[发明专利]一种基于计算机视觉和深度学习的结构智能设计方法

说明书

本发明提出一种基于计算机视觉和深度学习的结构智能设计方法，包括外部截面轮廓设计与内部受力配筋设计两部分，分别建立了基于计算机视觉和深度学习的截面轮廓与内部配筋智能设计模型，针对结构截面轮廓生成图像可能存在的问题，比如总高度与原始样本存在较大误差、下翼板超出腹板、上翼板存在缺陷、板中部不连通等，基于数据拟合和图像形态学运算，重新调整生成的结构截面轮廓高度，并且使用闭运算调整截面轮廓；针对智能配筋设计结果进行了承载能力极限状态验算和正常使用极限验算；本发明无需耗费大量的人力和算力进行反复试算和迭代修改，提高了桥梁和建筑结构的设计效率以及自动化和智能化程度。

技术领域

本发明所属的研究领域包括结构工程、桥梁工程，可以直接应用的技术领域包括桥梁设计、结构设计、混凝土箱梁截面设计、钢筋混凝土楼板配筋设计等，具体地，涉及一种基于计算机视觉和深度学习的结构智能设计方法。

背景技术

目前，我国桥梁或建筑建设的主要结构形式为钢筋混凝土结构。钢筋混凝土桥梁或建筑结构设计的普遍流程是首先收集重要的结构设计参数，然后运用商业软件建立结构模型、施加荷载进行有限元试算，最后根据实际工程需求和相关规范要求对构件尺寸和材料强度等级等参数进行调整修改，并且反复迭代试算直至满足要求。可以看出，传统结构设计方法过程繁琐、需要大量的人工干预、并且设计人员的主观意识和经验会直接影响到所设计的结构参数进而影响结构性能。

近年来，随着人工智能技术的蓬勃发展，计算机视觉和深度学习等先进技术具有巨大的潜力为结构设计赋能，从而实现结构设计的自动化和智能化。智能结构设计的优势在于：通过利用大量的现有工程设计图纸形成样本数据库，建立计算机视觉和深度学习网络等人工智能模型并进行模型训练；当模型训练完毕后、遇到新的设计任务时，将设计参数作为输入就会直接获得设计结果。如此一来，结构设计工作就会变得十分便捷，无需耗费大量的人力和算力进行反复试算和迭代修改，同时能够降低设计人员的专业门槛，减少设计人员的机械化工作量，提高设计效率。

发明内容

为了解决上述问题，本发明提供一种基于计算机视觉和深度学习的结构智能设计方法，

本发明是通过以下方案实现的：

一种基于计算机视觉和深度学习的结构智能设计方法：

所述方法具体包括以下步骤：

步骤一：进行基于计算机视觉的结构截面设计，通过收集结构截面轮廓图像作为训练样本，由截面高度和下翼缘板宽度作为控制参数获得结构截面的简化图作为输入，结构截面轮廓完整图像作为输出，建立深度卷积神经网络模型；

步骤二：针对步骤一生成结构截面轮廓图像，采用数据拟合和形态学闭运算的方法对所述结构截面轮廓图像进行后处理，获得更符合工程实际的新结构截面轮廓图像；

步骤三：在获得步骤二生成的新结构截面轮廓图像后，进行基于深度学习的钢筋混凝土结构内部受力配筋设计，以结构尺寸、荷载信息、边界条件的基本设计参数作为输入，结构内部受力钢筋的等级、直径和间距作为输出，建立钢筋混凝土结构内部受力钢筋智能设计的深度卷积神经网络模型；

步骤四：对步骤三建立的结构内部受力钢筋智能设计的深度卷积神经网络模型进行力学验算，所述力学验算包括弯曲应力和裂缝宽度，通过承载能力极限状态验算和正常使用极限验算，保证智能配筋设计方案的有效性。

进一步地，在步骤一中，

步骤一一：对将DWG格式的结构设计图纸进行格式转换，获得结构截面轮廓图像，完成结构截面轮廓的智能设计；

步骤一二：训练结构截面轮廓智能设计的深度卷积神经网络模型。

进一步地，所述获得结构截面轮廓图像的具体步骤为：