钢筋混凝土框架结构BRB加固设计方案的智能生成与优化方法

发表于:Earthquake Engineering & Structural Dynamics, 2024

随着建筑物和结构的老化,结构加固面临的挑战变得愈加显著,尤其是建筑使用寿命延长且对抗震加固的需求增加的情况。添加屈曲约束支撑(BRB)是一种有效的加固技术;然而,这一方法需要多次布局调整和力学分析,高度依赖工程师的设计经验,导致效率较低。为了解决该问题,本研究提出了一种基于生成式人工智能(AI)技术与优化算法的两阶段智能加固设计方法,应用于钢筋混凝土(RC)框架结构:(1)基于扩散模型的BRB可布置位置生成阶段,(2)基于在线学习算法的设计优化阶段。在第一阶段,采用扩散模型分析建筑特征,识别BRB可布置位置,缩小优化过程中的可行解空间,并确保设计符合经验约束。在第二阶段,采用结合力学性能评估的优化算法,以确定BRB的最佳位置和尺寸。案例研究表明,本方法相比于工程师的直接设计提高了大约50倍的效率,同时保持了设计的合理性和安全性。总体而言,结果证明了该方法在实际工程应用中的可行性和通用性,为未来更复杂结构加固的智能设计提供了参考。

推荐引用格式: TAN Z, QIN S Z, HU K G, et al. Intelligent generation and optimization method for the retrofit design of RC frame structures using buckling-restrained braces[J/OL]. Earthquake Engineering & Structural Dynamics, 2024[2024-11-14]. https://onlinelibrary.wiley.com/doi/10.1002/eqe.4268. DOI:10.1002/eqe.4268.
论文链接