(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210854296.8 (22)申请日 2022.07.20 (71)申请人 同济大学 地址 200092 上海市杨 浦区四平路1239号 (72)发明人 付柏超　王伟　高宇擎　 (74)专利代理 机构 上海诺衣知识产权代理事务 所(普通合伙) 31298 专利代理师 衣然 (51)Int.Cl. G06F 30/13(2020.01) (54)发明名称 基于GAN的框架-支撑建筑结构设计方法、 系 统及计算机 (57)摘要 本发明公开了一种基于生成对抗网络的框 架‑支撑建筑结构设计方法、 系统及计算机。 所述 设计方法包括预训练生成对抗网络、 输入和识别 建筑图纸、 在建筑图纸的基础上依次布置柱以及 支撑和输 出结构图纸等四个步骤。 生成对抗网络 的评价指标不仅包括生成的图片质量， 还包括建 筑结构的主观和客观评价。 本发 明的设计方法根 据条件概率公 式和生成对抗网络的特点， 将设计 过程分解为两个步骤， 提高了设计结果的准确 度； 可以在短时间实现建筑结构的构件布置设 计； 设计结果非常准确， 与资深结构设计师的设 计结果在性能上相差无几； 使用方法简单， 仅需 将处理好的建筑图纸输入， 即可得到相应的结构 图纸； 可以辅助建筑设计师完成建筑结构的构 件 设计， 推广性强。 权利要求书2页 说明书6页 附图3页 CN 115391874 A 2022.11.25 CN 115391874 A 1.一种基于生成对抗网络的框架 ‑支撑建筑结构设计方法， 其特征在于， 包括以下步 骤： S1、 对生成对抗网络的柱部分和支撑 部分分别进行针对柱设计和支撑设计的预训练； S2、 将建筑图纸进行语义化处理： 将所述建筑图纸中的关键构件， 包括墙、 门窗、 柱和支 撑设置不同的颜色进行 标注和填充； S3、 进行柱的智能设计： 经过预训练的生成对抗网络柱部分识别步骤S2获得的建筑图 纸， 并在建筑图纸上绘制出柱的布置位置； S4、 进行支撑的智能设计： 经过预训练的生成对抗网络支撑部分识别步骤S3输出的图 纸中建筑图纸关键构件和柱的布置位置， 根据支撑的布置规则对柱的布置进行进一步优 化， 从而使 得支撑布置的位置更加合理， 并在此基础上绘制出支撑的布置位置， 从而生 成智 能设计的建筑结构图纸； 步骤S3和S4预训练所用建筑结构图纸的类型与待生成建筑结构图纸的类型相同； 步骤S3和S4生成的建筑结构图纸的评价指标不仅包括生成的图片质量， 还包括建筑结 构的主观和客观评价。 2.根据权利要求1所述的一种基于生成对抗网络的框架 ‑支撑建筑结构设计方法， 其特 征在于， 所述设计过程根据条件概率公式按照框架 ‑支撑结构设计步骤进行解耦： log  p (Acol,Abr)＝log p(Acol)+log p(Abr|Acol)， 式中， p(Acol,Abr)代表建筑结构的设计过程的概 率分布函数， p(Acol)代表仅布置柱时的概率分布函 数， p(Abr|Acol)代表完成柱布置后布置支 撑时的概 率分布函数。 3.根据权利要求2所述的一种基于生成对抗网络的框架 ‑支撑建筑结构设计方法， 其特 征在于， 所述步骤S 3和步骤S4中的生 成对抗网络中， 生 成器包括下采样层、 残差块和上采样 层三个部分组成， 判别器由两个Patc hGAN判别器组成。 4.根据权利要求3所述的一种基于生成对抗网络的框架 ‑支撑建筑结构设计方法， 其特 征在于， 所述 步骤S3和步骤S4中的生成对抗网络用深度学习框架Pytorc h实现。 5.根据权利要求3所述的一种基于生成对抗网络的框架 ‑支撑建筑结构设计方法， 其特 征在于， 所述 步骤S3和步骤S4中的生成对抗网络应用的损失函数表示 为： 其中G代表生成器， D代 表判别器。 6.根据权利要求1所述的一种基于生成对抗网络的框架 ‑支撑建筑结构设计方法， 其特 征在于， 所述 步骤S2中的建筑图纸， 将墙 体、 门窗、 柱和支撑的尺寸统一 为相同厚度。 7.根据权利要求1所述的一种基于生成对抗网络的框架 ‑支撑建筑结构设计方法， 其特 征在于， 所述步骤S3和S4预训练所用建筑图纸与待生成建筑图纸的类型为钢框架 ‑支撑或 混凝土框架‑支撑建筑。 8.根据权利要求1所述的一种基于生成对抗网络的框架 ‑支撑建筑结构设计方法， 其特 征在于， 所述评价指标中的建筑结构的主观评价包括专家对建筑结构细节和整体合理性的 评分， 客观评价包括建筑材 料用量和力学性能。 9.一种基于生成对抗网络的框架 ‑支撑建筑结构设计系统， 其特 征在于， 包括： 图像获取模块， 用于获取 预设的用于图像生成的训练数据集；权　利　要　求　书 1/2 页 2 CN 115391874 A 2损失函数模块， 用于获取 预设的用于所述图像生成模型训练的损失函数； 解耦合模块， 用于对样本按照步骤进行解耦合； 生成对抗网络的第一图像生成模块， 用于将建筑图纸进行柱设计并生成图像； 生成对抗网络的第 二图像生成模块， 用于将柱设计的建筑图纸进行支撑设计并生成图 像。 10.一种计算机， 其特征在于， 包括： 存储器、 处理器及存储在所述存储器上并可在所述 处理器上运行的计算机程序， 所述处理器执行所述计算机程序时实现如权利要求1至8中任 意一项所述的基于生成对抗网络的建筑结构设计方法。权　利　要　求　书 2/2 页 3 CN 115391874 A 3