面向建筑节能的建筑表皮生成设计探讨

论文价格:0元/篇 论文用途:仅供参考 编辑:论文网 点击次数:0
论文字数:**** 论文编号:lw202330190 日期:2023-07-22 来源:论文网
本文是一篇建筑论文,本文将机器学习方法应用于建筑表皮的性能优化与生成设计,以镶嵌生形方法为例,通过构建体量模型,多目标优化搜索运算,数据处理制作机器学习训练集,构建基于于 Scikit-learn 库的机器学习模型,通过测试调优完成模型训练后借助 GH_Python 插件载入到 Grasshopper 平台进行实验性应用与验证,最后得出结论机器学习方法应用于面向建筑节能的生成设设计方法是可行且高效的,在计算机算力和模型训练集准备足够完善的情况下,可以广泛的使用于辅助建筑在方案初期高效的设计一系列优秀的备选方案。

第一章 绪论

1.1 研究背景
1.1.1 可持续发展与建筑节能
可持续发展背景下,降低能源消耗是重中之重,实现能源消耗零增长不但是当下自然环境的需求,也是后代生存发展的基础。曾经随着工业技术的发展,全球经济生产暴增,但同时也消耗了大量的化石能源,造成了严重的环境污染。而后随着人们对生活环境的要求逐渐提高,在全球范围内开始提倡和要求节能减排,保护自然环境。在国际上,为了维护地球气候环境,相继签署了《京都协议书》和《哥本哈根协议》。我国相继制定和颁布了多项节能政策和法规,时至今日,节能减排、保护环境仍然是我们的重点工作之一,我国在 2020 联合国大会上提出中国将施行政策和措施以严格控制二氧化碳的排放,预计在 2060 年实现碳中和。
建筑作为城市的物质基础,能源消耗量巨大,根据资料显示,建筑业用能占世界能源消耗的 40%。根据 2020 年中国建筑能耗研究研究报告显示1,2005 至2018 年,我国建筑全过程能耗由 2005 年的 9.34 亿吨标准煤,上升到 2018 年的21.47 亿吨煤,年均增长 6.6%,建筑全过程能源消耗显著增加。因为建筑行业的能源消耗量大,所以实行建筑节能可以有效的降低全球总能源消耗。为了推进建筑节能、减少能耗和二氧化碳排放以及充分利用太阳能、风能等可再生能源,在世界范围内,建筑行业制定了指导建筑全生命周期节能减排的绿色建筑评价体系,如美国的 LEED、英国的 BREEAM、中国的 ESGB 以及日本的 CASBEE 等。评价标准能系统的监督建筑全过程的节能措施,促进建筑业制造、设计、建造和运营的节能技术,降低建筑业总能源消耗。
综上所述,从全球范围内的公约协议到行业评价体系的完善,都表明了建筑节能在可持续发展中的重要性。
...................

1.2 研究内容和研究方法
确定研究对象
建筑表皮为本文的研究对象,首先分析表皮在指定气候环境下的重要性和设计要点,进而展开针对气候适应性建筑表皮生成设计方法的研究。通过对建筑表皮形式和生成逻辑的总结,明确建筑表皮生成的众多要点,然后对建筑表皮性能优化的方法进行研究,最后形成可行性的优化设计策略。
明确研究问题
研究的问题主要是如何生成节能性好建筑表皮方案。建筑耗能的主要原因是建筑室外不断变化的气候环境和人们期望有稳定宜居的室内环境之间的必然矛盾。寒冷的冬季,建筑表皮没能充分蓄热保温,势必会主动消耗能源来供给暖通系统升温;炎热的夏季,建筑表没有较好的隔热散热,必然会主动消耗能源供给空调系统降温。建筑表皮的生成和气候环境紧密联系,充分利用太阳能风能等可再生能源,降低建筑空调系统、照明系统等的能源消耗,从而实现节能。
归纳建筑表皮形式生成程序逻辑和方法
随着非线性建筑风靡全球,参数化设计方法也被越来越多的建筑师掌握,建筑表皮愈来愈成为设计重点。通过案例分析将建筑表皮形式生成的方法归纳为基本生形、镶嵌生形、分形生形、干扰生形、编织生形、折叠生形、力学生形和仿生生形八类,并归纳总结了相关算法逻辑和 GH 程序设计方法。对建筑表皮形式生成方法的研究和程序设计,为后文面向建筑节能的建筑表皮性能优化研究做铺垫。
.........................

第二章 相关理论综述

2.1 相关理论一:建筑表皮设计理论与发展
2.1.1 建筑表皮的发展历程
随着人类文明的进步,建筑表皮在不同的时期具有不同的定义和功能。建筑表皮普遍被定义为:建筑用以创建安全领域的物质界限;包括用来防止气候影响的水平屋面和防止外界干扰的竖直墙面。
古代时期,建筑表皮的形式和功能主要是结合气候因素、就地取材,以最简单实用的方式达到居住目的。 “下者为巢,上者为营窑”讲的是居住在地势低洼的人架起为“巢居”,居住在地势高的人挖掘窑洞居住。根据历史考察发现,我过古代主要包括两种类型的建筑,长江流域主要是在巢居的基础上演变而来的干阑式建筑,黄河流域主要是在穴居的基础上演变而来的木骨泥墙建筑。随着人类建造技术的提高,建筑都发展为由墙体和屋顶构成,形式因人文、气候以及资源具有差异。中世纪之前的欧洲,公共建筑的立面非常相似,在统治阶级的控制下,将建筑表皮转化为面向城市展示的特殊载体[6]。文艺复兴时期,建筑立面的设计更加形式化,所有建筑的立面都具有老教堂和宫殿立面的式样。这类建筑立面注重图像比例构成、开窗分格、柱式等级、线脚细节等。


图 2-1 不同地域建筑屋顶和墙体形式(1、3www.baidu.com;2 王新征 摄)

........................

2.2 相关理论二:建筑仿真模拟与优化算法的应用
2.2.1 仿真模拟在建筑设计中的应用与研究现状
建筑仿真模拟主要是指使用计算机软件预测建筑在一定环境和状态下运行的情况,按照建筑物理分类有:声、光、热、风环境模拟。本文中主要涵盖了建筑光环境和热环境的模拟。
随着计算性建筑设计方法的流行,将建筑模拟用于建筑设计的研究众多,主要有:厦门大学的周晓林使用 Ladybug Tools 建立了基于光环境优化的可变建筑表皮参数化设计方法的框架,形成了将建筑性能模拟和参数建模密切结合的建筑表皮设计方法。哈尔滨工业大学的刘帆针对严寒地区,在建筑表皮光舒适度和动态建筑表皮的理论研究基础上,通过仿真模拟,性能优化,形成动态建筑表皮的设计和控制策略。华南理工大学的路吾清在总结外遮阳研究的基础上,使用 VS和 DeST 对建筑全年能耗模拟,分析出表皮外遮阳系数与太阳辐射之间的关系,并总结了参数值设置方法[15]。当下模拟软件众多,而且更新迭代快,不少建筑师和研究者也对建筑模拟的准确产生了质疑,有的研究者以此为出发点对当下主流的模拟软件进行了精度验证,如哈尔滨工业大学周白冰等对 Ladybug tools 自然采光性能模拟精度进行验证,推动了 Ladybug tools 软件在自然采光性能研究中的应用,为基于参数化平台自然采光性能模拟软件的探索提供了理论支持和依据。
2.2.2 优化算法在生成设计中应用与研究现状
优化算法本质上是一种数学方法,对于很多复杂问题并没有最优解,或计算最优解需要花费很长时间和资源,面对这类问题数学中一般采用迭代运算的方法尽可能的靠近问题的最优解,这样的方法称为优化算法。常用的优化算法包括:随机梯度下降法(SGD)、遗传算法(GA)、模拟退火算法(SA)和帕累托最优(Pareto Optimality)等[16]。下面概述两种常用优化算法及其在建筑设计领域的相关研究现状:
在实际方案优化的过程中往往存在多目标优化的问题,通过约束法、加权法等将多个目标转化为一个目标求得的解,往往不能为建筑师提供多种可行方案,但是使用帕累托最优和遗传算法的多目标优化算法,能够提供给建筑师一系列相对最优的解集。1967 年,美国密歇根大学的 Bagley 提出了遗传算法的概念,之后其导师 Holland 进行了深入的研究并出版了书籍《自然系统和人工系统的适配》,说明了遗传算法的基本理论和研究方法,奠定了遗传算法深入研究的基础。遗传算法学习自然界适者生存不适者淘汰的进化规律,在全局范围内随机搜索和优化,在搜索和优化的过程中积累空间范围的知识,最后达到全局最优解。如图2-2 为遗传算法搜索的过程图,当程序开始,首先算法通过对个体适应度的评价,保留适应度高的,接着从种群中选出父方和母方,进而使用双方的染色体获得子代。然后通过对产生的后代进行变异,通过筛选,一直重复选择父母方、交叉和变异的步骤,直到最后产生最优解循环停止。
..............................

第三章 建筑表皮生形算法与节能优化 ...................... 19
3.1 相关算法研究与案例分析 ................................ 19
3.1.1 基本生形方法 ...................................... 20
3.1.2 镶嵌生形方法 ........................... 20
第四章 基于多目标优化的建筑表皮生成设计 ................ 45
4.1 建筑表皮节能性能优化技术路线 .......................... 45
4.2 多目标优化算法 ................................ 46
4.3 建筑表皮参数化建模 ..................... 47
第五章 机器学习应用于表皮的节能性能优化与生成设计 ...... 54
5.1 模拟、优化、筛选工作流的局限性 ................................... 54
5.2 机器学习应用于建筑表皮的性能优化 ............................... 56

第五章 机器学习应用于表皮的节能性能优化与生成设计

5.1 模拟、优化、筛选工作流的局限性
以参数化建模、仿真模拟、多目标优化运算和主客观筛选的工作流程,具有一定的局限性,主要有三点
其一,链接优化运算的模拟过程往往需要花费大量的时间,耗时较长不适合快节奏的方案推敲和修改反馈。在第四章的优化实验中均是将建筑模型缩小到1:1000 进行模拟的,完成一个设计方案优化运算的时间均值为 21.3 个小时,因为电脑运行中断的实验次数不计入平均时间计算之内,表 5-1 为本文实验中使用的计算机配置、软件版本和实验优化运算时间统计表。


表 5-1 优化模拟的计算机硬件、软件配置及实验模拟时间统计 (自绘)

链接优化运算的仿真模拟耗时长的主要原因有以下几点
① 计算机硬件配置:影响仿真模拟效率的计算机硬件主要是处理器和磁盘驱动器
② 模型的体量和复杂程度:搭建仿真模拟的模型时要精简得当,模型减少过多,影响模拟结果;模型细节太多或重复面较多,都会大大增加模拟的时间。
③ 仿真模拟项目复杂度和数量:模型的复杂度不同,运算程序不同,所消耗的时间也有差异,虽然多项指标平行运算,但每一轮模拟结束是以消耗时间最长的项目计时。如同时模拟夏季、冬季的日照辐射积累和平均采光系数,每一次结束模拟都是系统提示采光系数模拟完成对话框自动关闭之后;模拟的项目越多,耗时越长,但二者之间不成正相关增长。
...........................

第六章 结论与展望

6.1 研究结论与创新点
6.1.1 研究主要结论
面向建筑节能的生成设计方法的要点是生成设计程序和建筑节能性能的优化,本文以参数化方法,将建筑表皮生成算法逻辑分为基本生形、镶嵌生形、分形生形、干扰生形、编织生形、折叠生形、力学生形和仿生生形方法八类。运用多目标优化算法针对建筑表皮节能性能优化展开生成设计方法的研究和总结。生成设计优势在于能通过程序产生一系列优秀的备选方案,但搜索运算和仿真模拟往往需要较长的时间和使用经验。
本文将机器学习方法应用于建筑表皮的性能优化与生成设计,以镶嵌生形方法为例,通过构建体量模型,多目标优化搜索运算,数据处理制作机器学习训练集,构建基于于 Scikit-learn 库的机器学习模型,通过测试调优完成模型训练后借助 GH_Python 插件载入到 Grasshopper 平台进行实验性应用与验证,最后得出结论机器学习方法应用于面向建筑节能的生成设设计方法是可行且高效的,在计算机算力和模型训练集准备足够完善的情况下,可以广泛的使用于辅助建筑在方案初期高效的设计一系列优秀的备选方案。
6.1.2 研究创新点总结
本文使用归纳总结、模拟优化和实验验证等方法面向建筑节能问题展开了对建筑表皮性能优化与生成设计的方法研究,围绕这一研究主题形成了以下三个主要的创新性方法和结论:
一是在参数化方法的基础上,按照图形或数学模型算法将建筑表皮形式生成方归纳为基本生形、镶嵌生形、分形生形、干扰生形、编织生形、折叠生形、力学生形和仿生生形方法八类,并使用 Grasshopper 参数化平台构建基本生形程序示例,在已有关于建筑表皮形生成研究的基础上进行了更深入研究和归纳。
二是运用多目标优化的方法,以建筑表皮节能性能为导向,使用控制变量法,将主要影响建筑表皮形式的采光和日照辐射得热作为优化目标,以北京地区气候为例,将表皮内的采光系数和具有矛盾性的夏冬季表皮外日照辐射得热设置为多目标优化对象。通过以帕累托最优和遗传算法为主 Octopus 平台优化运算生成一系列利于建筑节能的表皮备选方案,并通过实验验证和对比,证明该方法是行之有效的。
三是将人工智能领域的机器学习方法应用于面向建筑节能的建筑表皮性能优化与生成设计,使用编程的方法将建筑体量模型数据、朝向、表皮参数和模拟优化参数组成用于机器学习的数据集。根据多目标优化运算和建筑设计规范设置数据标签,用于训练监督学习模型。通过实验性用与对建筑采光系数和夏冬季日照辐射的模拟验证,确定了在设定条件下,使用数据集训练的机器学模型反馈的建筑表皮性能和修改意见是高效且可靠的。
参考文献(略)
如果您有论文相关需求,可以通过下面的方式联系我们
客服微信:371975100
QQ 909091757 微信 371975100