一种基于云CAD的三维建模复杂度评估与端云资源协同调度方法及系统

摘要: 本发明涉及计算机辅助设计,具体涉及一种基于云cad的三维建模复杂度评估与端云资源协同调度方法及系统。背景技术:1、云三维cad通常由浏览器端或轻量客户端、云端几...
一种基于云CAD的三维建模复杂度评估与端云资源协同调度方法及系统

本发明涉及计算机辅助设计,具体涉及一种基于云cad的三维建模复杂度评估与端云资源协同调度方法及系统。

背景技术:

1、云三维cad通常由浏览器端或轻量客户端、云端几何计算服务、模型数据服务和协同服务共同组成。与传统桌面cad相比,云三维cad可以使不同终端共享模型数据和计算能力,但建模操作的响应时间同时受到模型内容、操作范围、终端性能、网络状态、云端负载及数据同步方式影响。固定地将全部几何计算置于终端或全部置于云端,均难以在不同模型和运行状态下持续获得较好的响应时间。

2、现有模型规模描述常以文件大小、面数、三角面数或特征数量中的单一指标作为复杂度近似。却不能解释在同等对象数量下,因草图轮廓的复杂程度、约束耦合强度、特征依赖深度、拓扑修剪范围以及装配配合数量不同而产生的计算差异。例如,两个草图可具有相同图元数,但闭合轮廓、约束数和关联边数显著不同;两个零件可具有相近面数,但特征树依赖深度和局部重建传播范围不同。现有基于单一几何数量或单一特征数量的复杂度评价方式,对三维模型整体结构负担的描述存在局限。

3、另外,模型整体复杂度与单次用户操作而产生的操作复杂度并不相同。模型整体复杂度用于描述当前文档的背景负担,单次操作复杂度则与操作类型、直接输入对象以及由依赖关系触发的重建范围有关。若将两者混为一个数值,容易对局部轻量操作重复计量整个模型,或者低估布尔、圆角、扫掠、装配更新等会触发较大影响域的操作。

4、现有端云卸载策略多根据设备类别、网络阈值或任务类型采用固定规则,或者仅比较终端和服务器的计算速度,而没有把三维模型的内部内容结构、操作影响范围、回传数据规模和云端排队状态统一映射到用户可感知的完成时间。此类策略在终端性能受限、网络状态波动、结果回传数据量较大或云端负载较高时,可能无法准确确定适合的执行位置,导致实际完成时间增加。现有端云调度方法主要针对通用计算任务或ai推理任务,缺少针对参数化三维cad模型结构及建模过程的复杂度描述机制。

5、因此,需要一种能够从草图、特征、拓扑和装配等多层内容形成统一、可解释且可快速更新的整体复杂度,并能针对当前操作定位受影响范围、预测不同执行路径完成时间并据此完成端云资源调度的方法。

技术实现思路

1、针对现有技术的不足,本发明所要解决的技术问题是:提供一种基于云cad的三维建模复杂度评估与端云资源协同调度方法及系统,分别描述云三维cad模型的整体结构负担和单次建模操作引起的增量计算负担,并结合执行环境、模型缓存状态和结果提交风险预测多条候选执行路径的完成时间,据此择优选择执行计划;在执行过程中通过语义检查点实现跨节点任务迁移,并利用一致性校验和实际耗时反馈更新预测参数,从而形成复杂度评估、路径预测、调度执行和在线校准的闭环。

2、为实现上述目的,本发明采用的技术方案是:

3、一种基于云cad的三维建模复杂度评估与端云资源协同调度方法,包括如下步骤:

4、步骤s1、获取云三维cad模型中的草图对象、特征对象、边界表示几何拓扑对象、装配对象以及对象之间的约束、依赖、邻接、包含和配合关系,构建具有跨层关系的多层关联对象,并获取与所述云三维cad模型关联的模型基线和命令流;所述命令流记录操作类型、操作对象、参数变化、模型版本和执行状态;

5、步骤s2、从所述多层关联对象中提取草图结构量、特征依赖量、几何拓扑量和装配关系量,并将各类结构量映射为复杂度分量;依据模型版本、跨层关系状态和拓扑关系状态生成模型状态摘要;

6、步骤s3、对所述复杂度分量进行非负权重聚合与瓶颈修正,得到所述云三维cad模型的整体复杂度,并根据数据字段完整率、关系建立覆盖率以及轮廓或拓扑证据状态生成复杂度评估置信度,将所述整体复杂度、复杂度评估置信度和模型状态摘要写入任务描述信息;

7、步骤s4、接收待执行的三维建模操作,根据操作类型、输入对象、引用对象、参数变化和源模型版本生成初始操作语义签名;从所述多层关联对象中确定直接作用对象,并沿特征依赖关系、拓扑邻接关系和装配关联关系中的至少一种扩展形成操作影响子图;根据直接作用对象集合、操作影响子图的跨层关系边界信息补充初始操作语义签名,得到操作语义签名;

8、步骤s5、根据所述操作影响子图的依赖顺序生成增量重建工作包,并基于所述操作影响子图和所述增量重建工作包计算所述三维建模操作的操作有效复杂度及任务资源需求画像;

9、步骤s6、获取终端性能、网络状态、候选计算节点负载、候选计算节点排队状态、模型缓存状态,以及所述三维建模操作对应的上行数据量和下行数据量;

10、步骤s7、将所述整体复杂度、操作有效复杂度、任务资源需求画像和步骤s6获取的运行状态信息输入增量重建完成时间预测模型,得到不同执行路径的预测完成时间和结果提交风险,根据预测完成时间、结果提交风险、资源约束及负载感知卸载裕量选择目标执行计划;

11、步骤s8、按照所述目标执行计划执行对应的三维建模操作;在可拆分的重建阶段结束时记录语义检查点,并在满足迁移条件时,根据所述命令流记录和语义检查点将未完成阶段迁移至其他执行位置;

12、步骤s9、获取所述目标执行计划产生的最终结果,根据其携带的模型状态摘要、操作语义签名、参数变化记录、特征顺序和拓扑变化摘要执行一致性校验;校验通过后提交最终结果,将执行信息写入命令流,记录各执行阶段的预计耗时和实际耗时,并按执行路径、模型缓存状态和拓扑变化类别更新所述增量重建完成时间预测模型的标定参数。

13、进一步地,步骤s1中,所述多层关联对象包括草图层、特征层、几何拓扑层和装配层;所述草图层包括几何图元节点、约束节点、轮廓对象节点以及图元与约束的作用边;所述特征层包括建模特征节点和父子依赖边;所述几何拓扑层包括体、壳、面、环、边和顶点节点以及邻接关系;所述装配层包括零部件实例节点、层级包含边和配合约束边;不同层之间通过生成关系、引用关系或归属关系进行关联。

14、进一步地,步骤s3中,设草图结构、特征依赖、几何拓扑和装配关系对应的归一化复杂度分量为c1、c2、c3和c4;所述非负权重根据历史任务记录中的实际全模型重建时间按下式确定,在历史样本不足时采用等权重作为初始值:

15、

16、其中,表示最优权重,表示第n个历史模型的第k类复杂度分量,表示第n个历史模型归一化后的实际全模型重建时间;

17、模型整体复杂度按下式确定:

18、

19、其中,表示模型整体复杂度,为瓶颈修正系数,为瓶颈触发阈值。

20、进一步地,步骤s4中,以直接作用对象集合为起点,根据操作类型选取允许传播的关系边集合,并按下式逐层扩展操作影响子图:

21、

22、其中,、分别为第次、第次扩展后得到的对象集合,表示从对象到对象的关系边;

23、当相邻两次扩展所得对象集合相同,或者到达无需重建对象、不依赖于当前操作对象的特征分支、稳定拓扑边界或不传递自由度的装配边界时终止扩展;当受影响对象比例超过预设阈值或出现无法解析的循环依赖时,转为全局重建;尺寸修改沿约束连通区域和下游特征扩展,圆角或倒角沿相邻面和相切连续边链扩展,布尔操作沿参与运算实体及其下游引用扩展,装配更新沿传递位姿或自由度的配合约束扩展。

24、进一步地,步骤s4中,所述操作语义签名至少包括操作类型、源模型版本、输入对象标识、引用对象标识、参数变化摘要、直接作用对象集合和跨层关系边界信息;所述跨层关系边界信息用于表示受影响特征、拓扑对象或装配对象与未受影响对象之间的生成关系、引用关系或装配关联关系。

25、进一步地,步骤s5中,所述增量重建工作包按照约束求解、特征重建、拓扑更新、装配求解和结果封装中的一种或多种重建阶段进行组织;每一重建阶段至少关联其输入对象、输出对象、前置阶段、预计资源需求和对应的校验项,以使未受影响的模型对象不参与当前建模操作的重复重建;

26、所述操作有效复杂度根据操作类型难度、操作影响子图中的节点加权和、关系边加权和、依赖传播深度、待执行重建阶段数量、预计拓扑变化类别和预计结果增量确定。

27、进一步地,步骤s6中,所述模型缓存状态根据候选计算节点中是否存在与模型状态摘要及几何建模内核配置相匹配的模型基线,以及所述模型基线关联的缓存对象集合是否覆盖操作影响子图对应的输入对象确定;所述操作影响子图摘要至少包括受影响对象标识集合、关系边类型、依赖传播边界、源模型版本和待执行重建阶段标识;当模型缓存状态为缓存命中时,云端执行路径的预测完成时间不计入对应模型基线的完整准备时间和状态恢复时间,当模型缓存状态为缓存未命中时,计入模型基线准备时间和状态恢复时间。

28、进一步地,步骤s7中,本地端执行路径的预测完成时间按下式计算:

29、

30、其中,为本地端执行路径的预测完成时间,为本地端预测增量重建计算耗时,为本地端执行结果提交至模型基线的同步耗时;

31、缓存命中云端执行路径和缓存未命中云端执行路径的预测完成时间按下式计算:

32、

33、其中,为第条云端执行路径的预测完成总时间,在模型缓存命中时取0、未命中时取1;为排队等待时间,为上行传输时间,为第个候选云端节点的预测增量重建计算耗时,为下行传输时间,为结果提交校验时间,为模型基线准备时间,为模型状态恢复时间;

34、端云协同执行路径的预测完成时间为本地预览时间、排队等待时间、上行传输时间、云端节点预测增量重建计算耗时、下行传输时间、结果提交校验时间与最终结果替换时间之和。

35、进一步地,步骤s7中,所述结果提交风险按下式确定:

36、

37、其中,表示四个风险分量,分别为源模型版本与当前模型版本的差异、操作影响子图边界处的关系变化、并发操作的影响域重叠情况和预测不确定度;为第个风险分量对应的归一化权重系数;

38、负载感知卸载裕量按下式确定:

39、

40、其中,、和分别表示候选节点队列负载、网络波动程度和耗时预测误差,、、、为权重系数;

41、最优云端节点按下式选择:

42、

43、优先选择满足资源约束且预测完成时间最短的缓存命中云端执行路径,若不存在满足上述条件的缓存命中路径,则仅当预测完成时间最短的云端节点相对本地端的预测节省时间大于该节点的负载感知卸载裕量,且该节点的结果提交风险不超过预设风险阈值时,选择该云端节点,否则保持本地端执行。

44、进一步地,在多个用户并发提交三维建模操作时,依据各操作的操作语义签名和操作影响子图生成影响域冲突关系;当不同操作的直接作用对象、受影响对象或跨层关系边界均不重叠时,允许并行调度;当存在重叠时,按照源模型版本、操作序列号和重建阶段前置关系执行串行化、重新计算或回滚处理。

45、本发明同时提供一种基于云cad的三维建模复杂度评估与端云资源协同调度系统,用于实现所述的方法,该系统包括:

46、模型对象适配模块,用于获取云三维cad模型中的草图、特征对象、几何拓扑和装配对象,构建具有跨层关系的多层关联对象并生成模型状态摘要;

47、复杂度评估模块,用于提取草图结构、特征依赖、几何拓扑和装配关系对应的结构信息,计算模型整体复杂度、复杂度分量和复杂度评估置信度;

48、影响域分析与工作包生成模块,用于接收三维建模操作,生成操作语义签名,确定操作影响子图,并按cad参数化重建顺序生成增量重建工作包、操作有效复杂度和任务资源需求画像;

49、状态感知与缓存识别模块,用于获取终端设备性能、网络状态、云端计算节点利用率、任务队列长度、可用资源和模型缓存状态;

50、耗时预测与风险评估模块,用于根据模型整体复杂度、操作有效复杂度、任务资源需求画像和执行环境信息,预测本地端、缓存命中云端、缓存未命中云端及端云协同执行路径的增量重建完成时间和结果提交风险;

51、调度决策模块,用于根据预测完成时间、结果提交风险、模型缓存状态、资源约束和任务优先级选择目标执行计划和目标计算节点,并在满足迁移条件时触发任务迁移或节点切换;

52、本地执行与预览模块,用于在终端设备上执行被分配至本地端的建模操作,或根据直接作用对象和操作影响子图生成可替换的局部预览结果;

53、云端增量重建模块,用于在云端候选计算节点上执行增量重建工作包中的一个或多个重建阶段,并在阶段结束时生成可迁移的语义检查点;

54、权威结果提交模块,用于同步本地端或云端执行产生的几何结果、模型变化信息和操作状态,并依据模型状态摘要、操作语义签名、参数变化记录和拓扑变化摘要对最终结果进行一致性校验后提交至目标模型版本;

55、日志标定模块,用于记录模型缓存状态、目标执行计划、重建阶段、预计完成时间、实际完成时间、目标计算节点、资源占用和结果提交异常,并按操作类型、执行路径、模型缓存状态和拓扑变化类别更新增量重建完成时间预测模型的参数;

56、模型数据存储模块,用于存储模型版本、多层关联对象、模型复杂度结果和操作影响域信息;

57、调度日志存储模块,用于存储调度结果、执行记录、耗时预测结果和参数更新记录。

58、上述技术方案的有益效果为:

59、第一,本发明通过构建包含草图、建模特征、几何拓扑和装配关系的多层关联对象,实现对三维模型结构复杂度的综合描述,避免仅依据单一几何数量或特征数量进行评价,提高复杂度评估结果的完整性和可靠性。

60、第二,本发明通过操作语义签名、操作影响子图和增量重建工作包描述建模操作对模型的实际影响范围,将模型整体复杂度与单次操作复杂度进行区分,从而能够针对具体建模任务确定受影响对象、重建阶段和资源需求,减少不必要的计算和数据传输。

61、第三,本发明同时考虑本地计算、缓存命中云端、缓存未命中云端及端云协同等执行路径,并综合计算时间、传输时间、排队时间、结果回传时间和一致性校验时间,选择预测完成时间较优且满足资源约束的执行计划,提高端云调度的准确性。

62、第四,本发明根据模型操作影响域之间的重叠关系建立多用户任务冲突关系,对不存在影响域冲突的任务进行并行调度,对存在冲突的任务按照版本关系、操作顺序和前置依赖进行串行调度,从而提高多用户协同建模场景下的资源利用率和结果一致性。

63、第五,本发明通过设置语义检查点和执行结果一致性校验,支持任务在不同执行节点之间迁移,并根据实际执行耗时、排队时间、传输耗时和结果提交状态更新预测模型参数,使调度过程具备持续校准和自适应能力。