练结构平面图输入预设转化算法，得到实际邻接矩阵；根据所述训练邻接矩阵、所述实际邻接矩阵、判别器中的第一预设捕捉算法和第二预设多层感知机，分别得到所述训练邻接矩阵中每个节点子图和所述实际邻接矩阵中的所述节点子图指示通过的第二概率，其中，所述判别器用于区分所述训练邻接矩阵和所述实际邻接矩阵，所述节点子图用于确定在节点预设步长范围内的结构信息；根据所述第二概率生成判别器误差函数和第一生成器误差函数，其中，所述判别器误差函数用于训练所述判别器；
根据所述训练邻接矩阵、所述实际邻接矩阵以及所述判别器中的第二预设捕捉算法，生成第二生...
【专利技术属性】
技术研发人员：王琛，张翀，陶慕轩，樊健生，
申请(专利权)人：清华大学，
类型：发明
国别省市：
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。