钢筋混凝土框架结构BRB智能加固设计方法对比分析

智能设计方法的发展能够有效提升钢筋混凝土（RC）框架结构的屈曲约束支撑（BRB）加固方案的抗震性能，以应对其抗震能力不足的问题。本研究进一步探索了结合生成式人工智能（AI）与优化算法的BRB加固两阶段智能设计框架。在第一阶段，生成式AI模型（包括扩散模型、生成对抗网络（GAN）和图神经网络）从设计图纸中提取特征，以识别潜在的BRB布置位置；在第二阶段，优化算法（如遗传算法、模拟退火和在线学习）结合YJK Y-GAMA软件，确定BRB的最优布置位置与尺寸。研究对两个阶段中不同算法组合的设计性能与效率进行了全面对比分析。结果表明，GAN和扩散模型能够有效提取设计的全局与局部特征，遗传算法在设计空间中具备高效的搜索能力。这些方法的组合能够在短时间内生成接近最优、符合力学规范且具有成本效益的加固方案。最终，本研究为生成式AI方法与优化算法的选择提供了有价值的建议，推动智能设计在工程实践中的应用。

推荐引用格式： QIN S Z, LIAO W J, TAN Z, et al. Comparative analysis of intelligent retrofit design methods of RC frame structures using buckling-restrained braces[J/OL]. Bulletin of Earthquake Engineering, 2025[2025-04-15]. https://doi.org/10.1007/s10518-025-02164-3. DOI:10.1007/s10518-025-02164-3.
论文链接