ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ АВТОНОМНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ

ВЫСШЕГО ОБРАЗОВАНИЯ
«САНКТ-ПЕТЕРБУРГСКИЙ ПОЛИТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ ПЕТРА ВЕЛИКОГО»
ИНЖЕНЕРНО-СТРОИТЕЛЬНЫЙ ИНСТИТУТ

Отчет о прохождении научно-исследовательской практики

(Практика НИР рассредоточенная)

Хамитова Карина Фаритовна

(Ф.И.О. обучающегося)

2 курс, группа 3140801/12502

(номер курса обучения и учебной группы)

08.04.01_25 Цифровое строительство зданий и сооружений

(Направление подготовки (код и наименование))

Оптимизация проектирования холодногнутых светопрозрачных фасадных конструкций

(Тема магистерской диссертации)

Место прохождения
практики: Инженерно-строительный институт, ВШПГиДС

Сроки практики: 21.02.2023 - 20.04.2023

Научный руководитель образовательной

программы: Петроченко М.В., к.т.н., доцент
(Ф.И.О., уч.степень, должность)
Научный руководитель магистерской
диссертации: Зимин С.С., доцент, к.т.н.
(Ф.И.О., уч.степень, должность)

Оценка:

Научный руководитель
образовательной программы: М.В. Петроченко

Научный консультант
магистерской диссертации: П.Н. Недвига

Обучающийся: К.Ф. Хамитова

Дата:
 2
Содержание
Введение ....................................................................................................................... 3

Глава 1. Аналитический обзор ................................................................................... 4

1.1 Примеры использования криволинейных ограждающих конструкций и

их особенности ......................................................................................................... 4

1.1 Анализ существующих алгоритмов генеративного проектирования и

области их использования в проектировании зданий .......................................... 8

1.3 Обзор программных комплексов с реализацией генеративного дизайна

18

1.4 Выводы по первой главе .............................................................................. 21

Глава 2. Оптимизация проектирования холодногнутых стеклянных панелей ... 23

2.1 Последовательность операций при проектировании светопрозрачных

покрытий .................................................................................................................... 23

2.2 Технологический процесс ............................................................................... 26

2.3 Результаты расчета криволинейных холодногнутых стеклянных панелей33

Глава 3. Практическое применение подхода к задаче проектирования

холодногнутых стеклянных панельных .................................................................. 40

конструкций ............................................................................................................... 40

3.1 Реализация сценария в среде визуального программирования ...................... 40

Список использованных источников ...................................................................... 48

 3
Введение
Актуальность исследования. Использование криволинейных
ограждающих конструкций зданий является одним из характерных элементов
современной архитектуры благодаря существенным преимуществам, таким, как
снижение ветровой и климатической нагрузки на здание, экологичность,
энергоэффективность, улучшение параметров микроклимата, повышение
художественно-композиционной привлекательности.
Проектирование объектов подобного уровня сложности связано с
огромным количеством факторов, влияющих на дальнейшие характеристики
сооружения на всех этапах жизненного цикла. Зачастую проектировщики в
силу человеческой природы могут не принять во внимание какие-либо аспекты,
влияющие на эффективность конструкции, планировочных решений и тому
подобное, что может привести к проблемам при возведении и дальнейшей
эксплуатации зданий.
Исследования в области генеративного дизайна позволяют
автоматизировать типовые процессы таким образом, что большинство
вычислений и конструктивных решений будет производиться не человеком, а
определенным набором алгоритмов.
Объект исследование: Криволинейные светопрозрачные холодногнутые
панельные конструкции
Предмет исследование: Методики оптимизации проектирования
светопрозрачных холодногнутых панельных конструкций c учетом
технологических особенностей производства
 4
Глава 1. Аналитический обзор
1.1 Примеры использования криволинейных ограждающих
конструкций и их особенности
Изучая тенденции современных архитектурных решений, можно сделать
вывод, что все больше набирает популярность использование необычных форм
ограждающих конструкций зданий и сооружений. Купол киноконцертного зала
«Москва-Сити», панорамная кровля терминала «А» аэропорта Внуково
(Москва, Россия), многофункциональный комплекс «Лахта Центр» и многие
другие объекты были созданы с применением технологии криволинейных
ограждающих конструкций.
Одним из самых масштабных проектов является аэропорт Jewel Changi
(Singapore), сочетающий в себе практически все последние тенденции развития
отрасли(рис.1.1).[42] Здание терминала представляет огромный кокон из стали
и стекла, площадью 23410 м. кв. С целью объединения столь многоцелевого
пространства в единый комплекс архитекторы Safdiearchitects (Somerville,USA)
разработали уникальный фасад, состоящий из 9000 стеклянных элементов (вес
каждого составляет до 300 килограмм); 18000 стальных балок,
спроектированных в CAD-программе, работающих совместно в более чем 6000
узлах. Всего сконструированы четырнадцать 12-метровых древовидных колонн,
работающих совместно с кольцевой балкой, расположенной по периметру края
кровли.

2. Рисунок 1.1 – Результаты опроса

 5
Проектирование объектов подобного масштаба и сложности требуют
огромных финансовых и временных затрат.[46] Так согласование ограждающей
конструкции аэропорта Сингапура проходило в течение двух лет.
Это обосновывается большим количеством влияющих на принятие
решений параметров, от выбора материалов и толщин панелей до
конструктивных элементов, которые требуют особого внимания. Так в
проектировании криволинейность достигается несколькими способами, и
каждый из них имеет свои достоинства и недостатки:
1. Формирование криволинейной структуры происходит за счет
соединения отдельных прямолинейных элементов – труб, швеллеров,
двутавров, уголков. Узлы соединений могут быть выполнены сварными,
болтовыми, а также с возможностью кручения элементов относительно друг
друга (шаровое соединение). Преимущества криволинейной структуры из
отдельных прямолинейных элементов – низкая себестоимость,
быстровозводимость, удобство монтажа и т.д. Недостатки – неравномерность
передачи внутренних усилий, появление многочисленных концентраторов
напряжений в узлах, пагубно воздействующих как на локальную, так и на
общую жесткость конструкции. Несущая способность такой структуры крайне
низка.
2. Формирование криволинейной структуры за счет изогнутых элементов.
Изгиб осуществляется с использованием специальных профилегибочных
(прессовальных) машин. Преимуществами данного способа являются –
конструктивная цельность, более плавная передача внутренних усилий
благодаря сокращению количества узлов, более высокая эстетическая
привлекательность. Недостатки – высокая себестоимость, длительность
изготовления, необходимо наличие специальных машин и т.д. Несущая
способность такой структуры, как правило, выше, чем созданной из отдельных
элементов.
3. Создание криволинейной структуры за счет вантов (тросов). Среди
преимуществ – довольно низкая себестоимость, высокая несущая способность,
 6
большая эстетическая привлекательность. Недостатки – сложность монтажа,
общая неустойчивость – при относительно малых внешних воздействиях
испытывают сильные деформации. Ванты никогда не выполняют функцию
несущего элемента, а лишь вспомогательного. Хрупкие материалы (такие как
стекло) с вантами, как правило, не используются.
4. Формирование криволинейной структуры за счет устройства мембран.
Мембраны, как правило, производятся из синтетических материалов.[45] Путем
введения специальных химических добавок можно увеличить огнезащиту.
Преимущества – легкость, эластичность (удлинение под нагрузкой до 30%),
способность выдерживать сильные ветровые, снеговые нагрузки, высокая
эстетическая привлекательность. Недостатки – сложность монтажа
(необходимо обеспечить необходимое натяжение по всей поверхности
мембраны, в противном случае образуются складки), общая неустойчивость,
относительная недолговечность (как правило, до 20 лет).
5. Формирование криволинейной структуры за счет объемных
конструктивных элементов – оболочек. Оболочки могут выполнять функцию
как несущего, так и вспомогательного элемента. Несущая способность
оболочковых конструкций очень высока, позволяют при минимальной массе
покрывать значительную площадь. Пролет оболочковых конструкций – самый
высокий из всех, что существуют на данный момент. Долговечность оболочек
очень высока. Однако, несмотря на столь весомые преимущества, оболочковые
конструкции довольно редко применяются в современной архитектуре,
причинами являются - сложность возведения, большая трудозатратность,
нехватка инженерных знаний, отсталость технологий и пр. [23, 42]
Любое из вышеизложенных конструктивных решений подобного плана
сопровождается огромным количеством проблем и зачастую проектировщики в
силу человеческого фактора могут не принять во внимание какие-либо аспекты,
влияющие на эффективность конструкции, что может привести к
неблагоприятным последствиям при возведении и дальнейшей эксплуатации
зданий.
 7
По этим причинам со временем и развитием возможностей высоких
технологий появилась потребность в создании новых методов проектирования,
позволяющих свести возможные ошибки и недочеты к минимуму.
Применение технологий информационного моделирования (Building
information modelling, BIM) позволяет получить на стадии проектирования
информационную модель будущего капитального объекта, которая в
дальнейшем будет претерпевать цифровую трансформацию на протяжении
всего его жизненного цикла. BIM среда представляет собой единое
информационное пространство для взаимодействия всех участников
инвестиционно-строительного проекта и заинтересованных лиц в управлении
капитальным объектом. [36, 48, 55]
BIM-технологии характеризуются постоянными процессами
модернизации и широким спектром возможностей, поэтому уполномоченным
на проведение проектной деятельности организациям требуется в реальном
времени анализировать тенденции и рынок предложений, для того чтобы
принимать решение о внедрения тех или иных возможностей программ в
работу организации. Одной из таких тенденций является применение
технологии генеративного дизайна (Generative Design, лат. generatum –
«порождать, производить»).[21, 31, 38]
На заинтересованность в применения данной технологии указывает
работа иностранных ученых Abrishami S. [и др.]. В этой статье сообщается о
результатах проведенного опроса, в котором приняли участие 153 специалиста
и студентов, цель которого состояла в выявлении их отношения к новым
технологиям в сфере строительства. Большинство респондентов подчеркнули
ряд недостатков в существующих инструментах проектирования, в то время как
использование BIM может предложить комплексную поддержку для
автоматизации всего этапа проектирования и внедрения генеративного
проектирования и, в частности, улучшить процесс принятия решений на ранних
этапах проектирования. Результаты опроса представлены на рисунке 1.1.[2]
 8

3.
4. Рисунок 1.2 – Результаты опроса

1.1 Анализ существующих алгоритмов генеративного проектирования и

области их использования в проектировании зданий
Исследования в области генеративного дизайна позволяют
автоматизировать типовые процессы таким образом, что большинство
вычислений и конструктивных решений будет производиться не человеком, а
определенным набором алгоритмов. Определение генеративного дизайна было
впервые предложено в 1870-х годах как «алгоритмы, способные генерировать
потенциальные решения данной проблемы».[8] Базовый принцип
генеративного проектирования заключается в том, чтобы на основе различных
правил, условий, ограничений и закономерностей предлагать множество
вариантов решения проектной задачи.[41, 61]

5.Рисунок 1.3 – Схема процессов генеративного проектирования

Весь процесс работы при генеративном проектировании сводится к
 9
следующим этапам, схематично представленным на рис.1.3:
1. Этап разработки: варианты генерируются системой с использованием
алгоритмов и параметров, заданных проектировщиком;
2. Этап анализа: варианты, созданные на предыдущем этапе, измеряются
и/или анализируются в соответствии с целями, определенными разработчиком;
3. Этап классификации: варианты сортируются на основе результатов
анализа;
4. Этап ранжирования: процесс ранжирования вариантов дизайна для
определения направления последующей разработки полученного
анализируемого варианта конструкции;
5. Этап исследования: автор сравнивает и анализирует созданные
проекты, проверяя как геометрию, так и выведенные системой результаты
оценки.
6. Этап интеграции: выбирается предпочтительный вариант системы и
интегрируется в более крупный проект или среду. [30]

Первые шаги нормативной базы, касающиеся внедрения BIM-технологий

в строительство, были сделаны 4 марта 2014 года по итогам заседания
президиума Совета при Президенте Российской Федерации по модернизации
экономики и инновационному развитию России, в ходе которого было решено
утвердить план поэтапного внедрения технологий информационного
моделирования в области промышленного и гражданского строительства,
включающий предоставление возможности проведения экспертизы проектной
документации, подготовленной с использованием таких технологий.
Последующим шагом был Приказ Минстроя РФ от 29 декабря 2014 No926/пр
«Обутверждении Плана поэтапного внедрения технологий информационного
моделирования в области промышленного и гражданского строительства»,
давший побуждение к созданию новых нормативных документов, касающихся
информационных технологий в строительстве. Тем не менее первые правовые
документы начали появляться лишь в 2016 году, после перечня поручений
Президента от 11.06.2016 г. по итогам заседания Государственного совета.
 10
ГОСТ Р 10.0.01-2018, ГОСТ Р 10.0.02-2019 -ГОСТ Р 10.0.06-2019 основаны на
стандартах ИСО (англ. International Organization for Standardization, ISO)
независимой неправительственной международной организацией, в
деятельность которой вовлечены национальные органы по стандартизации.
Данные документы описывают математическую и экономическую структуру
использования BIM-проектирования в строительстве, устанавливают
терминологию и методологию для изучения и описания информационной
модели, но не касаются содержания и проверки, предоставления и ведения
экспертизы. [12, 43, 54, 62–65]
В исследовании А.А. Потапенко рассматриваются место и возможности
алгоритмического подхода в процессе проектной деятельности архитектора и
пять этапов проектной деятельности: системный анализ, построение
аналитических моделей, формирование видения, реализация. Из данных этапов
формализация и интерпретация посредством алгоритмов возможна для этапов
построения аналитических и проектных моделей, а те возможности, что
открываются при этом с точки зрения повышения эффективности результата,
делают внедрение алгоритмического подхода в современную практику
действенным способом ускорить процесс работы над объектом.[51]
Работа группы ученых А.А. Кривенко, В.К. Моора и А.Г. Гаврилова
посвящена изучению влияния генеративного проектирования на формирование
архитектурных объектов. Затрагиваются тенденции его развития, проводится
параллель между порождением объектов живой природы и формированием
архитектурных объектов средствами генеративного проектирования.
Описываются основные методы алгоритмического подхода – базового для
генеративного проектирования. Представлен учебный экспериментальный
проект, иллюстрирующий формирование архитектурного объекта методами
генеративного проектирования, формулируются правила, условия и
ограничения формирования абстрактного архитектурного объекта. По итогам
экспериментального проекта представлены выводы и перспективы
генеративного проектирования.[44]
 11
Кешаварзи Мохаммад и Рахмани-Асл Мохаммад занимались разработкой
интерактивной системы проектирования GenFloor, которая использует
геометрические, топологические и эксплуатационные цели и ограничения в
качестве входных данных и предоставляет оптимизированные
пространственные проектные решения в качестве выходных данных. Было
предложено три новых метода перестановок для существующих представлений
графов компоновки пространства. Реализованы предлагаемые учеными методы
планировки этажей с помощью пакета для Dynamo, инструмента визуального
программирования, с пользовательским графическим интерфейсом и
дополнительными функциями оценки, чтобы облегчить дизайнерам их рабочий
процесс создания дизайна. [27]
Так же Кешаварзи Мохаммад вместе с другими учеными занимался рядом
проблем, связанных с использованием методов генеративного проектирования.
Так был разработан алгоритм оптимизации планировочных решений для
квартир. Скрипт также контролирует перемещение окружающих предметов
мебели, которые увеличивают размер общего пространства с минимальными
физическими усилиями, также наглядно показыватся производительность
решения на реальных наборах данных, а также на реальном приложении
HoloLens.[24–27]
В статье Диего Андраде, Микако Харада и Кенджи Шимада
демонстрируется новая вычислительная основа для создания паттернов поверх
фасадов с помощью облицовки панелей и сотовых блоков (рис. 1.4). Для
достижения результата ученые использовали серию спроецированных линий
поверх поверхности, чтобы направлять паттерн. Затем линии днлятся на
сегменты, контролируемые кривизной поверхности. На каждом новом сегменте
добавляются граничные условия (новые тензоры), интерполированные на
основе исходных объектов. API Inventor позволяет получать штрихи для 2D и
3D элементов, позволяя приблизить геометрию эскиза данной кривой от
гладкой до дискретной. Алоритм способен создавать тензоры на этих
спроецированных линиях, сохраняя при этом информацию о тензорах в каждом
 12
из вычисленных участков. Впоследствии новые граничные условия
применяются к общему решателю Лапласа-Бельтрами и формируется весь
скрипт.[1, 4, 5]

Рисунок 1.4 – Сотовая конструкция на фасадах Bull-Ring Selfridges & Co. (12
230 стеновых элементов).

Генеративное проектирование – это один из видов вычислительного

проектирования, в котором роль архитектора заключается в создании систем
скриптов и алгоритмов, позволяющих автоматизировано создавать проекты
зданий по заранее созданному набору алгоритмов. В работе рассматривается
практическая разработка такой системы на основе авторского алгоритма для
проектирования малоэтажных жилых зданий, включающая в себя анализ
исходных данных, создание объемно-пространственного решения и
документирование полученного результата. Авторская система позволяет
разрабатывать архитектурные проекты в довольно сжатые сроки с сохранением
стабильного результата. Для выбранного образца среднее время создания
нового проекта дома составляет порядка 10 мин, что гораздо быстрее других
способов.[56, 57]
В статье А.Б. Пархимовича и А.В. Красновой показаны особенности
применения генеративного дизайна, его роль в развитии автоматизированного
проектирования и технологий аддитивного производства. В качестве примера
рассмотрен процесс генеративного дизайна процесс топологической
оптимизации в программе Solid Edge. Уже сейчас можно сделать вполне
обоснованный вывод о том, что при- менение генеративного дизайна в
совокупности с аддитивными технологиями помогают конструкторам
 13
расширять традиционные рамки и устранять устоявшиеся барьеры на пути к
инновационным решениям во множестве различных отраслей.[40, 59]
Клеточные автоматы (CA) были предложены в работе фон Неймана[15].
Клеточный автомат – это дискретная динамическая система, представляющая
собой совокупность одинаковых клеток, одинаковым образом соединенных
между собой. Все клетки образуют, так называемую, решетку клеточного
автомата. Решетки могут быть разных типов, отличаясь как по размерности, так
и по форме клеток. Каждая клетка является конечным автоматом, состояния
которого определяются состояниями соседних клеток и, возможно, ее
собственным состояниям.[49]
Так в своей работе зарубежные ученые Салман Халили Араги и Руди
Стоуффс использовали алгоритм CA для создания архитектурной формы жилья
с высокой плотностью застройки в Нидерландах. Метод генерации состоял из
двух этапов: разработка визуальных описаний архитектурных требований и
транскрибирование этих описаний на алгоритмический язык правила CA. Было
создано четыре типа ячеек-блоков: вертикальный коридор, студия,
однокомнатная и трехкомнатная квартиры (рис. 1.5.).

Рисунок 1.5 – Четыре типа ячеек-блоков и сгенерированные концептуальные

решения формы здания

Динамическое поведение системы CA управляется двумя наборами

правил и четырьмя наборами шаблонов соседства. Первый набор правил
анализирует доступность ячеек для единичных переходных ячеек, тогда как
второй набор правил касается естественного освещения каждого блока. В
результате данного исследование было сгенерировано три варианта
концептуального решения пятиэтажного здания, представленного на рисунке
 14
3.[28]
Роберт Дж. Кравжикав своей работе рассуждает на тему того, как можно
преобразовать форму блоков алгоритма CA так, чтобы сгенерированная
концепция смогла принять более архитектурный и законченный вид. Он решает
проблему горизонтальных связей между блоками, применяя увеличенные
ячейки для создания смежных областей на планах этажей. Так же предлагает
использовать другие фигуры для основания блоков (эллипс, круг, ромб,
шестиугольник) для изменения формы здания. На рисунке 6
проиллюстрированы результаты архитектурной интерпретации результатов
генерации CA.[13, 29]
Shape grammar — это особый класс производственных систем, которые
генерируют геометрические формы. Как правило, формы являются двух- или
трехмерными, поэтому грамматики форм — это способ изучения двух- и
трехмерных языков. Основы грамматики форм были определены в
основополагающей статье Джорджа Стини и Джеймса Гипса в 1971 г. [53]
В работе Эйлути Бутайна представлен алгоритм SG, объясняющая
морфогенез фасадной композиции исследовательского центра по проекту Захи
Хадид «KAPSARC». После визуального изучения и схематического анализа
геометрических композиций фасадов и составляющих их панелей можно
вывести и сформулировать формальную грамматику формы. Основные правила
грамматики в классе P можно разделены на два набора. Первый набор включает
два правила для установления базовых единиц строительной сети и параметров
регулирующих линий (рис. 1.6). Прямоугольники запараметризированы с
точки зрения размеров и углов в соответствии с их размещением на плоскостях
здания. Второй набор включает правила назначения оконных проемов, в
соответствии с которыми окна и ниши размещаются в назначенной панели
облицовки[14]
 15

Рисунок 1.6 - Пример правил грамматики в классе P

Грамматика форм широко используется в сфере городское планирования

районов. Существует множество программ, таких как SortalGI Grasshopper,
Spapper, CityEngine, в основе которых лежит этот алгоритм. Так в своих статьях
Мандоу Л., Ван Х., Сун Ю., Тан.П., описывают алгоритм создания эскиза
небольшого коттеджного поселка, удовлетворяющих требованиям по
пригодности для проживания, и исследуют генеративную грамматику форм
городских кварталов и зданий, изучают практический подход к их
применению.[32, 39]
Генетические алгоритмы получили развитие в середине 60-х гг. XX в.
благодаря трудам Дж. Холланда.[6, 22, 50] Они имитируют эволюционный
процесс при особом акценте на генетические механизмы, т. е. наследование и
рекомбинацию генов [60]. Целью этого метода является поиск наиболее
правильных решений с точки зрения заданных параметров и ограничений. ГА
может применяться к широкому кругу задач проектирования, особенно к
задачам с дискретными геометрическими, топологическими и размерными
переменными[3, 34].
Так в своей работе Луиза Калдас использует приложение GENE_ARCH,
работа которого базируется на генетическом алгоритме, для генерации
альтернативных фасадных решений существующей школы архитектуры Порту.
GENE_ARCH работал над подробным трехмерным описанием здания и
использовал естественное освещение и энергоэффективность в качестве
целевых функций для выработки решений. В процессе генерации было найдено
более оптимальное фасадное решение чем то, что предложил архитектор
здания. В дизайне Сизы (архитектора проекта) большое ленточное окно,
выходящее на восток, освещает большую часть комнаты, в то время как гораздо
 16
меньшее окно, выходящее на юг, занимает торцевую стену Утреннее солнце
перегревает комнату и вызывает блики, в то же время днем в комнате
становится слишком темно. GENE_ARCH обнаружил эту проблему и
предложил гораздо большее южное окно, близко к верхней границе
ограничений, и маленькое восточное окно только для освещения задней части
комнаты. На рис. 1.7 показаны четыре фасада существующего здания, лучшее
решение, созданное GENE_ARCH без разрешения изменять элементы
затенения, а также для случая, когда он также может изменять системы
затенения.[9–11]

Рисунок 1.7 – Фасады существующего здания, лучшее решение,

полученное без изменения элементов затенения, и лучшее решение, полученное
путем управления системами затенения.
Еще одним характерным примером применения генеративных методов в
архитектурном формообразовании является проект Многофункционального
жилого комплекса исследователей из Университета штата Небраска Nate
Holland. Проект многоэтажного жилого дома показывает, как может работать
генеративный дизайн, а точнее – процесс оптимизации, основанный на
 17
«правиле», которое обеспечит высотные квартиры лучшими видами. Galapagos,
анализируя различные комбинации, выбирает наилучший вариант пятна
застройки, подходящий заданным требованиям. Затем приступает к
оптимизации верхнего уровня, выстраивая визуальные линии от пола этажа до
береговой линии. Также выполняется оптимизация нижележащих уровней. В
результате Galapagos выдает множество возможных решений, которые
анализируются и отсортировываются командой проектировщиков.[20, 37, 52]
Статья научного деятеля Лебедюк Э.А. посвящена вопросам текущего
состояния агентного моделирования – нового направления имитационного
моделирования, которое имеет первостепенное значение в качестве
инструмента исследования сложных гетерогенных децентрализованных
социоэкономических систем. Агентная модель представляет реальный мир в
виде многих отдельно специфицируемых активных подсистем, называемых
агентами. Обычно в таких системах не существует глобального
централизованного управления, агенты функционируют по своим законам
асинхронно. Поведение агентов регулируется их собственной схемой, т. е.
когнитивной структурой, которая определяет, какое действие агент
предпринимает в момент времени t с учетом его восприятия окружающей
среды.[47]
Следует также отметить работу Дэвида Дж. Гербера, Евангелоса
Пантазиса и Алана Вана, цель которой состояла в разработке комплексной
методологии проектирования, основанной на многоагентной системе (MAS),
которая предоставляет проектировщикам не только геометрическую обратную
связь и разнообразие, но и множественную обратную связь по
производительности и, таким образом, помогает им в создании и выборе
эффективных проектных решений. Представленный экспериментальный
пример иллюстрирует, как MAS может быть разработан и адаптирован к
конкретным задачам проектирования, чтобы автоматически выводить
альтернативные варианты проектирования и, следовательно, помогать
архитекторам в создании более эффективных проектных решений. Подобная
 18
система представлена на рисунке 1.6.

Рисунок 1.6 – Диаграмма, показывающая типичную внутреннюю структуру

агентов, типы агентов и иерархию агентов в MAS для проектирования.
Система смогла создать конфигурацию фасадных панелей,
демонстрирующую высокую степень сложности, что обеспечило более
естественное освещение, специально адаптированное для конкретной группы
участников, при одновременном снижении потребности в искусственном
освещении. Конструктивный пример и результаты показали улучшения с точки
зрения энергоэффективности за счет создания решений, которые увеличивают
количество доступного естественного дневного света и, следовательно,
приводят к снижению энергопотребления за счет искусственного освещения.
Это также улучшает процесс проектирования, предоставляя проектировщику
ключевую роль в описании геометрической ДНК базовой единицы
проектирования, а также их ограничений и целей анализа, в которых система
затем автоматически генерирует серию глобальных проектные решения,
которые уже включают оптимизацию экологических целей.[16–19]
1.3 Обзор программных комплексов с реализацией генеративного дизайна
Особое значение для дальнейшего исследования является изучение
технических возможностей основных программных комплексов, в которых
могут быть осуществимы алгоритмы оптимизации, такие как Grasshopper и
Dynamo.
Grasshopper является приложением для визуального программирования в
рамках комплекса Rhino, это визуальный редактор программирования,
разработанный David Rutten для Robert McNeel & Associates. В качестве
 19
плагина для Rhino3D Grasshopper интегрирован в надёжную и универсальную
среду моделирования и используется творческими профессионалами,
работающими в широком диапазоне направлений, включая архитектуру,
инжениринг, промышленный дизайн и многое другое. В тандеме Grasshopper и
Rhino дают нам возможность использовать точный параметрический контроль
над моделью, способность исследовать процессы генеративного дизайна, а
также даёт платформу для развития высокоуровневой программной логики — и
всё это в пределах интуитивного графического интерфейса.[35] В случае, когда
Grasshopper используется для автоматизации рутинных процессов, речь, как
правило, идёт о процессе создания цифровой модели. В этом случае в
Grasshopper воспроизводится та логика построения модели, которая
использовалась бы при работе в Rhino. Таким образом за короткий срок можно
смоделировать и проверить множество различных решений или быстро
построить детализированную модель проекта. [58]
Все сценарии использования Grasshopper на этапе проектирования
разделяются на 3 группы:
1. Автоматизация или оптимизация рутинных процессов -сценарий,
когда проектировщик знает ожидаемый результат и избавляется от
однообразной работы. Воспроизводится та логика построения модели, которая
использовалась бы при работе в комплексе-моделирования. Таким образом за
короткий срок можно смоделировать и проверить множество различных
решений или быстро построить детализированную модель проекта.
2. Создание параметрической модели -сценарий, когда финальный
результат для проектировщик представляется, но не очевиден. Создаётся
гибкая модель объекта, изменяя различные параметры которой можно вручную
подобрать оптимальное решение (одно или несколько).3
3. Генерация решений - сценарий с открытым результатом, когда
проектировщик не знает заранее, что получит и разрабатывает либо правила
для автоматического генерирования одного решения (например, в случае
симуляции стайного поведения), либо правила отбора самого оптимального
 20
из множества решений, созданных на основе параметрической модели при
использовании алгоритмов.
Компании Autodesk принадлежат три продукта, в которых
вырабатывается принцип генеративного дизайна:
• Autodesk’s Project Fractal, выпущенный в2016 году;
• Autodesk’s Project Refinery - бета-версии Project Fractal (2018),
• Generative Design for Revit – надстройка для Revit 2021 (2020).
С помощью Generative Design for Revit можно сформировать варианты
проекта в зависимости от целей, зависимостей и входных данных на базе
алгоритма Dynamo. Предположим, требуется определить наилучшее
расположение столов в большом помещении. Целью будет размещение
максимального количества столов с оптимальным видом из окна (рис. 1.7).

Рисунок 1.7 – "До" и "после" оптимизации

Кроме того, необходимо обеспечить минимальное расстояние от каждого
стола до ближайшего выхода. Кроме определения переменных и целей,
можно задать зависимости для результатов, влияющие на работу алгоритма
оптимизации. Для генеративного проектировании различают понятия
нейронные сети и генетические алгоритмы. Если для проектирования
используют нейронная сеть, то с большой долей вероятности результат будет
довольно предсказуемым. В современных разработках компания Autodesk
склоняется в сторону генетических алгоритмов, потому что они могут дать
более непредсказуемые результаты, до которых человеку сложно додуматься
самому.
 21
Приложение Dynamo — это программное обеспечение, которое можно
скачать и использовать в однопользовательском режиме песочницы либо в
качестве подключаемого модуля для других программ, таких как Revit. Это
средство визуального программирования, в равной степени доступное как для
программистов, так и для специалистов, не связанных с программированием. С
помощью Dynamo можно создавать визуальные сценарии для определенных
режимов работы, образовывать пользовательские элементы логики и писать
сценарии с использованием различных текстовых языков программирования.[7,
33]
1.4 Выводы по первой главе
В результате исследования существующих криволинейных конструкций
можно сформулировать основные сложности при проектировании и монтаже:
• Учет габаритов;
• Сложности с разработкой конструктивных решений креплений,
производства, транспортировки и хранения панелей, монтажа всей системы из-
за проблем с унификацией типоразмеров;
Анализ существующих исследований в области генеративного
проектирования позволяет сформулировать основные характеристики для
каждого из рассмотренных алгоритмов:
1. Клеточный автомат выгодно использовать для параллельных
вычислительных процессов и моделирования контекстно-зависимых моделей
роста. Например, моделирования сценариев, в которых несколько факторов
взаимно влияют друг на друга, то есть в таких ситуациях, где изменения в
одной зоне, которые приводят к изменениям в соседних зонах. После
определения правил, размеров ячеек и прочих параметров этот алгоритм не
требует больше вмешательства пользователя. К оптимизационные задачам,
которые CA лучше автоматизирует, относятся генерация городского
планирования, создание концептуальных архитектурных форм.
2. Грамматика форм подходит для пошаговой генерации шаблонов,
конструкций на основе фигур, особенно для разработки новых паттернов и
 22
форм, возникающих в результате повторений и операций с конечными
формами. Важно понимать, что применение SG довольно трудоемкий процесс,
ввиду большого количества правил и параметров, которые необходимо
учитывать для правильной работы алгоритма. К тому же, данный процесс
нуждается в периодическом вмешательстве проектировщика, поэтому
полностью автономным этот алгоритм назвать нельзя.
3. Одним из главные достоинств генетические алгоритма (GA) является
возможность генерировать случайные конструкции, и, следовательно,
облегчить моделирование по сравнению с CA и SG, где определение правил
может занять время. GA также позволяет выполнять параллельные вычисления,
но в отличие от CA, где параллельные вычисления происходят на локальном
уровне, в GA параллельные вычисления происходят посредством исследования
нескольких решений на глобальном уровне. GA позволяет без вмешательства
пользователя исследовать пространство проектирования, и при этом
контролировать качество сгенерированных решений с помощью функций.

Для достижения поставленной цели в диссертационном исследовании

выдвинуты следующие задачи:
1. Расчет холодногнутых панелей, выявление зависимостей;
2. Определение параметров, которые оказывают наибольшее влияние на
оболочку;
3. Разработка алгоритма, способного привести к желаемому результату;
4. Тестирование алгоритма на модели оболочки здания;
5. Анализ полученных результатов;
6. Подведение итогов работы.
 23
Глава 2. Оптимизация проектирования холодногнутых стеклянных
панелей
2.1 Последовательность операций при проектировании светопрозрачных
покрытий
Проектирование светопрозрачных конструкций (далее СПК) зданий и
сооружений многоэтапный и сложный процесс. Для относительно простых
объектов этот процесс регулируется нормативными документам, так, к
примеру, на рисунке 2.1 представлены основные этапы разработки
документации по СП 363.132800.2017 Покрытия светопрозрачные и фонари
зданий и сооружений.

Рисунок 2.1 – Последовательность операций при проектировании

светопрозрачных покрытий
Но переход от относительно простой конструктивной идеи окна,
обеспечивавшего доступ света и воздуха в жилище, к полностью остеклённым
фасадам и кровлям обозначил качественно иной уровень требований к
светопрозрачным конструкциям и соответственно, — новое теоретическое
направление в инженерно-строительной науке.
Как показывает практика применения современных типов СПК в
проектах гражданских зданий различного функционального назначения, при их
проектировании, монтаже и эксплуатации возникает значительное количество
типовых проблем.
Среди наиболее распространенных можно выделить следующие:
 24
− низкая осведомленность архитекторов и проектировщиков о
технологических особенностях устройства современных типов СПК, что
приводит во многих случаях к тому, что уже на ранних стадиях архитектурно-
строительного проектирования объекта закладываются некорректные
технические решения;
− нарушение нормальной конкурентной среды среди производителей
СПК, вызванное отсутствием единых критериев и методов расчета фактических
технических характеристик изделий, ведь в настоящее время еще не разработан
базовый нормативный документ, который бы совместно с уже действующими и
разрабатываемыми нормативными документами, регламентирующими
специфические технические и технологические требования к отдельным видам
СПК, а также стандартами на методы их испытаний сформировал комплексную
нормативную базу в данной области;
− отсутствие привязки заложенных в проект технических решений и
технологий монтажа СПК к фактическим условиям монтажа;
− сложности в приемке работ по монтажу СПК, вызванные отсутствием
единых алгоритмов подтверждения фактических технических характеристик
СПК требованиям проекта;
− сложности с обеспечением безопасной эксплуатации и обслуживания
СПК.
По этим причинам возникла необходимость оптимизации расчётов и
проектирования пространственных наружных оболочек зданий, отличающихся
от применявшихся ранее для ограждающих конструкций.
Так в данной магистерской работе предложен модифицированный
процесс проектирования, при котором проектировщики, получая исходные
показатели от производителя криволинейных панелей, могут выбрать с
помощью средств оптимизации наиболее пригодный вариант конструкции для
производства, монтажа и дальнейшей эксплуатации на ранних стадиях
проектирования.
 25
При переходе от эскизной формы здания к конкретным конструктивным
решениям криволинейных фасадов существует два основных варианта
реализации архитектурной концепции:
− сегментирование формы на плоские стеклянные панели, образующие
единую криволинейную поверхность;
− использование гнутого стекла.
Так архитектурная форма на стадии концепции является «идеалом», а
конструктивные решения – достижимым результатам в условиях возможностей
технологий.
На рисунке 2.2 представлена схема разделения на панели произвольной
формы оболочки здания.
Плоскость a является проекцией криволинейной панели, плоскость b
проходит через максимальную точку изгиба панели, параллельно плоскости a.
Плоскость с также проходит параллельно плоскости b через максимальную
точку изгиба на этом участке.

Рисунок 2.2 – Расчетная схема квадратной стеклянной панели

Расстояние Z – это максимальное вертикальное перемещение
относительно закрепленных опор панелей, а dx - нормаль от плоскости b к
плоскости c.
 26
Из этих данных можно собрать несколько сценариев оптимизации:
− 𝑍 → 𝑚𝑎𝑥, dx → min - при этом сценарии достигается максимальная
близость рассчитанной оболочки к эскизному варианту;
− 𝑍 → dx, - при этом сценарии достигается оптимальное соотношение
рассчитанной оболочки к эскизному варианту
− 𝑍 → min , dx → 𝑚𝑎𝑥 - при этом сценарии реализуется разбиение
оболочки на плоские панели;
Для перевода данного сценария в алгоритм необходимо рассчитать
каталог возможных используемых панелей.

2.2 Технологический процесс

Как следует из названия, холодная гибка выполняется при естественной
заводской температуре. Процесс начинается с помещения стекла в рамку,
которая механически сгибает стекло в желаемую форму рамки. В процессе
установки рамы стекло приклеивается или ввинчивается непосредственно в
раму. Затем каркас готов к установке в здание, процесс показан на рисунке 2.3.

Рисунок 2.3 – Расчетная схема квадратной стеклянной панели

Радиус изгиба обычно довольно высок, что означает лишь
незначительный изгиб стекла. Чем тоньше стекло, тем легче его сгибать с
механической точки зрения. Форма, однако, также может иметь скрученный
дизайн.
Холодная гибка может быть выполнена как для всего стеклопакета, так и
для отдельных стеклопакетов. При изгибе полностью изолированного блока
герметик подвергается многократному воздействию. Поскольку холодногнутое
стекло существует недостаточно долго, трудно судить о его долговечности. Так
 27
в России строительство одного из первых зданий с использованием панелей
данной технологии датируется 2010 г.
Характеристики материала
Для определения расчетных характеристик материала были
проанализированы следующие нормативные документы:
− ГОСТ 111-2001 Стекло листовое бесцветное. Технические условия;
− ГОСТ 30698-2000 Стекло закаленное. Технические условия;
− ГОСТ 33087-2014 Стекло термоупрочненное. Технические условия;
− ГОСТ 30826-2001 Стекло многослойное. Технические условия.
Исходя из этих документов, для всех видов стекол была сформирована
таблица 2.1 с характеристиками материалов.
Таблица 2.1 – Характеристики материала
Плотность, кг/м3

теплоемкость,
упругости, Па

Коэффициент
Прочность на
Толщина, мм

сжатие, МПа

Дж/(кг·К)
Удельная
Пуассона
Модуль

Материал

700 -
Стекло 8 7·1010 2500 0.2 720
900

Расчетные схемы и нагрузки

Чтобы проанализировать влияние конфигурации криволинейной панели
на общую конструкцию оболочки необходимо рассчитать несколько типов
геометрических основ панелей, представленных на рисунке 2.4.
 28

Рисунок 2.4 – Геометрические формы панелей

Также необходимо провести расчет для различный габаритов каждой
геометрической формы, которые представлены в таблицах 2.2-2.4, расчетные
схемы представлены на рисунках 2.5-2.7.
Квадратная форма панели

Рисунок 2.5 – Расчетная схема квадратной стеклянной панели

 29
Таблица 2.2 – Габариты квадратной стеклянной панели
𝜎допуск. 𝜎допуск.
Материал Размеры панели, axa м верт. гор.
Н/мм 2
Н/мм2
0.5 х
Закаленное стекло 1х1 2х2 3х3 5х5 50 50
0.5

Термоупрочненное 0.5 х
1х1 2х2 3х3 5х5 29 29
стекло 0.5
Покрытое эмалью
0.5 х
термоупрочненное 1х1 2х2 3х3 5х5 18 18
0.5
стекло
Ламинированное
0.5 х
стекло (из 1х1 2х2 3х3 5х5 22,5 15
0.5
отожженного стекла)
Прямоугольная форма панели

Рисунок 2.6 – Расчетная схема прямоугольной стеклянной панели

Таблица 2.3 – Габариты прямоугольной стеклянной панели
𝜎допуск. 𝜎допуск.
Материал Размеры панели, bxL м верт. гор.
Н/мм 2
Н/мм2

Закаленное стекло 0,5х1 1х2 1х3 1,5х4 2х5 50 50

Термоупрочненное
0,5х1 1х2 1х3 1,5х4 2х5 29 29
стекло
 30
𝜎допуск. 𝜎допуск.
Материал Размеры панели, bxL м верт. гор.
Н/мм 2
Н/мм2
Покрытое эмалью
термоупрочненное 0,5х1 1х2 1х3 1,5х4 2х5 18 18
стекло
Ламинированное
стекло (из 0,5х1 1х2 1х3 1,5х4 2х5 22,5 15
отожженного стекла)

Параллелограмм

Рисунок 2.7 – Расчетная схема стеклянной панели-параллелограмма

Таблица 2.4 – Габариты стеклянной панели-параллелограмма
𝜎допуск. 𝜎допуск.
Материал Размеры панели, bxL, a, м верт. гор.
Н/мм 2
Н/мм2
1х2, 1,5х3 2х3 1,5х4 2х5,
Закаленное стекло 50 50
0,3 0,5 0,5 0,5 0,5

Термоупрочненное 1х2, 1,5х3 2х3 1,5х4 2х5,

29 29
стекло 0,3 0,5 0,5 0,5 0,5
Покрытое эмалью
1х2, 1,5х3 2х3 1,5х4 2х5,
термоупрочненное 18 18
0,3 0,5 0,5 0,5 0,5
стекло
Ламинированное
1х2, 1,5х3 2х3 1,5х4 2х5,
стекло (из 22,5 15
0,3 0,5 0,5 0,5 0,5
отожженного стекла)
 31
В данном расчете не будут учитываться климатические, ветровые
нагрузки, но при такой схеме взаимодействия конструктор всегда может
рассчитать под необходимые условия панели и обновить каталог для
разрабатываемого алгоритма. Сила F увеличивается с шагом 2Н до достижения
𝜎допуск.
Расчетные критерии
При расчете использовалась методика, описанная в «Технических
правилах по проектированию ленточного остекления (TRLV, Германия). Ввиду
отсутствия в РФ общепринятой и нормативно утвержденной методики, такой
подход представляется оправданным, при условии, что использованные
критерии оценки не противоречили действующим в РФ нормативным
документам.
Т.к. расчёт стекла выполняется в соответствии со стандартом TRLV, в
основе которого лежит метод допустимых напряжений, нагрузки для расчёта
стекла применяются согласно их нормативным значениям (коэффициент
надёжности по нагрузке и ответственности принимаются равными 1.0), но при
этом общий коэффициент надёжности применяется к значению прочности
материала. Общий коэффициент надёжности по прочности стекла на
растяжение составляет 2.5, что является очень консервативным фактором.
В качестве подтверждения, что общий коэффициент надёжности по
прочности для расчёта по допустимым напряжениям является достаточно
консервативным, можно провести сравнение с расчётом по методу предельных
состояний (LRFD), принятым в РФ, где общий коэффициент надёжности может
быть представлен, как произведение коэффициента надёжности по нагрузке
(1.4), коэффициента надёжности по ответственности (1.2) и коэффициента
надёжности по прочности материала (1.5 для термически упрочнённого или
закалённого стекла), что в итоге равняется:
1,4 × 1,2 × 1,5 = 2,5
Таким образом, расчет по первому предельному состоянию,
выполненный по нормативным значения нагрузок с коэффициентом
 32
надежности yf = 1.0 и коэффициентом ответственности yn = 1.0, можно признать
оправданным с учетом того, что при оценке соответствия используются
значения допустимых напряжений в стекле уменьшенные в 2,4 раза по
сравнению с нормами, установленными ГОСТ 30826-2000 для закаленного
стекла и ГОСТ 33087-2014 для термоупрочненного стекла (Таблица 2.5)
Таблица 2.5 – Сравнение допустимых напряжений в стекле TRLV с ГОСТ
Использованные
Допустимые напряжения в нормы в Нормативные значения
стекле соответствии по ГОСТ, Н/мм2
TRLV, Н/мм2
Закаленное стекло 50 120 (ГОСТ 30826-2000)

Термоупрочненное стекло 29 70 (ГОСТ 33087-2014)

По прочности (IПС):
𝜎действ. ≤ 𝜎допуск.
где:
𝜎действ. – максимальное действующее главное напряжение при
характерных воздействиях. Максимальные действующие главные напряжения
представляют собой сумму главных напряжений, возникающих при
приложении расчетных случаев нагрузок и их комбинаций, а также
напряжений, вызванных холодным гнутьем стекла;
𝜎допуск. – допускаемое главное напряжение;
Использованы следующие нормативные значения, указанные в таблице
2.6, для допустимых напряжений в стекле при проверке по первому
предельному состоянию.
Таблица 2.6 – Допустимые напряжения в стекле в соответствие с TRLV
Вертикальное Горизонтальное
Тип
стекло, Н/мм2 стекло, Н/мм2
Закаленное стекло 50 50

Термоупрочненное стекло 29 29
 33
Вертикальное Горизонтальное
Тип
стекло, Н/мм2 стекло, Н/мм2
Покрытое эмалью
18 18
термоупрочненное стекло
Ламинированное стекло (из
22,5 15
отожженного стекла)

По прогибу (IIПС):
При оценке по второму предельному состоянию величина прогиба в
центре стеклопакета не регламентировалась (в соответствии с рекомендациями
TRLV для вертикального остекления и ГОСТ 24866-99).
Расчет производится в программном комплексе Abaqus.
2.3 Результаты расчета криволинейных холодногнутых стеклянных
панелей
Результаты расчеты представлены в таблицах 2.7-2.9б где Z1-
вертикальные перемещения середины панели, а Z2- перемещения углов, на
которые приложены деформируемые силы. Напряженно-деформированные
схемы из программного комплекса Abaqus представлены на рисунках 2.8-2.10.
Квадратная форма панели

Рисунок 2.8 – Напряженно-деформированная схема из Abaqus

 34
Таблица 2.7 – Результаты моделирования
𝜎действ. ,
Z1, мм Z2, мм
Н/мм2

Габариты
панели, 0.5 х 0.5 1х1 2х2 0.5 х 0.5 1х1 2х2
axa, м
18 31.6 43.4 23.3 126 260 280

22,5 40.6 55.7 27.2 162 334 326

29 58.6 68.1 34.9 234 409 419

50 94.6 116 58.2 378 697 698

Прямоугольная форма панели

Рисунок 2.9 – Напряженно-деформированная схема из Abaqus

 35
Таблица 2.8 – Результаты моделирования
𝜎действ. ,
Z1, мм Z2, мм
Н/мм2

Габариты
панели, 0.5х1 1х3 2х5 0.5х1 1х3 2х5
axa, м
18 10.8 15.2 8.7 130 91.3 104

22,5 13.9 19.0 10.7 167 114 128

29 17.0 24.1 13.5 204 145 162

50 29.4 20.6 23.6 353 247 283

Параллелограмм

Рисунок 2.10 – Напряженно-деформированная схема из Abaqus

 36
Таблица 2.9 – Результаты расчета
𝜎действ. ,
Z1, мм Z2, мм
Н/мм2

Габариты
1х2, 1,5х3 2х3 1х2, 1,5х3 2х3
панели,
0,3 0,5 1 0,3 0,5 1
axa, м
18 10.7 10.8 14.2 128 129 171

22,5 13.1 13.0 17.2 157 158 207

29 17.0 17.0 22.4 204 205 269

50 29.6 29.8 38.3 355 357 459

Рисунок 2.10 – Напряженно-деформированная схема из Abaqus

Для анализа поверхности необходимо знать предельные значения
кривизны панели в двух направлениях, так как мы используем double curved
панель. Кривизна k1 и k2 вычисляются по формуле:
1
𝑘 =
𝑅
где 𝑅 – радиус описанной вокруг треугольника окружности, вычисляется
через формулу:
 37
𝑎 ⋅ 𝑏 ⋅ 𝑐
𝑅 =
4√𝑃 ⋅ (𝑃 − 𝑎) ⋅ (𝑃 − 𝑐) ⋅ (𝑃 − 𝑏)
где a, b, c — стороны треугольника, определение которых производится
за счет вычисления расстояний (схема расчета представлена на рисунке 2.11);
P — это полупериметр треугольника. Он определяется по формуле:
(𝑎 + 𝑏 + 𝑐)
𝑃 =
2

где (x1,y1,z1), (x2,y2,z1), (x3,y3,z2) – координаты точек, вычисленные по габаритам панелей и

результатам расчета перемещений в программной среде Abaqus.
Рисунок 2.11 – Схема расчета кривизны панели
Все вычисления для каждого типоразмера панели производились в
программном комплексе Excel рисунок 2.12.

Рисунок 2.11 – Расчет кривизны в Excel

 38
Итоги вычисления кривизны панелей проиллюстрированы в таблицы
2.10.
Таблица 2.10– Результаты расчета кривизны
𝜎действ. , Н/мм2 Кривизна k1, мм Кривизна k2, мм

Габариты панели, axa, м

0.5 х 0.5 х
1х1 2х2 1х1 2х2
0.5 0.5

Покрытое эмалью 18 2,178 0,928 0,271 0,050 0,017 0,002

Ламинированное
22,5 2,178 1,105 0,312 0,065 0,022 0,003
стекло
Термоупрочненное
29 2,178 1,235 0,388 0,094 0,027 0,003
стекло
Закаленное стекло 50 2,178 1,414 0,564 0,151 0,046 0,006
Габариты панели, axa, м
0.5х1 1х3 2х5 0.5х1 1х3 2х5

Покрытое эмалью 18 0,795 0,074 0,029 0,0069 0,0012 0,029

Ламинированное 0,989 0,092 0,036 0,0089 0,0015 0,036

22,5
стекло
Термоупрочненное 1,160 0,117 0,045 0,0109 0,0019 0,045
29
стекло
Закаленное стекло 50 1,620 0,195 0,078 0,0188 0,0016 0,078

Габариты панели, axa, м

1х2, 1,5х3 2х3 1х2, 1,5х3 2х3
0,3 0,5 1 0,3 0,5 1

Покрытое эмалью 18 0,179 0,080 0,076 0,0019 0,0009 0,0011

Ламинированное 0,219 0,097 0,092 0,0023 0,0011 0,0014

22,5
стекло
Термоупрочненное 0,280 0,125 0,119 0,0030 0,0014 0,0018
29
стекло
Закаленное стекло 50 0,462 0,213 0,196 0,0053 0,0024 0,0031
 39
На основании полученных результатов был сформирован каталог в
формате XML (текстовый формат обмена данными), пример форматирования
представлен на рисунке 2.11.

Рисунок 2.11 – Сформированный каталог панелей в формате XML

 40
Глава 3. Практическое применение подхода к задаче проектирования
холодногнутых стеклянных панельных
конструкций
3.1 Реализация сценария в среде визуального программирования
Для выполнения данной задачи было принято использовать графический
алгоритмический редактор для Rhino Grasshopper, который позволяет создавать
программы на основе визуального программирования. Основная особенность
Grasshopper заключается в том, что он позволяет создавать сложные скрипты,
используя графические блоки, которые соединяются между собой для создания
цепочек действий. Это делает программирование более доступным для людей,
которые не имеют опыта в программировании, но желают создавать свои
собственные инструменты и алгоритмы. Grasshopper также поддерживает
множество плагинов, что позволяет расширить его функциональность.
Введем несколько терминов, используемых в данной главе, для
упрощения понимания работы данного кода:
Node (узел) - это компонент, который выполняет определенную функцию
и обрабатывает данные, передаваемые ему через входные параметры. Узел
может принимать данные из других узлов или источников данных, а затем
передавать их на выходные параметры другим узлам для дальнейшей
обработки.
Tree (дерево) - это структура данных, которая используется для
организации входных и выходных данных в компонентах. Дерево представляет
собой иерархическую структуру, состоящую из узлов и ветвей (branch), где
каждый узел может содержать набор вложенных ветвей и/или листьев.
Mesh (сетка) - это геометрический объект, состоящий из множества
маленьких полигонов, которые образуют поверхность. Сетка может быть
использована для моделирования поверхностей различных форм и сложностей,
а также для анализа и визуализации геометрических данных.
Часть кода написана на языке программирования C#, что позволяет
расширить возможности Grasshopper. Также дополнительно используются
 41
плагины для Grasshopper, такие как "Kangaroo", "Panel Tools" и "Pufferfish",
которые предоставляют дополнительные инструменты и функции для работы с
геометрическими объектами.
Общий вид сценария представлен на рисунке 3.1.

Рисунок 3.1 – Общий вид сценария

Дерево позволяет компонентам Grasshopper работать с разнородными
данными, такими как точки, векторы, кривые и поверхности, а также
объединять и разделять их при необходимости. Дерево также облегчает анализ
данных и доступ к конкретным элементам входных данных.
Первый блок сценария состоит из исходных данных, которые нужно
определить пользователю. К ним относятся габариты панели, материал стекла,
а также архитектурная форма в виде Surface (рисунок 3.2).

Рисунок 3.2 – Исходные данные

 42
Далее исходная поверхность делится на ячейки в соответствии с
заданными габаритами панели (рисунок 3.3). Cells извлекает дерево угловых
точек каждой панели, а Centroid получает центральные точки панелей, лежащие
на плоскости проекционной плоскости без учета изгиба.

Рисунок 3.3 – Разбивка поверхности

Для нахождения центральных точек, лежащих на архитектурной форме,

необходимо найти вектора нормали каждой панели и выстроить по ним линии.
Пересечения этих линий и поверхности и будут являться искомыми точками,
процесс указана на рисунке 3.4.

Рисунок 3.4 – Определение точек максимального изгиба панели

 43
В блоке «Проверка модели» в первую очередь определяются предельные
значения кривизны панели по заданным габаритам и материалу из каталога
XML, сформированного во второй главе диссертации. Этот каталог
преобразуется в список типа “Panel” - класс в C#, описывающий свойства и
методы объекта, на рисунке 3.5 представлена структура этого класса.

Рисунок 3.5 – Нахождение предельных значений свойств панели из

сформированного каталога и преобразование в класс C#

Узел “Расчет кривизны” (рисунок 3.5) вычисляет кривизну по формулам,

описанным во второй главе, и радиусы двух наборов точек (p1, p2, p3, p4 и
pCenter), которые передаются через параметры xList и centrList, и сохраняет
результаты в переменные Curvature1, Curvature2, Radius1и Radius2. Написанный
код нода представлен на рисунке 3.6.
 44

Рисунок 3.6 – Расчет кривизны панелей поверхности

В заключительной части данного блока в ноде “Разделение панелей”
алгоритм проходит по ветвям дерева, содержащего в себе геометрию панелей, с
использованием цикла for. Если панели удовлетворяют условию, то значения
кривизны и самой геометрии сохраняются в списках k_true, meshTrue, если нет,
то в списках k_false, meshFalse (рисунок 3.7).

Рисунок 3.7 – Проверка панелей

 45
Панели, которые попали в список k_false, meshFalse, переходят в блок
“Панели, не проходящие проверку” (рисунок 3.8). Их геометрия подсвечивается
красно-черным цветом для визуального контраста. На этом этапе пользователь
может изменить материал или размеры и форму панели, чтобы уменьшить или
исключить количество этих панелей, а также разделить панели, все или только
непроходящие проверку, на треугольные плоские панели (рисунок 3.9).

Рисунок 3.8 – Панели, не проходящие проверку

Рисунок 3.9 – Разделение на плоские треугольные панели

На вход в блок “Панели, проходящие проверку” поступают списки k_true,
meshTrue, и так как геометрия этих панелей соответствует физическим и
техническим возможностям изготовления холодногнутых стеклянных панелей,
они подсвечиваются зелено-желтой гаммой цветов.
 46

Рисунок 3.10 – Панели, проходящие проверку

Следующим этапом в этом сценарии является унификация типоразмеров
панелей в Grasshopper - это позволяет привести набор панелей с разными
размерами к определенному набору типоразмеров, к тому же учитывается
кривизна панелей по двум направлениям, вычисленная ранее (рисунок 3.11).
После отработки этого узла мы получаем возможность выгрузить номера типов
конструкций на видах в Rhino или сохранить данные в Excel с помощью группы
узлов “ Выгрузка данных по панелям в Excel ”.

Рисунок 3.11 – Унификация типоразмеров панелей

 47

Рисунок 3.12 – Панели, проходящие проверку

 48
Список использованных источников
1. Andrade D. F., Shimada K. Automatic Generation of a Pattern of Geometric
Features for Industrial Design // Journal of Mechanical Design. 2013. № 11 (135).
2. Abrishami S. [и др.]. Integration of BIM and generative design to exploit AEC
conceptual design innovation // Journal of Information Technology in Construction.
2014. № September (19). C. 350–359.
3. Alhaddad W. [и др.]. Outrigger and Belt-Truss System Design for High-Rise
Buildings: A Comprehensive Review Part II—Guideline for Optimum Topology and
Size Design // Advances in Civil Engineering. 2020. (2020).
4. Andrade D., Harada M., Shimada K. Framework for automatic generation of
facades on free-form surfaces // Frontiers of Architectural Research. 2017. № 3 (6).
C. 273–289.
5. Andrade D., He W., Shimada K. Automated Generation of Repeated Geometric
Patterns for Customized Additively Manufactured Personal Products // Procedia
Manufacturing. 2016. (5). C. 944–957.
6. Babushkina A. [и др.]. Optimizing parking lot design by Generative design
approach // E3S Web of Conferences. 2021. (263). C. 1–10.
7. Caetano I., Santos L., Leitão A. Computational design in architecture: Defining
parametric, generative, and algorithmic design // Frontiers of Architectural Research.
2020. № 2 (9). C. 287–300.
8. Caldas L. Generation of energy-efficient architecture solutions applying
GENE_ARCH: An evolution-based generative design system // Advanced
Engineering Informatics. 2008. № 1 (22). C. 59–70.
9. Caldas L. G. M. L. da O. G. C. An evolution-based generative design system:
using adaptation to shape architectural form // 2001.
10. Caldas L., Norford L., Rocha J. An evolutionary model for sustainable design //
Management of Environmental Quality: An International Journal. 2003.
11. Classes I. F. ИСО 16739-1 : 2018 Система стандартов информационного
моделирования зданий и сооружений ОТРАСЛЕВЫЕ БАЗОВЫЕ КЛАССЫ (
IFC ) ДЛЯ ОБМЕНА И УПРАВЛЕНИЯ ДАННЫМИ Схема данных 2019.
 49
12. Devetakovic M., Petrusevski L. Les Folies Cellulaires–An Exploration in
Architectural Design Using Cellular Automata // 12th Generative Art Conference.
2009. C. 181–192.
13. Eilouti B. Shape grammars as a reverse engineering method for the
morphogenesis of architectural façade design // Frontiers of Architectural Research.
2019. № 2 (8). C. 191–200.
14. Fiantis D. Теория самовоспроизводящихся автоматов // Angewandte Chemie
International Edition, 6(11), 951–952. 1967. C. 5–24.
15. Gerber D. J. The parametric affect: Computation, innovation and models for
design exploration in contemporary architectural practice / D. J. Gerber, GSD, 2009.
16. Gerber D. J., Lin S. H. E. Designing in complexity: Simulation, integration, and
multidisciplinary design optimization for architecture // Simulation. 2014. № 8 (90).
C. 936–959.
17. Gerber D. J., Pantazis E., Marcolino L. S. Design Agency // Communications in
Computer and Information Science. 2015. (527). C. 213–235.
18. Gerber D. J., Pantazis E., Wang A. A multi-agent approach for performance based
architecture: Design exploring geometry, user, and environmental agencies in façades
// Automation in Construction. 2017. (76). C. 45–58.
19. González J., Fiorito F. Daylight design of office buildings: Optimisation of
external solar shadings by using combined simulation methods // Buildings. 2015. №
2 (5). C. 560–580.
20. Holland J. H. Adaptation in natural and artificial systems: an introductory
analysis with applications to biology, control, and artificial intelligence / J. H.
Holland, MIT press, 1992.
21. Holland J. H. Adaptation in Natural and Artificial Systems: An Introductory
Analysis With Applications to Biology, Control, and Artificial Intelligence // The
MIT Press, Cambridge. 1992.
22. Januszkiewicz K., Banachowicz M. Glass as A Component of Curvilinear
Architecture in 21st Century // Procedia Engineering. 2016. (161). C. 1490–1495.
23. Keshavarzi M. [и др.]. Textual evidence for the perfunctoriness of independent
 50
medical reviews // CEUR Workshop Proceedings. 2020. № September (2657). C. 1–
9.
24. Keshavarzi M. [и др.]. Optimization and Manipulation of Contextual Mutual
Spaces for Multi-User Virtual and Augmented Reality Interaction 2020.C. 353–362.
25. Keshavarzi M. [и др.]. Genscan: A generative method for populating parametric
3d scan datasets // Projections - Proceedings of the 26th International Conference of
the Association for Computer-Aided Architectural Design Research in Asia,
CAADRIA 2021. 2021. № c (1). C. 91–100.
26. Keshavarzi M., Rahmani-Asl M. GenFloor: Interactive generative space layout
system via encoded tree graphs // Frontiers of Architectural Research. 2021. № 4
(10). C. 771–786.
27. Khalili Araghi S., Stouffs R. Exploring cellular automata for high density
residential building form generation // Automation in Construction. 2015. № PA (49).
C. 152–162.
28. Krawczyk R. J. Architectural Interpretation of Cellular Automata // Proceedings
of the Generative Art Conference. 2002. C. 7.1-7.8.
29. Laushkina Аnastasia, Basov Oleg Application of generative design methods using
multimodal data in the field of architecture and urban planning // Research Result
Information Technologies. 2021. № 3 (6). C. 3–10.
30. Macal C. M., North M. J. Agent-based modeling and simulation 2009.C. 86–98.
31. Mandow L. [и др.]. Architectural planning with shape grammars and
reinforcement learning: Habitability and energy efficiency // Engineering
Applications of Artificial Intelligence. 2020. № August (96). C. 103909.
32. Nouri F., Ashtari P. Weight and topology optimization of outrigger-braced tall
steel structures subjected to the wind loading using GA // Wind and Structures, An
International Journal. 2015. № 4 (20). C. 489–508.
33. Prušková K. Reducing failures rate within the project documentation using
Building Information Modelling, especially Level of Development // MATEC Web
of Conferences. 2018. (146). C. 1009.
34. Saprykina N. Thesaurus of Parametric Paradigm for Architectural Space Forming
 51
// Architecture and Modern Information Technologies. 2017. № 3 (3). C. 281–303.
35. Yezioro A., Dong B., Leite F. An applied artificial intelligence approach towards
assessing building performance simulation tools // Energy and Buildings. 2008. № 4
(40). C. 612–620.
36. Zhang J., Liu N., Wang S. Generative design and performance optimization of
residential buildings based on parametric algorithm // Energy and Buildings. 2021.
(244). C. 111033.
37. А.Б. Пархимович, Краснова А. В. Генеративный дизайн как новая ступень
проектирования // Управление качеством на этапах жизненного цикла
технических и технологических систем. 2012. C. 125–129.
38. Антонов И. Г. BIM ТЕХНОЛОГИИ И ИХ ОСВОЕНИЕ Антонов И.Г. C. 60–
65.
39. Владимирович К. И. Криволинейность в архитектуре – анализ
конструктивных решений Харбинского оперного театра // Архитектура и
дизайн. 2017. № 1 (1). C. 53–71.
40. Гост Р., Определения Т. И. Система стандартов информационного
моделирования зданий и сооружений 2019.
41. Куршакова В.Н. ПРОБЛЕМЫ ПРИМЕНЕНИЯ НОВЕЙШИХ
МЕМБРАННЫХ КОНСТРУКЦИЙ В СОВРЕМЕННОЙ АРХИТЕКТУРЕ //
Архитектон: известия ВУЗов. 2008. C. 22.
42. Лебединская А.Р. ИВД. 2021. №12 (84) КРИВОЛИНЕЙНЫЕ ВИТРАЖНЫЕ
ФАСАДЫ ЗДАНИЙ: ПРОБЛЕМЫ И ПУТИ ИХ РЕШЕНИЙ – тема научной
статьи по строительству и архитектуре читайте бесплатно текст научно-
исследовательской работы в электронной библиотеке КиберЛенинка // ИВД. C.
№12 (84).
43. Лебедюк Э.А. Агентное моделирование: состояние и перспективы //
Вестник РЭА им. Г.В. Плеханова. 2017. №6 (96). URL:
https://cyberleninka.ru/article/n/agentnoe-modelirovanie-sostoyanie-i-perspektivy
(дата обращения: 01.12.2018). C. 155–162.
44. Ложкин Н. BIM-ТЕХНОЛОГИИ ПРОЕКТИРОВАНИЯ // Colloquium-journal.
 52
2020. № February (2507). C. 1–9.
45. Наумов Л., Шалыто А. Клеточные Автоматы. Реализация И Эксперименты
// Мир Пк. 2003. № 8. C. 64–71.
46. Панченко Т. В., Учебно-методическим Д. Генетические Алгоритмы / Т. В.
Панченко, Д. Учебно-методическим, 1998.
47. Потапенко А. А. АЛГОРИТМИЧЕСКОЕ ПРОЕКТИРОВАНИЕ КАК
СРЕДСТВО ФОРМИРОВАНИЯ АНАЛИТИЧЕСКИХ И ПРОЕКТНЫХ
МОДЕЛЕЙ В АРХИТЕКТУРЕ // АРХИТЕКТУРА И ДИЗАЙН: ИСТОРИЯ,
ТЕОРИЯ, ИННОВАЦИИ. 2021. (5). C. 307–311.
48. Салех М. С. Информационные технологии и архитектура // Architecture and
Modern Information Technologies. 2021. № 1 (1). C. 268–278.
49. Стини Г. Г. Д. Грамматики форм и порождающая спецификация живописи и
скульптуры // Конгресс ИФИП (2). 1997. № 3 (2). C. 125–135.
50. Строительстве В. Гост Р-57563 - 2017/ Моделирование Информационное В
Строительстве Основные Положения По Разработке Стандартов
Информационного Моделирования Зданий И Сооружений // М.:
Стандартинформ. 2017.
51. Уткина В. Н., Грязнов С. Ю., Бабушкина Д. Р. ПРОБЛЕМЫ И
ПЕРСПЕКТИВЫ ВНЕДРЕНИЯ ТЕХНОЛОГИИ ИНФОРМАЦИОННОГО
МОДЕЛИРОВАНИЯ В ОБЛАСТИ СТРОИТЕЛЬСТВА В РОССИИ:
ПРОБЛЕМЫ И ПЕРСПЕКТИВЫ ВНЕДРЕНИЯ // АНО “Институт судебной
строительно-технической экспертизы”, 2019. 2019. C. 57–61.
52. Федчун Д. О. Система генеративного проектирования для малоэтажных
жилых зданий // Вестник инженерной школы ДВФУ. 2018. № 36 (3). C. 171–
183.
53. Федчун Д. О., Тлустый Р. Е. Сравнительный Анализ Методов
Параметрического, Информационного И Генеративного Архитектурного
Проектирования // Вестник Инженерной Школы Дальневосточного
Федерального Университета. 2018. № 1 (34) (1). C. 103–115.
54. Шухова В. Г. Цифровое проектирование с применением генеративного
 53
дизайна 2019. C. 38–44.
55. Юрьев А. Г., Клюев С. В., Клюев А. В. Оптимизация строительных
конструкций на основе генетического алгоритма C. 61–64.
56. elibrary_45835918_85485360.pdf.
57. ГОСТ Р ИСО 22263-2017 | НАЦИОНАЛЬНЫЕ СТАНДАРТЫ.
58. СП 333.1325800.2017 «Информационное моделирование в строительстве.
Правила формирования информационной модели объектов на различных
стадиях жизненного цикла» | Минстрой России [Электронный ресурс]. URL:
https://minstroyrf.gov.ru/docs/16405/ (дата обращения: 13.12.2021).
59. ГОСТ Р 57309-2016 | РУКОВОДЯЩИЕ ПРИНЦИПЫ ПО БИБЛИОТЕКАМ
ЗНАНИЙ И БИБЛИОТЕКАМ ОБЪЕКТОВ // 2016.
60. СП 328.1325800.2017 «Информационное моделирование в строительстве.
Правила описания компонентов информационной модели» | Минстрой России
[Электронный ресурс]. URL: https://minstroyrf.gov.ru/docs/16400/ (дата
обращения: 13.12.2021).