高层结构选型总结.docVIP

高层结构选型总结 　　[摘 要]本文综述了高层结构设计的方法发展，现实环境中的噪声干扰了隐藏在大量已有的实例背后的丰富信息，尚未被开发成显式的知识形式难以供设计人员直接利用。此外，设计人员具备的知识质量和数量直接影响作出决策的水平，有效挖掘高层工程实例中的有用信息将成为提高决策质量的关键。计算机技术向土木工程的逐步渗透催生了智能优化方法的诞生，而神经网络凭借其较强的自学习与联想记忆功能可以在设计前期为设计人员提供参考。但其方法本身无法给出结果的生成依据，因此，将神经网络与高层结构优化领域的先验知识结合将成为重要的研究方向，提高网络结果的可信度。此外，知识发现技术作为智能算法的必要补充，将其与数据库技术。数学算法等领域的结合将成为当前研究重点。 　　[关键词]结构设计；噪声干扰；信息挖掘 　　中图分类号：TU973 文献标识码：A 文章编号：1009-914X（2018）11-0150-01 　　1 引言 　　结构优化设计于1869年的Maxwell形成一门学科，在六十年代随着有限元方法的推广、规划理论的完善，融合专业设计理论、数学优化方法与计算机技术，通过目标定向标准，现实条件等引入设计变量和限制条件来选择较优解。结构优化目前可分为尺寸优化、形状优化及拓扑优化。梁、柱、桁架及板等构件的最轻设计是以塑性破坏理论或极限承载力分析为基础的，后来简单结构体系的合理截面尺寸设计问题随之而生，但仅限于单一荷载的最小截面问题。随着L.A.Schmit等将规划算法的引进，加之人们认识到采用力学准则法得到的结果未必是最优解，规划方法得到了广泛应用。 　　一个有序完备的型式方案要求设计者具有深厚的设计经验积累及创新能力，这种没有数据库支持的传统方法是对先验知识资源的浪费。于是将领域专家经验及偏好、相关因素变化影响以置信与变权因子形式引入选型决策中，基于有效评价矩阵与组合变权矩阵的多目标选型决策方法的提出[1]，使得决策方案更加完备、满足工程实际。黄冀卓探讨了抗震钢框架的多目标优化设计，提出多约束多目标优化问题的Pareto遗传算法，满足设计人员在设计过程中具有多期望值的要求[2]。 　　优化目标不能完全符合工程全部需求，建筑物尺寸及型号等属性的离散化、问题的大规模性导致组合爆炸问题的发生，传统数学算法难以胜任。而规划算法背后完备的理论体系保证精确最优解的存在，但其求解复杂度很高，面对实际工况中多约束多变量的情况往往无能为力。尤其对于结构选型这个极富挑战性的半结构化优化决策问题，大量不确定信息更为传统优化方法创造了新的难题。 　　2 专家系统 　　专家系统是利用统计、模糊逻辑等处理信息的模糊特征，以生成的规则形式储存信息，其中的推理机制包括正反向两种方式，通过知识推理实现专家水平的评价[3]。 　　SACON是土木工程领域首个专家系统[4]，继而建筑初步设计ES随之诞生，一直到到高层结构设计专家系统的建立之前，普遍以规则推理策略为基础。融合多级模糊综合评价推理策略的高层建筑选型性能评价系统也是基于此思想建立的[5]，后来一些基于模糊量化知识的高层结构选型方法先后被提出[6]。Soibelman和PenaMora针对高层结构的概念设计建立了MRAM多推理系统，未考虑不同属性的相对重要程度，张世海为此提出了基于模糊推理网的高层结构智能型式优化方法，集评价与决策于一体，能较好处理不确定知识，具有更好知识表征能力及直观的推理过程呈现[7]。随着神经网络技术的逐渐普及，其集约特征、分布式存储与并行处理信息的特点及较强自学习与联想记忆功能使其能解决相较于常规的硬件线路设计技术所能解决的更复杂的问题，利用其高度非线性建立输入输出映射，具有天生的容错性及鲁棒性。提取结构选型的相关因素并进行量化输入，选取合适的网络结构及自由参数，它通过学习专家的设计经验，能在建筑结构设计前期帮助初步确定建筑物结构形式。 　　3 实例推理 　　通过类比推理与适应性修改满足了方案创新性的要求。它包括实例库输入、表征、检索、评价优选、修改及应用等步骤，将工程实例库转化为结构选型规则库与实例基因库的方法能从实例基因库中捕捉高层结构型式的规则，这种方法为提高选型决策质量与效率提供了可能[8]。国外研制了Archic、CADRE等基于实例的结构设计系统，CADSYN是基于实例的结构设计重用系统[9]，M-RAM系统则用于结构概念设计中，基于神经网络的结构选型推理系统是引用智能算法的一个新方面。 　　4 知识发现 　　存储知识的质量和数量直接决定专家系统和实例推理系统的评价水平，现有的高层实例蕴含着丰富的隐藏信息，但周围环境的噪声干扰使信息变得分散破碎，尚未被开发成显式的知识形式供设计人员直接利用，因此，有效挖掘高层工程实例中的信息将是提高决策质量和效率的关键。基于