匿名用户
说说我所理解的机器学习.其实结构计算中,很多地方都用了"深度学习",从有限元的划分到各种简化求解的非线性计算,很多都用到了神经网络,只是可能还没有使用到目前比较火的多隐层的神经网络的深度学习,作为一名结构工程师,来说说我看到的一些算是关于机器学习建筑方面的案例.可能看起来没那么前沿或者高达上,自己做的东西也没涉及到神经网络,顶多用了下进化算法,只是抛砖引玉..建筑就结果来说是一个很主观的东西,然而构建一个建筑需要的条件非常多,比如结构构件,建筑分区,设备管道,等各种几何信息或非几何信息,提供不同维度的条件,最终输出一个让各方面都比较满意的结果.这种情况很适合做基于神经网络的评价系统.所以不仅仅是方案创作,后期的很多问题都可以拆分成很多小的NP问题,从而按此思路解决问题.首先介绍一下这本书:《建筑生成设计》---李飚里面提及了很多算法的应用和成果.比如细胞自动机,遗传算法,多智能体等等.书中提及的鸟巢.上海世博轴阳光谷单看这个结构,很多同学都能用参数化的手段建立出模型.拉出一个框架还是很好实现,但据说方案是找了计算机团队去做优化,使得杆件都统一成几个规格,大大方便了杆件的生产.类似幕墙施工便是一个非常典型的例子:建筑的同学创造出来一个非常漂亮的异形建筑方案,到了幕墙阶段就头疼了.我们可以把基本的分隔建立出来,但如何施工?每一根不同的杆件都要做一个模具,大大增加了成本.这时候我们可以通过建立一套合适的评价进化系统,最终让生成的杆件满足结构要求,满足生产尺寸的要求.曾经帮助建筑做的一个幕墙分隔.当时建筑画了个概念图问我能做么,需要杆件比较统一,并保证交接处分隔统一.我一看这不就是有限元划分么.去查了资料,grosshopper里就有Delaunay划分的电池.我只是对边界和交接处稍微优化了下,最终得出了这样的一个结果.当然这只是方案效果,假如需要考虑到杆件统一的问题,那就需要建立比如神经网络,利用计算机来帮你生成满意的结果.样条曲线拟合成圆弧.方案中建筑的平面是一个不很规则的B-样条曲线,这样在平面定位中定位很麻烦,以往做法是取与轴网交点进行定位,本程序将这个闭合的样条曲线利用退火算法拟合成了8段弧线,从而精简了很多定位,比较准地还原了方案,并且方便了施工.具体就是将原平面曲线划分成n个点,再从中选取8个点进行评价,淘汰评分低的点,选取新的点,再进行评价...最终的结果还是比较理想,相邻弧的交点切率变化不超过3°,面积累计误差也很小,肉眼基本看不出与原方案的差别.深度学习与建筑设计并不是才接轨,实际上建筑领域有很多神经网络的应用了,比如结构专业,很早就有应用,只是模型比较简单,没用上很深的决策.建筑生成、幕墙设计等方面也有些,看起来没有那么深度.就像当年智能机发展一样,以前手机只是打电话发短信,后来智能机兴起,整合lbs数据,用户数据,健康数据...到了今天,我们拥有了无数优秀的APP.随着BIM的发展,我们手中有了越来越多的数据,各个专业的数据还能整合在一个平台上,将来我们可能通过丰富的数据甚至跨专业数据来处理分析.期待各位同行做出更多有意思的事情来.
2018-12-23 13:29
评论
23
0/140
发布
匿名