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产品模型设计系统及方法。该系统包括：强化学习模块，用于基于预先训练好的强化学习模型，按照预设的建模规则，根据产品设计参数生成产品模型；产品预测模块，用于基于预先训练好的产品预测模型，对所述产品模型进行预测，生成产品预测结果；根据所述产品预测结果，由所述强化学习模型对所述产品设计参数进行调整，以更新所述产品模型，生成满足产品指标参数的所述产品模型。该系统通过样本模型的设计行为数据对强化学习模型以及产品预测模型进行训练，产品模型的设计通过训练好的强化学习模型以及产品预测模型完成，替代了工业软件，有效克服人类手工方法的费时费力，解放了设计人员的身心，缩短了产品模型的研发周期。

Product Model Design System and Method

【技术实现步骤摘要】
产品模型设计系统及方法
本申请实施例涉及产品模型的设计开发
，尤其涉及一种基于人工智能的产品模型设计系统及方法。
技术介绍
产品模型是对实体工业产品的一种虚拟，是将实体工业产品中的各个模块转化成数据整合到一个虚拟的体系中，在这个体系中模拟实现工业产品中的每一项工作和功能。随着产品复杂度越来越高，必须通过计算机上运行的工业软件在虚拟环境中建立产品模型。产品模型设计的根本是利用虚拟模型呈现真实世界产品的特点和功能，伴随着工业、科技的发展，产品模型设计已经被世界上很多企业广泛地应用到工业产品设计的各个环节中，使产品设计发生了质的飞跃。产品规模的不断扩大和复杂度的持续提升，使产品模型设计的重要程度日益突出。
技术实现思路
有鉴于此，本专利技术实施例所解决的技术问题之一在于提供一种产品模型设计系统及方法，通过预先训练好的强化学习模型以及产品预测模型，实现对产品模型的预测，替代工业软件生成满足产品指标参数的产品模型。为达上述目的及其他相关目的，本申请实施例提供一种产品模型设计系统，包括：强化学习模块，用于基于预先训练好的强化学习模型，按照预设的建模规则，根据产品设计参数生成产品模型；产品预测模块，用于基于预先训练好的产品预测模型，对所述产品模型进行预测，生成产品预测结果；根据所述产品预测结果，由所述强化学习模型对所述产品设计参数进行调整，以更新所述产品模型，生成满足产品指标参数的所述产品模型。可选地，在本申请的任一实施例中，所述强化学习模型为基于深度强化学习技术的深度神经网络模型。可选地，在本申请的任一实施例中，所述产品模型设计系统还包括：价值判断模块，用于将所述产品预测结果与产品计算结果进行比较，生成产品比较结果，响应于所述产品比较结果不一致，所述产品预测模型根据所述产品比较结果对自身参数进行调整，其中，所述产品计算结果为标准软件对所述产品模型进行计算生成。可选地，在本申请的任一实施例中，所述产品模型设计系统还包括：数据采集模块，用于采集所述产品模型的任务需求，明确所述产品模型需要验证的任务。可选地，在本申请的任一实施例中，所述产品模型设计系统还包括：需求量化模块，用于对所述任务需求进行量化生成所述产品设计参数以及产品指标参数。可选地，在本申请的任一实施例中，通过样本模型的设计行为数据对所述强化学习模型以及产品预测模型进行训练，其中，所述设计行为数据包括：样本设计参数、样本指标参数。本申请实施例还提供一种产品模型设计方法，包括：基于预先训练好的强化学习模型，按照预设的建模规则，根据产品设计参数生成产品模型；基于预先训练好的产品预测模型，对所述产品模型进行预测，生成产品预测结果；根据所述产品预测结果，通过所述强化学习模型对所述产品设计参数进行调整，以生成满足产品指标参数的所述产品模型。可选地，在本申请的任一实施例中，所述产品模型设计方法还包括：确认标准软件对所述产品模型进行计算生成产品计算结果；将所述产品预测结果与所述产品计算结果进行比较，响应于所述比较结果不一致，根据所述比较结果由所述产品预测模型对其自身参数进行调整。可选地，在本申请的任一实施例中，所述产品模型设计方法还包括：采集所述产品模型的任务需求，明确所述产品模型需要验证的任务。可选地，在本申请的任一实施例中，所述产品模型设计方法还包括：对所述任务需求进行量化生成所述产品设计参数以及产品指标参数。可选地，在本申请的任一实施例中，所述产品模型设计方法还包括：通过样本模型的设计行为数据对所述强化学习模型以及产品预测模型进行训练，其中，所述设计行为数据包括：样本设计参数、样本指标参数。可选地，在本申请的任一实施例中，所述通过样本模型的设计行为数据对所述强化学习模型以及产品预测模型进行训练包括：确认所述标准软件对所述样本模型进行计算，得样本计算结果；确认所述产品预测模型对所述样本模型进行预测，得样本预测结果；将所述样本计算结果与所述样本预测结果进行比较，根据样本比较结果确定对所述强化学习模型以及产品预测模型进行训练。可选地，在本申请的任一实施例中，所述将所述样本比较结果与所述样本预测结果进行比较，根据样本比较结果确定对所述强化学习模型以及产品预测模型进行训练包括：基于预设的阈值函数，确定所述样本计算结果和样本预测结果之间的差值与预设的差异阈值的关系，确定对所述强化学习模型以及产品预测模型进行训练。可选地，在本申请的任一实施例中，所述确定所述样本计算结果和样本预测结果之间的差值与预设的差异阈值之间的关系，确定对所述强化学习模型以及产品预测模型进行训练包括：响应于所述样本计算结果和样本预测结果之间的差值大于所述差异阈值，则继续对所述强化学习模型以及产品预测模型进行训练；或者，响应于所述样本计算结果和样本预测结果之间的差值小于所述差异阈值，则对所述强化学习模型以及产品预测模型的训练完成。可选地，在本申请的任一实施例中，所述响应于所述样本计算结果和样本预测结果之间的差值大于所述差异阈值，则继续对所述强化学习模型以及产品预测模型进行训练包括：响应于所述样本计算结果和样本预测结果之间的差值大于所述差异阈值，则所述样本比较结果不一致，根据所述样本比较结果由所述产品预测模型对其自身参数进行调整，以及根据所述样本计算结果由所述强化学习模型对所述样本设计参数进行调整，以更新所述样本模型，直至生成满足所述样本指标参数的所述样本模型。可选地，在本申请的任一实施例中，所述响应于所述样本计算结果和样本预测结果之间的差值小于所述差异阈值，则对所述强化学习模型以及产品预测模型的训练完成包括：所述样本计算结果和样本预测结果之间的差值小于所述差异阈值，则所述样本比较结果一致，对所述强化学习模型以及产品预测模型的训练完成。由上可知，本申请实施例所提供的产品模型设计系统及方法，通过样本模型的设计行为数据对强化学习模型以及产品预测模型进行训练；基于训练好的强化学习模型，按照预设的建模规则，根据产品设计参数生成产品模型；由训练好的产品预测模型对产品模型进行预测，生成产品预测结果；根据产品预测结果，由强化学习模型对产品设计参数进行调整，以更新产品模型，直至生成满足产品指标参数的产品模型。产品模型的设计通过强化学习模型以及产品预测模型完成，替代了工业软件，有效克服人类手工方法的费时费力，解放了设计人员的身心，缩短了产品模型的研发周期。附图说明后文将参照附图以示例性而非限制性的方式详细描述本申请实施例的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解，这些附图未必是按比例绘制的。附图中：图1为根据本申请一实施例所示的产品模型设计系统示意图；图2为根据本申请的实施例中对强化学习模型以及产品预测模型进行训练的训练系统示意图；图3为根据本申请一实施例所示的产品模型设计方法流程图；图4为根据本申请的实施例中对所述强化学习模型以及产品预测模型进行训练的训练流程图。具体实施方式实施本专利技术实施例的任一技术方案必不一定需要同时达到以上的所有优点。为了使本领域的人员更好地理解本专利技术实施例中的技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术实施例一部分实施例，而不是全部的实施例。基于本专利技术实施例中的实施例，本本文档来自技高网...

【技术保护点】
1.一种产品模型设计系统，其特征在于，包括：强化学习模块，用于基于预先训练好的强化学习模型，按照预设的建模规则，根据产品设计参数生成产品模型；产品预测模块，用于基于预先训练好的产品预测模型，对所述产品模型进行预测，生成产品预测结果；根据所述产品预测结果，由所述强化学习模型对所述产品设计参数进行调整，以更新所述产品模型，生成满足产品指标参数的所述产品模型。

【技术特征摘要】
1.一种产品模型设计系统，其特征在于，包括：强化学习模块，用于基于预先训练好的强化学习模型，按照预设的建模规则，根据产品设计参数生成产品模型；产品预测模块，用于基于预先训练好的产品预测模型，对所述产品模型进行预测，生成产品预测结果；根据所述产品预测结果，由所述强化学习模型对所述产品设计参数进行调整，以更新所述产品模型，生成满足产品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，所述强化学习模型为基于深度强化学习技术的深度神经网络模型。3.根据权利要求1所述的产品模型设计系统，其特征在于，还包括：价值判断模块，用于将所述产品预测结果与产品计算结果进行比较，生成产品比较结果，响应于所述比较结果不一致，根据所述比较结果由所述产品预测模型对自身参数进行调整，其中，所述产品计算结果为标准软件对所述产品模型进行计算生成。4.根据权利要求1所述的产品模型设计系统，其特征在于，还包括：数据采集模块，用于采集所述产品模型的任务需求，明确所述产品模型需要验证的任务。5.根据权利要求4所述的产品模型设计系统，其特征在于，还包括：需求量化模块，用于对所述任务需求进行量化生成所述产品设计参数以及产品指标参数。6.根据权利要求1-5任一所述的产品模型设计系统，其特征在于，通过样本模型的设计行为数据对所述强化学习模型以及产品预测模型进行训练，其中，所述设计行为数据包括：样本设计参数、样本指标参数。7.一种产品模型设计方法，其特征在于，包括：基于预先训练好的强化学习模型，按照预设的建模规则，根据产品设计参数生成产品模型；基于预先训练好的产品预测模型，对所述产品模型进行预测，生成产品预测结果；根据所述产品预测结果，通过所述强化学习模型对所述产品设计参数进行调整，以生成满足产品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，还包括：确认标准软件对所述产品模型进行计算生成产品计算结果；将所述产品预测结果与所述产品计算结果进行比较，生成产品比较结果；响应于所述产品比较结果不一致，根据所述产品比较结果由所述产品预测模型对其自身参数进行调整。9.根据权利要求7所述的产品模型设计方法，其特征在于，还包括：采集所述产品模型的任务需求，明确所述产品模型需要验证的任务。10.根据权利要求9所述的产品模型设计方法，其特征在于，还包括：对所述任务需求进行量化生成所述产品设计参数以及产品指标参数。11.根据权利...

【专利技术属性】
技术研发人员：陈志熙，刘洁，
申请(专利权)人：南京星火技术有限公司，
类型：发明
国别省市：江苏,32