CN116150858B - 建筑工程模板支架的自动排布系统及方法 - Google Patents

建筑工程模板支架的自动排布系统及方法 Download PDF

Info

Publication number
CN116150858B
CN116150858B CN202310417754.6A CN202310417754A CN116150858B CN 116150858 B CN116150858 B CN 116150858B CN 202310417754 A CN202310417754 A CN 202310417754A CN 116150858 B CN116150858 B CN 116150858B
Authority
CN
China
Prior art keywords
data
module
template support
design
building engineering
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.)
Active
Application number
CN202310417754.6A
Other languages
English (en)
Other versions
CN116150858A (zh
Inventor
盛欢
季宏伟
谢军强
李嘉力
邓铎联
李珂
彭阳春
王益超
李瀚朗
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.)
Shenzhen Jiarunzhou Ecological Construction Co ltd
Original Assignee
Shenzhen Jiarunzhou Ecological Construction Co ltd
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 Shenzhen Jiarunzhou Ecological Construction Co ltd filed Critical Shenzhen Jiarunzhou Ecological Construction Co ltd
Priority to CN202310417754.6A priority Critical patent/CN116150858B/zh
Publication of CN116150858A publication Critical patent/CN116150858A/zh
Application granted granted Critical
Publication of CN116150858B publication Critical patent/CN116150858B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Structural Engineering (AREA)
  • Computational Mathematics (AREA)
  • Civil Engineering (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Architecture (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开建筑工程模板支架的自动排布系统及方法，涉及建筑工程模板支架计算机设计技术领域，包括建筑工程模板支架训练数据库、模板支架特殊设置训练数据库、完整模板支架方案数据库、深度学习芯片、设计需求录入单元、智能排布设计模块和图纸生成模块；所述建筑工程模板支架训练数据库包括基坑图纸特征数据模块、模板工程图纸特征数据模块和支架图纸特征数据模块。本发明能摒弃传统的数据库模块，采用建筑图纸对抗生成网络模型来自动生成建筑工程模板支架设计图纸，经过深度训练学习的图纸对抗生成网络模型生成的图纸，会自动生成模板支架设计中的一些特殊设置，使生成的图纸完整度更高，更贴近实际设计需求，大大减少二次设计的工作量。

Description

建筑工程模板支架的自动排布系统及方法
技术领域
本发明涉及建筑工程模板支架计算机设计技术领域，尤其是涉及建筑工程模板支架的自动排布系统及方法。
背景技术
目前在建筑工程领域，模板支撑工程是工程施工中的重要环节之一，绝大多数情况下模板支撑架方案设计需要人工按照二维图纸和规范要求进行排布绘图和安全计算，设计工作量巨大，而且非常依赖技术人员的专业能力和工程经验，容易出现因设计不当或计算有误导致的安全隐患或材料浪费。
近年来国内建筑市场出现了少量基于CAD或BIM的脚手架智能设计软件，例如行业软件施工安全计算（模板工程），就能通过输入架体步距、立杆间距、龙骨形式等关键架体设计参数，软件再对设计方案进行安全计算，并对通过计算的方案生成二维或三维设计图等成果，从而达到计算机进行建筑工程模板支架设计的目的。
授权公开号为CN115048695A的中国发明专利公开了一种房屋建筑工程模板支撑架智能排布系统，包括：基础数据库模块；信息输入模块；智能排布设计模块，其包括步距智能预设模块、立杆间距智能预设模块、龙骨体系智能预设模块和智能综合排布模块，其中，步距智能预设模块用于完成立面排布初步设计，立杆间距智能预设模块用于完成立杆间距初步设计，龙骨体系智能预设模块用于完成龙骨体系选型初步设计，智能综合排布模块用于调取全部构件的最终设计方案和架体构造数据库，生成整层模板支撑架三维模型；安全验算模块，其用于对初步设计方案进行整体安全验算，验算通过后作为最终设计方案；信息输出模块，其用于最终设计方案和整层模板支撑架三维模型的导出。
然而无论是施工安全计算（模板工程）还是CN115048695A的方案均采用了基础数据库模块，表面上看起来是自动生成了相关的设计方案，然而实际上是数据库不同板块内容调取后的重新组合，也就是说数据库一旦定型，除非开发人员主动进行数据库更新，那么设计软件可用的模板支架方案就局限于数据库中的数据，这样就大大限制了方案的灵活性，不能实现一些模板支架设计中的一些特殊的小技巧设置的自动优化，例如墙柱模板下口设置角钢的措施等，生成的图纸往往需要大量的二次设计，后续图纸修改的工作量较大。
发明内容
为了解决上述建筑工程模板支架计算机自动设计中的技术问题，本发明提供建筑工程模板支架的自动排布系统及方法。采用如下的技术方案：
建筑工程模板支架的自动排布系统，包括建筑工程模板支架训练数据库、模板支架特殊设置训练数据库、完整模板支架方案数据库、深度学习芯片、设计需求录入单元和智能排布设计模块；
所述建筑工程模板支架训练数据库包括基坑图纸特征数据模块、模板工程图纸特征数据模块和支架图纸特征数据模块；
所述模板支架特殊设置训练数据库包括基坑特殊设置图纸特征数据模块、模板特殊设置图纸特征数据模块和支架特殊设置图纸特征数据模块；
所述深度学习芯片设置图纸对抗生成网络模型，深度学习芯片调用建筑工程模板支架训练数据库和模板支架特殊设置训练数据库训练图纸对抗生成网络模型；
所述设计需求录入单元与智能排布设计模块通信连接，用于录入设计需求数据；
所述智能排布设计模块将设计需求录入单元录入的设计需求数据输入训练好的图纸对抗生成网络模型，运行图纸对抗生成网络模型生成建筑工程模板支架图纸数据，并录入到完整模板支架方案数据库。
通过采用上述技术方案，摒弃传统的数据库模块，采用筑工程模板支架训练数据库和模板支架特殊设置训练数据库训练深度学习芯片部署的图纸对抗生成网络模型，这样在具体的图纸自动化生成过程中，原理就不是单纯地调取数据库模块中预设的图纸，而是一种运算过程，经过深度训练学习的图纸对抗生成网络模型生成的图纸，会自动生成模板支架设计中的一些特殊设置，例如墙柱模板下口设置通长角钢措施、模板支撑设置顶托、固定上口模板用通长方木等特殊设置，这些特殊设置一般都有相应的经验设置条件，这些特殊设置在传统的图纸生成数据库中并不会包括，但是实际图纸设计中却需要进行表达，更加便于施工；
设计需求录入单元可以录入建筑工程模板支架设计所需的各种数据，包括设计需求侧的数据，还设有设计侧的相关数据，这些数据会在模型运算中与建筑工程模板支架训练数据库、模板支架特殊设置训练数据库、完整模板支架方案数据库中的数据进行比对，图纸对抗生成网络模型根据目标函数模型结果，调用数据库中特征数据融合生成设计图纸数据，生成的图纸数据，达到自动生成图纸数据的目的，而且生成的图纸数据不仅仅局限常规的设计思路，还会融合模板支架特殊设置训练数据库中的一些特殊设置，使设计思路更加细致，也更加合理，减少后续的图纸二次设计的工作量。
可选的，智能排布设计模块还包括图纸生成模块，所述图纸生成模块调用图纸对抗生成网络模型生成的建筑工程模板支架图纸数据生成二维图纸和三维图纸。
通过采用上述技术方案，图纸生成模块可以将生成的图纸数据自动生成可以被筑业设计软件所兼容的图纸格式，比如ketchUp、AutoCAD、3dsMax、V-Ray等软件。
可选的，智能排布设计模块还包括图纸编辑模块和显示器，所述图纸编辑模块与图纸生成模块通信连接，所述显示器与图纸编辑模块通信连接，用于显示图纸画面。
通过采用上述技术方案，图纸编辑模块可直接读取图纸生成模块生成的图纸，还可通过显示器进行显示，工作人员进行查看，如果不满意还可以进行模块化的调整。
可选的，图纸对抗生成网络模型是GraphGAN模型，GraphGAN模型包括生成器A（V|Vc；
Figure SMS_1
）和判别器D（V|Vc；/>
Figure SMS_2
）,
GraphGAN模型采用的对抗机制是：判别器D（V|Vc；
Figure SMS_3
）用于判别目标数据与数据库中数据的相似度，生成器A（V|Vc；/>
Figure SMS_4
）调用目标数据Vc，并将目标数据Vc作模糊处理，使其尽可能地接近Ptrue(V|Vc)，以找到建筑工程模板支架训练数据库中与Vc的相似度高于设定值的节点V来告知判别器D（V|Vc；/>
Figure SMS_5
），而判别器D（V|Vc；/>
Figure SMS_6
）则会反过来检测给定的节点V是Vc的真实相似还是由生成器A（V|Vc；/>
Figure SMS_7
）生成的，GraphGAN模型的目标函数公式为：
Figure SMS_8
Ptrue(V|Vc)是指目标数据Vc与建筑工程模板支架训练数据库中标准数据的近似概率。
通过采用上述技术方案，生成式模型是指假设每一个特征节点都有一个潜在的概率分布，这个概率分布可以体现出该特征节点和其他每一个特征节点的连接情况。生成式模型的主要目的就是为图网络中的节点找到一个尽可能接近该潜在概率分布的向量表征。对这个潜在概率分布地表示为Ptrue(V|Vc)，其中Vc表示正在观测的特征节点，Ptrue(V|Vc)就是指目标数据Vc与建筑工程模板支架训练数据库中标准数据的近似概率，模型直接去学习两个特征节点之间有边的概率。
判别式模型，模型直接去学习两个特征节点之间有边的概率。这种方法会将边<Vi,Vj>的两个定点Vi和Vj联合作为feature，然后输出的是边<Vi,Vj>存在的概率P(<Vi,Vj>|Vi,Vj)。判别式模型往往是有监督的。
GraphGAN模型是生成式模型和判别式模型的结合，GraphGAN即为生成式模型和判别式模型的结合，其包含两个重要部分，即生成器A（V|Vc；
Figure SMS_10
）和判别器D（V|Vc；/>
Figure SMS_12
）。生成器为每一个节点维护一个向量，这些向量组合在一起构成/>
Figure SMS_13
A。A（V|Vc；/>
Figure SMS_14
）表示生成器认为给定节点Vc和参数/>
Figure SMS_15
A下，V与Vc之间有一条边的概率。A（V|Vc；/>
Figure SMS_16
）的目的就是通过学习去逼近真实分布Ptrue(V|Vc)。判别器也为每一个节点维护一个向量，这些向量组合在一起构成/>
Figure SMS_17
。D（V|Vc；/>
Figure SMS_9
）通过向量/>
Figure SMS_11
来判断V与Vc之间是否有一条边。
可选的，所述设计需求录入单元包括扫描模块和数据录入模块，所述扫描模块用于扫描建筑施工场所数据，所述数据录入模块用于输入设计需求数据，所述扫描模块和数据录入模块分别与智能排布设计模块通信连接。
通过采用上述技术方案，扫描模块可以是三维扫描仪等设备，可以快速地录入建筑目标区域的三维数据，数据录入模块可以人工录入设计需求数据。
可选的，所述深度学习芯片是英特尔HabanaGreco。
通过采用上述技术方案，英特尔HabanaGreco芯片专门为AI深度学习应用打造，建立在HabanaLabs的高效架构之上，提供更高性能的AI训练和AI推理，能高效地用于数据中心的计算机设计应用。
可选的，还包括安全校验模块，所述安全校验模块用于对建筑工程模板支架图纸数据进行整体安全验算，若通过安全校验，则认为是合格设计图纸。
通过采用上述技术方案，安全校验模块可以实现类似于施工安全计算（模板工程）软件中的安全校验功能，可以自动对生成的图纸数据进行符合筑业标准的安全校验，保障生成的图纸符合设计标准。
建筑工程模板支架的自动排布方法，进行建筑工程模板支架自动排布设计，具体步骤是：
步骤1，设计需求录入单元录入目标位置的区域数据、地表模型数据、墙模板数据、梁模板数据、楼模板数据、柱模板数据和支架数据；
步骤2，智能排布设计模块根据设计需求录入单元录入数据，运行图纸对抗生成网络模型，生成与录入数据匹配的建筑工程模板支架图纸数据，并录入到完整模板支架方案数据库；
步骤3，图纸生成模块调用图纸对抗生成网络模型生成的建筑工程模板支架图纸数据生成指定格式的二维图纸和三维图纸；
步骤4，安全校验模块对建筑工程模板支架图纸数据进行整体安全验算。
可选的，步骤3还包括子步骤31，图纸编辑模块采集并读取图纸生成模块生成的二维图纸和三维图纸，通过显示器进行图纸展示，工作人员确认二维图纸和三维图纸后进行安全校验。
可选的，子步骤31中，若工作人员认为需要调整，则直接在图纸编辑模块上调取块数据进行编辑修改。
通过采用上述技术方案，可以实现建筑工程模板支架图纸的自动生成，生成的图纸完整度更高，更贴近实际设计需求，安全可靠。
综上所述，本发明包括以下至少一种有益技术效果：
本发明能提供建筑工程模板支架的自动排布系统及方法，摒弃传统的数据库模块，采用建筑图纸对抗生成网络模型来自动生成建筑工程模板支架设计图纸，经过深度训练学习的图纸对抗生成网络模型生成的图纸，会自动生成模板支架设计中的一些特殊设置，使生成的图纸完整度更高，更贴近实际设计需求，更加便于施工，大大减少二次设计的工作量。
附图说明
图1是本发明建筑工程模板支架的自动排布系统原理示意图；
图2是本发明建筑工程模板支架的自动排布方法的流程示意图；
图3是本发明建筑工程模板支架的自动排布方法包含子步骤的流程示意图。
附图标记说明：1、建筑工程模板支架训练数据库；11、基坑图纸特征数据模块；12、模板工程图纸特征数据模块；13、支架图纸特征数据模块；2、模板支架特殊设置训练数据库；21、基坑特殊设置图纸特征数据模块；22、模板特殊设置图纸特征数据模块；23、支架特殊设置图纸特征数据模块；3、完整模板支架方案数据库；4、深度学习芯片；5、设计需求录入单元；51、扫描模块；52、数据录入模块；7、智能排布设计模块；8、图纸生成模块；9、图纸编辑模块；10、显示器；71、安全校验模块。
具体实施方式
以下结合附图对本发明作进一步详细说明。
本发明实施例公开建筑工程模板支架的自动排布系统及方法。
参照图1－图3，建筑工程模板支架的自动排布系统，包括建筑工程模板支架训练数据库1、模板支架特殊设置训练数据库2、完整模板支架方案数据库3、深度学习芯片4、设计需求录入单元5和智能排布设计模块7；
建筑工程模板支架训练数据库1包括基坑图纸特征数据模块11、模板工程图纸特征数据模块12和支架图纸特征数据模块13；
模板支架特殊设置训练数据库2包括基坑特殊设置图纸特征数据模块21、模板特殊设置图纸特征数据模块22和支架特殊设置图纸特征数据模块23；
深度学习芯片4设置图纸对抗生成网络模型，深度学习芯片4调用建筑工程模板支架训练数据库1和模板支架特殊设置训练数据库2训练图纸对抗生成网络模型；
设计需求录入单元5与智能排布设计模块7通信连接，用于录入设计需求数据；
智能排布设计模块7将设计需求录入单元5录入的设计需求数据输入训练好的图纸对抗生成网络模型，运行图纸对抗生成网络模型生成建筑工程模板支架图纸数据，并录入到完整模板支架方案数据库3。
摒弃传统的数据库模块，采用建筑工程模板支架训练数据库1和模板支架特殊设置训练数据库2训练深度学习芯片4部署的图纸对抗生成网络模型，这样在具体的图纸自动化生成过程中，原理就不是单纯地调取数据库模块中预设的图纸，而是一种运算过程，经过深度训练学习的图纸对抗生成网络模型生成的图纸，会自动生成模板支架设计中的一些特殊设置，例如墙柱模板下口设置通长角钢措施、模板支撑设置顶托、固定上口模板用通长方木等特殊设置，这些特殊设置一般都有相应的经验设置条件，这些特殊设置在传统的图纸生成数据库中并不会包括，但是实际图纸设计中却需要进行表达，更加便于施工；
设计需求录入单元5可以录入建筑工程模板支架设计所需的各种数据，包括设计需求侧的数据，还设有设计侧的相关数据，这些数据会在模型运算中与建筑工程模板支架训练数据库1、模板支架特殊设置训练数据库2、完整模板支架方案数据库3中的数据进行比对，图纸对抗生成网络模型根据目标函数模型结果，调用数据库中特征数据融合生成设计图纸数据，生成的图纸数据，达到自动生成图纸数据的目的，而且生成的图纸数据不仅仅局限常规的设计思路，还会融合模板支架特殊设置训练数据库2中的一些特殊设置，使设计思路更加细致，也更加合理，减少后续的图纸二次设计的工作量。
智能排布设计模块7还包括图纸生成模块8，图纸生成模块8调用图纸对抗生成网络模型生成的建筑工程模板支架图纸数据生成二维图纸和三维图纸。
图纸生成模块8可以将生成的图纸数据自动生成可以被筑业设计软件所兼容的图纸格式，比如ketchUp、AutoCAD、3dsMax、V-Ray等软件。
智能排布设计模块7还包括图纸编辑模块9和显示器10，图纸编辑模块9与图纸生成模块8通信连接，显示器10与图纸编辑模块9通信连接，用于显示图纸画面。
图纸编辑模块9可直接读取图纸生成模块8生成的图纸，还可通过显示器10进行显示，工作人员进行查看，如果不满意还可以进行模块化的调整。
图纸对抗生成网络模型是GraphGAN模型，GraphGAN模型包括生成器A（V|Vc；
Figure SMS_18
）和判别器D（V|Vc；/>
Figure SMS_19
）,
GraphGAN模型采用的对抗机制是：判别器D（V|Vc；
Figure SMS_20
）用于判别目标数据与数据库中数据的相似度，生成器A（V|Vc；/>
Figure SMS_21
）调用目标数据Vc，并将目标数据Vc作模糊处理，使其尽可能地接近Ptrue(V|Vc)，以找到建筑工程模板支架训练数据库1中与Vc的相似度高于设定值的节点V来告知判别器D（V|Vc；/>
Figure SMS_22
），而判别器D（V|Vc；/>
Figure SMS_23
）则会反过来检测给定的节点V是Vc的真实相似还是由生成器A（V|Vc；/>
Figure SMS_24
）生成的，GraphGAN模型的目标函数公式为：
Figure SMS_25
Ptrue(V|Vc)是指目标数据Vc与建筑工程模板支架训练数据库1中标准数据的近似概率；
对于
Figure SMS_26
，判别器D当然是希望自身能够预测准确，即对真实的样本，让其概率值大；对A生成的样本，让其概率值小，也就是让/>
Figure SMS_27
大，因此整体是一个max的目标；
而对于
Figure SMS_28
，从生成器A的角度上来说，要骗过判别器D，也就是说要使得判别器对我生成的样本区分不出，以为是真实样本，也就是预测我生成的样本和之间存在边的概率值是大的，也就是让/>
Figure SMS_29
小，因此是一个min的目标；
而对于
Figure SMS_30
是指对于/>
Figure SMS_31
输出一个标量，表示的是真实节点V和Vc之间存在着边的近似的概率；
Figure SMS_32
是指对于/>
Figure SMS_33
输出一个标量，表示的是生成的节点V和Vc之间存在着边的近似的概率；
生成式模型是指假设每一个特征节点都有一个潜在的概率分布，这个概率分布可以体现出该特征节点和其他每一个特征节点的连接情况。生成式模型的主要目的就是为图网络中的节点找到一个尽可能接近该潜在概率分布的向量表征。对这个潜在概率分布地表示为Ptrue(V|Vc)，其中Vc表示正在观测的特征节点，Ptrue(V|Vc)就是指目标数据Vc与建筑工程模板支架训练数据库1中标准数据的近似概率，模型直接去学习两个特征节点之间有边的概率。
判别式模型，模型直接去学习两个特征节点之间有边的概率。这种方法会将边<Vi,Vj>的两个定点Vi和Vj联合作为feature，然后输出的是边<Vi,Vj>存在的概率P(<Vi,Vj>|Vi,Vj)。判别式模型往往是有监督的。
GraphGAN模型是生成式模型和判别式模型的结合，GraphGAN即为生成式模型和判别式模型的结合，其包含两个重要部分，即生成器A（V|Vc；
Figure SMS_35
）和判别器D（V|Vc；/>
Figure SMS_37
）。生成器为每一个节点维护一个向量，这些向量组合在一起构成/>
Figure SMS_38
A。A（V|Vc；/>
Figure SMS_39
）表示生成器认为给定节点Vc和参数/>
Figure SMS_40
A下，V与Vc之间有一条边的概率。A（V|Vc；/>
Figure SMS_41
）的目的就是通过学习去逼近真实分布Ptrue(V|Vc)。判别器也为每一个节点维护一个向量，这些向量组合在一起构成/>
Figure SMS_42
。D（V|Vc；/>
Figure SMS_34
）通过向量/>
Figure SMS_36
来判断V与Vc之间是否有一条边。
设计需求录入单元5包括扫描模块51和数据录入模块52，扫描模块51用于扫描建筑施工场所数据，数据录入模块52用于输入设计需求数据，扫描模块51和数据录入模块52分别与智能排布设计模块7通信连接。
扫描模块51可以是三维扫描仪等设备，可以快速地录入建筑目标区域的三维数据，数据录入模块52可以人工录入设计需求数据。
深度学习芯片4是英特尔HabanaGreco。
英特尔HabanaGreco芯片专门为AI深度学习应用打造，建立在HabanaLabs的高效架构之上，提供更高性能的AI训练和AI推理，能高效地用于数据中心的计算机设计应用。
还包括安全校验模块71，安全校验模块71用于对建筑工程模板支架图纸数据进行整体安全验算，若通过安全校验，则认为是合格设计图纸。
安全校验模块71可以实现类似于施工安全计算（模板工程）软件中的安全校验功能，可以自动对生成的图纸数据进行符合筑业标准的安全校验，保障生成的图纸符合设计标准。
建筑工程模板支架的自动排布方法，进行建筑工程模板支架自动排布设计，具体步骤是：
步骤1，设计需求录入单元5录入目标位置的区域数据、地表模型数据、墙模板数据、梁模板数据、楼模板数据、柱模板数据和支架数据；
步骤2，智能排布设计模块7根据设计需求录入单元5录入数据，运行图纸对抗生成网络模型，生成与录入数据匹配的建筑工程模板支架图纸数据，并录入到完整模板支架方案数据库3；
步骤3，图纸生成模块8调用图纸对抗生成网络模型生成的建筑工程模板支架图纸数据生成指定格式的二维图纸和三维图纸；
步骤4，安全校验模块71对建筑工程模板支架图纸数据进行整体安全验算。
步骤3还包括子步骤31，图纸编辑模块9采集并读取图纸生成模块8生成的二维图纸和三维图纸，通过显示器10进行图纸展示，工作人员确认二维图纸和三维图纸后进行安全校验。
子步骤31中，若工作人员认为需要调整，则直接在图纸编辑模块9上调取块数据进行编辑修改。
可以实现建筑工程模板支架图纸的自动生成，生成的图纸完整度更高，更贴近实际设计需求，安全可靠。
本发明实施例建筑工程模板支架的自动排布系统及方法的实施原理为：
在具体的建筑工程模板支架自动设计需求中，需要对A区域的建筑工程设计配套的模板支架工程图纸，首先在步骤1，设计需求录入单元5录入目标位置的区域数据、地表模型数据、墙模板数据、梁模板数据、楼模板数据、柱模板数据和支架数据；
智能排布设计模块7根据设计需求录入单元5录入数据，运行图纸对抗生成网络模型，生成与录入数据匹配的建筑工程模板支架图纸数据，并录入到完整模板支架方案数据库3；
图纸生成模块8调用图纸对抗生成网络模型生成的建筑工程模板支架图纸数据生成DWG格式的二维图纸和IGS的三维图纸；
图纸编辑模块9采集并读取图纸生成模块8生成的DWG格式的二维图纸和IGS的三维图纸，通过显示器10进行图纸展示，工作人员认为需要调整，直接在图纸编辑模块9上调取块数据进行编辑修改，修改完成后，工作人员确认二维图纸和三维图纸，输入安全校验模块71进行安全校验，最终安全校验通过，图纸输出即可。
以上均为本发明的较佳实施例，并非以此限制本发明的保护范围，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。

Claims (7)

1.建筑工程模板支架的自动排布系统，其特征在于：包括建筑工程模板支架训练数据库（1）、模板支架特殊设置训练数据库（2）、完整模板支架方案数据库（3）、深度学习芯片（4）、设计需求录入单元（5）和智能排布设计模块（7）；
所述建筑工程模板支架训练数据库（1）包括基坑图纸特征数据模块（11）、模板工程图纸特征数据模块（12）和支架图纸特征数据模块（13）；
所述模板支架特殊设置训练数据库（2）包括基坑特殊设置图纸特征数据模块（21）、模板特殊设置图纸特征数据模块（22）和支架特殊设置图纸特征数据模块（23）；
所述深度学习芯片（4）设置图纸对抗生成网络模型，深度学习芯片（4）调用建筑工程模板支架训练数据库（1）和模板支架特殊设置训练数据库（2）训练图纸对抗生成网络模型；
所述设计需求录入单元（5）与智能排布设计模块（7）通信连接，用于录入设计需求数据；
所述智能排布设计模块（7）将设计需求录入单元（5）录入的设计需求数据输入训练好的图纸对抗生成网络模型，运行图纸对抗生成网络模型生成建筑工程模板支架图纸数据，并录入到完整模板支架方案数据库（3）；
智能排布设计模块（7）还包括图纸生成模块（8），所述图纸生成模块（8）调用图纸对抗生成网络模型生成的建筑工程模板支架图纸数据生成二维图纸和三维图纸；
智能排布设计模块（7）还包括图纸编辑模块（9）和显示器（10），所述图纸编辑模块（9）与图纸生成模块（8）通信连接，所述显示器（10）与图纸编辑模块（9）通信连接，用于显示图纸画面；
图纸对抗生成网络模型是GraphGAN模型，GraphGAN模型包括生成器A（V|Vc；
Figure QLYQS_1
）和判别器D（V|Vc；/>
Figure QLYQS_2
）,
GraphGAN模型采用的对抗机制是：判别器D（V|Vc；
Figure QLYQS_3
）用于判别目标数据与数据库中数据的相似度，生成器A（V|Vc；/>
Figure QLYQS_4
）调用目标数据Vc，并将目标数据Vc作模糊处理，使其尽可能地接近Ptrue(V|Vc)，以找到建筑工程模板支架训练数据库（1）中与Vc的相似度高于设定值的节点V来告知判别器D（V|Vc；/>
Figure QLYQS_5
），而判别器D（V|Vc；/>
Figure QLYQS_6
）则会反过来检测给定的节点V是Vc的真实相似还是由生成器A（V|Vc；/>
Figure QLYQS_7
）生成的，GraphGAN模型的目标函数公式为：
Figure QLYQS_8
Ptrue(V|Vc)是指目标数据Vc与建筑工程模板支架训练数据库（1）中标准数据的近似概率。
2.根据权利要求1所述的建筑工程模板支架的自动排布系统，其特征在于：所述设计需求录入单元（5）包括扫描模块（51）和数据录入模块（52），所述扫描模块（51）用于扫描建筑施工场所数据，所述数据录入模块（52）用于输入设计需求数据，所述扫描模块（51）和数据录入模块（52）分别与智能排布设计模块（7）通信连接。
3.根据权利要求1所述的建筑工程模板支架的自动排布系统，其特征在于：所述深度学习芯片（4）是英特尔HabanaGreco。
4.根据权利要求1所述的建筑工程模板支架的自动排布系统，其特征在于：智能排布设计模块（7）还包括安全校验模块（71），所述安全校验模块（71）用于对建筑工程模板支架图纸数据进行整体安全验算，若通过安全校验，则认为是合格设计图纸。
5.建筑工程模板支架的自动排布方法，其特征在于：采用权利要求4所述的建筑工程模板支架的自动排布系统进行建筑工程模板支架自动排布设计，具体步骤是：
步骤1，设计需求录入单元（5）录入目标位置的区域数据、地表模型数据、墙模板数据、梁模板数据、楼模板数据、柱模板数据和支架数据；
步骤2，智能排布设计模块（7）根据设计需求录入单元（5）录入数据，运行图纸对抗生成网络模型，生成与录入数据匹配的建筑工程模板支架图纸数据，并录入到完整模板支架方案数据库（3）；
步骤3，图纸生成模块（8）调用图纸对抗生成网络模型生成的建筑工程模板支架图纸数据生成指定格式的二维图纸和三维图纸；
步骤4，安全校验模块（71）对建筑工程模板支架图纸数据进行整体安全验算。
6.根据权利要求5所述的建筑工程模板支架的自动排布方法，其特征在于：步骤3还包括子步骤31，图纸编辑模块（9）采集并读取图纸生成模块（8）生成的二维图纸和三维图纸，通过显示器（10）进行图纸展示，工作人员确认二维图纸和三维图纸后进行安全校验。
7.根据权利要求6所述的建筑工程模板支架的自动排布方法，其特征在于：子步骤31中，若工作人员认为需要调整，则直接在图纸编辑模块（9）上调取块数据进行编辑修改。
CN202310417754.6A 2023-04-19 2023-04-19 建筑工程模板支架的自动排布系统及方法 Active CN116150858B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310417754.6A CN116150858B (zh) 2023-04-19 2023-04-19 建筑工程模板支架的自动排布系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310417754.6A CN116150858B (zh) 2023-04-19 2023-04-19 建筑工程模板支架的自动排布系统及方法

Publications (2)

Publication Number Publication Date
CN116150858A CN116150858A (zh) 2023-05-23
CN116150858B true CN116150858B (zh) 2023-07-14

Family

ID=86360386

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310417754.6A Active CN116150858B (zh) 2023-04-19 2023-04-19 建筑工程模板支架的自动排布系统及方法

Country Status (1)

Country Link
CN (1) CN116150858B (zh)

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110555811A (zh) * 2019-07-02 2019-12-10 五邑大学 一种sar图像数据增强方法、装置及存储介质
CN110795858B (zh) * 2019-11-06 2023-04-07 广东博智林机器人有限公司 家装设计图纸的生成方法和装置
CN111666617B (zh) * 2020-05-25 2021-09-14 清华大学 基于对抗生成网络的剪力墙结构布置方法和装置
KR102157613B1 (ko) * 2020-06-05 2020-09-18 현대엔지니어링(주) 기계학습을 이용한 자동화 철골구조물 설계 시스템 및 방법
KR102354684B1 (ko) * 2021-09-17 2022-01-21 윤영자 실내 건축공사 설계 및 시공시스템 및 그 동작 방법
CN114861270A (zh) * 2022-04-27 2022-08-05 华中科技大学 一种基于生成对抗网络的施工场地自动布置方法
CN115048695B (zh) * 2022-06-13 2023-02-03 中建二局第三建筑工程有限公司 一种房屋建筑工程模板支撑架智能排布系统及方法
CN115391874A (zh) * 2022-07-20 2022-11-25 同济大学 基于gan的框架-支撑建筑结构设计方法、系统及计算机

Also Published As

Publication number Publication date
CN116150858A (zh) 2023-05-23

Similar Documents

Publication Publication Date Title
US20220309201A1 (en) Artificial-intelligence-assisted method for providing urban design form and layout with improved wind environment
Woo et al. Use of as-built building information modeling
CN112149216A (zh) 基于矢量数据的规则单体建筑bim自动建模系统及方法
CN112149211B (zh) 一种基于bim模型的幕墙的建模方法及系统
KR101394022B1 (ko) Bim을 이용한 건물 외피 형태 자동화 생성 및 이를 이용한 건물 에너지 시뮬레이션 방법
CN101777090A (zh) 计算机仿真焦炉护炉设备安装施工方法
CN116150858B (zh) 建筑工程模板支架的自动排布系统及方法
CN115858940A (zh) 一种基于大数据处理的钢结构焊接工艺质量管理推荐方法
WO2024109959A1 (zh) 廊道桥架及支架三维自动化设计方法、装置、介质及设备
Gourlis et al. A holistic digital twin simulation framework for industrial facilities: BIM-based data acquisition for building energy modeling
JP5974533B2 (ja) 施工現場の環境シミュレーション方法
JP2022123579A (ja) 情報処理装置
CN106203969A (zh) 一种基于bim的炼钢锅炉管道的监检系统
CN113051637A (zh) 一种关于公共医疗建筑的bim建模方法
CN116341064B (zh) 基于3DMax建模的智能变电站云系统的建模系统和方法
JP2016122284A (ja) 建物企画設計システムと方法
CN111460244A (zh) 智能建筑bim模型的制作方法、系统、介质及制作设备
CN115564381A (zh) 装配式建筑施工进度的信息化控制方法
CN109086516A (zh) 一种装配式建筑的工程量获取方法及装置
JPH09166957A (ja) 橋梁の設計、製作のための３次元モデルの構築装置
Papadopoulos et al. Evaluation of integration between a BIM platform and a tool for structural analysis
CN112364416B (zh) 核电站门表的设计方法及系统
JP2001134628A (ja) 骨組構造の最適化設計装置
Oli Structural BIM Modelling Using Tekla Structures: Focus On A Modelling Process Of An Office Building
Shin et al. Automated CAD-to-BIM generation of restroom sanitary plumbing system

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