[发明专利]物理-数据驱动的智能化剪力墙建筑结构设计方法和装置

权利要求书

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；

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。

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。

3.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，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，包括：

提取所述结构设计图样本数据中剪力墙的结构构件矢量数据，并提取建筑设计图样本数据中的建筑外轮廓矢量数据；

根据所述结构设计图样本数据中剪力墙的结构构件矢量数据和所述建筑设计图样本数据中的建筑外轮廓矢量数据，计算楼层质量与楼层刚度，构建剪力墙建筑的质量矩阵和刚度矩阵，得到剪力墙建筑的多自由度力学计算模型；

根据所述多自由度力学计算模型，对剪力墙建筑进行结构力学响应计算与性能分析，得到物理性能计算结果。

4.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，所述结构物理性能预测模型的构建、训练和预测过程，包括：

基于残差网络结构，构建用于图像特征提取与物理性能预测的结构物理性能预测神经网络；

通过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对应的物理性能计算结果，对所述结构物理性能预测神经网络的物理性能预测能力进行训练，得到结构物理性能预测模型；

通过所述结构物理性能预测模型对结构设计图生成能力训练过程中得到的结构设计图样本数据进行物理性能预测，得到相应的物理损失。

5.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，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后，还包括：

通过无完整标签样本数据与有完整标签样本数据，对所述物理-数据驱动的生成对抗网络进行半监督优化训练；其中，所述无完整标签样本数据包括建筑设计图样本数据和基本条件文本样本数据。

6.一种物理-数据驱动的智能化剪力墙建筑结构设计装置，其特征在于，包括：

获取模块，用于获取待处理的建筑设计图和基本条件文本；

结构设计模块，用于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；

矢量化输出模块，用于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；

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。