CN110532687A - 一种寒地体育馆建筑自然通风参数化设计方法 - Google Patents

一种寒地体育馆建筑自然通风参数化设计方法 Download PDF

Info

Publication number
CN110532687A
CN110532687A CN201910807378.5A CN201910807378A CN110532687A CN 110532687 A CN110532687 A CN 110532687A CN 201910807378 A CN201910807378 A CN 201910807378A CN 110532687 A CN110532687 A CN 110532687A
Authority
CN
China
Prior art keywords
gymnasium
ventilation
information
building
optimization
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910807378.5A
Other languages
English (en)
Other versions
CN110532687B (zh
Inventor
刘莹
孙澄
武雪凤
甄蒙
董琪
刘芳芳
高鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin Institute of Technology
Original Assignee
Harbin Institute of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN201910807378.5A priority Critical patent/CN110532687B/zh
Publication of CN110532687A publication Critical patent/CN110532687A/zh
Application granted granted Critical
Publication of CN110532687B publication Critical patent/CN110532687B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/12Computing arrangements based on biological models using genetic models
    • G06N3/126Evolutionary algorithms, e.g. genetic algorithms or genetic programming

Abstract

本发明是一种寒地体育馆建筑自然通风参数化设计方法。本发明中提出的优化方法整合了自然通风参数化模拟与多目标遗传优化算法,首先将CFD性能模拟与参数化建模平台结合起来,提出针对寒地体育馆建筑的自然通风参数化模拟流程和模型,减少中间数据转换的繁复过程,提高性能模拟的效率。在此基础上利用多目标遗传优化算法,旨在提高体育馆空间形态设计过程中对风环境模拟对自然通风设计决策制定过程的支持力度。寒地体育馆建筑自然通风参数化仿真优化设计方法发明主要包括建筑几何信息与环境边界条件信息整合;建筑空间形态优化参量与自然通风性能目标对应关系建立;通风换气与热舒适多性能目标优化导向搜索三个步骤。

Description

一种寒地体育馆建筑自然通风参数化设计方法
技术领域
本发明涉及建筑节能被动设计技术领域,是一种寒地体育馆建筑自然通风参数化设计方法。
背景技术
体育馆建筑由于其巨大的体量和对室内物理环境的严格要求,是城市公共建筑中的能耗大户。众多学者通过理论和实践的研究表明,利用自然通风在大量节约能源和资金的同时能够改善室内热舒适环境,保证室内的空气循环,提高空气质量。在体育馆建筑中引入自然风有利于降低其运营成本,促进体育建筑的绿色低碳可持续发展。但是体育馆作为典型的高大空间,引入自然风的难度较大,需要在设计过程中对建筑形态和通风组织的方式进行合理优化,来提升体育馆自然通风的性能。
随着建筑科学和计算机技术的发展,传统的CFD模拟技术应用领域已经广泛深入到建筑设计和暖通设计之中。但是,传统商用CFD软件操作复杂并且对于使用者的理论基础要求高,应用在设计过程中的难度较大。近年来,科研人员基于计算机编程技术开发出能够在CFD模拟平台与参数化建模平台中实时传输数据的接口工具,数据交互的Rhino+Grasshopper相连接的CFD模拟软件,通过运用此软件能够量化自然通风设计,模拟的结果可以直观的显示建筑内部自然通风的数据和图像。依托于Rhino强大的非标准形态建模能力以及Grasshopper节点式编程功能,这一方法在体育馆建筑空间形态优化设计中优势愈发明显。在Rhino平台上可以将参数化自然通风模拟与多目标遗传算法结合,构建出寒地体育馆自然通风参数化仿真优化方法,必将能够帮助建筑师在体育馆设计方案阶段寻找到具有最优自然通风性能的建筑空间形态。
发明内容
本发明为解决体育馆建筑引入自然风难度大的问题,本发明提供了一种寒地体育馆建筑自然通风参数化设计方法,本发明提供了以下技术方案:
一种寒地体育馆建筑自然通风参数化设计方法,包括以下步骤:
步骤1:整合体育馆建筑空间形态信息与环境边界信息,对所述体育馆建筑空间形态信息与环境边界信息参数化,建立体育馆建筑环境信息模型,采用butterfly接口将rhino-grasshopper参数化建模平台和CFD模拟平台中的OpenFOAM结合;
步骤2:根据体育馆建筑环境信息模型,对所述模型进行求解得到测点的风速值和温度值,以初始数据为性能评价指标,确定优化参量与评价指标对应关系,输出模拟数据;
步骤3:对体育馆建筑内部通风换气与热舒适多性能目标优化导向搜索,采用多目标遗传算法对模拟数据进行分析,确定每一个体育馆建筑空间形态优化设计参量数值;
步骤3:对体育馆建筑内部通风换气与热舒适多性能目标优化导向搜索,采用多目标遗传算法对模拟数据进行分析,得到室内环境性能优化目标值,确定每一个体育馆建筑空间形态优化设计参量数值;
步骤4:当得到室内环境性能优化目标值最大时,筛选出对应的体育馆建筑空间形态优化设计参量数值,根据筛选出体育馆建筑空间形态优化设计参量数值确定寒地体育馆建筑空间形态信息并保存。
优选地,所述步骤一具体为:
步骤1.1:收集体育馆建筑空间形态信息,所述体育馆建筑空间形态信息包括体育馆建筑平面形态、屋面形态、侧界面形态、天窗形式和侧界面开窗形式;
步骤1.2:收集环境边界信息,所述收集环境边界信息包括入口风速、风向、温度、壁面温度、房屋内部电器功率和人体功率,整合收集到的体育馆建筑空间形态信息和环境边界信息;
步骤1.3:采用体育馆建筑性能模拟技术对所述体育馆建筑空间形态信息和环境边界信息进行参数化,根据参数化后的体育馆建筑空间形态信息和环境边界信息建立体育馆建筑环境信息模型;
步骤1.4:根据体育馆建筑环境信息模型,对自然通风进行参数化模拟,采用butterfly接口将rhino-grasshopper参数化建模平台和CFD模拟平台OpenFOAM结合在一起。
优选地,所述步骤2具体为:
步骤2.1:在rhino-grasshopper参数化建模平台上调用butterfly接口,通过butterfly接口将体育馆建筑环境信息模型导入至CFD模拟平台中的OpenFOAM;
步骤2.2:根据体育馆建筑工况选择湍流模型,确定输入网格参数,根据确定的输入网格参数提升网格生成精度;
步骤2.3:调用OpenFOAM进行体育馆建筑环境信息模拟,将模拟后的数据反馈至rhino-grasshopper参数化建模平台得到模拟数据;
步骤2.4:当模拟数据不收敛时,重复步骤2.1至步骤2.3,当模拟数据收敛时,所述rhino-grasshopper参数化建模平台输出并显示模拟数据。
优选地,通过设置湍流模型的对容差、相对容差、非正交修正次数、松弛因子和残差来控制速度与准确性。
优选地,所述输入网格参数包括输入网格的大小、加密部位和加密层数,通过增加输入网格的大小、加密部位和加密层数提升网格生成精度。
优选地,所述湍流模型为标准k-ε模型、RANS k-ε模型、标准k-ω模型、SSTk-ω模型或大涡模拟模型。
优选地,所述步骤3具体为:
步骤3.1:对体育馆建筑内部通风换气与热舒适多性能目标优化导向搜索,采用多目标遗传算法对模拟数据进行分析,得到室内环境性能优化目标值;
步骤3.2:采用遗传优化搜索算法以通风换气和热舒适性能作为指标,对所述室内环境性能优化目标值进行迭代计算,当迭代计算达到收敛时,迭代计算终止;
步骤3.3:迭代计算终止后,得到每一代的可行解,所述可行解对应着一个体育馆建筑空间形态优化设计参量数值。
本发明具有以下有益效果:
发明中通过参数化自然通风模拟实现了在同一平台内进行几何建模和性能模拟,对边界条件的自动读取,并且支持迭代优化,在模拟效率上大大超过了传统软件,另外通过参数化的模拟方式,可实现建筑设计过程中室内自然通风情况的可视化,使建筑师更有针对性的进行空间设计或改造,达到节能需求、使用需求和美学需求相契合的目的,为寒地体育馆建筑自然通风优化设计提供技术支持。
附图说明
图1是寒地体育馆建筑自然通风参数化设计方法流程图。
具体实施方式
以下结合具体实施例,对本发明进行了详细说明。
具体实施例一:
按照图1所示流程图,本发明提供一种寒地体育馆建筑自然通风参数化设计方法,包括如下步骤:
步骤1:整合体育馆建筑空间形态信息与环境边界信息,对所述体育馆建筑空间形态信息与环境边界信息参数化,建立体育馆建筑环境信息模型,采用butterfly接口将rhino-grasshopper参数化建模平台和CFD模拟平台中的OpenFOAM结合;
步骤2:根据体育馆建筑环境信息模型,对所述模型进行求解得到测点的风速值和温度值,以初始数据为性能评价指标,确定优化参量与评价指标对应关系,输出模拟数据;
步骤3:对体育馆建筑内部通风换气与热舒适多性能目标优化导向搜索,采用多目标遗传算法对模拟数据进行分析,得到室内环境性能优化目标值,确定每一个体育馆建筑空间形态优化设计参量数值;
步骤4:当得到室内环境性能优化目标值最大时,筛选出对应的体育馆建筑空间形态优化设计参量数值,根据筛选出体育馆建筑空间形态优化设计参量数值确定寒地体育馆建筑空间形态信息并保存。
所述步骤1、建筑几何信息与环境边界条件信息整合,这一步中整合的数据包括体育馆建筑几何信息和自然通风模拟所需的环境边界条件两方面,用户可根据实际情况在这些信息中灵活选择一部分作为优化设计参量。经过这一阶段可以形成一个建筑环境信息模型,这一模型包括体育馆建筑空间形态和通风组织方式设计参量信息和环境边界条件信息,该建筑及环境信息模型是下一步骤优化目标与优化参量对应关系建立的必备条件。
数据包括需集成的建筑几何信息和环境边界条件信息两方面,其为建筑优化设计参量的选择提供了基础信息。在应用中需要根据实际情况分析出针对该体育馆建筑的优化设计参量,必要时可使用对照试验法来筛选出影响力较大的设计参量。建筑几何信息包括建筑整体形态空间和建筑开窗两类,其中建筑整体空间类参量包括建筑朝向、建筑平面几何形态、比例、层高等内容;而建筑开窗类参量则包括了开窗形式、角度、各朝向窗墙比、开窗高度、宽度和窗台高度参量等内容。确定多目标优化设计的优化参量,输入建筑形态空间信息,建立建筑几何模型,在几何模型基础上输入建筑物理信息和环境物理信息作为自然通风模拟计算的边界条件。在这一步骤中应用了建筑信息建模技术,建筑信息建模技术是实现建筑信息、环境气候数据和建筑性能信息集成的技术基础。
所述步骤1将空间形态信息和模拟所需的边界条件整合起来后,运行体育馆自然通风参数化模拟,运行模拟对每一组空间形态优化参量构建出的建筑模型进行求解,得到测点的风速风向与温度值。进一步通过性能评价指标求解公式将初始数据转化为通用的室内自然通风性能评价指标。经过权衡对比,选择代表通风换气性能的风速平均值和风场均匀度,以及代表热舒适应能的室内热舒适面积比作为性能优化目标。在这一步骤中整合了CFD性能模拟技术和参数化编程技术。CFD性能模拟技术是建筑自然通风性能信息获取的技术基础;参数化编程技术可以实现不同信息平台的数据交互和关联。通过接口程序butterfly将rhino-grasshopper参数化建模平台和CFD模拟平台中的OpenFOAM结合在一起,实现这两个平台间的数据交换。
其中建筑几何信息为优化设计参量的选择及值域设定提供了基础信息;环境边界条件信息用于第二步中的性能模拟以获取性能优化目标。为了保证优化参量选择的全面完整,运用典型抽样调查的方法,针对寒地体育馆建筑展开调研,收集样本的空间形态信息。通过对所收集数据的总结和归纳,从中寻找出寒地体育馆建筑的空间空间控制要素,并得到其变化值域。建筑几何信息调查的内容主要分为五个方面,第一是体育馆建筑基本平面形态,主要包括正方形、圆形、椭圆形、菱形、多边形等。对收集信息进行统计后,发现体育馆常见的平面形态为正方形,圆形和正多边形等中心对称式的形态,其中占比最大的是圆形,因此选择圆形作为建筑平面初始形态。第二方面是体育馆建筑屋面形态,屋面形态与其平面基本形状和结构形式有关,但同时相对自由。分析结果发现,体育馆屋面形态分为上凸式、下凹式、单坡式、双曲面式等。其中上凸式屋面所占比例最高,故选择此类屋面形态作为屋面初始形态,其上凸高度为控制形态变化的参量。第三方面是体育馆建筑开窗形态。为了解决自然采光等问题,体育馆建筑常在屋面设置天窗,这些开口同样可起到辅助自然通风的作用。经过调研发现常见的天窗形式有高出屋面的上凸天窗、与屋面平齐的平天窗以及与屋面成一定夹角的锥形天窗,其中平天窗所占比例最大,因此选择平天窗作为基本形态。其在屋面上的位置和开窗面积作为控制形态变化的参量。第四方面为侧界面形态,经过调研发现,体育馆侧界面形式主要分为三种,与地面垂直的侧界面、与地面夹角为锐角的侧界面以及与地面的夹角呈钝角的侧界面。其中与地面成90度的垂直侧界面在体育馆建筑中使用率最高。因此选择垂直侧界面作为作为基本形态。最后为体育馆侧界面通风口设置情况,体育馆建筑中,由于室内看台升起占据了大部分侧界面空间,能够直接开窗与室外联通的通风口面积有限。经过调查与数据整理发现,体育馆侧界面通风口位置主要有两种,第一种是位于场地两侧看台后方的侧墙上,距离比赛场地较远。第二种是在观众厅侧界面设计设置开口,以比赛场地的疏散口作为进风口提供间接通风,其中在看台侧墙上布置通风口通风效率更高,优化中选择此类作为初始形态,将窗高度位置和面积作为控制参量。
所述步骤2中优化参量与性能目标对应关系建立,以步骤1建立的建筑环境信息模型为基础,进行自然通风参数化模拟,得到反映室内物理环境情况的初始数据;进而通过对数据的分析处理得到室内自然通风的多个性能评价指标,从中选择出存在相互制约关系的三个指标作为优化设计的性能目标,由此建立起优化参量与性能目标之间的对应关系。
基于CFD模拟平台中的OpenFOAM和rhino-grasshopper参数建模平台结合的自然通风参数化模拟子过程共分为以下4个步骤:
建筑环境信息模型输入:在rhino-grasshopper平台上通过butterfly接口程序调用OpenFOAM,将已建立的体育馆建筑环境信息模型导入该模拟平台,建立算例文件夹。
湍流模型,求解器选择以及求解参数设定:根据模拟对象的工况和需要求解物理量选择适合的求解器以及湍流模型,并且根据计算机性能和对容差、相对容差、非正交修正次数、松弛因子和残差等求解参数进行设置,控制求解速度和准确性。
网格划分参数输入:输入网格大小,比例,加密部位,加密层数等参数来控制生成网格的精细度。通过增加输入网格的大小、加密部位和加密层数提升网格生成精度。
模拟数据交互:完成以上步骤后可以开始模拟,调用OpenFOAM进行模拟后将数据反馈回到rhino-grasshopper平台,进行可视化显示和下一步的分析判断。若结果出现不收敛或局部风速值过大的不合理情况,则需要重新调整求解参数重复模拟,若结果正常,则输出结果后调整优化参数开始下一次模拟。
所述步骤3中性能目标遗传优化搜索,优化搜索算法以自然通风换气性能与室内热舒适水平为性能评价目标,评价在迭代计算过程中每一代可行解的水平,每一个可行解对应一个建筑优化设计参量数值。达到较优建筑性能目标水平的解会在优化搜索中被筛选出来并保留。
以采用精英保留策略的多目标优化算法,驱动体育馆建筑自然通风性能优化设计过程。多目标优化算法通过对多种性能目标的权衡比较,实现结果各项性能的协同提升。建立起优化参量与性能目标对应关系后,进行多目标遗传优化模型构建。参数设置时需要综合考虑解集的多样性和求解所用的时间,根据实际情况权衡两方面因素,以保证最后在合理时间内得到足够数量的非支配解。运行多目标遗传算法,计算每一组形态空间优化参量对应的室内物理环境性能优化目标值,通过遗传优化模块分析得出的结果是否满足算法终止条件,优化搜索算法以自然通风换气性能与室内热舒适性能目标为适应度评价指标,以该指标作为迭代计算的终止条件。评价在迭代计算过程中每一代解的适应度水平,每一个适应度对应一个建筑形态空间优化设计参量数值。
所述步骤4中筛选最优参量,当得到室内环境性能优化目标值最大时,筛选出对应的体育馆建筑空间形态优化设计参量数值,根据筛选出体育馆建筑空间形态优化设计参量数值确定寒地体育馆建筑空间形态信息并保存若满足,则运算过程结束输出最优解;若不满足,程序将继续改变优化参量值,循环进行模拟计算和分析,直至出现满足终止条件的解。
以上所述仅是寒地体育馆建筑自然通风参数化设计方法的优选实施方式,寒地体育馆建筑自然通风参数化设计方法的保护范围并不仅局限于上述实施例,凡属于该思路下的技术方案均属于本发明的保护范围。应当指出,对于本领域的技术人员来说,在不脱离本发明原理前提下的若干改进和变化,这些改进和变化也应视为本发明的保护范围。

Claims (7)

1.一种寒地体育馆建筑自然通风参数化设计方法,其特征是:包括以下步骤:
步骤1:整合体育馆建筑空间形态信息与环境边界信息,对所述体育馆建筑空间形态信息与环境边界信息参数化,建立体育馆建筑环境信息模型,采用butterfly接口将rhino-grasshopper参数化建模平台和CFD模拟平台中的OpenFOAM结合;
步骤2:根据体育馆建筑环境信息模型,对所述模型进行求解得到测点的风速值和温度值,以初始数据为性能评价指标,确定优化参量与评价指标对应关系,输出模拟数据;
步骤3:对体育馆建筑内部通风换气与热舒适多性能目标优化导向搜索,采用多目标遗传算法对模拟数据进行分析,得到室内环境性能优化目标值,确定每一个体育馆建筑空间形态优化设计参量数值;
步骤4:当得到室内环境性能优化目标值最大时,筛选出对应的体育馆建筑空间形态优化设计参量数值,根据筛选出体育馆建筑空间形态优化设计参量数值确定寒地体育馆建筑空间形态信息并保存。
2.根据权利要求1所述的一种寒地体育馆建筑自然通风参数化设计方法,其特征是:所述步骤一具体为:
步骤1.1:收集体育馆建筑空间形态信息,所述体育馆建筑空间形态信息包括体育馆建筑平面形态、屋面形态、侧界面形态、天窗形式和侧界面开窗形式;
步骤1.2:收集环境边界信息,所述收集环境边界信息包括入口风速、风向、温度、壁面温度、房屋内部电器功率和人体功率,整合收集到的体育馆建筑空间形态信息和环境边界信息;
步骤1.3:采用体育馆建筑性能模拟技术对所述体育馆建筑空间形态信息和环境边界信息进行参数化,根据参数化后的体育馆建筑空间形态信息和环境边界信息建立体育馆建筑环境信息模型;
步骤1.4:根据体育馆建筑环境信息模型,对自然通风进行参数化模拟,采用butterfly接口将rhino-grasshopper参数化建模平台和CFD模拟平台OpenFOAM结合在一起。
3.根据权利要求1所述的一种寒地体育馆建筑自然通风参数化设计方法,其特征是:所述步骤2具体为:
步骤2.1:在rhino-grasshopper参数化建模平台上调用butterfly接口,通过butterfly接口将体育馆建筑环境信息模型导入至CFD模拟平台中的OpenFOAM;
步骤2.2:根据体育馆建筑工况选择湍流模型,确定输入网格参数,根据确定的输入网格参数提升网格生成精度;
步骤2.3:调用OpenFOAM进行体育馆建筑环境信息模拟,将模拟后的数据反馈至rhino-grasshopper参数化建模平台得到模拟数据;
步骤2.4:当模拟数据不收敛时,重复步骤2.1至步骤2.3,当模拟数据收敛时,所述rhino-grasshopper参数化建模平台输出并显示模拟数据。
4.根据权利要求3所述的一种寒地体育馆建筑自然通风参数化优化设计方法,其特征是:通过设置湍流模型的对容差、相对容差、非正交修正次数、松弛因子和残差来控制速度与准确性。
5.根据权利要求3所述的一种寒地体育馆建筑自然通风参数化设计方法,其特征是:所述输入网格参数包括输入网格的大小、加密部位和加密层数,通过增加输入网格的大小、加密部位和加密层数提升网格生成精度。
6.根据权利要求4所述的一种寒地体育馆建筑自然通风参数化设计方法,其特征是:所述湍流模型为标准k-ε模型、RANS k-ε模型、标准k-ω模型、SSTk-ω模型或大涡模拟模型。
7.根据权利要求1所述的一种寒地体育馆建筑自然通风参数化设计方法,其特征是:所述步骤3具体为:
步骤3.1:对体育馆建筑内部通风换气与热舒适多性能目标优化导向搜索,采用多目标遗传算法对模拟数据进行分析,得到室内环境性能优化目标值;
步骤3.2:采用遗传优化搜索算法以通风换气和热舒适性能作为指标,对所述室内环境性能优化目标值进行迭代计算,当迭代计算达到收敛时,迭代计算终止;
步骤3.3:迭代计算终止后,得到每一代的可行解,所述可行解对应着一个体育馆建筑空间形态优化设计参量数值。
CN201910807378.5A 2019-08-29 2019-08-29 一种寒地体育馆建筑自然通风参数化设计方法 Active CN110532687B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910807378.5A CN110532687B (zh) 2019-08-29 2019-08-29 一种寒地体育馆建筑自然通风参数化设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910807378.5A CN110532687B (zh) 2019-08-29 2019-08-29 一种寒地体育馆建筑自然通风参数化设计方法

Publications (2)

Publication Number Publication Date
CN110532687A true CN110532687A (zh) 2019-12-03
CN110532687B CN110532687B (zh) 2021-01-05

Family

ID=68665055

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910807378.5A Active CN110532687B (zh) 2019-08-29 2019-08-29 一种寒地体育馆建筑自然通风参数化设计方法

Country Status (1)

Country Link
CN (1) CN110532687B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111191316A (zh) * 2020-01-06 2020-05-22 沈阳建筑大学 一种基于响应面的建筑自然通风性能优化模型及优化方法
CN111259481A (zh) * 2020-01-21 2020-06-09 哈尔滨工业大学 一种整合空间信息的建筑室内光环境设计评价方法及装置
CN111861244A (zh) * 2020-07-28 2020-10-30 东南大学 一种针对建筑多环境性能指标模拟的参数化模型构建方法
CN111898190A (zh) * 2020-08-03 2020-11-06 西安建筑科技大学 一种自然通风设计室外计算参数确定方法及设备
CN112434361A (zh) * 2020-11-16 2021-03-02 东南大学 一种适用于办公建筑的智能化通风系统及数据处理方法
CN113158593A (zh) * 2021-04-13 2021-07-23 中南建筑设计院股份有限公司 一种基于人工智能的医院病房通风系统智能设计方法
CN114662201A (zh) * 2022-03-31 2022-06-24 中国石油大学(华东) 一种自然通风智能调控的寻优方法
CN117634000A (zh) * 2024-01-08 2024-03-01 华南理工大学 一种用于体育馆的计算性整合设计方法
CN117634000B (zh) * 2024-01-08 2024-05-10 华南理工大学 一种用于体育馆的计算性整合设计方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130218539A1 (en) * 2012-02-22 2013-08-22 Schlumberger Technology Corporation Building faulted grids for a sedimentary basin including structural and stratigraphic interfaces
CN104133938A (zh) * 2014-07-01 2014-11-05 哈尔滨工业大学 一种基于采暖能耗考虑的严寒地区办公建筑外窗几何参数优化方法
CN205747302U (zh) * 2016-06-28 2016-11-30 珠海格力电器股份有限公司 建筑自然通风装置
CN110175374A (zh) * 2019-05-13 2019-08-27 浙江大学城市学院 一种基于cfd数值模拟的双子楼建筑风环境的优化方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130218539A1 (en) * 2012-02-22 2013-08-22 Schlumberger Technology Corporation Building faulted grids for a sedimentary basin including structural and stratigraphic interfaces
CN104133938A (zh) * 2014-07-01 2014-11-05 哈尔滨工业大学 一种基于采暖能耗考虑的严寒地区办公建筑外窗几何参数优化方法
CN205747302U (zh) * 2016-06-28 2016-11-30 珠海格力电器股份有限公司 建筑自然通风装置
CN110175374A (zh) * 2019-05-13 2019-08-27 浙江大学城市学院 一种基于cfd数值模拟的双子楼建筑风环境的优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
罗毅: "基于参数化设计平台的建筑性能优化流程研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 *
钟国栋: "基于性能驱动的建筑环境优化设计方法研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111191316A (zh) * 2020-01-06 2020-05-22 沈阳建筑大学 一种基于响应面的建筑自然通风性能优化模型及优化方法
CN111259481A (zh) * 2020-01-21 2020-06-09 哈尔滨工业大学 一种整合空间信息的建筑室内光环境设计评价方法及装置
CN111259481B (zh) * 2020-01-21 2024-02-13 哈尔滨工业大学 一种整合空间信息的建筑室内光环境设计评价方法及装置
CN111861244A (zh) * 2020-07-28 2020-10-30 东南大学 一种针对建筑多环境性能指标模拟的参数化模型构建方法
CN111898190B (zh) * 2020-08-03 2024-02-06 西安建筑科技大学 一种自然通风设计室外计算参数确定方法及设备
CN111898190A (zh) * 2020-08-03 2020-11-06 西安建筑科技大学 一种自然通风设计室外计算参数确定方法及设备
CN112434361A (zh) * 2020-11-16 2021-03-02 东南大学 一种适用于办公建筑的智能化通风系统及数据处理方法
CN113158593A (zh) * 2021-04-13 2021-07-23 中南建筑设计院股份有限公司 一种基于人工智能的医院病房通风系统智能设计方法
CN113158593B (zh) * 2021-04-13 2023-02-07 中南建筑设计院股份有限公司 一种基于人工智能的医院病房通风系统智能设计方法
CN114662201A (zh) * 2022-03-31 2022-06-24 中国石油大学(华东) 一种自然通风智能调控的寻优方法
CN114662201B (zh) * 2022-03-31 2024-01-19 中国石油大学(华东) 一种自然通风智能调控的寻优方法
CN117634000A (zh) * 2024-01-08 2024-03-01 华南理工大学 一种用于体育馆的计算性整合设计方法
CN117634000B (zh) * 2024-01-08 2024-05-10 华南理工大学 一种用于体育馆的计算性整合设计方法

Also Published As

Publication number Publication date
CN110532687B (zh) 2021-01-05

Similar Documents

Publication Publication Date Title
CN110532687A (zh) 一种寒地体育馆建筑自然通风参数化设计方法
Wang et al. A three-stage optimization methodology for envelope design of passive house considering energy demand, thermal comfort and cost
Javanroodi et al. A novel design-based optimization framework for enhancing the energy efficiency of high-rise office buildings in urban areas
Yan et al. Optimization and prediction in the early design stage of office buildings using genetic and XGBoost algorithms
CN114692265B (zh) 一种基于深度强化学习的零碳建筑优化设计方法
Fan et al. A multi-objective optimization design method for gymnasium facade shading ratio integrating energy load and daylight comfort
CN109446583A (zh) 基于bim技术的绿色建筑设计方法
CN108804802B (zh) 一种以夏季空调制冷能耗控制为目标的办公建筑空间节能设计方法
CN111159884A (zh) 一种寒地办公建筑节能设计决策支持系统及方法
CN103823931A (zh) 一种运用简化模型和非结构化网格进行建筑设计的方法
CN106295029A (zh) 一种基于性能导向的建筑多目标优化设计方法
CN114662201B (zh) 一种自然通风智能调控的寻优方法
CN103778286B (zh) 一种风压图可视化的建筑设计方法
CN111241619B (zh) 一种规则驱动的协同交互式空间布局自动设计方法
CN108804838A (zh) 一种复杂大跨度双曲屋盖的抗风设计方法
Le Gia et al. A simulation-based multi-objective genetic optimization framework for efficient building design in early stages: application for Vietnam's hot and humid climates
Toutou A Parametric Approach for Achieving Optimum Residential Building Performance in Hot Arid Zone
Wang et al. Genetic algorithm based building form optimization study for natural ventilation potential
Ferrero et al. How to apply building energy performance simulation at the various design stages: a recipes approach
Thill Generative design in energy efficient buildings
Liu et al. Research on Green Building Design Optimization Based on Building Information Modeling and Improved Genetic Algorithm
CN103853880B (zh) 一种空气速度可视化的建筑设计方法
Ghiassi Development of a building data model for a performance based optimization environment
Chen Architectural Design Exploration of Low-Exergy (LowEx) Buildings in the Tropics
Guo et al. Research and application of energy consumption optimization design of electromechanical system based on genetic algorithms

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant