[发明专利]多模态输入深度神经网络、框架结构梁柱设计方法及装置

说明书

本发明提供一种多模态输入深度神经网络、框架结构梁柱设计方法及装置，其中所述多模态输入深度神经网络包括：卷积神经网络柱布置模块和图神经网络梁布置模块；卷积神经网络柱布置模块包括特征编码融合网络以及图像生成网络；特征编码融合网络用于进行特征融合；图像生成网络用于基于融合特征生成柱布置图像；图神经网络梁布置模块包括柱节点和边信息提取网络以及图谱特征生成网络；柱节点和边信息提取网络用于从柱布置图像中提取节点信息，结合柱布置图像、建筑荷载分区图像信息、建筑功能分区图像信息提取边信息；图谱特征生成网络用于基于所述节点信息和边信息生成图谱特征。本发明根据关键建筑图像和设计信息，能够快速完成框架结构梁柱设计。

技术领域

本发明涉及建筑结构设计与机器学习技术领域，尤其涉及一种多模态输入深度神经网络、框架结构梁柱设计方法及装置。

背景技术

在框架结构建筑方案设计时、以及结构初始设计时，为保证最终设计结果的安全性与合理性，需在建筑功能分区、建筑荷载分区、以及一些设计信息的基础上进行快速合理的梁柱初步设计。

良好且快速的梁柱初步设计方案，既可辅助建筑方案的更新与优化，又可辅助结构方案的后期深化设计。但是目前依赖人工经验的框架结构梁柱设计方法耗时长，而且建筑工程师与结构工程师之间的交互设计效率低下；人工设计依赖设计师经验，导致不同设计人员的设计结果存在一定差异，难以统筹和综合考虑众多优秀设计师经验，难以充分利用既有的设计图纸资源，难以充分吸纳历史设计经验。同时，现有基于计算机辅助的框架结构梁柱设计方法计算资源消耗大，耗时长，依赖目标函数选取，普适性差，难以有效应用既有的成熟设计结果。现有基于人工智能辅助的结构设计方法无法进行框架结构梁柱一体化设计，且在方法上无法兼顾卷积神经网络高效的图像处理能力与图神经网络高效的拓扑关系处理能力，无法同时对框架结构梁柱设计方案数据中的图像数据与梁柱之间的拓扑关系进行综合考虑。现有方法耗时长，效率低，难以利用既有设计图纸资源，不利于设计方案迭代更改，导致框架结构梁柱初步设计阶段的快速设计需求难以满足。

发明内容

本发明提供一种多模态输入深度神经网络、框架结构梁柱设计方法及装置，用以解决现有技术中存在的技术缺陷。

本发明提供一种多模态输入深度神经网络，其用于框架结构梁柱设计，包括卷积神经网络柱布置模块和图神经网络梁布置模块；

其中，所述卷积神经网络柱布置模块包括特征编码融合网络以及图像生成网络；

所述特征编码融合网络用于对建筑荷载分区图像信息、建筑功能分区图像信息、建筑隔墙布置图像信息、设计文本信息进行特征提取并进行特征融合，得到融合特征；所述图像生成网络用于基于上述融合特征生成柱布置图像；

所述图神经网络梁布置模块包括柱节点和边信息提取网络以及图谱特征生成网络；

所述柱节点和边信息提取网络用于从所述柱布置图像中提取节点信息，结合所述柱布置图像、建筑荷载分区图像信息、建筑功能分区图像信息提取边信息；所述图谱特征生成网络用于基于所述节点信息和边信息生成图谱特征。

根据本发明所述的多模态输入深度神经网络，其中，所述多模态输入深度神经网络的形成包括：

将所述建筑荷载分区图像信息、建筑功能分区图像信息、建筑隔墙布置图像信息分别进行数字编码，形成尺寸相同的三种图像信息的三维特征矩阵，将三种图像信息的三维特征矩阵进行拼接，形成图像特征矩阵；

将每一类设计文本信息通过编码形成尺寸相同的一维设计信息特征向量，将各类一维设计信息特征在维度为一的维度方向进行拼接，形成二维矩阵，将所述二维矩阵通过卷积和反卷积运算扩展为与图像特征矩阵的图像长度维度和宽度维度尺寸相同的二维矩阵，将所述二维矩阵通过复制拼接，形成与图像特征矩阵尺寸相同的设计信息矩阵；

将所述图像特征矩阵和所述设计信息矩阵进行哈达玛积矩阵运算，得到所述卷积神经网络柱布置模块的第一输入特征；