[发明专利]机械设计方案推荐方法、装置及电子设备

说明书

本发明提供了一种机械设计方案推荐方法、装置及电子设备，涉及计算机技术领域，在进行机械设计方案推荐时，先获取机械设备的设计需求信息，该设计需求信息包括在该机械设备的工作场景中该机械设备所作用的工件的数模信息和工艺信息；然后根据训练后的神经网络模型，确定与设计需求信息对应的目标工作场景类别；进而根据该目标工作场景类别，确定与设计需求信息对应的目标设计方案，以向用户推荐该目标设计方案。这样基于包括该机械设备所作用的工件的数模信息和工艺信息的设计需求信息，实现了设计方案的智能推荐，与现有的基于设定的大量规则的推荐方式相比，提高了通用性。

技术领域

本发明涉及计算机技术领域，尤其是涉及一种机械设计方案推荐方法、装置及电子设备。

背景技术

在工业设计领域(如模具设计、夹具设计等机械设计)，存在着大量的历史设计方案，当设计工程师拿到设计需求时，往往可以在以往的历史设计方案中找到满足要求或者类似的设计方案，通过对历史设计方案进行二次加工设计，可以很大程度上降低设计工程师的重复工作量，提高设计效率，节约设计成本。

但是如何从历史设计方案中找到最大程度上满足当前设计需求的方案，对于设计人员本身的经验有较高的要求。为了帮助设计人员选择出与设计需求相匹配的设计方案，现有的机械设计方案推荐方法通常是，通过设定大量的规则来机械式地判断历史设计方案是否与设计需求相匹配。然而这种方法有很大的局限性，在不同项目中需要设定不同的规则，不具备通用性。

发明内容

本发明的目的在于提供一种机械设计方案推荐方法、装置及电子设备，以实现设计方案的智能推荐，同时提高通用性。

本发明实施例提供了一种机械设计方案推荐方法，包括：

获取机械设备的设计需求信息，所述设计需求信息包括在所述机械设备的工作场景中所述机械设备所作用的工件的数模信息和工艺信息；

根据训练后的神经网络模型，确定与所述设计需求信息对应的目标工作场景类别；

根据所述目标工作场景类别，确定与所述设计需求信息对应的目标设计方案，以向用户推荐所述目标设计方案。

进一步地，根据训练后的神经网络模型，确定与所述设计需求信息对应的目标工作场景类别的步骤，包括：

对所述设计需求信息进行参数化表示，得到目标数组；

将所述目标数组输入训练后的神经网络模型，得到所述神经网络模型输出的工作场景类别预测结果；所述工作场景类别预测结果包括预先划分的多个工作场景类别中的每个工作场景类别对应的概率值；

根据所述工作场景类别预测结果，确定目标工作场景类别。

进一步地，对所述设计需求信息进行参数化表示，得到目标数组的步骤，包括：

将所述数模信息转换为3D点云数据，得到三通道的第一子数组；

对所述工艺信息进行参数化表示，并且与所述第一子数组在对应位置坐标上建立联系，得到多通道的第二子数组；

将所述第一子数组和所述第二子数组在通道数上进行拼接，得到目标数组。

进一步地，所述工艺信息包括至少一个作用点的位置坐标和作用点类型；对所述工艺信息进行参数化表示，并且与所述第一子数组在对应位置坐标上建立联系，得到多通道的第二子数组的步骤，包括：

对每个所述作用点分别进行如下处理：对该作用点的作用点类型进行参数化表示，得到该作用点对应的工艺特征；根据该作用点的位置坐标，确定该作用点对应的预设区域范围的位置坐标集合，并将该作用点对应的工艺特征应用到该作用点对应的位置坐标集合中的每个位置坐标上；