论文部分内容阅读
钢筋作为土建工程中至关重要的受力材料,广泛应用于结构的各个构件中,而钢筋的安装精度也成为影响建筑质量的关键因素。当装配式建筑成为目前新型建造方式的主流,构件从现场浇筑变成了现场拼装,这对于预制构件在工厂中的生产提出了更高的精度要求。尤其在框架结构梁柱节点处,一旦构件的深化设计精度不足,生产加工未充分考虑构件外伸钢筋之间的相对位置,都将影响构件在拼装中的稳固连接,造成施工质量难以保证。即使当前BIM技术的应用在很大程度上能够解决工程中的碰撞问题,但人工决策量大,使得设计人员陷入机械性重复劳动中。为解决装配式建筑梁柱节点处钢筋深化设计不足的问题,本文主要研究了以下内容:（1）基于Revit平台开发参数化配筋程序。首先设计图形化操作界面,将二维图纸的平法标注作为表单信息提交至程序后台。通过与构件几何定位坐标交叉运算后,确定钢筋在预制构件中的起止位置及限制条件,同时为算法程序预留接口。（2）引入深度确定性策略梯度算法,借助强化学习的决策能力和深度学习的拟合能力,搭建能够自主学习和自主决策的深度强化学习模型。基于模型的算法原理和适用范围,建立标准的Gym训练环境。（3）训练智能模型识别当前构件的节点环境,针对不同的节点形式和配筋信息,把钢筋的建模问题转化为从起点到终点的路径规划问题。通过在训练环境中不断学习和总结,最终生成用于钢筋建模定位的曲线坐标。本文在传统DDPG算法上进行改进,提出PA-DDPG算法针对钢筋自动避让问题建立深度强化学习模型。经过大量碰撞调整训练后,将该算法嵌入到参数化配筋插件中,作为后台程序对钢筋排布和避让问题进行数据处理。与传统的钢筋碰撞调整不同,该插件不需要进行碰撞检测,也不需要人为指定偏移方向,而是经过多轮训练后,使钢筋在曲线生成过程中自动弯折。为避免陷入过度避让,以最大化钢筋智能体在行动路径中的奖励值为模型收敛的判定依据。通过在某中学项目中的实际应用,验证了该模型的避让精度和运行效率,也表明了人工智能技术能够给结构设计提供更高效的解决方案。