(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210444469.9 (22)申请日 2022.04.25 (71)申请人 清华大学 地址 100084 北京市海淀区双清路3 0号清 华大学清华园北京 100084-82信箱 (72)发明人 陆新征　费一凡　廖文杰　赵鹏举　 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 专利代理师 周淑娟 (51)Int.Cl. G06F 30/13(2020.01) G06F 111/20(2020.01) (54)发明名称 一种嵌入领域知识的建筑结构构件尺寸设 计方法和装置 (57)摘要 本发明涉及一种嵌入领域知识的建筑结构 构件尺寸设计方法和装置， 包括： 将目标建筑结 构的结构布置图和设计条件分别输入预存的与 各类型构 件对应的尺寸设计模型中， 得到所述目 标建筑结构中各类型构件的设计尺 寸； 基于所述 目标建筑结构中所有类型构 件的设计尺寸， 生成 目标建筑结构的构件尺寸图； 其中， 所述尺寸设 计模型， 是以建筑结构构 件尺寸图的设计特征张 量的综合设计损失最小为目标进行优化训练的； 所述综合设计损失， 为图像损失和与各类型构 件 对应的领域知识损失之间的加权和。 本发明能够 快速、 可靠的完成符合结构设计相关领域知 识的 建筑结构构件尺寸的智能化设计 。 权利要求书5页 说明书15页 附图5页 CN 114880741 A 2022.08.09 CN 114880741 A 1.一种嵌入领域知识的建筑结构 构件尺寸设计方法， 其特 征在于， 所述方法包括： 将目标建筑结构的结构布置图和设计条件分别输入预存的与各类型构件对应的尺寸 设计模型中， 得到所述目标建筑结构中各类型构件的设计尺寸； 基于所述目标建筑结构中所有类型构件的设计尺寸， 生成目标建筑结构的构件尺寸 图； 其中， 所述尺寸设计模型， 是以建筑结构构件尺寸图的设计特征张量的综合设计损 失 最小为目标进行优化训练的； 所述综合设计损失， 为图像损失和与各类型构件 对应的领域知识损失之间的加权和； 所述图像损失， 为相应设计特 征张量与其对应的理想特 征张量之间的差异； 所述设计条件， 包括： 抗震设计条件、 抗 风设计条件和高度设计条件。 2.根据权利要求1所述的嵌入领域知识的建筑结构构件尺寸设计方法， 其特征在于， 所 述尺寸设计模型包括前处理器、 与各类型构件对应的嵌入领域知识的神经网络和后处理 器； 所述将目标建筑结构的结构布置图和设计条件分别输入预存的与各类型构件对应的尺 寸设计模型中， 得到所述目标建筑结构中各类型构件的设计尺寸， 包括： 基于前处理器， 对所述目标建筑结构的结构布置 图和设计条件进行编码， 并堆叠得到 所述目标建筑结构的输入特 征张量； 基于与各类型构件对应的嵌入领域知识的神经网络， 提取所述输入特征张量中的高维 特征， 并对所述高维特 征进行上采样， 得到所述目标建筑结构 构件尺寸图的设计特 征张量； 基于后处理器， 对所述目标建筑结构构件尺寸图的设计特征张量进行解码， 获得所述 目标建筑结构中与各类型构件 对应的设计尺寸。 3.根据权利要求2所述的嵌入领域知识的建筑结构构件尺寸设计方法， 其特征在于， 所 述嵌入领域知识的神经网络通过如下 方式训练获得： 构建用于提取建筑结构的输入特 征张量中 高维特征的卷积神经网络； 构建用于对卷积神经网络输出的高维特征进行上采样得到建筑结构构件尺寸图的设 计特征张量的反卷积神经网络； 其中， 所述建筑结构构件尺寸图的理想特征张量是基于建 筑结构的理想构件尺寸图得到的； 将所述卷积神经网络和反卷积神经网络连接得到待训练神经网络结构； 构建用于基于预存的与各类型构件对应的领域知识确定建筑结构构件尺寸图的设计 特征张量反映出 的与各类型构件对应的领域知识损失的领域知识评估器； 其中， 所述与各 类型构件 对应的领域知识， 包括： 各类型构件下的理论相等设计和理论 不等设计； 构建用于在训练阶段以建筑结构构件尺寸图的设计特征张量的综合设计损失最小为 目标对所述待训练神经网络结构进行参数优化的优化器； 其中， 所述综合设计损失中的图 像损失， 是基于图像损失函数和建筑结构构件尺 寸图的理想特征张量与设计特征张量之间 的差异确定的； 利用建筑结构样本， 所述领域知识评估器和所述优化器， 训练并评估所述待训练神经 网络结构， 得到所述嵌入领域知识的神经网络 。 4.根据权利要求2所述的嵌入领域知识的建筑结构构件尺寸设计方法， 其特征在于， 所 述对所述目标建筑结构的结构布置图和设计条件进行编 码， 并堆叠得到所述目标建筑结构 的输入特 征张量， 包括：权　利　要　求　书 1/5 页 2 CN 114880741 A 2将所述目标建筑结构的结构布置 图表示为所述目标建筑结构的构件定位矩阵； 其中， 所述构件定位矩阵中非零元 素位置指代构件 存在， 非零元 素位置上的值以待定编码填充； 参照所述目标建筑结构的结构布置图和预存的构件类型编码， 将所述构件定位矩阵中 待定编码替换成所在位置处构件的构件类型编码， 得到所述目标建筑结构的构件类别矩 阵； 将所述构件定位矩阵中待定编码替换为任一设计条件值， 得到所述目标建筑结构的任 一设计条件特 征矩阵； 将所述目标建筑结构的所有设计条件特征矩阵和构件类别矩阵进行归一化处理与堆 叠， 得到所述目标建筑结构的输入特 征张量； 其中， 所述目标建筑结构的所有设计条件特征矩阵、 构件类别矩阵和构件定位矩阵均 为二维特征矩阵。 5.根据权利要求2所述的嵌入领域知识的建筑结构构件尺寸设计方法， 其特征在于， 所 述目标建筑结构构件尺寸图的设计特征张量进 行解码， 获得所述目标建筑结构中与各类型 构件对应的设计尺寸， 包括： 根据预设的建筑结构构件尺寸图与建筑结构构件尺寸图的设计特征张量之间的映射 关系， 解码所述目标建筑结构构件尺寸图的设计特征张量， 得到相应的构件尺寸图； 其中， 所述相应的构件尺寸图中与各类型构件对应的尺寸为所述目标建筑结构构件尺寸图的设 计特征张量中与各类型构件 对应的所有元 素的均值； 采用最近原则， 将所述相应的构件尺寸图中与 各类型构件对应的尺寸和预存的与 各类 型构件对应的多个尺 寸模数进 行尺寸归并， 得到所述目标建筑结构中与各类型构件对应的 设计尺寸。 6.根据权利要求3所述的嵌入领域知识的建筑结构构件尺寸设计方法， 其特征在于， 所 述基于预存的与各类型构件对应的领域知识确定建筑结构构件尺寸图的设计特征张量反 映出的与各类型构件 对应的领域知识损失， 包括： 基于建筑结构的构件类别矩阵， 确定与各类型构件对应的建筑结构定位掩码； 其中， 所 述建筑结构定位掩码中， 与各类型构件 对应的位置标注为1， 否则标注为0； 基于所述建筑结构定位掩码， 建筑结构构件尺寸图的设计特征张量以及各类型构件下 的每一个理论相等设计和每一个理论不等设计对应的损失计算公式， 确定 建筑结构构件尺 寸图的设计特征张量相对于各类型构件下的每一个理论相等设计和每一个理论不等设计 的损失； 利用建筑结构构件尺寸图的设计特征张量相对于各类型构件下的每一个理论相等设 计和每一个理论不等设计的损失， 以及各类型构件下的每一个理论相等设计和每一个理论 不等设计对应的动态权重， 确定建筑结构构件尺 寸图的设计特征张量反映出的与各类型构 件对应的领域知识损失。 7.根据权利要求6所述的嵌入领域知识的建筑结构构件尺寸设计方法， 其特征在于， 所 述抗震设计条件包括地震影响系 数； 所述抗风设计条件包括风力影响系 数； 所述高度设计 条件包括建筑结构总高度和建筑结构标准层特 征高度； 所述各类型构件， 包括： 框架 柱、 支撑、 剪力墙、 核心筒外墙和核心筒内墙 类型的构件； 对于理论相等设计， 所述框架柱/支撑的理论相等设计， 包括： 对称布置的框架柱/支撑权　利　要　求　书 2/5 页 3 CN 114880741 A 3