关键词:
建筑物理性能
遗传算法
建筑能耗
精英基因
摘要:
在我国现代化建设的迅猛步伐下,随着建筑能耗的增加,对建筑的节能减排的需求也在与日俱增。由于建筑设计的复杂性,传统的设计方法已经无法满足当代建筑多需求的现状,其定性分析与离散性的进化过程也无法准确达到建筑能耗等建筑物理性能的最优要求。本文以参数化设计为基础,融合了遗传算法作为进化算法的支撑,结合建筑建模、物理性能预测模拟与数据统计分析等方面的专业计算机软件,以iSIGHT的优化计算框架为平台,搭建了基于遗传算法的以物理性能为驱动的建筑优化设计平台,进而完成了由原始方案进行不定目标的物理性能优化驱动的设计方法。在优化设计的前期,为精简方案中设计变量的个数,仅留存与优化目标关系更大、敏感性更高的变量,节约优化成本,利用正交表进行正交试验分析,确定了相关性更高的设计变量。本文的研究对象是位于湖北省武汉市的办公建筑,应用前文的优化设计平台,首先进行了以热工能耗最小化作为研究对象的单目标优化分析。对优化完成的设计变量取值结果,针对目标函数取表现较为优秀的解作为优秀解集,并通过比较解集之间各个设计变量的共性,归纳出真正使建筑物理性能表现优秀的精英基因类型,以及与之相对应的设计方案。同时,以建筑全年热工能耗最小化、建筑室内的热不舒适度最小化和室内日光采光系数最大化作为三个目标函数,进行多目标优化分析,并同样进行了精英基因类型的提取与设计方案的获得。最后,通过上述所得到的基因类型,基于建筑物理性能优化的驱动,总结出针对夏热冬冷地区的不同体量、不同形态的办公建筑的设计策略,为设计者提供了相应的指导与帮助。本文立足于建筑物理性能的优化,在多个学科并行合作的基础上,总结出了一套基于优化设计平台的行之有效的设计手法,而设计平台并不是给出某种单一的最优解,而是在优秀解集中整合出有弹性与包容性的设计变量的共性区间。在实际的建筑设计案例中,一个具有宽容度,并可以确保建筑物理性能表现优良的设计变量取值范围,往往更具有参考价值和操作空间。这种着眼于较优解集而非最优解的优化设计手法,也为建筑优化设计的研究提供了一个新的方向。