基于PKPM-AID在剪力墙结构位移角调整中的两种实践应用（一）

王鹏

中国建筑科学研究院有限公司 北京构力科技有限公司 北京 100013

[摘要] 为解决工程师在传统结构设计流程中“拍脑袋”定截面、反复“人工试错”、无法有效“控制结构合理性”等痛点问题，智能设计成为了行业研究的热点之一。PKPM-AID提供了封装版的智能辅助设计工具，其高级指标控制功能可实现整体指标的自动优化调整通过，指标诊断功能可给出不同构件对指定整体指标调整通过的贡献度，帮助工程师锁定关键构件。采用AID对剪力墙结构层间位移角超限指标的调整，以完全依靠软件智能算法模式和“人工+算法”的半智能模式分别验证了智能辅助设计工具软件的适用性和合理性。结果证明智能设计已经具备推广的基本条件，可作为企业提质增效、从业人员应对行业变化和技术变革的一条途径。

[关键词] 智能辅助设计；高级指标控制；指标诊断；安全性；经济性

0 引言

数字化与智能化正引领建筑领域的深刻变革。它们不仅优化了传统设计流程，还极大提升了建筑结构的安全性与效率。借助先进的数字工具和技术，设计师能够更高效的完成结构布置和方案对比，实现复杂设计的可行性分析与优化，从而开创了一个充满无限可能的智能设计新时代。

1 探索背景

基于一个实际项目采用PKPM-AID智能辅助设计软件，依靠指标诊断（灵敏度）功能，自动识别对剪力墙结构中地震工况下层间位移角指标影响大的构件，通过软件自带的构件分组功能对灵敏度构件自动分组，再依据边界条件的要求设置不同设计组的变量区间，以层间位移角调整通过为约束目标，让软件采用内置算法自动调整设计组构件截面大小来实现大指标的调整通过，来解决以往在结构设计过程中过度依赖工程师经验、采用“拍脑袋”方式无法合理控制结构合理性和经济性、“人工试错”导致设计效率低的问题。

但是，在建筑等专业对结构构件有较严格的边界条件约束、结构体系本身有其他约束条件等特殊前提下，灵敏度功能暂无法按照“人”的思维去判断构件是否能进行大小调整，即在智能算法层面筛选出的灵敏度构件是对指标起较大控制作用，但实际项目中又无法在满足其他约束条件下进行大小调整；因此，再以辅助人工参与，依靠“人工经验”的基础上，依靠高级指标功能自动完成指标调整的应用探索，解决特例问题。

2 工程概况

2.1项目基本信息

某高层剪力墙住宅项目，抗震设防烈度7度，设计基本地震加速度峰值为0.15g，设计地震分组第二组，Ⅲ类场地，Tg=0.55s，地面粗糙度类别B类；地下2层，地上18层，建筑高度52.1m，主要层高2.9m，长约29.1m，宽约10.7m；设计工作年限50年，基本风压( 50年一遇）为0.45kN/m²，建筑安全等级为二级，属于标准设防类建筑。图1为工程单塔结构模型示意图和结构平面及标准层主要构件截面示意图，未注明梁截面均为200*400，未注明板厚为100，未注明墙厚为200，以上单位均为mm。电梯间两侧电梯井非对称，其余房间以中轴线左右对称。

图1工程单塔结构模型和标准层平面示意图

2.2 整体指标设计结果

整体指标结果分析：

主要指标层间位移角X向1/991，Y向1/1120；其他指标及构件配筋均无超限且满足规范、标准和设计要求。

面临的困境：

1）周期折减系数在综合考虑后，已调整至0.98，《高规》要求剪力墙结构该系数可取0.8～1.0，此系数根据实际情况已合理利用，不再调整。

2）根据建筑功能要求，结构四周X向剪力墙墙长大部分不存在加长的条件，虽然局部存在可加长的内部墙体，但选择哪些墙体加长、加长多少，无法精准判断和选择。

3）由于层高为2.9m，依据门窗洞口高度要求、室内净高要求，多数内部梁高调整受限，边梁如要调整，需要考虑洞口净高采用上翻梁。

4）工程师无法有效判断调整哪些构件、如何去调整人工选出的构件，去快速完成指标调整通过。

3 全智能算法模式指标调整过程

3.1 依靠灵敏度功能建立设计组

在现有模型基础上，在软件“前处理及计算”→“总信息”中勾选“计算构件对整体指标灵敏度”选项，计算后在【智能辅助设计】或【构件】菜单下的【指标诊断（灵敏度）】中查看指标灵敏度结果，见图2。

图2 位移角指标灵敏度构件示意图

如图2所示进一步选择“单指标工况”“位移角”“地震X（EX）”、“构件对超限层位移角灵敏度”后，可见不同构件对位移角指标的贡献度，程序自动把对调整位移角指标有用的构件填充上不同颜色并打分（红色为需要加强的构件，蓝色为需要削弱的构件，详见软件使用手册解释）。

为了进一步明确、筛选出关键性构件，以最小的变动完成指标调整，如图3所示勾选“筛选灵敏度大于60的关键构件”（60为人工根据项目情况设置的数值），筛选出对应的灵敏度构件仅有梁；经过对比各个标准层，程序自动判断的灵敏度构件及设计组分组情况见图4。

需要注意的是图4中L5*设计组为楼梯间梯梁，考虑楼梯间的使用要求取消该分组，不再参与优选调整。

图3 灵敏度构件筛选功能示意图

图4 根据灵敏度结果的设计组分组示意图

图5 设计组变量策略 图6 优化目标与约束

3.2 设置策略约束并启动高级指标控制功能计算

设计组的约束条件设置见图5：由于墙宽已定，不再调整梁宽，仅调整梁高，而设计组内梁均为边梁，结合建筑功能，优选计算后梁高增大后，可调整为上翻梁，因此梁高调整上限设置为考虑洞口净高后的上限高度，即原始截面400mm高的2.25倍900mm高；优化目标与约束设置见图6：为了给后续调整模型预留空间，设置层间位移角限值为1/1050；开启分析后，经过28次迭代计算完成，程序筛选出第11次计算结果为最优解，见图7。

图7 模型回滚及迭代过程

3.3 智能辅助设计结果分析

对结果整理分析可以得到以下结论：

1）灵敏度分析功能可给出不同构件对指定整体指标调整通过的贡献度，帮助工程师锁定关键构件，指明指标调整通过的方向，提升效率的同时也可实现结构布置更加合理;

2）见表1，地震工况X方向层间位移角由1/991减小到1/1061，其他指标仍能满足相关要求，AID具备自动调整、判断指标的能力；

约束目标对比 表1

3）见表2，同等统计条件下造价降低0.09%，AID具备在调整过指标的前提下保证经济性；通过Satwe结果处工程量统计功能，针对调整前后Satwe计算配筋统计可得表3、表4结果，分析可得：

a)由于设计组梁高增加，混凝土用量同比上升；

b)表3中可以看到整楼及多数楼层用钢量降低；

c)表4中可以看到用钢量较明显降低的是梁，墙及边缘构件也有局部楼层降低，墙梁用钢量有所增加，但综合用钢量仍是降低。

4）见表5及结合图7，迭代过程中设计组L2最终未参与调整，AID具备尽可能以调整最少设计组数量的能力，以最有效、最关键的设计组变量变化来完成指标调整通过的目的；

5)经过28次迭代分析，仅耗时40min完成指标调整，AID具备高效性；

6)如图8所示，在启动指标控制功能后，本次分析采用了通用算法，最大分析模型次数根据设计组数量结合程序内部算法自动确定分析次数为30次，每次迭代计算模型数为2个，如图7所示在第7次迭代步至最后步均已实现超限调整通过的目的，程序会根据算法多算一些次数，找寻最优的迭代步;当然，计算过程中如果已发现存在满足的迭代步，也可手动停止分析，人工判断是否可以接受现有结果。实际使用过程中建议不减少程序默认的最大模型分析次数，可适当增加，程序在分析过程中如发现最优解，会自动停止分析。

调整前后造价降低分析表a 表3