AIstructure-Copilot-v0.2.4：新增错误提示功能，并更新多标准层设计功能

功能简介

(1) 新增了软件操作过程中详细的错误提示功能，便于用户快速掌握错误原因。

(2) 更新了多标准层设计的功能，更好的保证了多标准层剪力墙和梁构件的布置合理性。

(3) 完善了软件安装方式，修复了因为注册表和Ribbon功能界面导致安装失败的bug。

增加了设计过程提示和错误提示

更新了多标准层设计的功能

登录注册系统改进

由于更换了后台系统，2024年3月29日之前注册的用户密码重置为123456，如需修改密码可在此界面修改密码模块进行修改；同时，在CAD登录界面增加更换密码提示。如下图：

在登录界面新增修改密码功能，用户可在此界面通过手机号和验证码对密码进行直接修改。当然，ai-structure网站也提供了密码更新的功能。如下图：

提供更多操作提示，便捷智能设计

在剪力墙智能设计前新增多项数据校验，确保设计结果更加准确。智能设计界面增加更多提示，避免出现界面卡顿时间过长的情况。详细介绍如下：

2.1 AI-structure的CAD界面

（1）多标准层设置校验

如果标准层或自然层为空，则弹出错误提示框："（E.0.0.4）多标准层错误，当前标准层或自然层设置为空，请返回参数设置重新设置"。如下图：

如果标准层或自然层个数为1，则弹出警告提示框："（W.0.0.2）多标准层、多自然层警告，只有一个标准层或自然层，是否继续设计？" 如下图：

（2）建筑外轮廓校验

剪力墙结构智能设计时：框选所有标准层的构件和空间对象后，点击鼠标右键或回车，程序将自动进行外轮廓校验，如果出现未闭合轴线，则弹出警告提在剪力墙结构智能设计时，示框："（W.0.0.0）轴线提取警告，外轮廓轴线未封闭，请返回前处理，检查后手动封闭"。如下图：

（3）建筑平面尺寸校验

剪力墙结构智能设计时：框选第一个标准层所有对象后，点击鼠标右键或回车，程序将自动进行尺寸校验，如果尺寸超过51m×25m，则弹出警告提示框："（W.0.0.3）平面尺寸警告，超过51m×25m，暂不支持GAN算法，其余算法可正常设计，是否继续设计？" 如下图：

（4）建筑空间信息校验

剪力墙结构智能设计时：如果当前选择标准层对象中未包含任何建筑空间信息，则弹出警告提示框 "（W.0.0.1）空间提取警告没有任何空间特征，是否继续设计？" 如下图：

（5）建筑构件轴线校验

剪力墙结构智能设计时：如果当前选择标准层对象中未包含任何建筑墙，程序将提示建筑墙识别错误，请返回前处理。如下图：

2.2 云端智能设计

（1）设计文件上传

剪力墙结构智能设计时：框选所有实体及基准点后，弹出文件上传框。如下图：

在文件上传过程中，如果出现当前账号在其他地方重复登录，或校验码过期，将弹出错误提示框：“（E.2.0.0）token校验失败，请重新登录或联系管理员（QQ群：741840451）”。如下图：

（2）剪力墙智能设计

文件上传成功之后，进入剪力墙智能设计阶段，此阶段需要等待几十秒到一百多秒不等，根据多标准层个数及每个标准层中构件的复杂程度而定。如下图：

（3）结果绘制

在剪力墙智能设计完成后，进入图纸绘制阶段，此阶段将检测剪力墙设计结果，并返回不同AI算法的最终设计情况。如果四种AI算法全部正常设计，则将其依次绘制在原图像右侧，最后弹出设计成功提示框。如下图：

如果四种AI算法均设计失败，程序将弹出错误提示框，并描述具体错误信息，可通过修改前处理结果或QQ群联系管理员进行问题解决，原图像右侧将不再绘制任何结果。如下图：

多标准层剪力墙智能设计改进

我们发现部分案例的不同标准层差异较大时，设计的剪力墙和梁结构布置不够合理。因此，我们更新了多标准层设计算法。前处理改进前后效果对比如下：

案例Test 1-标准层3（此前版本设计结果，未经人工调整，上半部分的剪力墙偏少）

案例Test 1-标准层3（本版本设计结果，未经人工调整，上半部分的剪力墙布置更为合理）

案例Test 1-标准层2（此前版本设计结果，未经人工调整）

案例Test 1-标准层2（本版本设计结果，未经人工调整）

案例Test 1-标准层1（此前版本设计结果，未经人工调整）

案例Test 1-标准层1（本版本设计结果，未经人工调整）

智能设计云平台使用提示

目前，为了保证网站的安全性，AIstructure平台采用的是https协议，正确网址为：https://ai-structure.com。

虽然http协议对应的网站同样能提供相应服务，但是浏览器会提示不安全，如下图所示，同时部分功能使用可能会遇到浏览器阻止的问题，如有问题，请大家先切换至https协议网站。

结语

我们新增了剪力墙结构智能设计过程中的相关提示，给用户更多的反馈；完善了多标准层设计，更好的保证了多标准层剪力墙和梁构件的布置合理性。

后续，我们还将不断完善相关产品功能。欢迎大家持续关注我们的工作，多多支持！

温馨提示：为更好使用AI设计工具，请仔细阅读使用说明书。

联系方式

QQ群，AI-structure-交流群：741840451

黄盛楠：huangshengnan@mail.tsinghua.edu.cn

廖文杰：liaowj17@tsinghua.org.cn

--End--

5分钟视频演示智能设计操作全流程

ai-structure.com往期文章

相关论文

Liao WJ, Lu XZ, Huang YL, Zheng Z, Lin YQ, Automated structural design of shear wall residential buildings using generative adversarial networks, Automation in Construction, 2021, 132, 103931. DOI: 10.1016/j.autcon.2021.103931.
Lu XZ, Liao WJ, Zhang Y, Huang YL, Intelligent structural design of shear wall residence using physics-enhanced generative adversarial networks, Earthquake Engineering & Structural Dynamics, 2022, 51(7): 1657-1676. DOI: 10.1002/eqe.3632.
Zhao PJ, Liao WJ, Xue HJ, Lu XZ, Intelligent design method for beam and slab of shear wall structure based on deep learning, Journal of Building Engineering, 2022, 57: 104838. DOI: 10.1016/j.jobe.2022.104838.
Liao WJ, Huang YL, Zheng Z, Lu XZ, Intelligent generative structural design method for shear-wall building based on “fused-text-image-to-image” generative adversarial networks, Expert Systems with Applications, 2022, 118530, DOI: 10.1016/j.eswa.2022.118530.
Fei YF, Liao WJ, Zhang S, Yin PF, Han B, Zhao PJ, Chen XY, Lu XZ, Integrated schematic design method for shear wall structures: a practical application of generative adversarial networks, Buildings, 2022, 12(9): 1295. DOI: 10.3390/buildings1209129.
Fei YF, Liao WJ, Huang YL, Lu XZ, Knowledge-enhanced generative adversarial networks for schematic design of framed tube structures, Automation in Construction, 2022, 144: 104619. DOI: 10.1016/j.autcon.2022.104619.
Zhao PJ, Liao WJ, Huang YL, Lu XZ, Intelligent design of shear wall layout based on attention-enhanced generative adversarial network, Engineering Structures, 2023, 274, 115170. DOI: 10.1016/j.engstruct.2022.115170.
Zhao PJ, Liao WJ, Huang YL, Lu XZ, Intelligent beam layout design for frame structure based on graph neural networks, Journal of Building Engineering, 2023, 63, Part A: 105499. DOI: 10.1016/j.jobe.2022.105499.
Zhao PJ, Liao WJ, Huang YL, Lu XZ, Intelligent design of shear wall layout based on graph neural networks, Advanced Engineering Informatics, 2023, 55, 101886, DOI: 10.1016/j.aei.2023.101886
Liao WJ, Wang XY, Fei YF, Huang YL, Xie LL, Lu XZ*, Base-isolation design of shear wall structures using physics-rule-co-guided self-supervised generative adversarial networks, Earthquake Engineering & Structural Dynamics, 2023, DOI:10.1002/eqe.3862.
Feng YT, Fei YF, Lin YQ, Liao WJ, Lu XZ, Intelligent generative design for shear wall cross-sectional size using rule-Embedded generative adversarial network, Journal of Structural Engineering-ASCE, 2023, 149(11). 04023161. DOI:10.1061/JSENDH.STENG-12206.
Fei YF, Liao WJ, Lu XZ*, Guan H*, Knowledge-enhanced graph neural networks for construction material quantity estimation of reinforced concrete buildings, Computer-Aided Civil and Infrastructure Engineering, 2023, DOI: 10.1111/mice.13094.
Zhao PJ, Fei YF, Huang YL, Feng YT, Liao WJ, Lu XZ*, Design-condition-informed shear wall layout design based on graph neural networks, Advanced Engineering Informatics, 2023, 58: 102190. DOI: 10.1016/j.aei.2023.102190.
Fei YF, Liao WJ, Lu XZ*, Taciroglu E, Guan H, Semi-supervised learning method incorporating structural optimization for shear-wall structure design using small and long-tailed datasets, Journal of Building Engineering, 2023, DOI：10.1016/j.jobe.2023.107873
Liao WJ, Lu XZ*, Fei YF, Gu Y, Huang YL, Generative AI design for building structures, Automation in Construction, 2024, 157: 105187. DOI: 10.1016/j.autcon.2023.105187
Zhao PJ, Liao WJ, Huang YL, Lu XZ*, Beam layout design of shear wall structures based on graph neural networks, Automation in Construction, 2024, 158: 105223. DOI: 10.1016/j.autcon.2023.105223
Qin SZ, Liao WJ*, Huang SN, Hu KG, Tan Z, Gao Y, Lu XZ, AIstructure-Copilot: assistant for generative AI-driven intelligent design of building structures, Smart Construction, 2024, DOI: 10.55092/sc20240001