2588-0101 Вестник Евразийской науки The Eurasian Scientific Journal ООО «Издательство «Мир науки» https://esj.today/54SAVN524.html Оценка качества компоновки несущих конструкций с применением технологии генеративного проектирования Assessing the quality of the layout of load-bearing structures using generative design technology Фомин Никита Игоревич Фомин Никита Игоревич Fomin Nikita Igorevich ni.fomin@urfu.ru https://orcid.org/0000-0002-7095-7161 Исупов Никита Сергеевич Исупов Никита Сергеевич Isupov Nikita Sergeevich isupovn98@gmail.com https://orcid.org/0000-0002-4301-3202 ФГАОУ ВО «Уральский федеральный университет имени первого Президента России Б.Н. Ельцина» (Екатеринбург, Россия) Ural Federal University named after the first President of Russia B.N. Yeltsin (Yekaterinburg, Russia) 16 12 2024 2024 16 5 54SAVN524 20 10 2024 02 12 2024 2024 Фомин Никита Игоревич, Исупов Никита Сергеевич Fomin Nikita Igorevich, Isupov Nikita Sergeevich CC BY 4.0 https://esj.today/54SAVN524.html

В настоящее время в практике проектирования гражданских зданий практически не применяется детальных рекомендаций по компоновке вертикальных несущих конструкций. Вероятность того, что разные конструкторы расставят пилоны/колонны в плане идентично — крайне мала, потому что проектирование в большей мере основано на профессиональном опыте инженера. В строительной отрасли отсутствует единый количественный критерий оценки качества расположения конструкций несущего остова здания, прежде всего его вертикальных элементов, на стадии разработки эскизного проекта. Целью исследования является оценка эффективности подобранных компоновок вертикальных несущих конструкций каркаса с помощью искусственного интеллекта монолитного жилого здания в г. Екатеринбург. Данная цель была реализована с помощью программного обеспечения Prometey. В статье рассказано про некоторые возможности и результаты зарубежного и отечественного применения искусственного интеллекта, в общем, и генеративного проектирования, в частности, при разработке, оптимизации и верификации проектных решений раздела «Конструктивные решения». Авторами пошагово показан многоитерационный процесс генерации расположения пилон/колонн: от введения исходных данных до вычисления показателя эффективности расположения вертикальных несущих конструкций. В результате создано и проанализировано 422 схемы с разными пролетами, рассказано о трудностях, с которыми пришлось столкнутся при оценке компоновки существующей схемы. По итогам работы сделаны выводы о возможности использования генеративного проектирования в качестве инструмента для верификации и оценки качества проектных решений на двух смежных этапах жизненного цикла объекта строительства: предпроектный и проектный этапы.

Currently, in the practice of designing civil buildings, there are practically no detailed recommendations on the layout of vertical load-bearing structures. The probability that different designers will place the pylons/columns identically in the plan is extremely low, because the design is largely based on the professional experience of the engineer. In the construction industry, there is no single quantitative criterion for assessing the quality of the arrangement of structures of the supporting frame of a building, primarily its vertical elements, at the stage of development of a draft design. The purpose of the study is to evaluate the effectiveness of selected layouts of vertical load-bearing frame structures using artificial intelligence of a monolithic residential building in Yekaterinburg. This goal was achieved using Prometey software. The article describes some of the possibilities and results of foreign and domestic applications of artificial intelligence, in general, and generative design, in particular, in the development, optimization and verification of design solutions in the section «Constructive solutions». The authors step-by-step show the multi-iterative process of generating the location of pylons/columns: from the introduction of initial data to the calculation of the efficiency indicator of the location of vertical load-bearing structures. As a result, 422 circuits with different spans were created and analyzed, and the difficulties encountered in evaluating the layout of the existing circuit were described. Based on the results of the work, conclusions were drawn about the possibility of using generative design as a tool for verifying and evaluating the quality of design solutions at two adjacent stages of the life cycle of a construction object: pre-design and design stages.

 Ключевые слова искусственный интеллект нейросеть технология информационного моделирования генеративное проектирование компоновочная схема верификация проектных решений Prometey Keywords artificial intelligence neural network information modeling technology generative design layout diagram verification of design solutions Prometey Zhang, Y., Mueller, C. Shear wall layout optimization for conceptual design of tall buildings. Engineering Structures. 2017. Vol. 140. P. 225–240. DOI: 10.1016/j.engstruct.2017.02.059. Ковалева, А.С. Особенности расположения колонн для высотных зданий / А.С. Ковалева // Синергия Наук. 2018. № 23. С. 1195–1198. EDN UQGLHX. Городецкий, А.С., Батрак, Л.Г., Городецкий, Д.А., Лазнюк, М.В., Юсипенко, С.В. Расчет и проектирование конструкций высотных зданий из монолитного железобетона: проблемы, опыт, возможные решения и рекомендации, компьютерные модели и информационные технологии. Киев: Издательство «Факт», 2004. 106 с. Сыкулев, В.И., Сон, М.П. Правила расстановки вертикальных пилонов в железобетонных каркасах / В.И. Сыкулев, М.П. Сон // Научные исследования: от теории к практике. 2015. № 5(6). С. 268–272. EDN VLGLMD. Кашина, И.В., Закиева, Н.И., Калиберда, Д.В. К вопросу разработки конструктивных схем каркасов высотных монолитных железобетонных зданий / И.В. Кашина, Н.И. Закиева, Д.В. Калиберда [и др.] // Инженерный вестник Дона. 2020. № 1(61). С. 2. EDN KHNTXA. Веселова, Е.А., Комшин, С.В. Конструктивные системы жилых высотных зданий [Текст]: монография. Нижегор. гос. архитектур.-строит. ун-т. Н. Новгород: ННГАСУ, 2022. 141 с. ISBN 978-5-528-00495-2. Баранов, А.О. Конструктивные решения высотных зданий // Alfabuild. 2018. № 3(5). С. 33–51. Фомин, Н.И., Исупов, Н.С. Применение технологий генеративного проектирования для совершенствования конструктивных решений / Н. И. Фомин, Н. С. Исупов // Строительное производство. 2023. № 4. С. 111–116. DOI: 10.54950/26585340_2023_4_111. EDN GKYMUT. Liao, W., Lu, X., Fei, Y., Gu, Y., Huang, Y. Generative AI design for building structures. Automation in Construction. 2024. Vol. 157, P. 105187. DOI: 10.1016/j.autcon.2023.105187. Liao, W., Lu, X., Huang, Y., Zheng, Z., Lin, Y. Automated structural design of shear wall residential buildings using generative adversarial networks. Automation in Construction. 2021. Vol. 132, P. 103931. DOI: 10.1016/j.autcon.2021.103931. Fu, B., Gao, Y., Wang, W. Dual generative adversarial networks for automated component layout design of steel frame-brace structures. Automation in Construction. 2023. Vol. 146, P. 104661. DOI: 10.1016/j.autcon.2022.104661. Pizarro, P.N., Massone, L.M., Rojas, F.R., Ruiz, R.O. Use of convolutional networks in the conceptual structural design of shear wall buildings layout. Engineering Structures. 2021. Vol. 239, P. 112311. DOI: 10.1016/j.engstruct.2021.112311. Soledispa, C.E., Pizarro, P.N., Massone, L.M. Optimizing reinforced concrete walls and columns through artificial neural networks with structural neighbor-based features. Journal of Building Engineering. 2024. Vol. 89, P. 109223. DOI: 10.1016/j.autcon.2019.102901. Pizarro, P.N., Hitschfeld, N., Sipiran, I. Large-scale multi-unit floor plan dataset for architectural plan analysis and recognition. Automation in Construction. 2023. Vol. 156, P. 105132. DOI: 10.1016/j.autcon.2019.102901. Pizarro, P.N., Hitschfeld, N., Sipiran, I., Saavedra, J.M. Automatic floor plan analysis and recognition. Automation in Construction. 2022. Vol. 140, P. 104348. DOI: 10.1016/j.autcon.2019.102901. Siam, A., Ezzeldin, M., El-Dakhakhni, W. Machine learning algorithms for structural performance classifications and predictions: Application to reinforced masonry shear walls. Structures. 2019. Vol. 22, P. 252–265. DOI: 10.1016/j.istruc.2019.06.017. Tran-Ngoc H., Khatir S., De Roeck G., Bui-Tien T., Abdel Wahab M. An efficient artificial neural network for damage detection in bridges and beam-like structures by improving training parameters using cuckoo search algorithm. Engineering Structures. 2019. Vol. 199. P. 109637. DOI: 10.1016/j.engstruct.2019.109637. Tafraout S., Bourahla N., Bourahla Y., Mebarki A. Automatic structural design of RC wall-slab buildings using a genetic algorithm with application in BIM environment. Automation in Construction. 2019. Vol. 106. P. 102901. DOI: 10.1016/j.autcon.2019.102901. Hayashi K., Ohsaki M. Graph-based reinforcement learning for discrete cross-section optimization of planar steel frames. Advanced Engineering Informatics. 2022. Vol. 51. P. 101512. DOI: 10.1016/j.aei.2021.101512.