算法设计技术要点总结 第1篇

做底框血一样的教训！

为什么会有底部框架这种结构！强烈建议取消这种抗震及其不利的混合结构形式！路还的走！工程还得做！下面我希望通过我的亲身体验与一点小小的经验希望给那些做底框的新人一些

忠告！如果您已经有十年的结构经验，那么请您离开！

1、底框计算到底用那一种程序，怎么计算！PKPM有三个模块可以做！是什么顺序怎么做，论坛上很多，不知道可以搜一搜！我的答案是PK，用SATWE复核，复核内容主要是吊筋和附加箍筋，论坛有一贴漏掉吊筋的，希望大家引以为戒。很多人说ＰＫ偏大，的确是这样

的，我感觉ＳＡＴＷＥ偏小。

２、ＳＡＴＷＥ看起来比较简单适合新手用，属于傻瓜型，ＰＫ不是很直观，需要一些技术含量！底框是需要靠电脑，但是手算是必不可少的！有人说ＰＫ麻烦要一榀一榀的抽，不要怕麻烦，其实没有几根梁，如果截面尺寸不是反复的调整，不是很慢！因为ＳＡＴＷＥ的结果很多需要你自己去判断它的准确性！这是新手最缺乏的！我们不是想刻意做大，因为我们

这些新手还没有做小的能力！

３、怎么使用ＰＫ来做底框，我给大家简单介绍一下：

（１）ＰＭ建模，这个是基础，活载输入没什么好说，按照规范走，我的老师告诉我楼梯按照疏散消防楼梯走，我也一直是这么做的。恒载：大家可以问一下自己院里老人儿是怎么输的，空心板+双面粉刷+楼面做法，我大概输3~，现浇板100mm我输。

（2）抗震验算通过，侧向刚度比要满足规范。

（3）我要提醒大家重要的东西来了:开始选项有几个重要参数大家需要重视1、墙体材料自重：一般按照实心粘土砖为22，这个是加双面粉的，没有特殊要求不要动他。如果确实要动，多孔砖密度较小KP1型资料显示为加双面粉，19~20

左右。

2、按照经验考虑墙梁作用上部荷载折减：这个选项一般不选。原因无经验即不选。

3、按照规范方法确定托梁上部荷载：一般不按照墙梁计算，不选。4、剪力墙侧移刚度考虑边框柱作用：与剪力墙多少有关，不选偏安全。上面说的我都是不选，但是必须要选的时候希望注意一下几点：此为网上收集仅供参考：关于底框-抗震墙结构框架梁荷载的折减当抗震设防烈度为8度及以上时,上部荷载不折减,按100%作用在托梁上,托梁配筋与普通梁一样按受弯构件计算.当度()时,上部荷载可考虑乘折减系数,此时托墙梁配筋与普通梁一样按受弯构件计算,因此,输入的折减系

数不应太小,一般可输入,但不应少于四层荷载值.

也可将折减与墙梁同时勾选.程序根据砌体规范条判断框架梁和过度层墙体是否符合墙梁的一般规定,对符合规定的框架梁和框支墙体按墙梁设计,对不符合规定的框架梁或框支墙体不考虑墙梁作用,在不满足墙梁的条件下,程序按折减去处理,但一般不考虑框架柱的

边框作用.

4、以上通过后，形成PK文件，要一榀抽，然后进入PK查看计算结果。重要的内容又来

不要只看配筋，剪力图也是很重要的，《强剪弱弯》要深刻理解，箍筋的多少是剪力来决定的，底框主要是剪力控制，我在剪力上吃过大亏，血+6一样的教训！一定要注意！很多新人问有剪力怎么知道箍筋，SAWTE配筋率这个东西不是很直观，我的方法查图表，我用的

是中南建筑设计院的图表，其他应该也有，看图表！

恒载，活载图很直观，还可以进行手算符合！重点又来了，附加箍筋，吊筋怎么来的！集中力啊！这在恒活图中表较清晰，还是要查表！上面的数值不知道是标准值，还是设计值！这一点还是请有经验的老师解答一下！如果不放心，还可以在ＰＫ中绘制梁图进行复核！总结一下：我说的方法可能有点麻烦，但是做结构就是不能怕麻烦。可能还有一点，就是设计时间的问题，很多工程问题都是时间太紧张的原因。这一点没有办法，最后我还是送给大家一句话，谨慎谨慎再谨慎，小心小心再小心！我的心在流血，这就是我血一样的教

底框只能用于67度

6度可以用砖砌剪力墙上面哪个更头大

要考虑基础的不均匀沉降

规范本身对砖砌剪力墙说的不明白如果当砼剪力墙而实际情况差异大下部按墙梁考虑洞口等往往不能满足按框架梁考虑配钢筋又太大而且上部设置压顶梁

最不喜欢的结构就是底部框架抗震墙

对于地震区需要抗震设防的多层商住建筑，底层为钢筋混凝土框架的大空间商店，上部为小开间砖房或砌块建筑。结构设计中有的未作纵横两方面的抗震验算(包括承载力和变形)，有的仅作了横向底层框架的验算，而纵向却按一般连续梁计算。在构造上，有些设计忽视了在底层纵横方向设置一定数量的抗震墙，或只有横向抗震墙，使整幢建筑上刚下柔，或横刚纵柔；地震作用下即容易产生较大的弹塑性变形。如果框架柱箍筋间距太大，特别是在柱上、下端箍筋没有按规范要求进行加密时，其破坏就更加严重。

抗震设防问题设计人一定要重视，应当严格遵守《抗规》的相关要求进行设计。在日常设计中注意下面的情况：a)仔细理解规范的要求，搞清楚底框结构在地震时的破坏情况。上面几层砌体结构，由于开间小、横墙多，不仅重量大，侧移刚度也大，而底层框架侧移刚度比上层小得多。刚度的急剧变化使得在结构刚柔交接处，应力高度集中，在柱端产生塑性铰，并使房屋的变形集中发生在相对薄弱的底层。这种比较薄弱的底层或中间层，可称之为“软层”，对于这种“软层”在抗震设计中应引起足够重视。b)底层框架一般为大空间的公共建筑，由于使用功能上的需要，在客观上给纵横抗震墙的布置带来了不少困难。c)设计人有时未作详细计算，仅凭习惯上的概念，错误地认为底层框架的侧向刚度一定比砖房好，纵向框架侧向刚度一定比横向好，而实际上并非如此。

3防治措施对于底层框架抗震墙的砖房，底层框架抗震墙和上部砖房部分均具有一定的抗震能力，但这两部分不同承重和抗侧力体系之间的抗震性能是有差异的，而且其过渡楼层的受力也比较复杂。为了使这类房屋的抗震设计满足“小震不坏”，“中震可修”和“大震不倒”的抗震设防目标，其防治措施可从以下几个方面进行考虑：1)底层框架砖房的底层，不应采用纯框架结构。结构设计人员要及早介入建筑方案与初步设计，并和建筑工种与建设单位反复协商，在不影响或少影响功能的前提下，使纵横外墙、室内分隔墙等尽量对称，并均匀地在纵横两个方向设置一定数量的抗震墙，使上层与底层的纵横向侧移刚度比，能够满足规范要求。根据《砌体结构设计规范(GB50003-201*)》条文说明，底层设置一定数量抗震墙的框支墙梁房屋模型振动台试验表明，其抗震性能不仅不比同样层数的多层房屋

低，甚至还要好些。所以，在底框结构中合理设置一些抗震墙是非常重要的。

2)底部剪力法仅适用于刚度比较均匀的多层结构，对于具有薄弱底层的底层框架砖房，应考虑塑性变形集中的影响。另外，经分析知道提高软层的屈服强度可以减少软层塑性变形的集中。因此，底部剪力法对底层地震剪力要乘以一个～的增大系数。3)底层框架砖房的剪力分配不能按照框架抗震墙的方法进行，因为底层框架砖房只有底层是框架抗震墙，且底层还有塑性变形，所以要采取双保险的办法。对抗震墙要使其承担全部剪力，对框架要按刚度比分配，不过要注意，在刚度计算时框架是按弹性计算的，而抗震墙开裂后刚度会退化。据有关试验数据得知，其刚度将下降到弹性刚度的20～30％。

4)底房框架柱应考虑地震的倾复力矩引起的附加轴力。5)在底层框架砖房的上层，构造上仍应设置构造柱，并应每层设置圈梁，底层的顶板应为现浇或装配整体式楼盖。软层中的柱，特别是结构刚柔相接的地方，要避免出现塑性铰。6)设计人员要转变设计思路，提高设计部门及设计人员的业务素质，尽快走出“不设防”的误区。要在严格执行《抗规》的前提下，在合理的平面布置上多做文章，同时设计单位可安排专人严把抗震设计关。参考文献1混凝土结构设计规范GB50010-201*．北京：中国建筑工业出版社，201*2建筑抗震设计规范GB50011-201*．北京：中国建筑工业出版社，201*3砌体结构设计规范GB50003-201*．北京：中国建筑工业出版社，201*

个人意见

1.非抗震地区做底框不宜选择按规范的墙梁的做法取荷载，也不宜折减，如果这样取，那么托梁和过度墙的做法通通都要满足砌体规范的墙梁的要求，实际上非抗震地区设计都没注意

这些要求,比如层层圈梁等

2.抗震规范里面的条中要求在考虑地震时墙体开裂对墙梁的不利影响，这句话个人觉

得比较笼统，又没有一个具体怎么考虑法

所以底框最好还是不折减荷载为好，另外在生成梁平法图时，在绘制新图项中一定要将“该

层是底框抗震墙的托墙梁”打钩，不然附加吊筋都不够

本人04年曾经作过一个底框小区（全部用PK算的，汗。。。）

后来PKPM出新版本了，ＳＡＴＷＥ其实也可以算底框了，关键要选PM-8菜单，如果柱网规则的话一般没什么问题，我比较过同一建筑的C和PK的结果。但是有一点，用ＳＡＴＷＥ的计算的话，梁下如果有砼剪力墙话就要注意了，因为ＳＡＴＷＥ会把墙也当成支座，造成梁配筋偏小，应该用PK复核一下。另外，本人总感觉ＳＡＴＷＥ的柱配筋太偏大了点，特别是有砼剪力墙的地方，好象是墙的地震力最后都有柱承担了，麻烦明白的朋友指点一下!总的来说，做地框最好ＳＡＴＷＥ和Pk一起对比着做，别怕麻烦

非常同意18楼看法“不太同意楼主的观点,个人认为还是SATWE的计算结果比较符合实际,PK计算方法已经落后了,现在也没多少人采用了,PK的计算结果偏于保守”..我说楼主不要忽悠新手，SATWE是算底框的最佳软件，PK早期还时尚，因SATWE还未出台或完善，近几年来，对于简单工程还可用PK，少复杂工程不提倡用PK，主要原因是它只能算平面内弯矩，平面外弯矩是程序根据平面内弯矩估算出来的，结果偏大，也不符合实际，TAT-8只能算框架，不能算底框（高层版可以），唯有SATWE平面内外均可算，符合实际，比如柱子配筋两方向是算出来的，而PK只算一个方向，另方向配筋是软件根据算的方向估出来的。

至于SATWE算出梁偏小，原因有二：第一对话框材料未点砌体，造成无法接PM-8荷载，梁配筋很小显然不对，这是未操作好，是错误；第二操作对了，梁筋小有可能梁下有剪力墙，是正常，按软件单位的解释，有时甚至比PK算的小一半配筋（指柱）都是正常，以前我们手算只是算一榀框架平面内弯矩，接近PK算法，故认为PK算的接合实际，其实是错，SATWE三维计算才符合实际，只是手无法算吧了。

算法设计技术要点总结 第2篇

然后是数据关联，这是多实体融合特有的步骤，一般会将多种传感器检测的多个目标以及历史目标跟踪的信息（附带跟踪ID）进行两两组合，建立起多个关联矩阵，每个矩阵单元内填充基于某种距离的度量，利用匈牙利等算法获得各要素间最优的匹配关系（映射）。无法匹配的目标则要考虑根据其本身的不确定性度量来确认是忽略还是作为单独目标输出。

接下来是融合过程，无论是障碍物融合还是定位融合，其实都使用了贝叶斯滤波器（Bayesian Filter），具体包括卡尔曼滤波（Kalman Filtering，KF）、扩展卡尔曼滤波（Extended Kalman Filtering，EKF）以及粒子滤波（Particle Filtering，PF），三者的核心思想是一致的，只是适用的问题复杂性不同。这与本章后面讨论的规划算法的选择是类似的。卡尔曼滤波适合线性系统问题，扩展卡尔曼滤波适合非线性系统问题，而粒子滤波适合几乎任何形式的系统问题。

三者的差异主要表现在概率描述的精细度和运算的复杂度上。与参数化的卡尔曼滤波器算法不同，粒子滤波的思想基于蒙特卡罗方法（Monte Carlo method），利用粒子集来表示概率，通过从后验概率中抽取的随机状态粒子来表达其分布。虽然粒子滤波算法中的概率分布只是真实分布的一种近似，但由于非参数化的特点，其摆脱了卡尔曼滤波的“高斯假设”，能够表达比高斯模型更广泛的分布，也对变量参数的非线性特性有更强的建模能力，但运算耗时相对于卡尔曼滤波来说也更大。

滤波算法的本质都是在各自的参数空间内构建一种传感器观测与历史结果预测之间的“动态加权平均”，权重来源于观测与预测的不确定性。

最后的生命周期管理则是对历史跟踪对象的处理，由于目标遮挡或者传感器失效导致融合长周期无法正常运行时，采用更高层面的状态及操作。关闭、维持或者初始化一个融合过程，保证跟踪和滤波过程的健壮性与连贯性。

如图5-14所示，智能驾驶中两个关键的融合应用是障碍物融合和定位融合。两者已经逐步发展为一个独立体系。障碍物融合作为一种多实体融合，包含上述所有环节，唯一需要特别说明的是其中的障碍物跟踪，其实质是一种更高层次的贝叶斯滤波。贝叶斯滤波更偏向于数学计算，是对状态空间在时间上的变化进行建模并对下一时刻的状态进行预测，然后通过观察修正的持续性过程。而跟踪则更偏向应用，是在给定第一帧的物体位置后，由算法计算出后续帧中该物体的可能位置，并与下一帧观测到的多个物体进行关联，锁定最高概率的单个物体，以此来对预测结果进行修正的持续性过程。

图5-14障碍物融合与定位融合

定位融合算法也已经非常成熟，一般在预测模型中使用IMU进行航位推算（DR）并利用动力学模型预测车辆可能到达的位置，然后利用GPS等绝对定位传感器作为观测模型的输入对定位结果作出修正，由此构成了典型的惯性导航系统（INS），其内部还会细分为松耦合与强耦合两个不同的方案，这里不展开介绍。更复杂的定位系统还会在观测或者预测模型中使用SLAM相关技术，比如地图匹配定位或者视觉里程计。

当前行业内对融合的观点呈现两极分化的状态，一部分车企正在不断减少对多元传感器的依赖，降低融合的作用，而另一部分车企在增加更多的传感器来增强融合的作用。这两种方案并不矛盾。上一节已经讨论过，传感器输入语义输出的融合转换过程呈现出越发复杂的混合状态，因此只要最终性能指标符合业务要求就是合理的方案。另外，值得一提的是，这种混合式的融合过程的最终结果是融合的深度学习化，由机器来决定整个融合过程的合理设计。我们将从下一节开始重点讨论这一部分内容。

如图5-15所示，在有额外信息支撑的情况下，我们可以更好地判断障碍物未来的运行状态。这些额外的信息包括障碍物的类型、历史的行驶轨迹、周边的先验环境（地图）、其他障碍物的行为等。隐藏在这些信息背后的还有人类总结的规律，包括车辆的动力学约束或障碍物可能的行为模型。

图5-15融合与预测的对比

在规则算法主导的预测模块中，工程师会综合利用上述信息来达成目标。比如通过感知获得的障碍物类型（比如一辆车）来确认预测的行为模型（大概率会沿车道行驶），或者根据车辆的位置以及历史轨迹来判断车辆最有可能切换的目标车道。

与其他规则算法的情况类似，这种预测算法在碰到长尾问题时，通常需要增加特殊的处理逻辑，而且车辆不会严格按照先验信息设想的模式行动。因此对于类似这种预测的问题，我们仍然希望通过可训练的深度学习算法来替换传统算法。

从工程实践来看，目前是规则算法和数据驱动算法的融合应用。融合过程中的生命周期管理、数据关联、滤波算法以及预测过程的评估框架一般都不会随应用场景发生改变，区别主要来源于观测、预测、评估模型的设计以及对不确定度的建模。这些内容是算法频繁调优的部分，也是最适合进行可训练化改进的部分。因此深度学习模型更多是针对观测、预测以及评估等局部环节的人工设计模型进行替换。

进一步推进融合与预测的深度学习化，会打破一些传统概念上的模块划分逻辑，其映射关系如表5-3所示。在传统智能驾驶算法体系中，融合和预测所使用的算法关联性并不大，前者关注多传感器的信息归纳，后者关心基于地图等先验信息的预判，因此通常是独立讨论的两个话题。然而在深度学习的算法体系下，由于两者产生了紧密的融合，因此我们要从另一个维度对其进行拆分，通过时序网络、多模态网络以及生成对抗网络三种思想，共同实现传统意义上的融合与预测业务。

算法设计技术要点总结 第3篇

结合行业实践，运动规划的算法体系实际上是对决策与优化过程的排列组合。只是在不同的场景范围和工况下，性能会有一定不同。百度阿波罗平台中提出的EM planner实际上是先使用“离散撒点+动态规划（DP）”的方法将非凸问题转化为凸问题，再使用二次规划进行求解的过程，适用于较为复杂的场景。而Lattice 算法则是直接进行轨迹采样，通过生成样本轨迹将空间搜索限制在对车辆可行的动作空间内，在一个轨迹上将非凸问题转化为凸问题，然后再根据代价函数对轨迹进行迭代筛选，最后获得一个较优的结果，适应相对简单的场景。类似的运动规划算法还有很多，但思路都是类似的，这里不作扩展介绍。

控制层作为智能驾驶系统的最底层，其任务核心是尽可能准确地执行规划制定的计划，其核心是一个“闭环自组织过程”。简单来说，控制可以看作一个“微缩版”的规划，而规划可以看作一个“减配版”的智能驾驶系统。整个智能驾驶系统实际上是由不同类型的闭环嵌套组成的自组织系统。

控制算法的复杂性通常表现在如何应对执行器的复杂性上。由于重型柴油卡车或者燃油轿车的动力、制动和转向系统中拥有较多的机械和液气结构，导致其执行器存在较多阶跃和非线性特性，因此在工程实践中，通常使用离散方法（分段PID等）进行处理，以覆盖这种复杂性。但是目前在线控执行器和电动化逐步普及，控制系统得到了极大简化，复杂度也随之降低。

如图5-43所示，无论多么简单的控制都包含正向的预测（前馈过程）与反向的调整（反馈过程），算法通过比较预期的状态和执行后的测量反馈来综合计算给出控制动作。从前馈控制角度看，由于增加了反馈控制，降低了对前馈控制模型精度的要求，并能够对干扰信号带来的扰动进行校正。从反馈控制角度看，前馈控制通过模型进行预测，及时进行粗略调整，能够大大减少反馈控制的负担，两者相互补充。

图5-43前馈与反馈过程

前馈控制中一般需要引入先验的预测模型，多基于车辆动力学或者运动学模型。如图5-44所示，汽车不能实现瞬时侧向移动，必须依赖前轮的转动才能完成转向动作，因此我们通常采用自行车模型（Bicycle Model）对汽车运动过程进行建模，当然也可以采用更复杂的运动模型，只是对普通乘用车来说意义不大。

图5-44典型运动学模型（自行车模型）

车辆动力学本质上是轮胎和地面的附着问题。轮胎和地面的摩擦力变化并不是一个简单的力学问题。在低速运动状态下，动力学的体现可能并不明显，但一旦进入高速运动状态，情况则完全不同。如图5-45所示，当车轮的纵向力发生变化时，其侧向力也随之改变。汽车的纵向安全性能和横向轨迹跟踪性能通常相互影响，大幅度的加速减速可能导致横向跟踪出现偏差，引发侧面碰撞事故。而如果要确保横向跟踪，过分地约束加减速，则可能导致追尾事故。另外所有平衡都与环境工况有关，不同地面的附着系数差异很大。比如在冰面上驾驶车辆时，在没有防滑链辅助的情况下，车辆可以说是不受控的。

图5-45复杂的汽车动力学

由此我们可以看到控制问题与感知问题同样非常复杂，面对的都是不确定的环境。因此策略是类似的，首先控制算法必须建立联合模型，对转向、刹车、动力进行协同和预判，降低后期误差修正的压力，并通过误差修正尽力达成目标。另外，在面对无法解决的失控问题时，必须与理论模型作出差异校检，迅速交由包括司机在内的上层模块处理，避免超出能力范围的操作出现。

接下来我们来看反馈控制部分的算法体系。如表5-5所示，目前控制采用的算法核心主要由MPC、LQR、PID构成。三种算法并没有高低对错之分，需要根据业务场景来综合判断。