基于图网络的产品模型设计系统及方法技术方案

本申请实施例提供了一种基于图网络的产品模型设计系统及方法，通过将产品模型转换为对应的图网络，以令深度神经网络根据图网络所映射出的相应特征进行学习训练，使得深度神经网络具备产品模型自动化设计的功能，使得深度神经网络可根据待建产品模型的设计指标参数预测出相应的优化设计动作，而自动生成符合所述设计指标参数的产品模型。

【技术实现步骤摘要】
基于图网络的产品模型设计系统及方法
本申请实施例涉及产品模型设计方法及其系统，尤指一种基于图网络技术而实现的产品模型设计系统及方法。
技术介绍
当前，产品模型的设计是通过使用计算机仿真设计工具来实现的，其主要包括通过仿真设计工具在计算机中建立仿真模型，添加相关运行环境条件，然后再由仿真设计工具进行计算，如果仿真模型的计算结果无法满足模型指标参数的设计要求，则需要不断的调整仿真模型，直至计算结果满足模型指标参数的设计需求。此外，当前产品模型的设计流程也是零散的，并且均是通过人工手段来实现的。此外，在产品模型的设计过程中会生成高度相关的数据，然而，目前没有一个系统和方法能够自动学习设计过程中所产生的数据的规律，导致当前的产品模型设计工作存在工作效率低、开发周期长等技术问题。有鉴于此，如何克服现有产品模型设计过程中存在的种种问题，即为本案待解决的技术课题。
技术实现思路
为了解决现有技术存在的缺陷，本专利技术的主要目的在于提供一种基于图网络的产品模型设计系统及方法，通过使用深度神经网络实现产品模型的优化设计。本专利技术的另一目的在于提供一种基于图网络的产品模型设计系统及方法，其基于人工智能的框本文档来自技高网...

【技术保护点】
1.一种基于图网络的产品模型设计系统，其特征在于，包括：数据采集模块，其用于采集样本模型其对应的样本模型指标参数以及样本优化设计参数，以建立数据资料库，其中，所述样本优化设计参数表示针对所述样本模型所执行的优化设计动作；设定模块，其用于设定待建的产品模型的设计指标参数；图网络生成模块，其用于针对所述数据资料库中的所述样本模型生成对应的图网络；图网络学习模块，其用于将所述样本模型对应的所述图网络、所述样本模型指标参数以及所述样本优化设计参数输入第一深度神经网络中进行训练，以构建所述第一深度神经网络的深度学习模型，以令所述第一深度神经网络基于所构建的所述深度学习模型，而针对所述设计指标参数预测生成...

【技术特征摘要】
1.一种基于图网络的产品模型设计系统，其特征在于，包括：数据采集模块，其用于采集样本模型其对应的样本模型指标参数以及样本优化设计参数，以建立数据资料库，其中，所述样本优化设计参数表示针对所述样本模型所执行的优化设计动作；设定模块，其用于设定待建的产品模型的设计指标参数；图网络生成模块，其用于针对所述数据资料库中的所述样本模型生成对应的图网络；图网络学习模块，其用于将所述样本模型对应的所述图网络、所述样本模型指标参数以及所述样本优化设计参数输入第一深度神经网络中进行训练，以构建所述第一深度神经网络的深度学习模型，以令所述第一深度神经网络基于所构建的所述深度学习模型，而针对所述设计指标参数预测生成第一优化设计参数并予以输出；以及产品模型生成模块，其用于接收所述第一优化设计参数，据以执行相应的优化设计动作，而生成符合所述设计指标参数的所述产品模型。2.根据权利要求1所述的产品模型设计系统，其特征在于，所述图网络生成模块进一步用于通过将所述样本模型输入第二深度神经网络，以供所述第二深度神经网络依据所述样本模型输出相应的映射特征图，并将所述映射特征图作为对应于所述样本模型的所述图网络。3.根据权利要求2所述的产品模型设计系统，其特征在于，所述图网络生成模块进一步用于从所述样本模型中提取节点信息、边信息和全局信息，以利用所述节点信息、边信息和全局信息生成对应于所述样本模型的所述图网络；所述图网络学习模块进一步用于分析当更新所述节点信息、所述边信息以及所述全局信息中的其中一者时，所述节点信息、所述边信息以及所述全局信息中的其它两者所产生的变化，而分析所述节点信息、所述边信息以及所述全局信息之间的关联关系；以及所述产品模型生成模块进一步用于通过调节所述图网络中的所述节点信息、所述边信息以及所述全局信息中的其中一者，以令所述节点信息、所述边信息以及所述全局信息中的其它两者产生相应变化，以执行所述优化设计动作。4.根据权利要求1或3所述的产品模型设计系统，其特征在于，所述系统进一步包括：分析模块，其用于分析所述产品模型生成模块依据所述第一优化设计参数执行优化设计动作所生成的所述产品模型是否符合所述设计指标参数，并当分析结果为符合时，输出所述产品模型，而当分析结果为不符合时，输出分析信号至所述图网络学习模块，以通过所述图网络学习模块令所述第一深度神经网络基于所构建的所述深度学习模型，而针对所述设计指标参数重新预测生成新的所述第一优化设计参数并予以输出。5.根据权利要求4所述的产品模型设计系统，其特征在于，所述系统进一步包括：图网络强化学习模块，其用于当无法由所述图网络学习模块输出的所述第一优化设计参数生成符合所述设计指标参数的所述产品模型时，自所述产品模型生成模块依据所述第一优化设计参数所生成的多个所述产品模型中，选取最接近所述设计指标参数的一所述产品模型，并通过将所述产品模型对应的图网络输入到第三深度神经网络，以令所述第三深度神经网络根据所述设计指标参数生成第二优化设计参数并予以输出；且其中，所述产品模型生成模块进一步用于接收所述第二优化设计参数，据以执行相应的优化设计动作，而生成所述产品模型；所述分析模块进一步用于分析所述产品模型生成模块依据所述第二优化设计参数执行优化设计动作所生成的所述产品模型是否符合所述设计指标参数，并当分析结果为符合时，输出所述产品模型，而当分析结果为不符合时，输出分析信号至所述图网络强化学习模块，以通过所述图网络强化学习模块令所述第三深度神经网络重新根据所述设计指标参数生成一新的所述第二优化设计参数并予以输出。6.根据权利要求5所述的产品模型设计系统，其特征在于，所述分析模块进一步用于当分析所述产品模型生成模块依据所述第二优化设计参数执行优化设计动作所生成的所述产品模型符合所述设计指标参数时，将所述产品模型、所述设计指标参数及所述第二优化设计参数输入到所述数据资料库中以作为所述样本模型及其对应的所述样本模型指标参数，以及所述样本优化设计参数予以存储。7.一种基于图网络的产品模型设计方法，其特征在于，包括：采集样本模型其对应的样本模型指标参数以及样本优化设计参数，以建立数据资料库，其中，所述样本优化设计参数表示针对所述样本模型所执行的优化设计动作；针对所述数据资料库中储存的所述样本模型生成对应的图网络；将所述样本模型对应的所述图网络、所述样本模型指标参数以及所述样本优化设计参数输入第一深度神经网络中进行训练，以构建所述第一深度神经网络的深度学习模型；输入产品模型的设计指标参数，以令所述第一深度神经网络基于所述深度学习模型，而针对所述设计指标参数生成第一优化设计参数并予以输出；以及借由仿真工具依据所述第一优化设计参数执行相应的优化设计动作，生成符合所述设计指标参数的所述产品模型。8.根据权利要求7所述的产品模型设计方法，其特征在于，针对所述数据资料库中储存的所述样本模型生成对应的图网络包括：透过将所述样本模型输入第二深度神经网络，以令所述第二深度神经网络依据所述样本模型输出相应的映射特征图，并将其作为对应于所述样本模型的所述图网络。9.根据权利要求8所述的产品模型设计方法，其特征在于，所述方法进一步包括：从所述样本模型中提取节点信息、边信息和全局信息，以利用所述节点信息、边信息和全局信息生成对应于所述样本模型的所述图网络；分析当更新所述节点信息、所述边信息以及所述全局信息中的其中一者时，所述节点信息、所述边信息以及所述全局信息中的其它两者所产生的变化，而学习所述节点信息、所述边信息以及所述全局信息之间的关联关系；以及执行所述优化设...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：石家庄创天电子科技有限公司，
类型：发明
国别省市：河北,13