淺析結構選型中的設計方法及問題

【摘 要】現階段，國內對于高層建筑結構選型的研究已經是相對完善了，結構選型在國內早在80年代就有人研究，而且方法眾多，就此，本文結合筆者多年結構設計經驗，簡要闡述下結構選型中的傳統設計方法與智能設計方法，并分別敘述各種方法的缺陷。

【關鍵詞】結構選型；傳統設計；智能設計

1、傳統設計

1.1經驗設計法

經驗設計法就是主要由設計者憑借他們多年的設計經驗在綜合各種結構形式的優缺點后得出的比較滿意的結構型式。這是一種靠設計人員或決策者“拍腦袋”決定的經驗設計方法。這種方法只適應于早期結構型式和建筑材料比較簡單的的時期。在這個時期一個設計師幾乎一個人就可以負責建筑設計、結構設計、施工圖設計。因此結構選型的問題并不是受到重視，但是隨著土木工程技術的發展，新材料、新理論、新方法、新技術、新思想的不斷發展，結構的形勢變得越來越豐富，也越來越復雜，因此結構選型的問題也日益突出。

1.2優化設計法

自古以來，人們在工程實踐中已經產生了方案優選的思想，慎重的設計人員總是要研究幾種可能的方案，再從其中選擇最佳方案。結構形式從梁演變為拱、桁架、穹頂等就是人們在長期的工程實踐中搜索與尋求重量輕、材料省、受力性能好的結構形式中的經驗總結。但是由于各方面因素的限制，結構的優化設計一直沒有實現。隨著有限元方法的成熟和數學規劃理論的發展以及計算機的應用，結構優化設計理論和方法自20世紀60年代以來取得了突飛猛進的發展。結構優化設計在結構的截面優化和形狀優化方面已經趨于成熟，在拓撲優化和布局優化方面也獲得了重要的進展，但是結構優化的高層次選型方面優化卻遇到了困難和挑戰。目前國內外學者主要是通過常規的結構優化方法--最優準則法或數學規劃法來解決結構選型問題。但是從總體優化效果來看研究成果的收效都不大，其主要原因是結構選型是一個綜合性很強的半結構化優化決策問題，在選型過程中會遇到大量的不確定性信息，所以采用傳統的數學規劃法或最有準則法對此類問題進行求解自然會遇到很多不可克服的困難。

2、傳統設計法的缺陷

2.1設計周期長，設計效率低

要獲得最佳的結構型式的理想辦法就是針對某一建筑方案，采用多種結構形式方案分別單獨進行設計，然后進行各種力學性能能的分析和經濟指標的綜合比較，確定一個最佳方案，這樣雖可以得到一個與建筑規模和環境條件相適應的的較好的結構形式，但是會給設計者帶來不可想象的工作量，并造成設計周期的延長和大量的人力、財力、物力的浪費，設計效率低下。

2.2容易造成結構工程師創新性精神的缺乏

對于結構師來說，結構的安全性始終是第一位的。也正因為如此，從事結構工程設計的時間一長，難免會產生思想保守、無事即安的傾向。一事當前，往往消極應付，不思創新。對于一般的工程項目，結構選型與布置在建筑方案中已大致確定，結構計算可套用公式，結構要求可照搬規范，價值有商業化的計算機軟件輔助，還有什么會讓設計者費盡心思而不得其解的問題呢？一個技術性責任性很強的職業，如果長期從事低級別勞動，那么疏于學習不求上進是難免的。

2.3缺乏計算機的輔助

目前的 CAD 系統主要是面向施工圖設計階段，缺乏對概念設計和初步設計的輔助支持。然而真正具有設計內涵的、最活躍的、也最能體現設計師個性和創新性的設計階段是概念設計，在這個階段有分析也有綜合，有邏輯思維也有形象思維，有沖突也有妥協；此外這個階段的不確定和未確知的因素十分活躍。結構選型也正處于這樣一個設計階段，可是目前尚沒有任何 CAD 系統可以提供結構選型方面的支持，因為現在的CAD系統缺乏人類設計師所具有的邏輯推理能力、形象思維能力、靈感和創造性，而施工圖設計階段很難或不能糾正概念設計階段的缺陷，因而這嚴重的影響了工程設計的效率和進度。

3、智能設計

3.1人工神經網絡法

人工神經網絡方法不僅擁有分布式存儲信息與并行處理評價信息的優點，而且還具有較強的自學習與聯想記憶功能。將人工神經網絡引入結構選型中，分析影響結構選型的重要因素和各種神經網絡的特點，選著一種最適合的神經網絡結構并且確定其網絡結構。利用 MATLAB 人工神經網絡工具箱構建結構選型模型，并利用 MATLAB 語言編制可視化界而，從而使結構選型過程更加簡單。將工程的基本信息作為神經網絡的訓練樣本，建立的神經網絡模型，對其進行訓練、優化。經檢驗訓練好的網絡模型性能良好達到了智能預測的目的。

3.2基于實例基因庫與遺傳算法

首先，給出了將工程實例庫轉化為結構選型規則庫與實例基因庫的方法，建立實例空間、規則空間、基因空間及三者間的相互轉換關系，實現了從實例到選型規則與基因間的轉換；其次，給出了從實例基因庫與基因空間中發現結構型式判別規則知識庫的策略，提出了基因向量與正反實例基因庫間的相似性度量法，建立了基于實例基因庫與實數碼遺傳算法的結構選型知識庫發現過程與方法；最后，編制了基于實例基因庫與遺傳算法的知識發現程序，給出了所獲取的鋼筋混凝土結構型式產生的知識。實踐證明，該方法有效地從實例基因庫中獲取結構型式產生的規則性知識庫，為開采工程實例“富礦”、解決知識獲取“瓶頸”、提高結構選型質量與效率等提供了新的途徑與方法。

3.3基于模糊推理系統（FIS）的智能評價方法

該方法主要是以隸屬函數表示和存儲領域專家的評價知識和經驗，以模糊規則表示評價策略，以關系生成規則表示輸入與輸出間的模糊蘊涵關系，以推理合成規則確定推理結果，以去模糊化方法對結果進行量化處理。該方法具有能直觀地表征與處理領域專家在性能評價時，以語言變量形式表達的評價知識與策略等優點，并能像神經網絡一樣逼近任意的非線性問題。但當規則較多時，推理時間較長，且其自學習能力較差，推理層次較多時易出現“模糊爆炸”現象。可通過與神經網絡結合的方法來提高其自學習能力及解決其“模糊爆炸”現象。

3.4基于模糊推理與神經網絡（ANNF）的智能評價方法

將模糊推理與神經網絡結合，取長補短，構建新的性能評價方法，是智能評價系統的發展方向。其結合的方式主要有 4 種網：即二者的簡單結合（包括松散型、串聯型、并聯型及混聯型）、用模糊推理增強的神經網絡、用神經網絡增強的模糊推理（包括網絡學習型、知識擴展型及以神經網絡代替模糊規則實現模糊推理等）、模糊邏輯與神經網絡的完全融合等。上述方法兼有模糊推理直觀、高效的表征、存儲與處理領域專家經驗與知識，及神經網絡能從訓練樣本中自動獲取知識及并行計算的優點。

4 、智能設計方法存在的問題

4.1專家系統

專家系統主要利用與基于顯示表達的領域知識模型進行問題求解，模型知識及其獲取是專家系統的核心，專家系統擁有的知識越多、質量越高，解決問題的能力也就越強。但是，結構設計經驗是領域專家們在長期設計實踐中積累起來的啟發性知識，一般說來，這些經驗性的知識沒有很好的結構、主觀性強、不易獲取，隨著大型專家系統的出現，這種情況越來越嚴重的影響和制約著專家系統的發展，知識獲取已成為開發專家系統的“瓶頸”問題。

4.2推理技術

推力技術不能全面地反映專家在解決建筑結構設計時的思維過程，許多專家的推理活動并未在專家系統的推理網洛中得到恰當的反映，而讓專家準確的描述其利用判斷、經驗、直覺等進行建筑結構設計的過程是一件十分困難的事。面對日益復雜的結構設計問題，基于模型的推理系統在大規模信息處理、維護、運行預研制等方面面臨著不可克服的困難，基于規則的推理系統面臨著推理鏈增加所帶來的推理有效性降低等問題，而基于人工神經網絡的專家系統因不能給出其結果的依據，從而降低了其結果的可信度。

5、結語

綜上所述，高層建筑結構選型是一個非常復雜的決策問題，具有強烈的綜合性，其影響因素具有隨機性、模糊性和未確知性。因此，是否能優選高層建筑結構設計系統的型式，成為結構設計人員工作中的重點考慮對象。