一种基于大语言模型的STEP模型生成方法及系统与流程
本发明属于计算机辅助设计与人工智能交叉,具体涉及一种基于大语言模型的step模型生成方法及系统。
背景技术:
1、现代工业设计与制造领域,三维建模是产品开发的核心环节。目前,三维模型的创建主要依赖于工程师使用专业的cad软件进行人工交互式绘图,通过草图绘制、特征拉伸、倒角、布尔运算等一系列步骤来构建几何模型。
2、传统的人工制图方式及现有的文本生成三维模型技术存在以下缺陷:第一,效率低下:工程师需要手动进行繁琐的操作,对于复杂零部件,建模周期长,重复性劳动多。
3、第二,专业门槛高:操作人员必须精通复杂的cad软件指令、快捷键以及几何拓扑原理,培训成本高昂。
4、第三,数据交互困难:不同软件生成的私有格式文件兼容性差。虽然step作为通用数据交换标准被广泛接受,但其通常仅作为软件的“导出”格式存在,缺乏直接通过语义逻辑生成step文件的工具。
5、第四,修改繁琐:一旦设计意图发生变更,工程师往往需要回溯特征树进行修改,若依赖关系复杂,甚至需要重构整个模型。
6、第五,现有ai生成技术的局限性:目前主流的基于自然语言的三维模型生成技术主要基于神经辐射场或体素网格,生成的模型多为三角网格,存在精度低、表面粗糙、拓扑结构不严谨等问题,无法转换为参数化的实体模型,因此无法直接用于精密制造或有限元分析。
7、因此,亟需一种能够根据用户输入的自然语言描述,通过大语言模型进行语义分析与参数提取,直接生成符合express语言规范的step文件的技术方案,以解决人工制图效率低及现有ai模型精度不足的问题。
技术实现思路
1、本发明的目的在于提出一种基于大语言模型的step模型生成方法及系统,以解决人工制图效率低及现有ai模型精度不足的问题。
2、为实现上述目的,本发明采用以下技术方案:
3、本发明第一方面提出一种基于大语言模型的step模型生成方法,包括以下步骤:
4、接收用户输入的自然语言描述文本;
5、通过大语言模型对所述自然语言描述文本进行语义特征映射,计算所述自然语言描述文本的特征向量与step标准实体库中各实体的特征向量之间的语义相似度,根据所述语义相似度从所述step标准实体库中选取候选实体;
6、从所述自然语言描述文本中提取几何参数,将提取的几何参数映射至所述候选实体的属性中;
7、对映射后的候选实体的拓扑结构执行欧拉示性数校验,当校验不通过时反馈至所述大语言模型重新生成参数;
8、根据校验通过的参数,构建step模型生成思维链,所述思维链规划实体引用层次和逻辑生成序列;
9、根据校验通过的参数生成express代码,并为生成的各几何元素分配实体标识;
10、将所述express代码封装为符合iso 10303标准的step文件。
11、进一步的改进在于,所述语义相似度通过余弦相似度计算,计算公式为:
12、
13、其中,表示所述自然语言描述文本与step标准实体库中的实体之间的余弦相似度得分,表示所述自然语言描述文本 经过大语言模型嵌入层映射后的高维特征向量,表示step标准实体库中的实体 的特征向量,所述特征向量由大语言模型的嵌入层对实体描述文本进行映射得到,表示向量点积运算,表示向量的模,当大于预设阈值时将该实体选取为候选实体。
14、进一步的改进在于,所述欧拉示性数校验的公式为:
15、
16、其中为欧拉示性数,为顶点数量,为边数量,为面数量, 为亏格数量,所述亏格数量等于模型中孔洞的数量;当提取的几何参数构建的拓扑结构满足所述公式时判定为校验通过,否则判定为校验不通过。
17、进一步的改进在于,所述step标准实体库基于iso 10303标准中的express模式构建,所述step标准实体库中的各实体预先通过大语言模型的嵌入层映射为对应的特征向量,所述特征向量存储于所述实体库中并与对应的实体名称关联。
18、进一步的改进在于,所述从所述自然语言描述文本中提取几何参数的方法包括:由大语言模型从所述自然语言描述文本中识别并提取长度、半径、宽度、高度、坐标、通孔高度中的至少一种几何参数;所述大语言模型通过语义理解识别描述文本中数值与其物理含义的对应关系,将提取的数值及其单位一并记录。
19、进一步的改进在于,所述根据校验通过的参数生成express代码,并为生成的各几何元素分配实体标识的方法包括:为每个几何元素分配唯一的数字标识符,标识符格式为井号后跟数字;将实体名称、属性参数及实体间的引用关系组装为符合express语法的语句,所述引用关系通过在被引用实体的标识符位置嵌入对应标识符实现。
20、进一步的改进在于,所述将所述express代码封装为符合iso 10303标准的step文件的方法包括:生成包含文件描述、文件名、生成时间和模式版本信息的文件头段;将所述express代码写入数据段,所述数据段包含全部实体定义、属性赋值及实体间引用关系的express语句;在数据段之后添加文件结束标记。
21、进一步的改进在于,当所述欧拉示性数校验不通过时,将校验失败的拓扑信息反馈至所述大语言模型,由所述大语言模型重新生成几何参数并再次执行校验,直至校验通过或达到预设重试次数上限。
22、进一步的改进在于,所述构建step模型生成思维链的具体方法包括:将目标模型分解为从底层几何元素到高层拓扑实体的逻辑生成序列,所述逻辑生成序列至少包括点、方向、局部坐标系、几何表面和实体;规划各实体间的标识符嵌套关系和引用顺序,确保生成顺序符合拓扑依赖关系;对于组合模型,规划基体与工具体的生成先后顺序及布尔运算类型。
23、本发明第二方面提出一种基于大语言模型的step模型生成系统,包括:
24、输入模块,用于接收用户输入的自然语言描述文本;
25、语义映射模块,通过大语言模型对所述自然语言描述文本进行语义特征映射,计算所述自然语言描述文本的特征向量与step标准实体库中各实体的特征向量之间的语义相似度,根据所述语义相似度从所述step标准实体库中选取候选实体;
26、参数提取模块,用于从所述自然语言描述文本中提取几何参数,将提取的几何参数映射至所述候选实体的属性中;
27、校验模块,用于对映射后的候选实体的拓扑结构执行欧拉示性数校验,当校验不通过时反馈至所述大语言模型重新生成参数;
28、思维链生成模块,用于根据校验通过的参数构建step模型生成思维链,所述思维链规划实体引用层次和逻辑生成序列;
29、代码生成模块,用于根据校验通过的参数生成express代码,并为生成的各几何元素分配实体标识;
30、文件封装模块,用于将所述express代码封装为符合iso 10303标准的step文件。
31、本发明的有益效果为:
32、本发明将大语言模型的语义理解能力与step标准的数据定义能力相结合,实现了从非结构化自然语言描述到工业标准实体模型文件的端到端自动生成。用户无需掌握专业的cad软件操作技能,仅需以自然语言描述设计意图即可获得符合iso 10303标准的step模型文件,大幅降低了三维建模的专业门槛。
33、本发明通过构建step模型生成思维链,在代码生成前预先规划实体引用层次和逻辑生成序列,将模型分解为从点、方向、局部坐标系到几何表面、实体的层级逻辑序列,确保复杂模型中实体间的标识符嵌套关系和引用顺序正确无误,避免express语句出现逻辑断层或循环引用,提升了复杂模型生成的逻辑严密性和成功率。
34、本发明通过欧拉示性数校验机制确保生成模型的拓扑闭合性和几何有效性,克服了现有ai生成三维模型精度不足、无法用于精密制造的缺陷。同时,本发明直接输出工业标准格式文件,与现有cad/cam/cae软件生态无缝对接,显著提升了产品设计的效率与可及性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com