人工智能技术及其在建筑行业中的应用

王波1,蒋鹏2,卿晓霞3时间:2009年11月06日字体:大中小关键词:人工智能神经网络摘要：人工智能的概念、研究领域和研究方法，阐述了国内外人工智能技术在建筑行业中各专业领域的应用状况。关键词：人工智能建筑业专家系统神经网络1人工智能概述人工智能(ArtificialIntelligence，AI)是当前科学技术发展中的一门前沿学科，是在计算机科学、控制论、信息论、神经心理学、哲学、语言学等学科的研究的基础上发展起来的，因此又可把它看作是一门综合性的边缘学科。AI的出现及所取得的成就引起了人们的高度重视并得到了很高的评价。甚至有人把AI与空间技术、原子能技术一起誉为20世纪的三大科学技术成就。人工智能是一门研究如何构造智能机器(智能计算机)或智能系统并使它能模拟、延伸、扩展人类智能的学科。或者说人工智能就是要研究如何使机器具有听、说、看、写、思维、学习、适应环境变化、解决所面临的各种实际问题等功能的一门学科。人工智能的研究重心主要集中在专家系统、机器学习、模式识别、自然语言理解、自动定理证明、自动程序设计、机器人学、博弈、智能决策支持系统及人工神经网络等方面。人工智能常用的研究方法有三种，分别介绍如下。(1)以符号处理为核心的方法——符号主义计算机具有符号处理的推算能力，这种能力蕴涵演绎推理的内涵。因此，可通过相应的程序体系来体现出某种基于逻辑思维的智能行为，达到模拟人类部分智能的目的。该方法的特征是：立足于逻辑运算和符号操作，适合于模拟人的逻辑思维过程，解决需要进行逻辑推理的复杂问题；用一定的符号表示知识，在已知基本规则的情况下，无需输入大量的细节知识；便于模块化，易于修改；能与传统的符号数据库进行很好地连接；可对推理结论进行解释，便于对各种可能性进行选择。(2)以网络连接为主的连接机制方法大脑是人类一切智能活动的基础，因此从大脑神经元及其连接机制着手研究，弄清大脑结构及其信息处理的过程与机制，可望揭示人类智能的奥秘，从而真正实现人类智能在机器上的模拟。该方法的特征是：通过神经元间的并行协同作用实现信息处理；通过神经元间的连接存储知识和信息，具有联想和鲁棒性；通过对神经元间连接强度的动态调整，可较方便地实现对人类学习、分类等能力的较好模拟；适合于模拟人类的形象思维；求解问题时，可以比较快地获得满意的近似解。(3)系统集成方法人类的智能活动中既有逻辑思维又有形象思维，单独使用符号主义方法或连接机制方法都不能完整地解决智能模拟问题。因此，把二种方法结合在一起综合研究，是模拟智能研究的一条必由之路。系统集成方法兼有符号主义方法和连接机制方法的特征。集成模式有二种。第一种模式是结合，符号主义方法与连接机制方法均保持独立的结构，但密切合作，任何一方都可以把自己不能解决的问题转交给另一方。第二种模式是统一，将符号主义方法与连接机制方法有机地统一到一个系统中，既有逻辑思维的功能，又有形象思维的功能。2人工智能技术在建筑行业中的应用研究者们把人工智能技术与建筑行业各专业领域知识相结合，使得人工智能技术在建筑行业中取得了非常广泛的应用。已有许多专家系统、决策支持系统应用在建筑行业取得了很好的经济效益和社会效益。下面针对建筑规划、建筑结构、给水排水、建筑电气、暖通空调、建筑材料及建筑工程管理等建筑行业中的各专业领域，分别阐述人工智能技术的应用。2.1人工智能技术在建筑规划中的应用人工智能技术已应用于建筑设计选型、设计规范自动检测等方面。美国加州的EthymiosA.Delis和澳大利亚昆士兰州的AlexDelis[1]构造了一个专家系统，对建筑消防设计是否符合规范进行自动检验。该系统分为三大部分：框架系统表示建筑设计各部件(如门、过道)及相互之间的关系；规则系统采用IF/THEN结构表示建筑设计必须满足的规范的各条规定；几何算法集用来确定各部件的相互关系的算法集合。美国斯坦福大学CharlesS.Han等设计了一个模型，利用计算机自动对建筑设计是否符合规范或标准进行检验。先将2D的CAD图转换成标准的3D数据（IFCEXPRESSfile），并用人工智能中的框架知识表示法来进行表示，规范采用相同的IFC文件进行表示。设计者通过网络将IFC形式的设计数据传到检验单位，检验单位通过计算机自动检验，然后把相应的结果返回或通过网页展示。清华大学刘西拉等[2]将神经网络用于高层建筑结构体系研究。采用三层的BP网络，将影响高层建筑结构体系的因子分为12种。输入层有12个结点；隐层有10个结点；输出层有5个结点，对5种可选的结构体系都给出一个系数值。作用函数选用Sigmoid函数。江汉石油学院许宁等针对传统CAD系统设计知识困难和设计结果不能解释等缺点，在钢筋混凝土框架结构CAD系统的基础上引入人工智能技术，开发出一种钢筋混凝土空间框架结构分析与设计智能CAD系统(FICAD)，具有知识获取容易和问题解释方便的特点。系统内部采用四元组表示知识，对外(即知识工程师)采用荷载组合代数表示法、判定表示法、过程表示法相结合。同济大学吴伟强等将专家系统用于基坑支护体系的选型。针对基坑支护结构初步方案设计阶段的方案选型工作，建立相应的控制系统和规则知识库，指导领域知识与控制知识相分离，将规则分为控制规则和一般规则，并赋予不同的优先权。采用CLIPS环境开发，推理过程为把二个三元组合并成一个新的三元组，得出新的隶属度。同时还用AUTOCAD的ADS接口编制了相应的图形生成程序。苏州市建筑设计研究院叶永毅将人工智能技术用于建筑结构计算书自动生成。采用隶属函数表示知识，推理机制采用模糊模式识别方法。在模糊模式识别方法中，假设在一个n维空间有m个点，每一个点代表一个标准模式。这个点在n维空间中的位置可由n个坐标惟一确定。考察某一具体事物，该事物的属性也由n个数值来表示。这样该事物就可用空间的一点S来表示。求出S与各标准模式的距离，其中与S距离最小的标准模式即表示S与该模式最接近，S事物就是该标准模式。2.2人工智能技术在建筑结构中的应用建筑物在长期使用中产生的裂缝、破损，或者建筑物经过震动、地震后的破损情况，都是影响建筑安全的重要因素。如何有效地诊断故障和对破损情况进行评估一直是有关专家、学者关注的焦点。美国普渡大学开发了对地震后房屋破损评估的专家系统SPERIL。它利用各种观测数据和现场记录进行不确定性推理，解释房屋的破损程度，以帮助工程师做出决策。美国卡内基－梅隆大学开发了高层建筑初步结构专家系统HT-RISE。其目标是对十层以上民用或商用巨形建筑初步结构设计进行大量启发式决策，随后又扩大到低层建筑、框架楼板体系及其他建筑。美国Bristol大学开发了以模糊关系推理语言为基础的结构安全监控专家系统。土耳其Firat大学A.Arslan，R.Ince用人工神经网络来模拟混凝土裂缝的尺度效应。人工智能技术在国内也展开了一些应用，如安徽建筑工业学院、西安交通大学等都在建筑结构领域建立了不同的专家系统。大连理工大学李守巨等[3]运用LM神经网络对建筑结构(铰)结点损伤进行识别，通过测量位移来预测(铰)结点损伤。北方交通大学鞠彦忠等采用ART2神经网络对建筑结构损伤进行识别，采用前三阶频率和模态振型向量来预测结构损伤。沈阳工业大学杨璐等用神经网络对简支梁结构损伤进行预测，以受损前后一阶、二阶、三阶、四阶、五阶、六阶固有频率的变化率作为输入参数来预测损伤情况。重庆大学王波等依据我国《混凝土结构耐久性评定标准》(草案)开发了用于现役混凝土结构耐久性评估的专家系统应用软件。其应用表明，将框架、人工神经网络与产生式表示方法相结合进而建立神经网络专家系统的方式是可行、有效的。2.3人工智能技术在给水排水中的应用人工智能技术在给水排水中的应用主要集中在二方面：一是城市污水处理，二是对城市、小区需水量模拟和给水管网的故障诊断。城市污水处理是环境保护的重要课题。近年来国内外学者把人工智能技术应用到污水处理中，取得较好的效果。清华大学施汉昌等[4]开发了一个用于诊断城市污水处理厂日常运行故障的专家系统。系统采用了正反向混合推理机制，并采用故障树的形式，将知识库中的知识组织形式向用户公开，便于用户使用和对系统的维护，现已用于北京某污水处理厂。西安建筑科技大学芮新芳等应用模糊神经网络，对活性污泥法污水处理中排泥量进行预测和控制。加拿大Alberta大学QingZhang等[5]对实时水处理用神经网络进行模拟，采用二个神经网络，第一个神经网络的输入是希望加入的明矾用量、活性炭用量及水的其他参数，输出则是流出水的浊度；第二个神经网络则相反，流出水的浊度及水的其他参数作为输入，明矾用量、活性炭用量作为输出，也是整个系统的输出，在二个网络之间加入了一个过滤层，对第一个神经网络的输出进行修正。该模型对加拿大Rossdale水处理厂的2000个数据进行学习和测验，预测精度较高。随着城市工业化的发展，城市用水量与日剧增。国内许多城市不得不扩充水源、扩建管网，造成很多重复性投入。因此，在城市建设规划、供水系统的建设管理中，未来城市用水量是一个不可忽视的参考因素。因而建立或选择合理的预测模型是问题的关键。天津大学张宏伟等用BP神经网络预测管网内每小时用水量和管网检测点水压值，取得较好效果。哈尔滨工业大学袁一星等用BP神经网络对用水量进行预测，输入参数中除了历史用水量外，还引入了最高温度、最低温度和节假日等影响因子作为输入参数。印度工学院ASHUJAIN等[6]用人工神经网络对印度工学院每周水量需求进行模拟和预测。参数为每周用水量、温度、降水量的五种不同组合，构造了五个神经网络模型，不同模型也有不同的各层神经元个数。通过对最近连续98周的数据进行处理（78周的数据用于学习，20周的数据用于验证），最后进行比较得出效果最好的一种。在城市发展的过程中，给水排水管网也越来越复杂，出现管网渗漏、破裂等故障的可能性也就越来越大。如何快速查找故障点，对于故障点快速修复，最大可能地减少故障对人们工作生活造成的影响都具有重要的意义。天津大学梁建文等[7]提出了一个通过监测给水管网中3个位置的水压变化，利用人工神经网络技术，进行故障位置、故障程度、故障影响范围的实时诊断系统。其中故障位置以距三个水压监测点的距离来确定；故障程度以管道破坏导致泄漏开口的面积占整个管道截面积的比例来表示；故障影响范围以管网所有节点水压变化来表示。梁建文等还提出了另一个更为精细的模型，它根据管网故障前后3个监测点的水压变化来推测管网中其他所有未监测点的水压变化，从而有效地诊断故障位置和故障程度，精度更高，误诊断率更低。只是神经网络的输入参数较多，学习时间更长。2.4人工智能技术在建筑电气中的应用在电气设计中，实现节电节能是至关重要的。人工智能技术已广泛地用于解决功率补偿问题和预测建筑物的电能消费。哈尔滨建筑大学朱学莉等将人工智能用于解决工业企业及建筑电气设计中功率补偿问题。利用产生式表示知识，通过正向推理，求得最佳功率因数。美国科罗拉多大学AnstettM.等人用神经网络的方法进行建筑物能量耗费的预测，可以进行长期能量耗费、短期能量耗费、甚至每小时的能量耗费的预测。英国诺森比亚大学M.M.Gouda等[8]用神经网络和SVD（SingunalValueDecomposition）方法对室内温度进行预测。在神经网络输入层前用SVD方法对192个输入变量进行处理，形成10个输入变量到神经网络，以期达到节省电能的目的，人工智能在电梯群控系统中的应用也较为广泛。各种类型的电梯中均引入了不同的人工智能技术，如专家系统、模糊控制、神经网络等。因此也就产生了不同类型的电梯群控系统：基于专家系统的电梯群控系统，基于模糊控制的电梯群控系统，基于神经网络的电梯群控系统。2.5人工智能技术在暖通空调中的应用人工智能技术在暖通空调系统中的应用，主要是用神经网络技术对系统冷热负荷进行预测。冷热负荷大小、特征及变化规律，对暖通空调系统的运行管理、提高运行效率、节省能源等均极为重要。哈尔滨工业大学高立新等将神经网络用于建筑用空调的冷负荷计算中。将影响空调冷负荷的七种主要因素(