买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：清华大学

摘要：本发明提供一种基于知识增强扩散模型的建筑结构设计方法及系统，该方法包括：确定输入建筑设计特征张量；根据输入建筑设计特征张量，确定含噪声的建筑设计特征张量；将含噪声的建筑设计特征张量输入预训练的知识增强的扩散生成网络模型，得到扩散生成网络模型输出的预测噪声张量；知识增强扩散生成网络模型包括扩散生成网络、力学评估器和规则评估器；根据预测噪声张量更新含噪声的建筑设计特征张量，重复迭代，得到建筑结构设计特征张量；根据建筑结构设计特征张量，确定建筑结构设计数据。本发明通过数据‑力学‑规则的耦合学习可有效提升扩散生成网络模型的设计能力，实现高效、可靠的智能化建筑结构设计。

主权项：1.一种基于知识增强扩散模型的建筑设计方法，其特征在于，包括：确定输入建筑设计特征张量；根据所述输入建筑设计特征张量，确定含噪声的建筑设计特征张量；将所述含噪声的建筑设计特征张量输入预训练的知识增强扩散生成网络模型，得到所述知识增强扩散生成网络模型输出的预测噪声张量；所述知识增强扩散生成网络模型包括扩散生成网络、力学评估器和规则评估器；根据所述预测噪声张量更新所述含噪声的建筑设计特征张量，并重复迭代执行所述预训练的知识增强扩散生成网络模型的步骤，直至迭代时间达到预设值，得到建筑结构设计特征张量；根据所述建筑结构设计特征张量，确定建筑结构设计数据；所述将所述含噪声的建筑设计特征张量输入预训练的知识增强扩散生成网络模型，得到所述扩散生成网络模型输出的预测噪声张量之前，还包括：构建建筑结构设计数据集，所述建筑结构设计数据集包括训练数据集和测试数据集；基于所述建筑结构设计数据集对所述知识增强扩散生成网络模型进行模型训练和测试；所述模型训练的阶段包括数据驱动训练阶段、数据-力学耦合驱动训练阶段和数据-力学-规则耦合驱动训练阶段；所述知识增强扩散生成网络模型的数据驱动训练阶段，包括：将在预设时刻的高斯噪声与建筑设计结构化数据进行融合，得到融合所述高斯噪声的建筑结构设计特征；将所述融合所述高斯噪声的建筑结构设计特征输入所述扩散生成网络，得到所述扩散生成网络输出的预测高斯噪声；计算所述预设时刻的高斯噪声和所述预测高斯噪声的欧氏距离，并基于所述位置掩码矩阵进行哈达玛积计算，得到数据损失值；在所述数据驱动训练阶段重复迭代执行所述融合的步骤、所述扩散生成网络的步骤和所述计算的步骤，以优化所述知识增强扩散生成网络模型；所述知识增强扩散生成网络模型的数据-力学耦合驱动训练阶段，包括：将所述融合所述高斯噪声的建筑结构设计特征减去所述预测高斯噪声，得到减噪建筑结构设计特征；将所述减噪建筑结构设计特征输入所述力学评估器，得到所述力学评估器输出的力学损失值；力学评估器用于辅助知识增强扩散生成模型的训练；耦合所述数据损失值和所述力学损失值，以优化所述知识增强扩散生成网络模型；所述知识增强扩散生成网络模型的数据-力学-规则耦合驱动训练阶段，包括：将所述融合所述高斯噪声的建筑结构设计特征减去所述预测高斯噪声，得到减噪建筑结构设计特征；将所述减噪建筑结构设计特征输入所述规则评估器，得到所述规则评估器输出的规则损失值；耦合所述数据损失值、所述力学损失值和所述规则损失值，以优化所述知识增强扩散生成网络模型。

全文数据：

权利要求：

百度查询： 清华大学 一种基于知识增强扩散模型的建筑设计方法及系统