高楼风作用下动态立面的研究

工程6（2020）1443研究架构-文章风作用下具有动态立面的高层建筑Fei Ding，Ahsan KareemNatHaz建模实验室，圣母大学，圣母大学，IN 46556，美国阿提奇莱因福奥文章历史记录：收到2020年2020年6月18日修订2020年7月29日接受2020年9月30日网上发售保留字：高楼气动外形剪裁自主变形A B S T R A C T世界各地城市地区高层建筑的迅速增长对其在风中的性能提出了新的要求。这涉及到选择建筑形式，最大限度地减少风荷载和结构拓扑结构，有效地转移负荷。目前的做法是寻找最佳形状，但这限制了静态或固定形式的建筑物空气动力学形状剪裁包括修改建筑物的外部形式，在减少风荷载和相关的结构运动方面表现出很大的希望，这反映在台北101和迪拜塔的设计中。在这些建筑物中，引入了横截面的拐角修改和沿高度逐渐变细。一个有吸引力的替代方案是设计一种建筑，使其形式能够适应城市地区高层建筑群中不断变化的复杂风环境通过实现动态外观。为了超越静态形状优化，本研究提出了建筑形状的自主动态变形，该变形通过融合传感、计算、致动和工程信息学的信息物理系统来实现这种方法将允许建筑物智能地改变其轮廓，以最小化动态风荷载激励源，并通过利用计算机设计的迅速发展，使高层建筑从传统的静态立面革命性地变为动态立面。©2020 THE COUNTORS.Elsevier LTD代表中国工程院出版，高等教育出版社有限公司。这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）。1. 介绍全球城市化导致人口向人口密集的城市中心转移。这导致了高层建筑的迅速增长，这些建筑暴露在恶劣天气下，可能造成不成比例的影响。特别是，这些细长结构是高度敏感的，易受风引起的运动。在高层建筑的设计中，结构工程师面临的挑战是努力寻求最有效和最经济的设计解决方案，同时确保结构的安全性，预期功能的适用性为了满足上述需求，通过气动造型、增加辅助阻尼装置或选择带桁架、伸臂桁架或超级柱等有效结构体系来减缓高层建筑风致运动的研究取得了重大进展[1]。在所有这些策略中，空气动力学形状剪裁，包括修改建筑物的外部围护结构，以减轻控制*通讯作者。电子邮件地址：kareem@nd.edu（A. Kareem）。风荷载已经显示出最有希望的，这已经反映在现实世界的建筑设计中，包括台北101[2]、迪拜塔[3]和其他建筑。目前的空气动力学外形剪裁实践涉及通过进行风洞试验来评估其空气动力学性能，从而从有限的一组可确定的建筑形式中选择性能最佳的几何外形随着计算领域的发展与依赖于昂贵且通常耗时的风洞实验的传统设计实践不同，用于气动外形剪裁的计算平台的开发具有提供成本效益和美学上吸引人的设计的希望，同时允许对气动设计空间的在过去的几年中，已经成功地进行了为高层建筑开发有效形状优化框架的基础研究[4-城市布局是复杂的，因为除了孤立的建筑物上的载荷之外，建筑物通常还经历由以下因素引起的载荷：https://doi.org/10.1016/j.eng.2020.07.0202095-8099/©2020 THE COMEORS.由爱思唯尔有限公司代表中国工程院和高等教育出版社有限公司出版。这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表工程杂志主页：www.elsevier.com/locate/eng1444F. Ding，中国茶条A. Kareem /工程 沪公网安备31010502000114号城市空气动力学表现为周围的高层建筑群与不利的负载效应。例如，2008年，当飓风艾克经过休斯顿市中心时，由于两个相邻结构之间的干扰效应，意外地触发了局部涡流，导致覆层和玻璃失效的广泛损坏[7]。这被认为是城市空气动力学的结果，由于风向和建筑物布局的独特组合而增加了载荷，从而导致了在这些结构的设计中没有预料到这些。在这方面，上述仅在初步设计阶段考虑的气动类似于计划中的飞机机翼变形，下一代高层建筑可能包括可以根据周围流动环境变形的结构形状为了在未来建设更具弹性的城市[8]，需要高层建筑能够积极应对以前没有经历过或没有预见到的不断变化为建筑物提供这种智能是建设未来智慧城市的一个令人垂涎的目标。智能结构可以结合传感，致动和信号处理元件，以成功地改变结构形式[9]。受鸟类生物力学的启发，未来的高层建筑可以根据复杂和不断变化的风环境所提出的不断变化的要求来改变其形式，在城市地区。早期涉及智能结构系统的创新工程实践可以追溯到赖特兄弟进行的变形飞机机翼。后来，这种技术已成功地应用于自适应空间或海洋结构的设计，可以在其使用寿命期间改变其功能，以及移动机器人的设计，以实现其机械结构的部署控制[10]，仅举几例。材料科学、电气系统和计算机科学学科的快速发展正在推动智能土木结构的前沿设计。作为应用的一个例子，阿布扎比的Al-Bahr塔采用了一个动态遮阳系统，能够自主响应太阳的运动（图1）。 1）[11]。阻碍能够主动响应动态载荷条件（例如风载荷）的智能结构设计的主要挑战是变形系统附件必须鲁棒地执行而不影响载荷抵抗系统的稳定性动态立面设计的复杂性所要求的建造和维护成本的额外考虑将增加对自主变形结构的设计的挑战通过最小化风荷载效应，变形系统将有望降低结构系统和建筑物围护结构此外，动态立面带来的美学吸引力将使这些建筑成为现代城市的标志性符号，并在有风的日子吸引此外，技术挑战仍然涉及传感分析，人工智能（AI）和控制理论，以有效地通知实时控制系统的结构，以响应不断变化的外部环境。虽然土木结构的自主变形仍处于起步阶段，但我们目前的试点研究可以为实现这一概念铺平道路。在这项研究中，基于本文件的结构如下。在第2中，将首先回顾利用CFD和机器学习的进步的气动外形剪裁策略第3介绍了设计嵌入传感和驱动系统以及控制算法的变形结构的技术问题。去Fig. 1. Al-Bahr塔的动态遮阳系统。经知识共享署名许可CC BY 4.0许可，转载自参考文献[11]，©2015。除了在第2节中介绍的气动外形剪裁的静态计算机辅助设计之外，在结论性意见见第5节。2. 气动外形剪裁高层建筑和大跨度桥梁在风中会发生复杂的相互作用，其中结构的外部形状在确定最终荷载水平方面起着重要作用。根据文献，空气动力学外形调整（包括修改建筑物的外部围护结构，如拐角修改、锥形和扭曲）在降低风荷载的量级方面显示出很大的前景[1，12例如，台北101大楼在其最终设计阶段考虑了一系列对横截面的拐角修改，包括双凹拐角，与使用方形截面的原始设计相比，这导致风引起的基础力矩减少了25%[15]。尽管目前的设计实践涉及通过风洞试验从有限的建筑轮廓中进行选择，这是提供可行形状的有效手段，但所需的成本和时间很高，主要是由于使用风洞试验的昂贵和耗时的过程此外，在这种方法中，由于在风洞试验中检查的选项有限，所以形状设计的搜索空间的很大一部分仍未被探索。因此，更传统的配置优于创新配置[5]。现在，随着蓬勃发展的数字革命和普遍的计算设计的出现，可以设想创新的工具来导航通过迷宫的造型设计空间，否则已被限制在少数选定的场景，依赖于风洞测试。该计算设计平台将允许在概念设计阶段全面评估几何修改它充分利用CFD、随机、机器学习等技术的融合，F. Ding，中国茶条A. Kareem /工程 沪公网安备31010502000114号1445ΣΣð Þ结构和指导他们的雕刻与量化的信心水平。以下小节提供了最先进的气动外形剪裁策略的概述。2.1. 形状优化作为一个应用实例，建筑物横截面的气动形状剪裁用于说明形状优化方案。该问题的公式及其示意图在图1和图2中列出.分别为2和3。目标是寻找具有最有利气动特性的横截面构型。优化考虑的基准几何形状是带圆角的方形横截面[4，5]。由于定义了四条对称轴，几何构型可以完全由任意两条对称线之间的形状来描述。两条对称线之间的两个独立控制点相应地，该形状优化问题中的设计变量被定义为这两个控制点的坐标。 约束通常用于与建筑考虑相关的几何要求，包括对称性、最大绝对位移等，在本研究中，约束函数被定义为两个控制点的最大允许位移。大多数建筑物对风呈现出非流线型轮廓，这产生了大面积的分离流和伴随的下游非定常尾流区域，该区域在一个方向上产生非定常风力垂直于平均风的方向。空气动力学目标函数被定义为平均阻力系数lCd和垂直于风的升力的标准偏差，即，升力系数rC l. 然后，目标被明确地表示为最小化这两个竞争的空气动力学目标G q;帕累托最优解或帕累托前沿[16]。为了彻底探索空气动力学设计空间，可以通过应用严格的优化算法（如遗传算法[17]）来解决优化问题。尽管如此，优化过程需要大量的计算机资源，因为在每个优化周期都需要进行计算密集型CFD模拟来评估空气动力学目标为了解决这个问题，代理建模技术被引入作为一个计算不昂贵的仿真器来模拟计算要求高的CFD模拟器的响应。2.2. 基于代理的优化-多保真度建模在涉及计算密集型评估的复杂工程设计问题中，代理建模是一种很有前途的工具，它提供了对原始问题的计算上有利的近似。它从实验设计（DoE）开始，即生成用于校准替代模型的采样点常用的替代建模方法包括多项式混沌展开（PCE），高斯过程回归和支持向量回归（SVR）[18]。在这项研究中，代理模型的两个空气动力学目标分别进行校准，通过运行有限数量的计算流体动力学模拟，并在优化过程中用于评估的空气动力学目标。计算流体力学模型的观测结果可能涉及具有不同计算需求的多个参数的数据源。关于钝体周围风的CFD模拟在高雷诺数下，CFD分析可以通过低保真度模拟（如雷诺平均纳维尔-斯托克斯（RANS））或高保真度模拟（如大涡模拟（LES））进行目前，RANS是CFD的主力，而LES随着计算量的增加而越来越受欢迎。图二. 气动外形优化问题的公式化。1446F. Ding，中国茶条A. Kareem /工程 沪公网安备31010502000114号图三. 在计算平台上进行气动外形优化的示意图。DoE：实验设计。#21463;资源的开发[6]。然而，RANS模型可能会导致明显的建模误差，因为湍流的不稳定性在雷诺平均方法中被平均掉了[19]。因此，有必要在保证计算效率的前提下，融合多组CFD数据的信息源，以提高代理模型的预测精度。现代统计学习技术（如多保真度替代建模）是用于从多保真度CFD模拟[20]进行模型校准的强大工具，如图所示。3.第三章。在优化阶段使用多保真度代理模型，以提供设计空间中气动目标的计算易处理的估计优化算法引导搜索具有最佳空气动力学性能的最佳几何配置，以通知建筑设计。 最优解被绘制在帕累托前沿，从中选出一个图中蓝色圆圈的解。 3表示带有倒角的横截面。由于正在通过使用建筑物的截面模型测试概念来开发这种拟议的数字设计工具虽然大多数对称结构形状和结构体系的细长高层建筑在扭转响应水平上不会成为控制问题，但考虑到扭转荷载效应对于不规则和复杂的建筑结构可能至关重要，因此在未来的数字设计框架中也将考虑扭转3. 具有动态立面的结构由于周围风环境是实时变化的，因此，在构思过程中采用的气动外形优化策略上节介绍的建筑物的实际和初步设计阶段可能并非在所有条件下都是最佳的。为了超越这种静态形状优化，自主动态变形在这项研究中提出。配备传感器和创新致动器的高层建筑可能会模仿鸟类在飞行中的变化，从而大幅调整其轮廓，以提高复杂风环境中的空气动力学性能。为了实现这些功能，可能需要智能系统来显示对建筑物外壳的控制。这些智能系统的设计涉及材料科学、计算机科学和机电一体化工程等多学科背景。下面将提供这种智能系统的背景。3.1. 变形系统变形系统充当智能驱动系统可以分为两类：创新结构材料和响应机械系统。智能结构材料可以提供一种仿生建筑表面，可以感知环境刺激并符合预期功能。因此，这些材料必须嵌入可编程功能，以允许通过底层物理特性（如声学、电磁或热材料）控制形状变化[21]。智能材料可以由形状记忆合金（SMA）制成，该合金在温度变化下由于弹性变化而变形，当施加电压时可以重新配置的压电材料，或在磁场中经历形状变化的磁性材料[22]。在将这些材料应用于各种工程学科方面已经进行了大量的研究例如，为了变形飞机机翼，压电或SMA可以将F. Ding，中国茶条A. Kareem /工程 沪公网安备31010502000114号1447图四、 美国国防部高级研究计划局（DARPA）使用SMA驱动的智能机翼。复制自Ref。[24]经SAGE Publications许可，©2004。电流进入机械响应，以提高整个飞行条件下的空气动力学性能[23]。图图4显示了一个完全变形的机翼，它是通过将SMA粘合到机翼表面作为致动器而构建的[24]。嵌入分布式形状记忆聚合物致动器的自主太阳能电池板阵列可以在周围温度升高时实现自膨胀[25]。用隔热材料制造的建筑表面能够自遮蔽以保持室内热舒适性[26]。这些智能材料的制造已经通过建筑设计中的自组装可编程材料的三维（3D）打印甚至四维（4D）打印的进步而发生了革命性的变化[27]。事实上，许多使用智能材料的高效设计都是通过深入了解动物的功能表面或植物的动态机制而受到大自然的启发[28]。例如，鲨鱼皮在水中游泳时具有减阻的能力，因为皮肤锯齿或形状像小肋的皮肤齿与流动对齐以带来减阻益处[29]。鲨鱼皮启发肋骨表面的应用包括赛车泳衣，船体和飞机。植物仿生的一个例子可能是云杉球果，因为它们可以对图5（a）中的湿度变化做出反应[28]。与此概念类似，图5（b）中名为Urbach Tower的自成形建筑的设计利用木材中的水分变化通过收缩力产生曲率[30]。大韩民国的主题馆引入了立面系统，该系统可以变形为许多动画模式[31]，如图6（a）所示。建造这种动感立面的灵感来自于从植物世界的运动机制，建筑师对美学的追求，以及对光线进入的控制。在响应机械系统的背景下，可以根据其运动学进一步区分两大类：可变形结构，指的是可以整体变形的分布式无铰链结构，以及刚性连接结构，其中刚性元件通过铰链连接以实现相对运动[32]。可变形结构可以是柔顺结构、张拉整体结构和气动结构。柔性结构避免了铰链的使用，并且没有反冲，从而实现平滑的形状变化并减少应力集中[32]。由于柔顺结构在其挠曲（例如其弹性特性）下变形，因此与刚性连接的结构相比，这种类型的结构允许相对小的变形。张拉整体结构是由纯拉或纯压构件组成的结构，其作用是平衡荷载.这些配备有致动器的结构可以通过调整构件的自应力（硬化或软化）来改变其形状，如图6（b）[33]所示。因此，响应于外部载荷条件的变化，可以通过找形方法识别新的几何配置，以有效地重定向载荷传递[34]。气动结构可以通过空气压力的变化来适应它们的形状，的形状。它们重量轻，但部署精度相对较低。 图 6（c）显示东京巨蛋，落在cate-气动结构的血淋淋[35]。另一种类型的刚性连接结构由于其柔性而允许大的变形和各种形式的展开，其包括逐渐变化图五、 仿生设计。（a）具有不同湿度条件的云杉球果;（b）通过湿度变化的自成形木塔（a）复制自Ref。[28]经Elsevier许可，©2017;（b）转载自参考文献[30]与作者信用1448F. Ding，中国茶条A. Kareem /工程 沪公网安备31010502000114号图六、可 变形结构的现实应用。（a）专题馆;（b）张拉整体结构系统;（c）东京巨蛋;（d）刚性折纸结构。（a）复制自Ref。[31]经SOMA建筑师许可，©2012;（b）转载自Ref.[33]作者署名为“Easy K-Kenneth Snelson © Robin Capper via Flickr Licence CC BY-NC 2.0”，©2018;（c）经GNU自由文档许可证许可转载自参考文献[35];（d）经作者Tomohiro Tachi博士许可转载自参考文献横截面、具有与完全旋转接头连接的刚性肋的铰接系统、或由折叠板和旋转杆制造的可折叠结构这些系统已被设想用于飞机、航空航天结构和民用结构的部署[36，37]。折纸结构和剪刀式结构已经成为当今可展结构设计的灵感来源。这个想法来自折纸，这是一种古老的折纸艺术形式[38]。一个可折叠的折纸结构由分段线性表面组成，这些表面与刚性面板和铰链相连[32]。它们可以在不同阶段部署，具有受控的折叠模式，以创建如图7所示的通用几何形状，其中设计了可折叠管[39]。现实世界中的折纸启发的架构已经被设计，如在见图7。 折纸管在不同展开阶段的形状变化。图6（d）[40]显示了折纸结构在动力学运动中的几何形状以及图6中Al-BahrTowers上的可展开立面。1.一、虽然折纸启发的结构还没有完全被建筑规模所接受，但目前的研究已经打开了一扇大门，可以在未来改变土木结构的外部形状。3.2. 结构控制算法除了基于来自材料科学和机械系统的知识设计可靠的变形致动系统所带来的挑战之外，自主变形系统还面临在控制算法的背景下发送用于实时致动的必要信号的挑战。智能结构设计的一个关键问题是作为其中枢神经系统的控制策略。开发控制算法的目的是准确地处理来自传感系统的瞬时输入并向致动系统发送命令。如果采用闭环控制系统，则应收集测量值用于反馈控制。简而言之，控制算法中的主要组成部分可以包括模型预测、反馈控制和强化学习。在模型预测的上下文中，诸如遗传算法的优化算法可以被应用于通过最小化与任何感兴趣的量相关联的成本函数来预测最佳建筑物配置。然而，对于涉及高维输入和输出的大规模优化问题，为了克服这个问题，由多个处理层组成的深度学习（DL）可以更有效地解决大规模问题。该技术是机器学习方法的一个分支，由于其能够捕获F. Ding，中国茶条A. Kareem /工程 沪公网安备31010502000114号1449数据的复杂结构，特别是在高维问题中[41]。为了构建多层体系结构，DL涉及前向传播，计算输出分数和期望的分数模式之间的测量误差，以及后向传播，其中梯度信息用于更新参数。另一种可以用来提高系统预测性能的策略RL代理的出现朝着产生完全自主的系统迈出了重要的一步，这些系统可以与环境交互以学习最佳行为[42]。在RL中，系统学习如何在给出奖励或惩罚信号时采取行动[43]。例如，应用于自动驾驶的RL已经能够规划车辆的导航，以避免不必要的情况（惩罚）和基因评级良好的驾驶命令（奖励）[44]。总的来说，这是一种学习范式，学习从状态到动作的最佳映射，以最大化奖励[45]。 结合DL和RL代理的深度强化学习包括对离散动作进行操作的深度Q网络（DQL）和在连续动作空间中估计确定性目标策略的深度确定性策略梯度（DDPG）[46]。这些已经在机器人技术中取得了一些成功，其中机器人的控制策略是从摄像机输入[42]，自然语言处理以及变形飞机[45]中学习的，除了上述的自动驾驶之外。控制反馈方法也可以与预测模型的使用相结合，因为它们已被证明可以大大提高系统性能。有一些常用的控制反馈方法，如例如，PID由积分，比例和微分反馈组成，分别基于过去，现在和未来的控制误差[47]。这三个组件的平衡是通过环路调谐实现的。MPC利用显式过程模型，通过最小化目标函数来预测过程的未来响应，该目标函数量化了预测响应和参考响应之间的差异。 该技术已用于土木工程应用，例如风激高层建筑的加速度反馈控制[48]。在控制系统中，可以基于它们的性能、调整和易用性等来评估不同的反馈控制已广泛应用于电机驱动、汽车和飞行控制等领域。4. 自主变形结构正如第3.1节所总结的，变形技术已被应用于建筑物的美学设计或遮阳和通风控制，但尚未在动态风荷载条件下在本节中，提出了变形抗风结构的概念，允许建筑物智能地变形其轮廓，以抑制城市地区高层建筑群中的动态风荷载激励将计算与物理过程[49]相结合的为了使建筑物具有能够感知周围风环境的智能，该建筑物配备了分布式传感器网络，这将有助于模仿感知建筑物的皮肤。类似于肌肉的致动器将允许建筑物将其轮廓定位成所需的形状，例如，扭曲的形式或拐角修改。充分利用高性能计算（HPC）和机器学习技术的进步来设计用于建筑物的智能感测、计算和致动的由于技术复杂性和自主变形中的安全问题而产生的挑战必须得到理解。土木工程的创新计算科学和当今许多其他学科将有助于充分实现这一目标。拟议的4.1. 感测传感技术的迅速发展推动了其在建筑动态立面设计中的应用。该技术涉及更广泛的主题，例如物联网（IoT）[50]，其中配备传感器和致动器的对象可以在数字世界中彼此互连，并且可以由用户提供通信物联网已经在许多场景中提出例如，在运输和物流领域，可以跟踪装有标签和传感器的运输货物，以更新其状态[50]。物联网的范例也可以部署到智能城市系统的设计中，其中从分布式无线传感网络收集的城市湿度，温度和光线数据可以日夜监控[51]。在结构工程中，无线传感技术[52]和数据采集[53]的进步是结构健康监测的关键从传感网络收集与结构的模态参数和物理参数相关联的数据，以执行结构状态评估和损伤检测。在哈利法塔的实时结构健康监测中，实施了基于物联网的SmartSync系统[54]，其中传感和数据管理系统通过虚拟电缆连接到系统的主干物联网概念将在变形系统中被采用，当扩展到全尺寸应用时，因为管理系统将依赖于互联网来实现感测、计算和致动的本地化模块之间的连接和通信。对于变形结构，分布式传感器，如图8所示，安装在建筑物中的风速计、应变仪和全球定位系统（GPS）将有助于检测风速水平、表面压力和建筑物响应。这提供了风环境短期变化的信息。此外，在线获取的气象数据和卫星图像可以作为指导变形的补充知识来源。从网络感测收集的信息被用作深度神经网络（DNN）的输入知识以用于数据分析。因此，通过选择关键特征来融合传感信息来表示周围风环境和建筑物信息是处理变形阶段的关键。4.2. 致动创新的驱动系统可以用来将建筑物实时变形为所需的形式。例如，铰接机构或智能数字材料（诸如嵌入有致动器的SMA）可以附接到建筑物立面以用于拐角修改。变形结构还可以利用折纸概念，通过使用受控折叠的展开来实现扭曲效果刚性连接的桁架结构使建筑物能够变形为锥形模式。图8提供了候选变形技术的样本，这些技术对于本应用有希望促进结构的变形4.3. 计算计算算法使结构具有人工智能，并连接传感输入和最终的驱动输出。在这1450F. Ding，中国茶条A. Kareem /工程 沪公网安备31010502000114号p¼p不不Hp不H见图8。 信息物理感测控制与致动系统。PC：个人电脑。研究，它主要涉及两个组成部分：预测模型，即用于预测未来时间步长的最优建筑形式以试图Q=1;A=1“X1”ckrk¼0伊什 ¼s;a 2019年12月27日确定控制策略，RL代理被用来实现给定从分布式传感器网络收集的数据预测最优形状的目标。 强化学习主要包括两个组成部分：状态和动作。 如图9所示，代理或策略在时间步长t处观察来自环境的状态st，并且在t+ 1处生成与环境交互的动作at，以便返回瞬时奖励Rt作为反馈。在观察动作序列时，RL代理能够通过以下方式长期学习好的和坏的行为：基于每个人其中E是计算期望值的数学运算符;rtEpRt. c是时间上的折扣系数，通常在范围在0和1之间。s和a表示当前状态，行动，分别。Qps;as需要在每个时间步长上根据动作at最大化。换句话说，最佳建筑时间t处的配置使其价值函数最大化。为了解决这个最大化问题，价值函数可以由其Bellman方程写成[56]Qs;aXPs0js;aRs;a;s0cQs0;a0ps0] 3顺序因此，RL代理的目标是最大化长期奖励函数或价值函数，该函数表示在策略p下的未来奖励的预期折扣总和，以便在每个时间步达到最佳性能对于强化学习在自主变形结构中的应用，将状态st定义为外部风环境的感知信息，并通过策略p表示空气动力学有利的建筑物响应于当前状态ST形成。例如，如果对象-目的是使阻力系数实时最小化，表示为瞬时奖励函数Rt可以定义为：Rt¼-Cdt1因此，DDPG算法中采用的相应Q值函数Qp可以表示为特定策略ph下的未来奖励的预期折扣总和[55]见图9。 The actor–critic其中P是计算概率的数学运算符;s0和a0分别表示下一个状态和动作。因此，在搜索最优Q值函数Qωp时的最大化问题可以基于等式2来公式化。（3）如[56]Qωps;a1/4maxQps;a1/4ma最优策略pω可以通过下式获得：pωsargmaxQωps;a5为了训练RL代理，在本研究中选择第3.2节使用DDPG的基本原理是建筑物动态立面的驱动输出可以被认为是连续的。因此，能够实现连续空间控制的DDPG更适合应用于本研究。它涉及两个神经网络的训练：演员和评论家。如图9所示，演员用于从连续动作空间预测当前时间步长处的动作。评论家估计当前状态的价值函数为了训练DDPG，可以通过在不断变化的流入条件下不断变形建筑物形式，通过对流动模拟轨迹进行蒙特卡罗采样，随机计算临界值中值函数的梯度（图1）。 10）。然后，值函数提供时间差（TD）误差[56]来训练策略。为了补偿预测和真实建筑物响应之间的预测误差，在自主变形中引入控制反馈。在未来的时间步长，从传感网络中收集预测的最优建筑形式上的空气动力学目标，然后计算预测误差并用于调整最优建筑tk1F. Ding，中国茶条A. Kareem /工程 沪公网安备31010502000114号1451见图10。 培训过程的框架。form. 在本研究中，我们使用预测控制来实现闭环控制反馈。图8提供了所提出的计算方法的示意图。4.4. 计算模拟实验在本节中，提出的如第3节所示，介绍了根据建筑物横截面形状进行气动外形剪裁的情况。引入自主变形我们的目标是通过主动变形建筑物的轮廓，使其类似于一个活生生的立面，从而主动最大限度地减少作用在建筑物上的阻力。至于用于训练DDPG的数据库，可以从各种数据源收集各种建筑形式的空气动力学信息，包括风洞测试、计算模拟、在线数据集和来自众包的输入。这个集体的、多保真度的数据库将作为训练RL的知识库，以实现任何建筑形式的空气动力学特性在本研究中，我们仅依赖于高保真CFD模拟，即，LES培训有关数据质量的政策。低逼真度仿真数据与实验数据的融合将在今后的工作中进行研究。在图10中，使用了10个历元，其中每个历元包含m= 10个轨迹来计算累积奖励或值函数的期望值。每个trajec- tory包含100个采样模拟（T=999），以计算公式为Eq.（一）. 的贴现系数c取0.95[57]。这个名叫亚当的优化器[58]是用来训练演员和评论家，其中，学习率为0.001。值得一提的是，涉及总历元数的训练数据对于RL代理的微调并因此获得提供最佳性能的动态建筑形式的鲁棒预测是不够的。为了进一步完善这一概念验证工作，可以画后更发表数据集采自数值和实验测试，以丰富我们的训练数据库，通过更有前途的收敛结构的神经网络在DDPG和驱动输出的鲁棒预测可以达到。然而，目前的工作的贡献图图11示出了关于控制算法如何通知变形过程的工作流程的示意图。RL代理的状态是从接近建筑物的多个点在一个试验台上，数值模拟了湍流度为20%时计算域入口处湍流来流速度的时间序列。在每个时刻，通过对建筑物表面上的压力数据进行积分来计算与瞬时奖励函数相关联的阻力在这项研究中，变形系统是近实时实现的，这是通过选择一个狭窄的移动窗口来平滑状态和奖励信息的不断更新来实现的，如图10所示。窗口大小的选择不是通用的，因此是针对特定问题的。一方面，如果尺寸过小，则预测输出将受到噪声的高度影响[57]。另一方面，较大的窗口尺寸将阻碍系统的实时控制的有效性。此外，应当注意，建筑物的感测输入和空气动力学量可以基于在建筑环境中使用风速计、压力传感器和加速度计的有限测量来测量或模型的驱动输出预测建筑物横截面的最佳形状，导致最小的阻力系数。在DDPG的基础上，将预测模型转化为两个训练好的DNN：一个是预测阻力系数的未来变化，即，值函数，然后是用于在给定来自评论器的值函数的梯度信息时优化建筑物驱动输出的设计空间提供了控制建筑物横截面外部几何形状的点的允许位移，如图所示。二、神经网络在这个连续的激励空间中探索，以搜索由训练有素的策略指导的最优从输出中可以看出，1452F. Ding，中国茶条A. Kareem /工程 沪公网安备31010502000114号见图11。 用 于 变形建筑物横截面的控制算法的示意图。从图的演员批评的方法。图11中，轮廓的绿色轮廓显示了具有倒角的优化几何形状，这是由RL代理预测的。此外，为了变形成所需的横截面配置，可以安装SMA致动器以允许肋通过引入的温度变化来控制其长度。优化后的建筑物为了进行闭环控制，MPC通过分配的任务，通过进一步调整的横截面形状，最大限度地减少测量和预测的阻力系数之间的差异。然后更新执行MPC操作后的最佳横截面形状，如图11中的绿线轮廓所示。该形状配置是所提出的控制系统在一次迭代中的最终输出然后，建筑物部分被变形成由MPC输出引导的期望的立面形式，并与其外部风环境相互作用，以在顺序时间迭代中生成奖励函数。借助于所提出的计算平台，获得了初步的结果，以验证自主变形的概念。这个框架将进一步美化，考虑各种类型的传感信息和更高维的驱动输出。考虑到瞬时调动大规模机械系统将受到诸如水进入的其他环境问题的挑战和约束，计划涉及感测、控制和致动的系统的子组件以物理地证明使用附接到缩放的机电致动系统的可变形皮肤的概念证明，其中将考虑用于致动大规模变形系统的时间响应对计算算法技术上的另一个挑战是立面系统的开发，该系统可以变形，同时确保整个建筑围护结构不允许任何水渗透。用于管理建筑物立面变形的局部或某些级别的分布式变形技术可能更有希望确保泄漏挑战以及所需的致动功率和要移动的立面重量的较小质量这种局部形状变化也可以通过影响荷载的时空相干性来减少风荷载效应，但其确切作用需要进一步研究。增加变形系统的复杂性可以包括考虑多气动目标等作为升力和除了阻力之外的扭转力，或者采用更复杂的建筑结构。这面临着数据有限以及现阶段公布的数据质量的挑战。尽管如此，深度强化学习（DRL）成功分析周围风场并引导建筑立面自主变形的潜力和能力通过这个说明性的例子得到了证明。这项研究为早期的追随者提供了一个指南，以逐步实现更复杂的建筑设计目标，以应对变形系统。这些将为进一步探索传感和计算的融合提供途径，并推动其成为实用的现实世界建筑设计和施工实践的最终目标。据设想，RL将是一个强大的工具，在未来的建筑设计实践中的革命，从静态到动态立面，一旦大型和高质量的数据集变得流行，并伴随着可用。我们还致力于在未来将我们的数据和计算工作流作为开源共享，这最终将使RL应用程序能够完全融入土木工程实践。5. 总结发言城市地区易受风对高层建筑性能的影响这可能部分与气候异常有关，部分则是由于建筑物的聚集效应所随着计算设计、人工智能、传感和驱动以及网络物理基础设施的迅速这将提高建筑物的性能，在近实时或根据需要在不断变化的风环境下，立即应用于桥梁和其他结构。可以想象，通过与当前存在的城市传感和计算网络合并，可以管理建筑物的自动变形本文提供了一个拟议的网络物理系统的可实现的一瞥，以实现跨城市传感和数据分析的知识融合的自主变形。计算模型的结果为使用DRL和MPC控制建筑物横截面配置的变形系统初始F. Ding，中国茶条A. Kareem /工程 沪公网安备31010502000114号1453研究结果为使用人工智能代理和现代变形技术减轻风引起的影响提供了巨大的潜力，从而控制它们对民用基础设施的性能和安全的影响。确认本研究得到了美国国家科学基金会（CMMI-1562244和CMMI-1612843）、圣母大学信息学和计算科学中心（CICS）种子基金、桑顿·托马塞蒂基金会学生创新奖学金、O.H. Ammann研究奖学金来自美国土木工程师协会，基金来自罗伯特M。莫兰教授职位遵守道德操守准则Fei Ding和Ahsan Kareem声明他们没有利益冲突或财务冲突需要披露。引用[1] 张文龙，李晓梅，李晓梅.减轻高层建筑物的运动与最近应用的具体例子。 风结构1999;2（3）：201-51.[2] Irwin PA风工程中的钝体空气动力学。J Wind Eng IndAerodyn 2008;96（6-7）：701-12.[3] Irwin PA新一代超高层建筑的风工程挑战。J Wind Eng Ind Aerodyn 2009;97（7-8）：328-34.[4] [10] 杨 文 ， 李 文 . 风 工 程 ： 利 用 计 算 流 体 动 力 学 优 化 高 层 建 筑 设 计 。 CTBUHJ2013;3：38-43.[5] 放大图片Bernardini E，Spence SM，Wei D，Kareem A.民用结构的气动形状优化：基于CFD的克里金方法。J Wind Eng IndAerodyn 2015;144：154-64.[6] Ding F，Kareem A，Wan J.使用计算流体动力学的结构气动剪裁。 Struct Eng Int2019;29（1）：26-39.[7] [10] 张 文辉 ， 张 文 辉. 极 端风 事 件 中城 市 空 气动 力 学和 碎 片 撞击 的 后 果。 In ：Proceedings of the 11th Americas conference on wind engineering; 2009 Jun 22[8] 陈AKC。在我们的城市中应对全球重大挑战。工程2016;2（1）：10-5.[9] 克劳利EF.航空航天用智能结构技术综述与评估。AIAA J 1994;32（8）：1689-99.[10] 科科马兹湾结构主动控制的回顾：工程信息学的挑战。Comput Struc2011;89（23-24）：2113-32.[11] Karanouh A，Kerber E.动态架构的创新。J Facade Des Eng2015;3（2）：185-221.[12] 放大图片作者：Kwok K，Wilhelm P，Wilkie B边缘构型对高层建筑风致响应的影响。工程结构1988;10（2）：135-40.[13] MiyashitaK，Katagiri J，Nakamura O，Ohkuma T，Tamura Y，Itoh M，et al.高层建筑风致响应方形建筑开角或开洞的影响。 《风 工程与 空 气 动 力 学 杂 志 》1993;50：319-28.[14] TanakaH，Tamura Y，Ohtake K，Nakai M，Kim YC. 各种非常规外形高层建筑气动力和风压的实验研究。 J Wind Eng Ind Aerodyn 2012;107-108：179-91.[15] 谢军。超高层建筑的气动优化及其效果评估。J Wind Eng Ind Aerodyn 2014;130：88-98.[16] Konak A，Coit DW，Smith AE.使用遗传算法的多目标优化：教程。可靠工程系统安全2006;91（9）：992-1007。[17] [10]杨文，杨文，杨文.一种快速精英多目标遗传算法NSGA-II。 IEEE Trans EvolComput 2002;6（2）：182-97.[18] Forrester A，Sobester A，Keane A.通过替代模型进行工程设计：实用指南。霍博肯：约翰威利父子公司; 2008年[19] 放大图 片 作 者 ： JH.计算方法为流体动力学柏林：Springer Science&Business Media; 2012。[20] DingF，Kareem A. 基于代理模型的土木结构多保真度形状优化。J Wind EngInd Aerodyn 2018;178：49-56.[21] 科雷尔·麦克埃什马 耦合传感、驱动、计算和通信的材料。Science2015;347（6228）：1261689.[22] Bengisu M ， Ferrara M. 移 动 的 材 料 ： 智 能 材 料 ， 智 能 设 计 。 Cham ：Springer