(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210642944.3 (22)申请日 2022.06.08 (71)申请人 中南建筑设计院股份有限公司 地址 430071 湖北省武汉市武昌区中南 二 路 (72)发明人 张慎　孟凡凯　杨浩　尹鹏飞　 (74)专利代理 机构 湖北武汉 永嘉专利代理有限 公司 42102 专利代理师 钟锋　张宇 (51)Int.Cl. G06F 30/13(2020.01) G06F 30/23(2020.01) G06F 30/25(2020.01) G06F 30/27(2020.01) G06K 9/62(2022.01)G06N 3/00(2006.01) G06N 3/12(2006.01) (54)发明名称 一种基于聚类算法的建筑幕墙优化方法及 系统 (57)摘要 本发明公开了一种基于聚类算法的建筑幕 墙优化方法及系统， 包括： 获取建筑曲面； 进行幕 墙网格划分； 利用聚类算法对幕墙曲面进行归 类； 获取同类幕墙的几何特征参数均值； 利用上 述参数建立统一模板； 对初始曲面与模板曲面展 开误差分析； 基于误差分析结果对聚类算法输入 参数进行智 能寻优； 输出最优方案的幕墙曲面， 其余曲面进入 下一轮循环。 可以自动并且快速地 对幕墙曲面进行归类与优化， 尽可能以统一的幕 墙模板曲面来替代原幕墙曲面， 极大程度减少幕 墙模板的数量与加工难度， 缩短加工周期， 降低 制造成本， 可 以广泛应用于建筑幕墙优化领域， 尤其适用于对建筑造型曲面精度要求高， 且幕墙 面板划分较为均匀的工程项目。 权利要求书2页 说明书4页 附图2页 CN 114896670 A 2022.08.12 CN 114896670 A 1.一种基于聚类算法的建筑幕墙优化方法， 其特 征在于， 包括： S1： 获取建筑造型曲面的三维模型； S2： 基于建筑造型曲面 开展网格划分， 得到若干个 独立的初始幕墙曲面； S3： 依据各初始幕墙曲面的几何特 征， 设置K ‑Means算法各项输入参数； S4： 利用K ‑Means算法对所有初始幕墙曲面进行 聚类分析， 将初始幕墙曲面其划分为多 个群组； S5： 获取各群组中的所有初始幕墙曲面的几何特 征参数的平均值； S6： 基于参数平均值建立各群组幕墙的统一幕墙模板； S7： 将各群组幕墙的统一幕墙模板 定位至各群组内的各初始幕墙曲面上； S8： 基于统一幕墙模板与初始幕墙曲面进行误差分析； S9： 基于误差分析 结果， 利用智能优化 算法对K‑Means算法的输入参数进行优化； S10： 得到K ‑Means算法输入参数的最优结果后， 输出满足要求的初始幕墙曲面， 而将不 满足要求的初始幕墙曲面设为 新的初始幕墙曲面， 开始下一轮 循环计算。 2.根据权利要求1所述的方法， 其特征在于， 步骤S2中， 对于平面三角形网格利用 Delaunay三角形网格划分算法开展网格划分， 对于空间四边形网格依据曲面UV 开展网格划 分。 3.根据权利要求2所述的方法， 其特征在于， 步骤S3中的K ‑Means算法各项输入参数包 括群组数量和聚类依据， 其中， 群组数量用来控制初始幕墙曲面具体分为多少组数， 初始 值 设为小于初始幕墙曲面总数的任意值； 聚类依据包含一系列能反映所有初始幕墙曲面几何 特征的参数， 以此为基础来对所有初始幕墙曲面进行聚类分组。 4.根据权利要求3所述的方法， 其特征在于， 步骤S5 中的几何特征参数参考聚类依据参 数， 几何特征参数能够与参考聚类依据参数一致， 或者几何特征参数根据几何生成逻辑进 行略微调整。 5.根据权利要求 4所述的方法， 其特 征在于， 步骤S6包括： 将原点作为幕墙面板的任意一点， 同时也是基准点， 依据几何特征参数的平均值， 分别 求出幕墙面板其余各点在空间中相对于基准点的具体位置， 依次连接各点形成封闭的且无 自相交的空间曲面， 即为所需幕墙模板， 每 个群组只需要一个统一幕墙模板 。 6.根据权利要求5所述的方法， 其特 征在于， 步骤S7包括： 采用三点定位或平面定位将各群组幕墙的统一幕墙模板定位至各群组内的各初始幕 墙曲面上。 7.根据权利要求6所述的方法， 其特 征在于， 步骤S 8包括： 考察群组中的统一幕墙模板与对应群组中初始幕墙曲面各个对应角点之间的最大距 离， 设定最大容差值， 按照最大距离与最大容差值之间的数值大小关系， 将 群组中的初始幕 墙曲面分为A类和B类， 其中， A类为最大距离小于最大容差值的初始幕墙曲面， B类为最大距 离大于最大容差值的初始幕墙曲面。 8.根据权利要求7 所述的方法， 其特 征在于， 步骤S9包括： 以在A类曲面中， 使利用同一种幕墙模板的初始幕墙面板数量尽可能多为优化目标， 以 进化算法为主的智能优化算法， 对 K‑Means算法的群组数量输入参数进 行优化， 从而 得到最 优群组数量， 使得利用同一种幕墙模板代替最多的初始幕墙曲面， 将利用同一种幕墙模板权　利　要　求　书 1/2 页 2 CN 114896670 A 2能够代替最多的初始幕墙曲面的幕墙模板作为最优幕墙模板， 提取最优幕墙模板和对应的 初始幕墙曲面， 称为C类曲面。 9.根据权利要求8所述的方法， 其特 征在于， 步骤S10包括： 将最优幕墙模板和C类初始幕墙曲面输出， 并且将(A ‑C+B)类初始幕墙曲面作 为新的初 始幕墙曲面， 开始下一轮循环计算， 直到所有初始幕墙曲面 都被输出， 即完成整个幕墙优化 流程。 10.一种基于聚类算法的建筑幕墙优化系统， 其特 征在于， 包括： 曲面划分模块， 用于获取建筑造型曲面的三维模型， 基于建筑造型曲面开展网格划分， 得到若干个 独立的初始幕墙曲面； 聚类分析模块， 用于依据各初始幕墙曲面的几何特征， 设置K ‑Means算法各项输入参 数， 利用K ‑Means算法对 所有初始幕墙曲面进 行聚类分析， 将初始幕墙曲面其划分为多个群 组； 模板生产模块， 用于获取各群组中的所有初始幕墙曲面的几何特征参数的平均值， 基 于参数平均值建立各群组幕墙的统一幕墙模板； 智能寻优模块， 用于将各群组幕墙的统一幕墙模板定位至各群组内的各初始幕墙曲面 上， 基于统一幕墙模板与初始幕墙曲面进 行误差分析， 基于误差 分析结果， 利用智能优化算 法对K‑Means算法的输入参数进行优化； 迭代循环模块， 用于得到K ‑Means算法输入参数的最优结果后， 输出满足要求的初始幕 墙曲面， 而将不满足要求的初始幕墙曲面设为新的初始幕墙曲面， 开始下一轮循环计算， 完 成所有幕墙的优化工作。权　利　要　求　书 2/2 页 3 CN 114896670 A 3