摘要：编者按近年来,人工智能(AI)与数字化技术的应用已成为全球瞩目的焦点。随着技术的飞速发展,大模型在解决复杂问题、提出创新方案方面展现出前所未有的潜力,对各行各业产生了深远影响。

AI赋能结构设计：数字化实践与创新

编者按 近年来,人工智能(AI)与数字化技术的应用已成为全球瞩目的焦点。随着技术的飞速发展,大模型在解决复杂问题、提出创新方案方面展现出前所未有的潜力,对各行各业产生了深远影响。

为促进技术落地与行业交流,中国勘察设计协会结构分会和《建筑结构》杂志社联合组织了以“AI与数字化技术助力结构设计应用与实践”为主题的沙龙活动,吸引了来自全国近30家结构设计领域的企事业单位、高校及科研院所的专家参与。

活动中,多家设计院展示了他们在相关领域的研发与实践成果，内容涵盖：AI与数字化技术对土木学科创新发展的赋能;土木工程领域知识大模型的研发;数字化设计系统平台的开发及三维协同全生命周期管理平台的构建;数字化技术在参数化设计中的应用;智能设计软件的研发;以及 AI与数字化技术的未来发展趋势等。

本刊将此内容汇编成辑,旨在展示该领域的最新进展与未来方向，为行业从业者提供交流与参考。

浙江省院AI与数字化探索及应用

杨学林，张和平，陈天驰，寇林

(浙江省建筑设计研究院有限公司)

1 AI与数字化探索及应用概况

浙江省建筑设计研究院有限公司(以下简称“ZIAD”)在AI与数字化方面的探索与应用,经历了从二维到三维的演变,下面从我院数字化研究中心、BIM研究中心和生产部门应用三个方面概述ZIAD在数字化方面的探索与应用之路。

1.1 数字化研究中心

ZIAD建筑数字化研究中心成立于2023年10月,致力于推动数字化技术和人工智能生成设计(AIGC)在建筑设计中的应用,创新性地打造“设计+”模式。中心建立了全新的AIGC工作流,初步实现了理论与工程实践的有效结合,显著提升了项目设计和实施过程中的生产效率。

1.1.1 数字化技术提升设计工作流程

在设计工作流程优化方面,建筑数字化研究中心通过数字化技术显著改善了建筑设计前期的流程及服务。中心注重在前期设计阶段使用多种数字化工具,以提升设计效率与准确性。通过建筑信息模型(BIM)和智能分析工具,优化了设计流程,有效减少了因信息沟通不畅而导致的返工。结合AI工具的使用,中心实现了自动化的方案生成,大幅缩短了项目推进时间。

这种设计前期的数字化优化,不仅节省了人力资源,还使建筑方案能够在短时间内实现多样化比选,极大提升了客户满意度。设计人员能够更加专注于创意工作,而数字化工具则承担起了大量的重复性任务。这种工作模式的转变,不仅提高了效率,还为建筑设计行业提供了全新的发展思路。

1.1.2 构建多维度的数字化生态系统

建筑数字化研究中心已经训练并调试了500多个LoRA模型,优选出17个高效实用的模型上线自建服务器,供设计团队日常使用。这些模型覆盖了建筑设计的多个环节,从建筑造型到空间优化,为各类项目提供了技术支持。此外,还研发了超过60个大规模AI生成模型,经过风格融合后,优选3个大模型上线。这些模型能够实现风格的灵活转换与个性化设计,显著缩短了设计周期。

目前,建筑数字化研究中心的技术已经为院内近百个项目提供支持,涵盖办公楼、中小学校、住宅、室内空间、商业综合体、酒店以及医院等多种类型。在医疗建筑设计领域,提炼了核心经验,形成了一系列智能化设计产品(图1)。

▲ 图1 应用AI的项目类别

在城市片区智能化设计方面,中心通过整合AIGC技术和数字化技术,构建了城市片区的自动化生成系统。在具体应用中,我们开发并应用了从建筑平面到体量自动生成、立面自动生成等技术,并进行了IFC转换,使建筑设计的前期与后期在BIM中完成深化设计成为了可能,打通了设计前端和后端的工作流程,在建筑设计一体化的目标上迈进了一小步。

在医院设计方面,中心深入提炼了医疗建筑设计的核心经验,并针对500至2000床规模的医院,研发了生成式设计的智能数字化产品,提供高效、精准的设计解决方案,显著提升医疗建筑的设计质量与效率。

1.1.3 EPC领域的智能化管理创新

在工程总承包(EPC)领域,建筑数字化研究中心通过搭建EPC管理知识图谱,在复杂的项目管理中实现数字化和智能化。结合AI技术,中心显著优化了资源分配和决策流程,提升了项目管理的智能化水平。智能化管理的应用,不仅加快了项目推进速度,还为行业提供了高效的管理范例。

建筑数字化研究中心的创新实践,不仅改变了建筑设计的传统方式,也推动了建筑设计行业数字化转型的进程。在数字化浪潮的推动下,中心将持续以技术为驱动,助力建筑设计行业迈向更加高效、智能与可持续的未来。

1.2 BIM研究中心

ZIAD建筑信息化(BIM)研究中心成立于2016年10月,是浙江省内较早时期成立的专门的BIM研究机构。从成立之初就致力于推广BIM技术在项目全生命周期中的集成应用,主编《浙江省建筑信息模型(BIM)技术应用导则》、《浙江省建筑信息模型(BIM)应用统一标准》、《浙江省装配式建筑BIM设计规则及设计深度导则》等多本行业标准。

BIM研究中心成立9年时间内,先后获得中国勘察设计协会创新杯、中国图学学会龙图杯、中国建筑金属结构协会、浙江省勘察设计行业协会、杭州市勘察设计行业协会等多个组织各类奖项五十余项。项目类型覆盖住宅、超高层、体育建筑、医疗建筑、办公建筑、学校、商业综合体、文化建筑、未来社区等140余个,共计建筑面积2120万m2,为广大项目业主、设计单位、施工企业提供了专业的管理和咨询服务(图2)。BIM研究中心建立了全套设计标准体系,并配套了各专业的BIM咨询人员,提供包括正向设计协同、设计BIM咨询、施工BIM落地、运维BIM配合等多方面的综合解决方案,为推动BIM技术在工程建设领域相关项目的应用和发展起到了积极的作用。

▲ 图2 BIM应用

BIM研究中心积极探索BIM技术在设计管理中的流程及应用,自主开发了BIM问题管理平台、BIM图纸数据库等信息化工具软件,提高了BIM问题的解决效率,有效提升了ZIAD图纸设计质量;积极推进正向设计技术落地应用,拓展全专业全专项BIM正向设计,除建筑、结构、给排水、电气、暖通五大专业外,还积极拓展智能化、幕墙、装饰、景观等专业的正向设计,利用数字化技术赋能全专业设计协同;积极推进设计BIM与施工BIM一体化应用,在EPC项目中积极尝试设计与施工融合,在设计模型基础上进行施工深化,在满足设计条件的基础上,考虑施工便利性及落地性,进行设计优化。

1.3 生产部门

生产部门在AI和数字化方面的探索和应用起初大多是从兴趣出发的个人行为。一些年轻设计师在工作中,为了解决生产中一些麻烦的、重复性的问题,进行了探索和研发,最后也形成了一些数字化的方法路径、编写了一些插件和软件,主要成果集中在以下几方面:

(1) 参数化工具应用于建模、分析工作;

(2) 基于AutoCAD进行的二次开发(辅助绘图工具、协同设计软件等);

(3) 基于Revit的二次开发;

(4) 基于计算软件(如MIDAS、ABAQUS等)的二次开发;

(5) 基于Windows的计算软件开发,等。

这些探索虽然不成体系,但也算“星星之火”,合理地应用于生产实际,也可形成“燎原”之势。可见,为了应对越来越“卷”的设计工作,需要年轻的设计师们掌握越来越多新的技能,包括编程、参数化工具、AI等新软件新工具,成长为复合型的人才。

2 结构专业的数字化应用

根据目前的AI发展,在没有较大的资金投入之前,结构专业很难将AI结合于生产。但是,结构专业的数字化应用却呈现越来越普遍和深刻的趋势。在2024年11月12日的沙龙上,ZIAD分享了一种“复杂空间结构分析模型的参数化构建技术”,在此将分享内容作简单的梳理和总结。

合理地综合应用参数化建模软件、有限元分析软件和编程语言(如C#)等工具,可以实现从建筑模型到结构计算模型的“一步到位”的建模技术。建筑三维模型是参数化建模的基础,根据结构特点,构建几何模型,组装单元数据(包含节点、单元、截面、材性),生成边界条件和荷载信息,然后组合成可在有限元软件中直接运行的批文件,最终采用自编程序进行数据批量后处理。

2.1 构建几何模型

如图3所示,构建几何模型可分为如下几个关键的步骤：

▲ 图3 构建几何模型流程图

(1) 从建筑模型中提取特征信息:建筑模型往往纷繁复杂,绝大部分信息对于结构建模是无用的,应跟建筑师充分沟通,共同筛选出与结构模型有关的特征信息,比如结构表皮、控制边线、特征轴线等。有效的特征信息可最大程度达成建筑和结构的融合。

(2) 定义参数:在特征信息的基础上,结构设计人员可以开始构思结构方案,并逐步筛选出关键的参数,如分段数、结构高度、杆件长度等。参数的选取应确保后续调整、优化模型的可能性和便利性。

(3) 生成几何信息:结合特征信息和参数定义,可通过切割、提取结构线、投影、分段、偏移、转换等方法生成不同的几何信息,比如关键面、关键线、关键点等,此时要特别注意对点、线的重复处理,并确保同一位置处的多个点能共点。

(4) 连接:对于杆件类的结构模型而言,要求单根杆件均为直线,曲线杆件则可以用多段直线模拟。生成几何信息时应充分考虑这一特点,而后可以使用线段或多段线的形式连点成线。在连接过程中,可将同类杆件汇集成一组,以便后续统一处理。

(5) 建立几何模型:将上述得到的线段(杆件)按类组合后,即可得到完整的几何模型。几何模型中主要包含线段和节点两类重要信息。几何模型信息的合理组织,有助于后续参数化工作高效开展。

2.2 组装单元数据

上述得到的几何模型,包含了建立有限元几何模型所需的所有基础信息。通过有序组合,即可生成符合特定文件格式的命令流。图4为拼装单元和节点数据的电池组片段,可见,将节点坐标、线段编号通过简单的字符串处理,即可得到建立节点、单元、截面、材性等的建模命令流。一般来说,为了便于后续计算结果的高效后处理,建议对单元编号和节点编号顺序和逻辑进行人为全控制或部分控制。

▲ 图4 拼装单元和节点数据的电池组片段

2.3 生成边界条件和荷载信息

边界条件的生成较为简单,可在建立几何模型时,将边界条件相关的节点和杆件按类挑出,在Grasshopper中,进行简单的字符串处理,即可得到施加边界条件相关的命令流。

荷载信息的生成则是该技术的重点和难点。需要参数化处理的荷载信息一般包括附加恒载、活载和风洞试验提供的等效静力荷载等。

对于风洞结果数据,需要提前与风洞试验单位进行沟通,商定数据的对接格式。比如,可约定提供的数据包括节点号、X坐标、Y坐标、Z坐标、X向力、Y向力和Z向力共7列数据。利用图5中的电池组,可将风洞试验提供的等效静力荷载数据批量转换为特定文件命令流,其主要逻辑是:通过节点坐标,匹配结构分析模型和试验数据中的节点,将节点等效荷载施加到结构分析模型的对应节点上。

▲ 图5 风洞试验数据转为APDL命令流

对于附加恒载和活载,则通过荷载导荷方式,将面荷载导算到节点上。导算荷载时,采用基于Grasshopper开发的有限元分析插件Karamba3D,通过施加全约束和面荷载,分析得到每个约束的三向反力,对反力取反值,即为每个节点的导算节点荷载,具体流程详见图6。

▲ 图6 采用Karamba3D导算荷载流程图

2.4 批量运行分析

上述参数化构建计算模型的技术,极大降低了生成一个计算模型的成本。实际工程中,可根据优化选型的思路,生成成百上千个体现不同优化参数的计算模型。一套完整的分析命令流,包含了主程序(prep.mac)、节点(jdzb.mac)、单元(dy.mac)和荷载(force.mac)等命令流文件,荷载文件可根据工况分为多个文件,在主程序文件中调用其余文件。本文采用C#编写了批量计算程序,通过调用通用有限元分析软件自动完成所有计算模型的分析运算(图7)。

▲ 图7 批量计算程序

2.5 数据批量后处理

分析结果数据库中包含了内力、变形、应力、应变等所有结构分析结果,在编写命令流时,可根据需求,在后处理中输出合适的分析结果。

结果主要分为两类:图片类和文本类。图片类包含变形图、内力图、应力图等彩图,这类结果类似于显示内容的截图;文本类主要包含编号、坐标、位移、内力和应力等数据结果。文本类结果需要在输出后进行归纳整理方可使用,因此可在输出时规定数据格式,以便批量处理。

采用C#编写了数据批量后处理的程序,实现自动批量整理内力、位移等计算结果,并自动输出到预先制定好的Excel模板表格中(图8)。

▲ 图8 数据批量整理并输出到Excel

3 总结

3.1 数字化应用

数字化技术在工程设计领域的探索和应用越来越广泛,通过选择合适的工具软件和技术手段,能有效解决设计工作中的各类问题,显著提升设计效率。数字化在工程设计领域的应用主要体现在以下几个方面:

▶ AutoCAD辅助绘图软件的开发和应用

▶ 二维协同软件的开发和应用

▶ 智能校审软件的开发和应用

▶ 辅助计算、分析软件的开发和应用

▶ 参数化建模软件和技术的应用

▶ BIM软件和技术的应用

3.2 AI探索和应用

AI的探索和应用方面,则是以探索为主,应用尚不够广泛,而且主要集中在建筑专业,结构专业在AI辅助设计领域的涉足相对较少。建筑专业的AI应用大致有以下几方面:

▶ 建筑效果的快速生成

▶ 城市设计的智能生成

▶ 医疗建筑的智能生成

▶ EPC领域的管理知识图谱

3.3 感想和展望

设计单位是一个专业知识比较集中的团体,AI和数字化的应用严重依赖软件开发公司的研发成果,自主性受到知识结构的约束。

总体来说,以应用为主,以开发为辅,应用的深度和广度严重依赖于市面上有哪些软件,这些软件能实现什么功能,很难自主开发满足个性化需求的大型软件。以BIM应用为例,设计人员可以综合应用国内外的BIM软件,但基本不可能自主开发一套符合设计单位个性化要求的BIM软件,这也导致了BIM正向设计很难真正意义上实现。另外,目前相关部门对设计成果的平面化要求也是一个较大的阻碍。

很多设计单位都有AI焦虑,总是担心自己在AI领域落后一大截,丧失竞争力。ZIAD也成立了专门的数字化研究中心,在院内搭建了服务器中心,专门探索和应用AI等数字化“新质生产力”。但是正如前文所述,尚存在以下的限制和困难:

(1) 设计人员毕竟是设计出身,在AI方面能做的,大抵还是在开源模型基础上,做一些整合、优化、创新工作,很难有独创性的、革命性的突破。

(2) AI的成果依赖于大量的数据,虽然我院70多年的沉淀积累了大量的图纸和成果,但在大数据面前还是存在数量级上的差距。

(3) 数据要经过标注才能被AI认识,要想训练一个AI,标注工作是巨大的,需要投入巨大的人力物力财力,这对于设计单位来说需要极大的魄力。

(4) 目前每个设计单位在AI方面做的努力和探索,存在较高的重复性,这是一种严重的资源浪费。

(5) 在如何应用AI并产生效益实现价值,甚至商业化方面,都还比较迷茫,不知“路在何方”,也惧怕在“十字路口”选错了方向。

鉴于上述原因,提出以下几点感想和建议:

(1) 倡导形成联盟,在合情合理合规的前提下,实现资源和数据共享,及时分享经验,共同打造一个建筑设计领域的AI大模型,在“绿色节能”中实现工作模式的跃迁。

(2) 在AI机遇成熟之前,不必投入过多,也要避免单打独斗,要积极寻求与科技公司的合作,互取长处,联合开发。

(3) 可在数字化方面多做点工作,形成可靠有效的工具集、技术方法、工作思路,以提升工作效率和设计质量,获取最直接的效益和价值。

作者简介：

杨学林 浙江省建筑设计研究院总工程师，兼任浙江省土木建筑学会理事长，2014年获评浙江省首届勘察设计大师，并担任《建筑结构》杂志编委。牵头承担省重点研发计划、省尖兵领雁计划，取得原创性成果，获浙江省科技进步奖等省部级一等奖5项、二等奖10项，发表论文180余篇，出版著作12部，授权专利100件，主参编标准52部。作为结构负责人主持设计萧山国际机场三期工程、之江文化中心、兰州红楼广场、杭州国际体育中心、中国京杭大运河博物院等60余项重大重点项目和标志性工程，获全国和浙江省勘察设计行业优秀设计奖80余项。先后荣获国务院政府特殊津贴、省有突出贡献中青年专家、当代中国杰出工程师、浙江省建设科学技术奖重大贡献奖等荣誉称号。

*本文已获作者授权原创发布，所有内容及图片均为作者提供。

原创转载请注意：原创文章48小时之后才能转载，且不能在文前和文中插入任何宣传性内容。在开头处应注明“本文来源：建筑结构（ID：buildingstructure）”。

来源：建筑结构杂志社