AI想做结构设计?它得先学结构力学!| 新论文及发明专利:物理增强的剪 ...
发布网友
发布时间：2024-10-04 06:21
共1个回答
热心网友
时间：2024-11-13 05:17
2023年2月19日更新，我们发布了一项关键进展：物理增强的剪力墙结构智能化设计方法，通过结合新论文Intelligent structural design of shear wall residence using physics-enhanced generative adversarial networks (dx.doi.org/10.1002/eqe...)和发明专利ZL 2021110284758，提升AI在结构设计中的力学性能考量。
传统的数据驱动设计面临挑战，当数据不足或质量不高时，AI的设计效果受限。为解决这一问题，我们提出了一种名为StructGAN-PHY的新算法，它在基础数据驱动训练的基础上，加入了力学性能的计算，使生成算法能同时学习数据规律和力学原理。新算法的神经网络结构设计如图1所示，它在1分钟内提供更稳定、接近工程师设计的结果。
通过案例(8度98m)对比，如图2所示，物理增强设计明显优于单纯的数据驱动。在物理增强生成对抗网络中，我们通过三个关键技术解决神经网络与力学计算不匹配的难题：
力学计算增强的生成对抗网络模型，将力学性能评估器作为代理模型嵌入，如图4所示的分阶段训练机制。
力学性能计算器，基于课题组的多自由度弯剪耦合模型，快速计算结构力学响应。
使用深度神经网络ResNet18作为代理模型，其预测的层间位移角误差控制在15%以内。
这些技术的应用使得AI在缺乏大量结构设计数据时，仍能进行有效设计并满足规范要求。我们以多个建筑设计案例展示了物理增强设计的优越性，未来AI结构设计正逐步借鉴人类力学学习历程，从工程经验向更精确的力学驱动转变。
总结来说，这一创新方法对于AI在结构设计领域的进步具有重要意义，它降低了数据需求，提升了设计的力学性能，为智能结构设计开辟了新路径。
