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

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