技术领域
本发明属于建筑设计和施工技术领域,具体涉及一种通过智能化数字技术,将复杂非线性形态转化为便于计算、表达和模数化的简单弧线,构建参数控制的弧线模型,优化弧线形态和构建方式,满足建筑设计和施工要求的智能化非线性建筑形态控制模型及优化方法。
背景技术
如今,非线性形态在建筑中的应用日趋广泛,在获得新颖造型的同时也给建筑设计、部品生产和施工建造带来了一系列的难题。首先,非线性形态难以定量化控制,建筑的生成需要遵循明确的秩序,建筑的设计建造更要有严密的逻辑,然而非线性形态往往采用高阶曲线,在现有技术进行空间定位、模块化分格和变形操作时容易产生误差,难以精确控制。并且,设计误差会在施工建造过程积累为难以补救的质量问题,严重影响建筑的完成度。其次,常规的设计方法和施工技术难以应对非线性形态建筑的复杂性,进而导致大量的工作都消耗在将非线性形态转化为相对容易设计和控制的简单形态上,以确保能够投入生产和建造。同时,这些非线性形态简化的过程往往是通过人工手动完成的,其效率、速度和精确性均难以保证,不但安装和建造常导致设计意图难以实现,而且在建筑设计和建造过程中,会造成巨大的资源浪费。另外,由于非线性形态特质,使得建筑形体及其组成构件呈现独一性,每个构件都需单独设计和加工,无法发挥工业化生产的优势。故有必要对现有技术的非线性建筑形态控制方法予以改进。
发明内容
本发明就是针对上述问题,提供一种通过智能化数字技术,将复杂非线性形态转化为便于计算、表达和模数化的简单弧线,构建参数控制的弧线模型,优化弧线形态和构建方式,满足建筑设计和施工要求的智能化非线性建筑形态控制模型及优化方法。
本发明所采用的技术方案是:该智能化非线性建筑形态控制模型及优化方法包括如下步骤:
步骤一、将非线性形态的生成基准线设定为目标曲线Cv;
步骤二、根据实际工程建造要求,设定曲线的定距等分长度初始值l
步骤三、将Cv按照l
建立P
P
式中:P
Cv—目标曲线,
l
步骤四、进行第一优化循环,以获得与Cv形态最近似的A
B
式中:B
A
Cv—目标曲线;
步骤五、由于B
C
式中:C
B
步骤六、此时,C
G
式中:G
C
l
步骤七、G
所述步骤四,设定用以拟合Cv的弧线数N作为第一优化循环的关键输入变量;选取N个等分点作为弧线的起点、终点,首尾相连连续配置弧线A
建立A
A
式中:A
Cv—目标曲线,
P
M
依据跨度M
建立Q
Q
式中:A
M
进一步地,测量P
建立
式中:
d
n—曲线等分数;
所述步骤五,第二优化循环预处理:获取B
建立V
V
式中:V
B
Cv—目标曲线,
p
q
进一步地,设定端点p
建立B’
B’
式中:B’
V
p
u
x
之后,获取B’
并且,测量相邻B’
建立
式中:
θ
n—曲线等分数;
θ越小,表明两个弧线在端点处连续性越好,当
所述步骤六,第三优化循环预处理:在C
将w
建立C’
C’
式中:C’
w
p
m
s,e—p
进一步地,以跨度M
建立l
l
式中:l
C’
M
建立
式中:
l
n—曲线等分数。
更进一步地,计算等分长度偏移值Δl,建立Δl的函数关系式:
式中:Δl—等分长度偏移值,
l
Δl越小,表明弧线等分后与初始弧线l
本发明的有益效果:(1)从非线性建筑形态的生成原理和机制出发,抓住主要矛盾,以优化控制形态生成的基准线为切入点,构建包含宏观形体信息到微观建构信息的非线性建筑形态的控制模型,并以此为基础对复杂的形态进行优化,从底层逻辑上提升非线性形态的合理性、可实现性和可操作性。
(2)能够通过简单的参数输入,快速地将生成非线性建筑形态的复杂基准线转化为便于设计、计算和操作的简单弧线,在尽可能保证原始曲线的形态特征尽量简化建筑形态生成逻辑,为后续的深化设计和施工奠定基础。
(3)所构建的信息模型能够自由地改变输入变量和约束条件,整个模型会自动根据输入信息进行调整,即:整个过程能够动态适应不同的曲线类型和设计条件,可以随时进行动态调整,极大地提升了设计效率。
(4)本发明是一个智能化的寻优过程,能够在输入参数后,在可能的求解空间中自动寻找优化解,并通过遗传、变异和自然选择等方式反复迭代不断逼近全局最优解,这一过程均由计算机执行,极大地简化了非线性形态设计的人为工作量,同时显著提升计算精度和效率。
(5)本发明包含三个递进的优化循环,每个循环对应特定的优化目标,将复杂的非线性形态优化问题简化为三个相对独立、简单可控、逐层深入的简单优化过程,每个过程均能够根据设计者的信息输入进行优化迭代,并将结果实时反馈,增加了优化过程的透明性和可操作性,也保证了结果的准确性和可信性。
(6)建立了非线性建筑形态从宏观形体到微观建构的全尺度数字信息流,一方面,优化后建筑的形体轮廓能够尽可能贴合初始设计意图,同时获得最佳的可实现性;另一方面,兼顾模块化建造的模数尺度,优化后弧线能够按照预定条件划分为相等尺寸的模块构件,最大化降低模块设计、生产和安装的复杂度,从设计层面,根本地节约资源与成本。
该智能化非线性建筑形态控制模型及优化方法,通过智能化数字技术,将复杂非线性形态转化为便于计算、表达和模数化的简单弧线,进而构建参数控制的弧线模型,并优化弧线形态和构建方式,以满足建筑设计和施工要求。
附图说明
图1是本发明的流程图。
图2是初始弧线Cv图。
图3是等分弧线图。
图4是生成弧线A
图5是等分A
图6是测量d
图7是生成一次优化弧线B
图8是获取V
图9是获取端点法向向量图。
图10是获取端点法向向量夹角图。
图11是生成二次优化弧线C
图12是生成微小弧线图。
图13是移动p
图14是测量l
图15是生成最终优化弧线G
图16是本发明实施例的非线性形态建筑初始轮廓图。
图17是本发明实施例的等分外轮廓曲线图。
图18是本发明实施例的构建拟合弧线A
图19是本发明实施例的一次优化弧线B
图20是本发明实施例的二次优化弧线C
图21是本发明实施例的三次优化弧线G
图22是本发明实施例中、以G
图23是本发明实施例中、以G
具体实施方式
详细说明本发明的具体步骤。该智能化非线性建筑形态控制模型及优化方法包括如下步骤:
步骤一、将非线性形态的生成基准线设定为目标曲线Cv(如图2所示)。
步骤二、根据实际工程建造要求(如表皮单元宽度、结构轴线跨度等),设定曲线的定距等分长度初始值l
步骤三、将Cv按照l
建立P
P
式中:P
Cv—目标曲线,
l
步骤四、进行第一优化循环,以获得与Cv形态最近似的A
B
式中:B
A
Cv—目标曲线。
第一优化循环包括:(4.1)设定用以拟合Cv的弧线数N作为第一优化循环的关键输入变量;选取N个等分点作为弧线的起点、终点,首尾相连连续配置弧线A
建立A
A
式中:A
Cv—目标曲线,
P
M
(4.2)依据跨度M
建立Q
Q
式中:A
M
(4.3)测量P
建立
式中:
d
n—曲线等分数。
步骤五、由于B
C
式中:C
B
第二优化循环包括:(5.1)第二优化循环预处理;获取B
建立V
V
式中:V
B
Cv—目标曲线,
p
q
(5.2)设定端点p
建立B’
B’
式中:B’
V
p
u
x
(5.3)获取B’
(5.4)测量相邻B’
建立
式中:
θ
n—曲线等分数。
θ越小,表明两个弧线在端点处连续性越好,当
步骤六、此时,C
G
式中:G
C
l
第三优化循环包括:(6.1)第三优化循环预处理;在C
(6.2)将w
建立C’
C’
式中:C’
w
p
m
s,e—p
(6.3)以跨度M
建立l
l
式中:l
C’
M
建立
式中:
l
n—曲线等分数。
(6.4)计算等分长度偏移值Δl,建立Δl的函数关系式:
式中:Δl—等分长度偏移值,
l
Δl越小,表明弧线等分后与初始弧线l
步骤七、G
实施例:
一栋非线性形态建筑,其平面如图16所示,外轮廓为曲线形态,现通过本智能化非线性建筑形态控制模型及优化方法,构建平面轮廓参数控制模型,将其转化为便于计算、表达和模数化的简单弧线,以满足建筑设计和施工要求(如图16所示)。
1、将弧线按l
2、设定拟合弧线数N,实施例中N=14,构建初始弧线A
3、进入第一次优化循环。迭代348次后,得到第一次优化弧线B
4、进入第二次优化循环。迭代423次后,得到第二次优化弧线C
5、进入第三次优化循环。迭代276次后,得到第三次优化弧线G
6、经过三个递进优化循环后,建筑曲线平面轮廓线已拟合为便于操作的弧线;之后进行如结构定位、幕墙分格、表皮细化等操作时,误差可以控制在最小值,提升了设计精度与施工效率(如图22、图23所示)。
机译: 一种移动电话网络优化方法,其中选择地理区域,然后确定具有潜在基站位置的网络模型,该模型考虑了地理营销数据
机译: 一种基于模型的在线优化方法来限制车辆的状态变量,该方法用于预测车辆的状态变量
机译: 一种基于模型的在线优化方法来限制车辆的状态变量,该方法用于预测车辆的状态变量