Prediction of the Most Fire-Sensitive Point in Building Structures with Differentiable Agents for Thermal Simulators

要約

火災の安全性は、特に火災イベント中の建物の構造的安定性を確保する上で、民間および機械工学の研究の重要な分野です。
構造内の最も火災に敏感なポイント（MFSP）は、火災が構造の安定性に最大の影響を与える場所です。
MFSPの正確な予測は、構造評価を合理化し、設計プロセスを最適化するために不可欠です。
このペーパーでは、微分可能なエージェントモデルを介して火災力学と有限要素分析を統合するニューラルネットワークベースのアプローチを使用したMFSP予測の新しいフレームワークを紹介します。
フレームワークは、火災条件下での構造性能の重要な指標である最大インターストーリードリフト比（MIDR）の予測に焦点を当てています。
微分可能なエージェントモデルを活用することにより、MFSPの標識データを効率的に生成し、この重要なメトリックの予測因子を直接トレーニングします。
これを実現するために、構造および火災のシナリオを含む広範なシミュレーションデータを生成し、建物構造を表すためにグラフニューラルネットワークを採用しました。
転送学習がトレーニングプロセスを最適化するために適用され、エッジアップデートメカニズムが導入され、火災条件下でのプロパティの変更を反映して、エッジ属性を動的に調整しました。
提案されたモデルは、シミュレーションデータで厳密に評価され、MIDRとMFSPの両方を正確に予測する際の強力なパフォーマンスを実証し、建物構造の火災安全分析を進めています。

要約(オリジナル)

Fire safety is a critical area of research in civil and mechanical engineering, particularly in ensuring the structural stability of buildings during fire events. The Most Fire-Sensitive Point (MFSP) in a structure is the location where a fire would cause the greatest impact on structural stability. Accurate prediction of the MFSP is vital for streamlining structural assessments and optimizing the design process. This paper presents a novel framework for MFSP prediction using a neural network-based approach that integrates fire dynamics and finite element analysis through a differentiable agent model. The framework focuses on predicting the Maximum Interstory Drift Ratio (MIDR), a key indicator of structural performance under fire conditions. By leveraging the differentiable agent model, we efficiently generate labeled data for MFSP and directly train a predictor for this critical metric. To achieve this, we generated extensive simulation data encompassing structural and fire scenarios and employed graph neural networks to represent the building structures. Transfer learning was applied to optimize the training process, and an edge update mechanism was introduced to dynamically adjust edge attributes, reflecting property changes under fire conditions. The proposed model was rigorously evaluated on simulation data, demonstrating strong performance in accurately predicting both MIDR and MFSP, thus advancing fire safety analysis for building structures.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google