土木吧丨 土木之碑，你的技術積累已被機器掌握

▲

點擊土木吧來關注我們

案例來源： iStructure

2017 年 5 月 23 日圍棋界世界第一柯潔大戰阿爾法狗，「人機大戰」第二季再次開啟關於人工智慧（AI）的討論熱潮。隨著開發商對高質量建築產品的需求，越來越多的土木人開始關注AI在建築領域的應用。

前知名國際建築設計事務所OMA的建築設計師何宛余組織開發了一套基於雲端SaaS系統，也是世界上第一個人工智慧建築師「小庫」，利用機器智能快速地幫助建築設計師完成拿地方案、概念設計等環節的方案設計。原本需要1-2周的設計時間縮短為1天，節約了90%的時間；避免大部分因為人工手動計算和排布而出現的錯誤，合規減錯工作量節約了99.99%；原本需要幾萬元的成本縮減為千百元，節約成本高達90%多。同時，還通過網頁端的3D可視化呈現方式，做到實時修改、所見即所得，帶來了很好的用戶體驗。

小庫AI

▼

▼

▼

不僅僅是建築專業採用AI技術提高設計效率，結構同行們也在積極探索，

目前國內常用結構設計軟體包括SATWE，YJK，GSSAP，ETABS，MIDAS 等，這些軟體滿足工程師進行結構模型力學分析和驗算的需要，但需要工程師手工反覆修改模型、判斷計算成果，效率底下。

廣東省建築設計研究院編製的高層混凝土結構優化分析與設計軟體GSOPT，已可以實現基於響應面演算法結構優化設計，實現了混凝土結構的有限元計算和優化分析的結合。這跟之前鋼結構的滿應力演算法類似，可以設定好目標，讓軟體自動優化結構構件。這些都是結構設計在AI領域的初期嘗試。

雖然只是AI在建築領域的初步嘗試，但它已成功搶到了眾多土木人的飯碗（需要的人少了）。下面來源於： iStructure

再比如下面這個例子，對於固定樓面布置和荷載情況，通過參數化計算各種方案，計算機自動挑選最為適合的支撐結構布置。建模、計算過程、計算結果等，數據與圖形都是交互的，任何數據的變動都可以在圖形窗口實時顯示。

AI已在超高層項目中嘗試

超高層項目中樓層與表皮變動頻繁，但整個結構模型建立，通常是有固定而簡明的邏輯的。在參數化系統中，搭建結構模型就像搭積木一樣，即使建築參數發生變化，結構模型也可以通過固有的邏輯，及時發生變化。同時，發生變動后的樓層信息，材料用量，單層面積等都可以一目了然。

對於固定的建築方案，參數化可以根據已有的建築表皮，快速建立不同結構體系的模型。並逐步優化相應的結構體系，細化至結構構件、材料、荷載等信息。

在重複性極高的方案比對階段，參數化更有其天生的優勢。通過參數化，我們可以同時在相同幾何和荷載條件下，比較各種結構體系和結構布置，快速比對結構動力特性、側向位移、材料用量等各項結構指標。

同時，參數化也是結構優化的基礎，比如在下面中信金融中心的案例中，SOM通過對框架斜撐幾何造型進行參數化優化，在確保整體結構剛度的同時，將整個結構材料用量減少至最小。

參數化就是把建築結構數據化，因而我們可以將建築數據導入AR軟體，讓我們的結構模型、計算結果，以更加直觀的方式呈現。想象一下，當面對業主彙報結構方案時，打開手機掃描二維碼，通過屏幕即可看到整個結構模型，是不是感覺既清晰直觀，又逼格滿滿。

大跨結構當然也離不開AI技術

對於大跨度結構，我們以往的結構計算流程如下：根據固定的建築表皮手動劃分網格，將面離散為線；將網格導入計算軟體，賦予桿件截面、施加荷載、指定支座等；對結構模型進行計算，調整構件截面。如建築表皮發生變化，重複以上流程。

傳統流程無法實現自動化主要有兩個原因。首先，結構計算與建築表皮構造不是同一平台，需要重複完成模型建立、荷載布置等操作；其次，結構網格劃分並非邏輯的推演。而參數化解決了這兩個問題，就如同打通了「任督二脈」，結構計算自動化也就迎刃而解了。

大跨度屋面結構，相對於高層建築結構設計師自由度更大。因此，利用參數化思維，我們能夠實現更多的可能性。比如，對於給定的自由曲面，我們以支座約束為變化參數，可以找到結構最優的支座約束布置；對於不同的荷載布置，也可以通過參數化，自動調整構件截面；可以計算動荷載下，結構響應，並進行實時顯示。

往期導讀

▼