基于大模型的系统开发方法、装置、设备、介质和程序产品与流程

本技术涉及工业产品数字化设计与仿真，特别是涉及一种基于大模型的系统开发方法、装置、设备、介质和程序产品。

背景技术：

1、传统v字型开发流程是汽车等行业广泛采用的开发框架，其特征是将开发过程分为两个方面：左侧代表开发阶段，从需求分析到目标设定与分解实现逐步推进；右侧代表测试阶段，从零部件、系统到整机测试到验收测试逐步推进。这种系统化方法确保在每个开发阶段都进行全面验证，但对于安全等关键性系统，其开发效率与安全认证面临双重挑战。

2、传统技术中，通常采用以下方式处理：产品需求以自然语言文档形式提出，由领域专家人工解读并转化为设计指标，各专业团队分别使用各自的仿真工具（如流体仿真工具、结构仿真工具等）进行独立建模与仿真，设计参数的调整与优化依赖工程师经验进行人工判断和手动修改，优化完成后由代码开发团队根据设计文档手动编写代码，最后进行测试验证。

3、然而，开发过程需要大量人工协调。从需求理解与转化、设计参数调整、仿真任务调度、多学科仿真结果汇总、到设计参数的迭代优化，各环节之间高度依赖工程师人工沟通与判断，导致开发周期长、效率低。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提高研发效率的基于大模型的系统开发方法、装置、设备、介质和程序产品。

2、第一方面，本技术提供一种基于大模型的系统开发方法，所述方法包括：

3、通过应用服务层接收以自然语言输入的产品需求信息；

4、通过智能增强层的目标代理基于所述产品需求信息得到各物理数学模型，所述物理数学模型用于描述各子系统的设计参数以及约束条件；

5、通过智能增强层的仿真验证代理调用物理基底层的各仿真工具，并行对各所述物理数学模型进行仿真计算，生成仿真结果；

6、通过智能增强层的总工代理，基于各所述仿真结果以及所述产品需求信息对应的多项目标进行多目标优化，得到优化后的设计参数，并将所述优化后的设计参数反馈至所述仿真验证代理，触发所述仿真验证代理更新各所述物理数学模型中的设计参数并重新进行仿真计算，生成更新后的仿真结果，直至多目标优化满足收敛条件后，得到各物理数学模型的目标设计参数，并基于各所述物理数学模型及所述目标设计参数生成目标开发方案。

7、在其中一些可选的实施例中，所述通过智能增强层的总工代理，基于各所述仿真结果以及所述产品需求信息对应的多项目标进行多目标优化，得到优化后的设计参数，包括：

8、基于各仿真结果中的物理学科指标，生成所述产品需求信息对应的多项目标对应的参考目标值，并基于所述产品需求信息对应的多项目标以及所述参考目标值确定各不达标目标；

9、根据各所述不达标目标，通过罚函数法计算各不达标目标的惩罚值，并基于所述惩罚值确定优化方向；

10、基于所述优化方向，通过多目标优化算法对所述设计参数进行多方向调整，生成优化后的设计参数。

11、在其中一些可选的实施例中，所述直至多目标优化满足收敛条件后，得到各物理数学模型的目标设计参数，包括：

12、基于更新后的仿真结果中的物理学科指标，生成所述产品需求信息对应的多项目标对应的新的参考目标值；

13、在所述新的参考目标值均满足所述产品需求信息对应的多项目标的情况下，或相邻的更新后的仿真结果中的物理学科指标的变化量小于预设收敛阈值的情况下，将本次确定的优化后的设计参数作为各物理数学模型的目标设计参数。

14、在其中一些可选的实施例中，所述方法还包括：

15、在多目标优化迭代过程中，通过所述总工代理执行优化层风险识别，所述优化层风险识别包括参数敏感度风险识别、约束越界风险识别和鲁棒性风险识别中的至少一种；

16、基于所述优化层风险识别的结果生成风险登记项。

17、在其中一些可选的实施例中，所述通过智能增强层的仿真验证代理调用物理基底层的各仿真工具，并行对各所述物理数学模型进行仿真计算，生成仿真结果之前，还包括：

18、通过智能增强层的仿真验证代理基于各所述物理数学模型生成对应的仿真任务，并对各所述仿真任务进行分类；

19、将物理基底层的计算资源划分为多个资源层级；

20、将分类后的各所述仿真任务与层级划分后的各所述资源层级进行匹配，并通过优化算法以任务总完工时延、算力成本和仿真质量中的至少两者为优化目标进行求解，生成各仿真任务对应的资源分配方案；

21、基于所述资源分配方案确定各所述仿真任务对应的计算资源。

22、在其中一些可选的实施例中，所述资源层级包括gpu集群、cpu集群以及边缘计算节点；所述将分类后的各所述仿真任务与层级划分后的各所述资源层级进行匹配，并通过优化算法以任务总完工时延、算力成本和仿真质量中的至少两者为优化目标进行求解，生成各仿真任务对应的资源分配方案，包括：

23、基于各所述仿真任务的学科类型和保真度，将流体仿真及神经网络训练任务匹配至所述gpu集群，将结构仿真及电磁仿真任务匹配至所述cpu集群，将软件在环测试及硬件在环测试任务匹配至所述边缘计算节点，生成初始资源分配方案，所述仿真任务的保真度为所述物理数学模型的可信度；

24、以任务总完工时延、算力成本和仿真质量中的至少两者为优化目标，通过优化算法对所述初始资源分配方案进行求解，输出各仿真任务对应的资源分配方案。

25、在其中一些可选的实施例中，所述通过智能增强层的仿真验证代理调用物理基底层的各仿真工具，并行对各所述物理数学模型进行仿真计算，生成仿真结果，包括：

26、确定各所述物理数学模型对应的仿真需求；

27、基于所述仿真需求确定仿真工具类型；

28、通过智能增强层的仿真验证代理调用物理基底层中与所述仿真工具类型对应的仿真工具，并通过调用的所述仿真工具对所述物理数学模型进行仿真计算，生成仿真结果。

29、在其中一些可选的实施例中，所述通过智能增强层的仿真验证代理调用物理基底层中与所述仿真工具类型对应的仿真工具，并通过调用的所述仿真工具对所述物理数学模型进行仿真计算，生成仿真结果，包括：

30、在所述仿真工具类型为物理求解器的情况下，通过智能增强层的仿真验证代理调用物理基底层的所述物理求解器，并通过调度的所述物理求解器对所述物理数学模型进行仿真计算，生成仿真结果；

31、在所述仿真工具类型为神经网络的情况下，通过智能增强层的仿真验证代理调用物理基底层的神经网络，并通过所述神经网络对所述物理数学模型进行仿真计算，生成仿真结果；

32、在所述仿真工具类型为混合类型的情况下，通过智能增强层的仿真验证代理调用物理基底层的神经网络，并通过所述神经网络对所述物理数学模型进行仿真计算，生成候选仿真结果，并通过智能增强层的仿真验证代理调用物理基底层的所述物理求解器，并通过调度的所述物理求解器对所述候选仿真结果对应的物理数学模型进行仿真计算，生成仿真结果。

33、在其中一些可选的实施例中，所述通过应用服务层接收以自然语言输入的产品需求信息之后，还包括：

34、通过应用服务层对所述产品需求信息进行封装，得到通过预设物理描述语言描述的目标需求包；

35、所述通过智能增强层的目标代理基于所述产品需求信息得到各物理数学模型，包括：

36、通过智能增强层的总工代理调用需求分析代理，对所述目标需求包进行解析生成初始系统模型；

37、通过智能增强层的总工代理调用架构设计代理，对所述初始系统模型进行处理生成各物理数学模型。

38、在其中一些可选的实施例中，所述通过智能增强层的总工代理调用需求分析代理，对所述目标需求包进行解析生成初始系统模型，包括：

39、通过智能增强层的总工代理调用需求分析代理，对所述目标需求包进行意图识别和实体抽取，得到需求指标与需求约束；

40、通过智能增强层的总工代理调用需求分析代理，获取需求指标映射模板，并基于所述需求指标与需求约束，利用所述需求指标映射模板生成量化设计指标；

41、基于所述量化设计指标，生成初始系统模型，所述初始系统模型包括需求图、用例图、块定义图、内部块图、参数图及状态机中的至少一种。

42、在其中一些可选的实施例中，所述方法还包括：

43、通过智能增强层的总工代理调用需求分析代理，执行需求层风险识别，所述需求层风险识别包括识别需求冲突、不可达指标、法规缺失及接口不一致中的至少一种；

44、在所述需求层风险识别的结果为存在风险的情况下，输出告警信息；

45、在所述需求层风险识别的结果为不存在风险的情况下，继续执行通过智能增强层的总工代理调用架构设计代理，对所述初始系统模型进行处理生成各物理数学模型的步骤。

46、在其中一些可选的实施例中，所述通过智能增强层的总工代理调用架构设计代理，对所述初始系统模型进行处理生成各物理数学模型，包括：

47、通过所述总工代理调用所述架构设计代理，解析所述初始系统模型中的块定义图及参数图，确定所述产品需求信息对应的物理场类型；

48、从物理基底层获取与所述物理场类型匹配的控制方程；

49、基于所述初始系统模型中各子系统的约束方程、几何参数及材料参数，确定各所述物理数学模型的边界条件、初始条件及设计参数；

50、基于各子系统之间的数据交互关系，建立多物理场耦合关系；

51、基于所述控制方程、所述边界条件、所述初始条件、所述设计参数及所述多物理场耦合关系，生成各物理数学模型。

52、在其中一些可选的实施例中，所述基于各所述物理数学模型及所述目标设计参数生成目标开发方案之后，还包括：

53、通过智能增强层的代码生成代理读取所述目标开发方案中的模型信息及架构配置，生成可执行代码；

54、通过智能增强层的测试验证代理，对所述可执行代码进行测试，并在测试通过后得到数字孪生体。

55、在其中一些可选的实施例中，所述通过智能增强层的代码生成代理读取所述目标开发方案中的模型信息及架构配置，生成可执行代码，包括：

56、通过智能增强层的代码生成代理读取所述目标开发方案中的初始系统模型；

57、基于所述初始系统模型生成控制逻辑骨架以及软件组件代码框架；

58、通过大语言模型依据所述物理数学模型中的控制策略生成控制算法代码与标定参数初值；

59、对生成的代码进行一致性校验，输出校验通过后的可执行代码。

60、在其中一些可选的实施例中，所述通过智能增强层的测试验证代理，对所述可执行代码进行测试，包括：

61、基于所述可执行代码依次进行软件在环测试、硬件在环测试以及实体测试；

62、在测试通过后，保存所述可执行代码。

63、在其中一些可选的实施例中，所述方法还包括：

64、通过所述总工代理调度各智能代理；所述智能代理包括所述目标代理、所述仿真验证代理、代码生成代理以及测试验证代理中的至少一个；

65、其中所述总工代理通过grpc协议与各所述智能代理进行通信，所述智能代理之间通过a2a协议进行通信，所述仿真验证代理通过mcp协议调用所述物理基底层的仿真工具，且通过fir滤波器对grpc通信和/或mcp通信中的时延进行补偿。

66、在其中一些可选的实施例中，所述方法还包括：

67、通过所述总工代理计算v模型研发效能，所述v模型研发效能用于量化从所述产品需求信息到测试验证的闭环质量：

68、

69、其中，为研发效能值，n为研发阶段总数，为第个阶段需求与规格的验证函数，为第个阶段的权重系数，所述研发阶段总数为从所述产品需求信息到测试验证的v模型全流程中所包括的阶段数量。

70、在其中一些可选的实施例中，所述方法还包括：

71、获取源领域经验数据，并从所述源领域经验数据中提取可迁移的领域不变特征；

72、基于所述领域不变特征，对目标领域的样本进行迁移学习，生成所述目标领域对应的目标领域模型。

73、在其中一些可选的实施例中，所述基于所述领域不变特征，对目标领域的样本进行迁移学习，生成所述目标领域对应的目标领域模型，包括：

74、将所述源领域的经验数据作为源领域样本，获取所述目标领域的少量数据作为目标领域样本；

75、通过最大均值差异最小化所述源领域样本与所述目标领域样本，在再生核希尔伯特空间中的特征分布差异；

76、基于所述目标领域的任务损失和所述最大均值差异，构建迁移损失函数；

77、以最小化所述迁移损失为目标，对所述目标领域的任务模型进行训练，得到迁移后的目标领域模型。

78、在其中一些可选的实施例中，所述方法还包括：

79、通过数字孪生映射接口将所述目标开发方案中的目标设计参数下发至物理产品，并采集所述物理产品的运行数据回传至对应的数字孪生体；

80、基于所述运行数据对所述数字孪生体进行修正，生成修正后的数字孪生体。

81、在其中一些可选的实施例中，所述基于所述运行数据对所述数字孪生体进行修正，生成修正后的数字孪生体，包括：

82、将所述运行数据与所述数字孪生体的预测值进行比对，计算残差；

83、在所述残差超过预设阈值的情况下，对所述数字孪生体进行修正，并基于修正后的数字孪生体对应的模型及所述运行数据，继续执行通过智能增强层的总工代理，基于各所述仿真结果以及所述产品需求信息对应的多项目标进行多目标优化的步骤。

84、在其中一些可选的实施例中，所述方法还包括：

85、通过所述总工代理获取产品需求信息的变更信息；

86、基于所述变更信息确定受影响的下游条目；

87、基于所述受影响的下游条目，触发对应的智能代理进行协同更新。

88、第二方面，本技术还提供一种基于大模型的系统开发装置，所述装置包括：

89、需求信息获取模块，用于通过应用服务层接收以自然语言输入的产品需求信息；

90、物理数学模型生成模块，用于通过智能增强层的目标代理基于所述产品需求信息得到各物理数学模型，所述物理数学模型用于描述各子系统的设计参数以及约束条件；

91、仿真模块，用于通过智能增强层的仿真验证代理调用物理基底层的各仿真工具，并行对各所述物理数学模型进行仿真计算，生成仿真结果；

92、多目标优化模块，用于通过智能增强层的总工代理，基于各所述仿真结果以及所述产品需求信息对应的多项目标进行多目标优化，得到优化后的设计参数，并将所述优化后的设计参数反馈至所述仿真验证代理，触发所述仿真验证代理更新各所述物理数学模型中的设计参数并重新进行仿真计算，生成更新后的仿真结果，直至多目标优化满足收敛条件后，得到各物理数学模型的目标设计参数，并基于各所述物理数学模型及所述目标设计参数生成目标开发方案。

93、第三方面，本技术还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任意一个实施例中所述的方法的步骤。

94、第四方面，本技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一个实施例中的方法的步骤。

95、第五方面，本技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述任意一个实施例中的所述的方法的步骤。

96、上述基于大模型的系统开发方法、装置、设备、介质和程序产品，通过应用服务层接收以自然语言输入的产品需求信息；通过智能增强层的目标代理基于所述产品需求信息得到各物理数学模型，所述物理数学模型用于描述各子系统的设计参数以及约束条件；通过智能增强层的仿真验证代理调用物理基底层的各仿真工具，并行对各所述物理数学模型进行仿真计算，生成仿真结果；通过智能增强层的总工代理，基于各所述仿真结果以及所述产品需求信息对应的多项目标进行多目标优化，得到优化后的设计参数，并将所述优化后的设计参数反馈至所述仿真验证代理，触发所述仿真验证代理更新各所述物理数学模型中的设计参数并重新进行仿真计算，生成更新后的仿真结果，直至多目标优化满足收敛条件后，得到各物理数学模型的目标设计参数，并基于各所述物理数学模型及所述目标设计参数生成目标开发方案，实现从需求到仿真的全流程自动化，支持多学科并行仿真与设计参数闭环迭代优化，大幅缩短开发周期，降低研发成本，提高研发效率。