西南交通大学土木工程学院钟燕团队在《工程科学与技术》发表论文《基于生成对抗网络的框架结构平面整体布置方法》，该研究面向城市更新中的建筑改建场景，创造性地提出了一种名为PF-structGAN的智能设计方法，能在建筑方案已知、部分结构已确定的双重约束下，快速自动生成满足规范与经验的框架结构平面整体布置图，为结构设计师的早期决策提供了全新的智能辅助工具。
随着中国城市发展进入存量更新阶段，建筑改建项目的结构设计挑战日益凸显。传统方法依赖于设计师经验，效率较低。研究团队针对“部分结构已确定”这一常见且复杂的实际工程场景，将前沿的生成式人工智能——条件生成对抗网络(CGAN)引入框架结构设计领域。该方法的核心突破在于，其不仅能“看懂”建筑图纸，更能理解建筑功能与结构布置之间的深层关联，并在此基础上进行“创造性”设计。
为了实现这一目标，研究团队攻克了三大关键技术难题。首先，他们创新性地提出了建筑、梁、柱信息的三通道图像表达方法。该方法将不同建筑构件和空间对框架柱的“接受度”分为6级，用蓝色通道(B)的色阶进行编码;用绿色通道(G)的纺锤形图形表达梁高;用红色通道(R)的矩形表达柱截面。这种表达方式首次在图像层面建立了建筑特征与结构特征的强关联性。其次，面对专业图纸数据稀少的困境，团队从32套实际工程图纸出发，通过独创的特征叠加、裁剪和旋转增广技术，构建了包含5120对样本的高质量数据集，有效解决了柱特征在图像中占比过小、模型难以学习的问题。最后，研究摒弃了仅评价图像相似度的传统指标，创新性地提出了融合工程经验的多指标评价体系，包括“原柱率”(评价对原有结构的保留情况)、“不合理指数”(评价柱位布置的合规性)以及综合指标，从而能够更科学地评判模型“设计”能力的优劣。
经过训练，PF-structGAN模型在第26轮迭代后达到最佳性能。在针对一栋4层教学楼的实例验证中，模型生成的结构布置图与资深结构工程师的设计成果高度相似(交并比IoU为0.56)，完全保留了既定柱位(原柱率=1)，且柱的尺寸、间距和位置排布均符合设计规范与经验要求。这证明了该智能方法已具备产出合理、可用结构方案的初步能力。
该研究的成功，标志着人工智能驱动下结构方案设计自动化的重要进展。它不仅大幅提升了初步设计阶段的效率，使得结构方案能即时响应建筑方案的调整，也为破解城市更新中复杂的改建、加固设计难题提供了创新思路。未来，研究团队计划将该方法向三维设计、多方案生成以及融合定量力学性能评价等方向深化拓展，进一步推动建筑结构设计领域的智能化变革。
