在工业4.0的推动下，土木工程领域正在经历一场以智能建造为中心的深刻变革[1]，[2]。智能建造旨在实现整个工程生命周期的数字化、自动化和智能化，显著提高建造效率和项目质量[3]，[4]。在智能建造、智能运营和维护方面取得了显著进展。智能建造采用机器人装配和3D打印等技术，实现高效精确的操作[5]，[6]。同时，智能运营和维护利用传感器网络和数字孪生技术实现实时结构健康监测和预测性维护[7]，[8]。
作为智能建造的基础阶段，智能设计在建筑工程中也取得了显著进展，主要包括两个通常依次执行的任务：结构布局和构件设计[9]。例如，先前的研究利用生成对抗网络（GANs）自动化剪力墙结构的布局设计[10]，[11]，[12]，并采用神经网络等机器学习方法实现框架构件的自动尺寸确定[13]，[14]，[15]。与传统手动流程相比，这些方法显著提高了设计效率。然而，关于混凝土构件智能钢筋设计的研究仍然较少，但这代表了必须解决的关键挑战，以推动建筑行业的智能设计技术发展。
在传统钢筋设计的背景下，混凝土平面构件（如剪力墙和深梁）的设计长期以来一直存在重大挑战，传统方法存在明显局限性[16]。例如，基于平面截面假设并结合经验修正因子的方法虽然在某些国家规范中仍然被采用，但由于缺乏坚实的力学理论基础，且严重依赖于钢筋细节设计，往往导致过度使用钢材而无法确保结构安全[17]，[18]。近年来，越来越多的国家和地区采用了杆件-连接模型（STM）设计方法，该方法的优势在于能够可视化内部力流[19]。在这一领域取得了相当大的研究进展：在剪力墙设计中，Bhanu等人[20]引入了一种简化的网格STM方法，有效预测了破坏模式；Chetchotisak等人[21]开发了一种基于STM的方法来估算矮剪力墙的剪切强度，其准确性优于传统规范方法。在深梁领域，Silveira[22]提出了一个基于性能的优化框架，使用STM显著提高了裂缝控制能力。Mabrouk等人[23]将STM与拓扑优化结合，实现了开口周围的高效钢筋布置设计。STM方法还扩展到了整个扰动区域（D区域）的设计中，显示出在应力状态复杂的构件（如牛腿[24]、梁-柱接头[25]和预应力锚固区[26]）中的强大适用性。显然，STM方法的有效性在很大程度上取决于所采用模型的准确性。然而，传统的STM构造仅满足平衡条件，忽略了变形的兼容性，导致杆件-连接配置不唯一，并在设计过程中引入了相当大的不确定性[27]，[28]，[29]。
拓扑优化技术通过优化设计域内的材料分布，自动生成具有明确载荷路径的结构配置，已成为辅助STM生成的有前景的技术[30]。已经进行了大量研究来评估各种拓扑优化算法在支持STM开发方面的能力。例如，Ali等人[31]和Bruggi等人[32]分别采用了地面结构方法和变密度方法，为混凝土D区域推导出最优拓扑布局，为STM构造提供了有价值的参考。Xie等人[33]提出了进化结构优化（ESO）方法，通过迭代去除低应力材料来获得类似桁架的拓扑解决方案，从而高效指导STM设计。为了提高优化性能，随后开发了几种ESO类型算法，包括允许材料去除和添加的双向ESO（BESO）方法[34]、引入概率材料更新的遗传ESO（GESO）技术[35]以及混合遗传BESO（GBESO）方法[36]。这些技术的工程应用也得到了广泛探索。Tjhin等人[37]开发了一个基于拓扑优化的交互式图形设计平台，实现了载荷路径的快速可视化和模型生成。Zhong等人[38]提出了一种三维STM生成方法，从拓扑优化结果中提取结构骨架，从而提高了3D D区域力流分析的准确性。然而，应该注意的是，拓扑优化结果不能直接等同于STM。一方面，最优拓扑解决方案可能包含灰色区域或模糊区域；另一方面，这些解决方案仅提供类似桁架系统的几何布局。因此，如果基于这些最优布局构建STM的过程仍然依赖于工程师的手动解释，那么它仍然容易受到主观性的影响[39]。
图像识别技术近年来作为一种关键桥梁出现，它利用计算机视觉算法智能解释拓扑优化结果，并自动提取结构骨架和节点信息，将拓扑优化与STM的构建联系起来[40]，[41]，[42]。Guan等人[43]是最早引入基本图像处理技术来识别穿孔深梁中载荷路径的人之一，建立了基于图像的自动化解释方法。随后，Almeida等人[44]减少了拓扑优化结果中的离散化噪声，为图像识别过程提供了更清晰的输入。然而，在此阶段提取的结构骨架往往表现出较大的剪切力，无法满足STM对纯轴向结构系统的要求，仍然需要手动干预。为了解决这个问题，Xia等人[45]通过结合算法改进和形状调整以及机械平衡标准，实现了从拓扑结果到可分析桁架模型的有效转换。在此基础上，Fang等人[46]将主应力轨迹集成到图像识别过程中，进一步提高了提取的骨架与实际力流之间的对齐度。值得注意的是，在这些开创性工作中，Xia等人[45]建立了第一个从连续拓扑优化到离散结构骨架的自动化框架。
尽管取得了这些进展，当前的设计工作流程在设计生命周期中仍然存在碎片化，缺乏真正的闭环集成。具体来说，虽然Xia等人[45]成功自动化了STM骨架的几何提取，但从“几何骨架”到“符合规范的钢筋图纸”的后续转换仍然需要大量的手动干预，包括结构建模、轴向力提取和钢筋映射。同样，尽管Zhang等人[47]通过分解和合并技术探索了钢筋细节设计，但他们的方法仍然依赖于预定义的钢筋信息作为输入。此外，这些工作流程经常存在跨平台不连续性，工程师需要手动弥合有限元分析（FEA）软件、第三方图像处理脚本和手动钢筋计算工具之间的数据差距。
本研究的核心贡献在于建立了一个端到端的闭环设计框架，确保了数字连续性。如图1中的流程图所示，所提出的框架通过在一个计算环境中统一拓扑优化、自动化机械验证和直接符合规范的钢筋映射，提供了计算上的闭环。该框架通过三个连续阶段运行：首先，使用BESO获得最佳材料分布拓扑；然后，通过图像识别技术自动构建桁架模型；最后，根据ACI 318规定的STM方法实施自动化钢筋设计[48]。为了确保实际的可施工性，整合了钢筋布置简化技术[47]，并根据GB 50010[49]纳入了钢筋细节设计。通过显著减少对手动解释和跨平台调度的依赖，本研究将碎片化的研究成果转化为一个可用于实践的智能设计系统。
本文的其余部分组织如下：第2节详细阐述了集成自动化设计框架的理论基础和工作流程，通过一个不规则对接梁的例子展示了技术转变。第3节介绍了三层剪力墙的案例研究，详细说明了自动化框架生成的钢筋布局以及两种基于传统规范的设计。第4节对这些设计进行了全面的定量性能评估，比较了它们在承载能力、延展性、能量耗散效率和材料利用方面的表现。最后，第5节总结了主要研究结果并提出了结论。
