Numerical modeling and optimization for integration of structure, design, and construction

结构、设计和施工一体化的数值建模和优化

• 批准号: 18J21456
• 负责人: 林 和希
• 金额: $ 1.41万
• 依托单位: Kyoto University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2018
• 资助国家: 日本
• 起止时间: 2018-04-25 至 2021-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-18J21456/
• 关键词: 構造最適化; 機械学習; 強化学習; グラフ埋め込み; トラス; 骨組; 設計支援; 建築構造最適化

前年度に提案した、部材接続関係が一般に規則的でないトラスや骨組構造の最適設計に向けたグラフ埋め込みと強化学習を組み合わせた手法をさらに改良した。具体的には、節点や部材の接続関係が異なる構造物をまとめて訓練に用いるためにグラフ埋め込みの定式化手法を修正した。グラフとは点とエッジからなるデータを指し、既往のグラフ埋め込み手法では点の特徴量を抽出する手法が数多く提案されてきた。一方で、提案手法ではエッジの特徴量を抽出する手法を独自に定式化しており、これは建築構造部材の特徴量とみなせる。特徴量は周辺節点や部材を考慮した数値情報であり、接続関係に依らず同一サイズのベクトルで表現されることから，任意の規模の構造物に対して部材に作用する複雑な力を考慮した特徴量の計算が可能となる。提案手法の有効性を確かめるため、トラスの位相最適化問題と骨組の部材断面最適化問題の二種類に対して提案手法による学習モデルの訓練を行い、部材の設計変更と構造性状の変化との因果関係を考慮した「賢い」最適化ができていることを確認した。さらに、訓練時に数値設定をどのようにすべきかについて、複数のパラメータ設定による数値解析を行い、適切なパラメータ設定を検討した。提案手法は学習タスクを適切に設定することで、構造最適化問題だけでなく施工経路決定問題や意匠決定プロセスなど多様な問題に拡張することが可能である。言い換えれば、提案するモデルは建築の多角的な評価指標を考慮できる、冗長な数理モデルと位置付けられる。以上の成果をもとに、国内外の学会で研究発表を行った。

In the past year, the relationship between components and materials was improved by the optimal design of bone structure. Specific joint relations between nodes and components are different from each other. The method of extracting the characteristic quantity of the point in the past is proposed. The method of extracting the characteristic quantity of a building structure is formulated independently. The characteristic quantity takes into account the numerical value information of the peripheral nodes and components, and the connection relationship between them depends on the performance of the same structure. It is possible to calculate the characteristic quantity by considering the complex force acting on the components of structures of any size. Two types of optimization problems of structural component cross section and optimization of structural component cross section are discussed in this paper. In addition, the training time of the number of settings, the number of settings, the number of analysis, the appropriate settings are discussed. The proposal method is to learn from the appropriate setting, structure optimization problem, construction route decision problem, design decision problem, multiple problem, expansion problem, etc. In addition, it is necessary to consider the evaluation index of the multi-angle of the building, and the position of the multi-angle of the building. The above achievements are carried out in the research and development of domestic and foreign societies.

项目成果

Massachusetts Institute of Technology(米国)

麻省理工学院（美国）

動的計画法を用いたラーメン構造の形状最適化

动态规划刚架结构形状优化

• 发表时间: 2018
• 作者: M. Ohsaki;T. Kimura and K. Sakaguchi;黒坂優美，大嶋拓也，平栗靖浩;田村拓也，大崎 純,木村俊明，高木次郎;沼田賢樹，大嶋拓也;平山洋介;林 和希，大崎 純
• 通讯作者: 林 和希，大崎 純

FDMopt: Force density method for optimal geometry and topology of trusses

• DOI: 10.1016/j.advengsoft.2019.04.002
• 发表时间: 2019-07
• 期刊: Adv. Eng. Softw.
• 作者: K. Hayashi;M. Ohsaki

Cross-section optimization of steel frames using a graph-based reinforcement learning

使用基于图的强化学习对钢框架进行横截面优化

• 发表时间: 2021
• 作者: Kazuki Hayashi and Makoto Ohsaki;Kazuki Hayashi and Makoto Ohsaki;Kazuki Hayashi and Makoto Ohsaki;Kazuki Hayashi and Makoto Ohsaki
• 通讯作者: Kazuki Hayashi and Makoto Ohsaki

Reinforcement learning and graph embedding for sequential optimal design of plane trusses and frames

用于平面桁架和框架的顺序优化设计的强化学习和图嵌入

• 发表时间: 2020
• 作者: 林和希;大崎純;Kazuki Hayashi and Makoto Ohsaki
• 通讯作者: Kazuki Hayashi and Makoto Ohsaki