本申請涉及一種基于人工智能的建筑結構的輔助設計方法和裝置。所述方法包括：獲取三維建筑模型，根據所述三維建筑模型中各建筑結構生成對應的結構化數據，提取各建筑結構之間的設計關系數據；利用所述設計關系數據構建拓撲結構圖，所述拓撲結構圖用于表征各建筑結構之間的關聯關系；將所述拓撲結構圖輸入預設的深度學習神經網絡，確定所述各建筑結構之間的設計是否符合建筑標準。本申請通過獲取三維建筑模型的個建筑結構之間的設計關系數據，構件拓撲結構圖，然后利用深度學習模型進行評估，根據評估結果可以判斷是否需要修改設計。可以快速定位設計錯誤，使得設計效率得意提高且準確。確。確。
【技術實現步驟摘要】
基于人工智能的建筑結構輔助設計方法和裝置
[0001]本申請涉及建筑設計
，特別是涉及一種基于人工智能的建筑結構的輔助設計方法和裝置。
技術介紹
[0002]隨著時代的發展，科學技術逐漸趨向專業化和綜合化定量化發展，建筑結構設計中，根據建筑的使用功能、布局特點及建筑的整體特征，選擇合適的結構體系是至關重要的。傳統的建筑結構設計過程中，通過人工進行設計得到設計結果(即建筑結構模型)，設計完成之后，通過人工按照多年的行業經驗對設計結果進行優化。例如，針對設計結果的應用地域，適應性地增加或者刪除一些地域性的特征，從而使得設計結果和人們的使用需要更加匹配。
[0003]然而，傳統的設計優化過程中，純粹依靠人工經驗對建筑結構模型進行調整，可能存在調整效率低和優化不全面的問題，工作效率不高。
技術實現思路
[0004]基于此，有必要針對上述技術問題，提供一種基于人工智能的建筑結構的輔助設計方法和裝置。
[0005]第一方面，本申請實施例提供一種基于人工智能的建筑結構的輔助設計方法，所述方法包括：
[0006]獲取三維建筑模型，根據所述三維建筑模型中各建筑結構生成對應的結構化數據，提取各建筑結構之間的設計關系數據；
[0007]利用所述設計關系數據構建拓撲結構圖，所述拓撲結構圖用于表征各建筑結構之間的關聯關系；
[0008]將所述拓撲結構圖輸入預設的深度學習神經網絡，確定所述各建筑結構之間的設計是否符合建筑標準；
[0009]其中，所述建筑結構包括鋼梁、框架梁、鋼網架、圈梁、構造柱、管樁、以及墻體。
[0010]可選地，所述根據所述三維建筑模型中各建筑結構生成對應的結構化數據，包括：
[0011]分別提取各建筑結構的名稱、所處樓層、材質、屬性參數、選型類型、相鄰建筑結構的名稱作為結構化信息；
[0012]根據樓層將所述建筑結構的結構化信息生成建筑構件列表；
[0013]將所述建筑構件列表中的數據填入結構化數據表內，形成所述結構化數據，所述結構化數據以樓層為基礎處理得到的。
[0014]可選地，所述利用所述設計關系數據構建拓撲結構圖，包括：
[0015]所述設計關系數據攜帶有樓層標記信息，根據所述樓層標記信息將所述設計關系數據進行分組，獲得多個設計關系分組數據；
[0016]確定所述設計關系分組數據之間的關聯強度，基于所述關聯強度進行聚類分族；
[0017]基于所述聚類分族形成多個前置拓撲結構圖，將所述多個前置拓撲結構圖進行加權融合處理得到所述拓撲結構圖。
[0018]可選地，所述確定所述設計關系分組數據之間的關聯強度，包括：
[0019]通過解析所述設計關系分組數據中各建筑構件的結構化信息，提取出相鄰或相關建筑構件的關聯關系；
[0020]可選地，根據所述相鄰或相關建筑構件的關聯關系做關聯度所述提取出相鄰或相關建筑構件的關聯關系，包括：
[0021]基于所述結構化信息根據預設規則提取與設計標準有關的比對信息；
[0022]將所述比對信息在所述結構化信息中出現頻次最高的優先提取確定關聯關系，將剩余的所述比對信息做語義識別，根據語義識別結果確定關聯關系。評估，得出關聯強度。
[0023]第二方面，本申請實施例提供一種基于人工智能的建筑結構的輔助設計裝置，所述裝置包括：
[0024]獲取模塊，用于獲取三維建筑模型，根據所述三維建筑模型中各建筑結構生成對應的結構化數據，提取各建筑結構之間的設計關系數據；
[0025]構建模塊，用于利用所述設計關系數據構建拓撲結構圖，所述拓撲結構圖用于表征各建筑結構之間的關聯關系；
[0026]評估模塊，用于將所述拓撲結構圖輸入預設的深度學習神經網絡，確定所述各建筑結構之間的設計是否符合建筑標準；
[0027]其中，所述建筑結構包括鋼梁、框架梁、鋼網架、圈梁、構造柱、管樁、以及墻體。
[0028]可選地，所述獲取模塊包括：
[0029]結構化單元，用于分別提取各建筑結構的名稱、所處樓層、材質、屬性參數、選型類型、相鄰建筑結構的名稱作為結構化信息；
[0030]列表單元，用于根據樓層將所述建筑結構的結構化信息生成建筑構件列表；
[0031]結構化單元，用于將所述建筑構件列表中的數據填入結構化數據表內，形成所述結構化數據，所述結構化數據以樓層為基礎處理得到的。
[0032]可選地，所述構建模塊包括：
[0033]分組單元，用于所述設計關系數據攜帶有樓層標記信息，根據所述樓層標記信息將所述設計關系數據進行分組，獲得多個設計關系分組數據；
[0034]聚類單元，用于確定所述設計關系分組數據之間的關聯強度，基于所述關聯強度進行聚類分族；
[0035]處理單元，用于基于所述聚類分族形成多個前置拓撲結構圖，將所述多個前置拓撲結構圖進行加權融合處理得到所述拓撲結構圖。
[0036]進一步地，所述聚類單元還用于，通過解析所述設計關系分組數據中各建筑構件的結構化信息，提取出相鄰或相關建筑構件的關聯關系；根據所述相鄰或相關建筑構件的關聯關系做關聯度評估，得出關聯強度。
[0037]第三方面，本申請實施例提供一種一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權以下步驟：
[0038]獲取三維建筑模型，根據所述三維建筑模型中各建筑結構生成對應的結構化數據，提取各建筑結構之間的設計關系數據；
[0039]利用所述設計關系數據構建拓撲結構圖，所述拓撲結構圖用于表征各建筑結構之間的關聯關系；
[0040]將所述拓撲結構圖輸入預設的深度學習神經網絡，確定所述各建筑結構之間的設計是否符合建筑標準；
[0041]其中，所述建筑結構包括鋼梁、框架梁、鋼網架、圈梁、構造柱、管樁、以及墻體。
[0042]上述基于人工智能的建筑結構輔助設計方法和裝置，通過獲取三維建筑模型的個建筑結構之間的設計關系數據，構件拓撲結構圖，然后利用深度學習模型進行評估，根據評估結果可以判斷是否需要修改設計。借助神經網絡判斷設計是否符合標準，可以實現自動化設計評估，從而不需要依靠人工經驗對建筑結構模型進行判斷調整，可以快速定位設計錯誤，使得設計效率得意提高且準確。
附圖說明
[0043]圖1為一個實施例中計算機設備的內部結構圖；
[0044]圖2為一個實施例中基于人工智能的建筑結構輔助設計方法的流程示意圖；
[0045]圖3為一個實施例中步驟S210的細化步驟的流程示意圖；
[0046]圖4為一個實施例中步驟S220的細化步驟的流程示意圖；
[0047]圖5為一個實施例中基于人工智能的建筑結構輔助設計裝置的結構示意圖。
具體實施方式
[0048]為了使本申請的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對本申請進行進一步詳細說明。應當理解，此本文檔來自技高網...
【技術保護點】
【技術特征摘要】
1.一種基于人工智能的建筑結構的輔助設計方法，其特征在于，所述方法包括：獲取三維建筑模型，根據所述三維建筑模型中各建筑結構生成對應的結構化數據，提取各建筑結構之間的設計關系數據；利用所述設計關系數據構建拓撲結構圖，所述拓撲結構圖用于表征各建筑結構之間的關聯關系；將所述拓撲結構圖輸入預設的深度學習神經網絡，確定所述各建筑結構之間的設計是否符合建筑標準。2.根據權利要求1中所述的方法，其特征在于，所述根據所述三維建筑模型中各建筑結構生成對應的結構化數據，包括：分別提取各建筑結構的名稱、所處樓層、材質、屬性參數、選型類型、相鄰建筑結構的名稱作為結構化信息；根據樓層將所述建筑結構的結構化信息生成建筑構件列表；將所述建筑構件列表中的數據填入結構化數據表內，形成所述結構化數據，所述結構化數據以樓層為基礎處理得到的。3.根據權利要求1中所述的方法，其特征在于，所述利用所述設計關系數據構建拓撲結構圖，包括：所述設計關系數據攜帶有樓層標記信息，根據所述樓層標記信息將所述設計關系數據進行分組，獲得多個設計關系分組數據；確定所述設計關系分組數據之間的關聯強度，基于所述關聯強度進行聚類分族；基于所述聚類分族形成多個前置拓撲結構圖，將所述多個前置拓撲結構圖進行加權融合處理得到所述拓撲結構圖。4.根據權利要求3中所述的方法，其特征在于，所述確定所述設計關系分組數據之間的關聯強度，包括：通過解析所述設計關系分組數據中各建筑構件的結構化信息，提取出相鄰或相關建筑構件的關聯關系；根據所述相鄰或相關建筑構件的關聯關系做關聯度評估，得出關聯強度。5.根據權利要求4中所述的方法，其特征在于，所述提取出相鄰或相關建筑構件的關聯關系，包括：基于所述結構化信息根據預設規則提取與設計標準有關的比對信息；將所述比對信息在所述結構化信息中出現頻次最高的優先提取確定關聯關系，將剩余的所述比對信息做語義識別，根據...
【專利技術屬性】
技術研發人員：華榮偉，請求不公布姓名，
申請(專利權)人：久瓴江蘇數字智能科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。