基于深度学习的新型蒙古包骨架结构智能生成方法

：本发明属于建筑样式的，具体涉及一种基于深度学习的新型蒙古包骨架结构智能生成方法。

背景技术

0、背景技术：

1、建筑样式的智能生成是智能建造的重要内容之一，是提高建筑设计效率的重要手段。人工智能技术的应用不仅能够对海量的案例样本进行学习，还能够在短时间内生成多个设计方案供建筑师比选，加速设计过程。当前，获取和整理大量的建筑样式数据，并进行有效的学习和生成是建筑样式生成的一个重要挑战。而蒙古包是一种特殊的建筑，其在构件材料、构件样式、骨架结构体系方面都与现代建筑和中国传统的木构建筑之间有着很大的不同，传统的手工设计方法需耗费大量时间和精力，而当前也缺少针对蒙古包的建筑样式智能生成方法，无法满足高效地设计蒙古包建筑的需求。

技术实现思路

0、技术实现要素：

1、针对现有技术的不足，本发明提供一种基于深度学习的新型蒙古包骨架结构智能生成方法，解决了传统蒙古族建筑设计费时费力的问题，为蒙古族建筑样式智能生成提供了解决方案。

2、本发明由如下技术方案实施：基于深度学习的新型蒙古包骨架结构智能生成方法，该方法包括以下步骤：

3、步骤(1)、蒙古包建筑骨架结构三维模型数据采集，

4、使用激光扫描设备对蒙古包的骨架进行物体测量，采集蒙古包骨架结构的点云数据，通过点云分类算法对点云数据进行分类，获得哈那构件、套脑构件、乌尼构件的点云数据，将点云数据输入三维建模软件，生成由哈那、套脑、乌尼构成的蒙古包骨架结构三维模型，构建蒙古包骨架结构三维模型库；

5、步骤(2)、蒙古族建筑骨架结构和预制构件拓扑转换，

6、计算步骤(1)中哈那构件、套脑构件、乌尼构件的三维形态属性，包括长度、宽度、高度、截面形状，构建构件三维形态数据库；识别并提取各个构件相接的位置作为相接点，根据构件与相接点的相接关系，将骨架结构的三维数据转变为拓扑数据，并将相接点与构件三维形态数据库中对应的构件数据连接，建立样例拓扑数据集，其中训练数据集占比80％，测试数据集占比20％；

7、步骤(3)、基于图神经网络的骨架结构生成模型构建，

8、将步骤(2)中的训练数据集输入搭载图神经网络深度学习模型的深度学习工作站中，提取并学习结构骨架拓扑网络的规律，构建蒙古包骨架结构生成模型；

9、(4)蒙古族建筑结构样式的生成和预制构件匹配生成，

10、根据蒙古包的基础结构数据，建立蒙古包基础模型数据库，构建蒙古包骨架结构生成系统，将需建设的蒙古包的面积和高度数据输入系统中，蒙古包骨架结构生成系统能够自动匹配与输入的面积和高度数据误差最小的基础模型，并将基础模型输入步骤(3)中的深度学习工作站，自动生成骨架结构模型，并提供构成哈那构件、套脑构件、乌尼构件的标准化预制构件三维模型的数据信息和需求数量信息；

11、步骤(5)、骨架结构稳定性测试，

12、将步骤(4)中生成的骨架结构模型输入工程仿真软件中，进行结构力学检测，对于产生结构位移和变形的骨架结构，返回步骤(4)重新生成骨架结构模型；

13、(6)构件图纸输出，

14、将需要的预制化构件清单和图纸输出为excel和cad格式文件，供下一步采购和建造使用。

15、进一步的，步骤(1)中的所述点云分类算法，是由点云数据集训练的深度学习算法，能够对未处理的点云数据进行自动分类。

16、进一步的，步骤(2)中的所述识别并提取各个构件相接的位置作为相接点，指通过计算构件表面之间的距离进行识别，距离为0处识别为相接点。

17、进一步的，步骤(2)中的所述将骨架结构的三维数据转变为拓扑数据，指以骨架结构中的构件为拓扑网络中的点，相接点为连接点的边。

18、进一步的，步骤(3)中的所述提取并学习结构骨架拓扑网络的规律，包括哈那构件之间的相接关系和相接点的数量、哈那构件与乌尼构件的相接关系、乌尼构件与套脑构件的相接关系和相接点的数量、套脑构件之间的相接关系和相接点的数量。

19、进一步的，步骤(4)中的所述蒙古包的基础结构数据，包括蒙古包的底部直径、哈那墙高度、套脑直径、套脑底边高和蒙古包总高。

20、进一步的，步骤(4)中的所述蒙古包基础模型数据库，是储存有多种蒙古包的基础结构数据的蒙古包骨架结构模型的数据库。

21、进一步的，步骤(5)中的所述结构力学解析，指通过工程仿真软件如ansys，分析结构骨架在静态载荷下的应力、应变和变形。

22、进一步的，其特征在于，步骤(6)中的所述预制化构件清单和图纸，包括了预制化构件的类型、数量、直径、长度的数据。

23、本发明的优点：与现有技术相比，本发明的有益效果为：

24、通过将蒙古包的骨架结构进行拓扑转换，实现了对骨架结构中哈那构件、乌尼构件、套脑构件之间和构成其的各个构件之间拓扑关系的自动提取，反映了构件之间的相接关系，减少了识别构件相接关系的工作量，提高了建筑师的工作效率；

25、通过运用图神经网络深度学习模型，能够自动对大量蒙古包骨架结构的拓扑数据进行学习，提升了拓扑数据学习的高效性，且相较于其它机器学习算法能够更全面地理解蒙古包骨架构件的相接关系，提升了对拓扑网络结构规律提取和学习的准确性；

26、通过基于图神经网络的蒙古包骨架结构生成系统生成骨架结构模型和标准化预制构件的信息，提高了蒙古包骨架结构的智能化和自动化水平，提升了标准化预制构件生成的准确性，降低了预制构件采购、生产和装配的难度。

技术特征：

1.基于深度学习的新型蒙古包骨架结构智能生成方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的基于深度学习的新型蒙古包骨架结构智能生成方法，其特征在于，步骤(1)中的所述点云分类算法，是由点云数据集训练的深度学习算法，能够对未处理的点云数据进行自动分类。

3.根据权利要求1所述的基于深度学习的新型蒙古包骨架结构智能生成方法，其特征在于，步骤(2)中的所述识别并提取各个构件相接的位置作为相接点，指通过计算构件表面之间的距离进行识别，距离为0处识别为相接点。

4.根据权利要求1所述的基于深度学习的新型蒙古包骨架结构智能生成方法，其特征在于，步骤(2)中的所述将骨架结构的三维数据转变为拓扑数据，指以骨架结构中的构件为拓扑网络中的点，相接点为连接点的边。

5.根据权利要求1所述的基于深度学习的新型蒙古包骨架结构智能生成方法，其特征在于，步骤(3)中的所述提取并学习结构骨架拓扑网络的规律，包括哈那构件之间的相接关系和相接点的数量、哈那构件与乌尼构件的相接关系、乌尼构件与套脑构件的相接关系和相接点的数量、套脑构件之间的相接关系和相接点的数量。

6.根据权利要求1所述的基于深度学习的新型蒙古包骨架结构智能生成方法，其特征在于，步骤(4)中的所述蒙古包的基础结构数据，包括蒙古包的底部直径、哈那墙高度、套脑直径、套脑底边高和蒙古包总高。

7.根据权利要求1所述的基于深度学习的新型蒙古包骨架结构智能生成方法，其特征在于，步骤(4)中的所述蒙古包基础模型数据库，是储存有多种蒙古包的基础结构数据的蒙古包骨架结构模型的数据库。

8.根据权利要求1所述的基于深度学习的新型蒙古包骨架结构智能生成方法，其特征在于，步骤(5)中的所述结构力学解析，指通过工程仿真软件(如ansys)分析结构骨架在静态载荷下的应力、应变和变形。

9.根据权利要求1所述的基于深度学习的新型蒙古包骨架结构智能生成方法，其特征在于，步骤(6)中的所述预制化构件清单和图纸，包括了预制化构件的类型、数量、直径、长度的数据。

技术总结本发明公开了一种基于深度学习的新型蒙古包骨架结构智能生成方法，包括以下步骤：蒙古包骨架结构三维模型数据采集、蒙古包骨架结构和预制构件拓扑转换、基于图神经网络的骨架结构生成模型构建、蒙古包骨架结构模型的生成和预制构件匹配生成、蒙古包骨架结构模型稳定性测试、构件图纸输出。优点在于：实现了对骨架结构中哈那构件、乌尼构件、套脑构件之间和构成其的各个构件之间拓扑关系的自动提取，反映了构件之间的相接关系，减少了识别构件相接关系的工作量，提高了建筑师的工作效率；提高了蒙古包骨架结构的智能化和自动化水平，提升了标准化预制构件生成的准确性，降低了预制构件采购、生产和装配的难度。技术研发人员：张鹏举,杨俊宴,邵典,扎拉根白尔受保护的技术使用者：内蒙古工业大学技术研发日：技术公布日：2024/9/26