[发明专利]一种基于蒙特卡洛的建筑机电点位布置方法

权利要求书

1.一种基于蒙特卡洛的建筑机电点位布置方法，其特征在于，所述方法包括训练过程及设计生成过程，具体步骤如下：

所述训练过程包括以下步骤：

(1)针对目标建筑类型建筑，将设计好的建筑图纸结构化为BIM数据，并且对建筑中的关键建筑结构数据进行标注，对标注好的数据进行提取；

(2)依次对每个建筑空间进行均匀网格化处理，并计算出机电点位布置的可行域；

(3)依据不同的待设计建筑类型选用相应的布点评价指标参数集C；所述布点评价指标由点位覆盖率、点位个数、覆盖重叠率、点位对齐率、等间距指标、离建筑构件距离共六个子指标线性加权所得；

F_点位指标＝c₁f_覆盖率+c₂f_点位个数+c₃f_重叠率+c₄f_对齐率+c₅f_等间距+c₆f_距离指标

针对不同的建筑空间类型子指标有不同的权重；

C＝{c₁,c₂,c₃,c₄,c₅,c₆}；

(4)使用蒙特卡洛采样，按照规则，随机进行自动布点，自动生成布点过程作为初始样本集S；

(5)使用卷积神经网络CNN中的ResNet作为启发函数，以S为输入，输出有两个：(a)下一个布点位置和布点概率，(b)最终布点完成后的评价指标；

(6)使用蒙特卡洛采样，布点由随机改为用训练好的ResNet网络作为指导；据当前布点计算下一点位置的概率和最终评价指标的值，取最大分值作为下一个布点的位置；作为新的样本集Si；

(7)重复步骤(5)(6)，不断提高ResNet精度；训练得到蒙特卡洛深度神经网络生成模型；

所述设计生成过程包括以下步骤：

(1)将设计好的建筑图纸结构化为BIM数据，并且对建筑中的关键建筑结构数据进行标注，对标注好的数据进行提取；

(2)依次对每个建筑空间进行均匀网格化处理，并计算出机电点位布置的可行域；

(3)依据不同的待设计建筑类型选用相应的训练过程得到的蒙特卡洛深度神经网络生成模型，采用所述蒙特卡洛深度神经网络生成模型多次生成训练结果；

(4)选取至少3个生成结果最好的结果返回。

2.根据权利要求1所述的基于蒙特卡洛的建筑机电点位布置方法，其特征在于，在训练过程步骤(1)中，所述关键建筑结构包括建筑中的墙、梁、板、柱、空间、区域和已有设备点。

3.根据权利要求1所述的基于蒙特卡洛的建筑机电点位布置方法，其特征在于，住宅类建筑参数集为：

C_住宅＝{0.25,0.2,0.15,0.15,0.15,0.1}。

4.根据权利要求1所述的基于蒙特卡洛的建筑机电点位布置方法，其特征在于，办公类建筑参数集为：

C_办公＝{0.35,0.2,0.15,0.1,0.1,0.1}。

5.根据权利要求1所述的基于蒙特卡洛的建筑机电点位布置方法，其特征在于，地下停车场类建筑参数集为：

C_{地下停车场}＝{0.35,0.1,0.2,0.1,0.15,0.1}。

6.根据权利要求1所述的基于蒙特卡洛的建筑机电点位布置方法，其特征在于，在设计生成过程步骤(1)中，所述关键建筑结构包括建筑中的墙、梁、板、柱、空间、区域和已有设备点。

7.根据权利要求1所述的基于蒙特卡洛的建筑机电点位布置方法，其特征在于，在设计生成过程步骤(4)中，选取3个生成结果最好的结果返回。