一种工业设计产品的智能推荐方法及系统技术方案

本发明专利技术涉及智能推荐技术领域，尤其涉及一种工业设计产品的智能推荐方法及系统。该方法包括以下步骤：获取工业设计需求数据，并对工业设计需求数据进行深度解析，获取设计需求语义图谱数据；根据设计需求语义图谱数据进行材料特性与设计约束匹配，获取约束符合材料清单数据；对约束符合材料清单数据进行优化算法推导处理，获取优化设计决策树数据；通过物联网技术收集实时的生产、使用环境和用户反馈数据，并与优化设计决策树集成，获取实时设计反馈数据库数据；对实时设计反馈数据库数据进行设计决策优化，获取优化设计决策数据。本发明专利技术提供个性化的工业设计推荐方案，提高用户满意度。度。度。

【技术实现步骤摘要】
一种工业设计产品的智能推荐方法及系统


[0001]本专利技术涉及智能推荐
，尤其涉及一种工业设计产品的智能推荐方法及系统。

技术介绍

[0002]工业设计产品的智能推荐方法是一种运用现代计算机科学技术，尤其是人工智能（AI）、机器学习（ML）、深度学习（DL）、物联网（IoT）的技术，根据用户需求、材料特性、环境约束的因素，自动进行产品设计决策和优化的方法。这种方法能够大大提高设计效率，减少设计错误，增强设计的个性化和创新性。在实际的设计过程中，需求、环境的因素往往存在不确定性和模糊性。现阶段的智能推荐方法往往难以有效处理这些不确定性和模糊性。

技术实现思路

[0003]本专利技术为解决上述技术问题，提出了一种工业设计产品的智能推荐方法及系统，以解决至少一个上述技术问题。
[0004]本申请提供了一种工业设计产品的智能推荐方法，包括以下步骤：步骤S1：获取工业设计需求数据，并对工业设计需求数据进行深度解析，从而获取设计需求语义图谱数据；步骤S2：根据设计需求语义图谱数据进行材料特性与设计约束匹配，从而获取约束符合材料清单数据；步骤S3：对约束符合材料清单数据进行优化算法推导处理，从而获取优化设计决策树数据；步骤S4：通过物联网技术收集实时的生产、使用环境和用户反馈数据，并与优化设计决策树集成，从而获取实时设计反馈数据库数据；步骤S5：对实时设计反馈数据库数据进行设计决策优化，从而获取优化设计决策数据；步骤S6：对优化设计决策数据进行闭环学习与设计迭代，从而获取工业设计推荐方案数据。/>[0005]本专利技术中通过获取工业设计需求数据并进行深度解析，能够准确理解设计需求，提高设计的准确性和符合度。对材料特性与设计约束进行匹配，生成优化设计决策树，实现了设计过程的自动化。该方法通过物联网技术收集实时的生产、使用环境和用户反馈数据，提供了实时的设计反馈，使设计方案能够及时调整和优化。对实时设计反馈数据库数据进行设计决策优化，不断优化设计决策，提高了设计效率和质量。对优化设计决策数据进行闭环学习与设计迭代，使得设计方案能够不断学习和进步，提高设计方案的质量和适应性。本专利技术能够根据用户的具体需求和反馈，提供个性化的工业设计推荐方案，提高用户满意度。
[0006]优选地，步骤S1具体为：步骤S11：获取工业设计需求基础数据；
步骤S12：对工业设计需求基础数据进行需求数据预处理，从而获取工业设计需求预处理数据；步骤S13：对工业设计需求预处理数据进行自然语言特征提取，从而获取需求自然语言特征数据；步骤S14：对需求自然语言特征数据进行需求模式挖掘，从而获取需求模式数据；步骤S15：对需求模式数据进行需求语义理解，从而获取需求语义数据；步骤S16：利用预设的图神经网络构建方式对需求语义数据进行关系图构建，从而获取需求关系图数据；步骤S17：根据需求关系图生成设计需求语义图谱数据。
[0007]本专利技术中对工业设计需求基础数据进行深度预处理和自然语言特征提取，能有效理解和解析需求，提高推荐的精准性。通过对需求自然语言特征数据进行模式挖掘，有助于发现设计需求的潜在规律和模式，进而提升设计的针对性和创新性。对需求模式数据进行语义理解，可以在更深层次上理解和满足用户的设计需求，提高设计的满足度。利用图神经网络对需求语义数据进行关系图构建，能够清晰地展示各需求之间的关联关系，为设计决策提供有力支持。需求关系图的生成及进一步转化为设计需求语义图谱，有效地组织并可视化了需求信息，便于进行后续的分析和推荐工作。
[0008]优选地，步骤S12中需求数据预处理通过需求数据清洗计算公式进行预处理，其中需求数据清洗计算公式具体为：；为经过数据清洗后得到的清洗后需求数据，为工业设计需求基础数据中需求数据点的总数，为预处理数据序次项，为清洗底数常数项，为工业设计需求基础数据中第个需求数据点，为平滑常数项，为工业设计需求基础数据中的最大需求数据点，为工业设计需求基础数据中的最小需求数据点，为工业设计需求基础数据中所有特定项的需求数据点的均值。
[0009]本专利技术构造了一种需求数据清洗计算公式，该计算公式的主要目的是预处理工业设计需求基础数据，以达到清洗数据、消除噪声和异常值，平滑数据，以提升数据质量和处理效率的目的。表示工业设计需求基础数据中需求数据点的总数。它影响极限计算和均值计算，极限是关于的，表示随着数据点数量的增加，平均对数值会趋于稳定，这个稳定值用于进一步的计算。表示预处理数据序次项，它用于累加和求对数操作，对所有的需求数据点进行操作。表示清洗底数常数项，在求对数操作中，作为对数的底数。不同的底数会影响数据清洗的程度。表示工业设计需求基础数据中第个需求数据点，是公式中主要的操作对象，也是最终预处理数据的来源。表示平滑常数项，在对数操作中，防止数据点值为0导致对数无法计算的情况，起到平滑作用。和分别表示工业设计需求基础数据中的最大需求数据点和最小需求数据点。它们用于计算三角函数，引入了数据范围的信息。表示工业设计需求基础数据中所有特定项的需求数据点的均值，用于方差的计算，引入了数据的平均级别信息。本专利技术使数据清洗工作能在多个维度上进行，更全面地处理数据。特
别是利用对数平滑数据、利用极限获取趋势信息、利用三角函数引入极值信息、利用方差引入离散度信息，都使得数据清洗更为全面和深入，大大提升了数据的质量和后续处理的效果。
[0010]优选地，步骤S16具体为：步骤S161：对需求语义数据进行节点选择，从而获取图节点数据，并对需求语义数据进行最大相关边选择，从而获取图边数据；步骤S162：对图节点数据进行节点嵌入，从而获取节点嵌入数据，并对图边数据进行边嵌入，从而获取边嵌入数据；步骤S163：对节点嵌入数据以及边嵌入数据进行图结构初始化，从而获取初始化图结构数据；步骤S164：对初始化图结构数据进行循环神经网络模型初始化构建，从而获取初步需求关系图数据；步骤S165：对初步需求关系图数据进行模型训练并优化，从而获取需求关系图数据。
[0011]本专利技术中图结构能清晰、直观地反映设计需求的内在逻辑和关系，帮助设计人员更好地理解和把握设计需求，从而提高设计的精确度。通过图神经网络，可以快速、自动地处理大量、复杂的设计需求数据，大大减少了设计人员的工作负担，提高了设计的效率。能更准确地把握用户需求，使得设计结果更贴合用户需求，从而提升用户体验。更高的设计精确度和用户体验，可以提升产品的市场竞争力，帮助企业取得更大的市场份额。图神经网络的应用，引入了新的设计思维和方法，可能会引领设计创新，产生全新、独特的设计方案。
[0012]优选地，步骤S2具体为：步骤S21：对设计需求语义图谱数据进行需求特征提取，从而获取需求特征数据；步骤S22：对需求特征数据通过预存于本地的材料数据库进行数据查询，从而获取初步材料候选列表数据；步骤S23：对初步材料候选列表数据进行材料特性比对，从而获取材料特性匹配度数据；步骤S24：利用设计需求语义图谱数据对材料特性匹配度数据进行设计约束检查，从而获取约束检查数据；步骤S25：对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工业设计产品的智能推荐方法，其特征在于，包括以下步骤：步骤S1：获取工业设计需求数据，并对工业设计需求数据进行深度解析，从而获取设计需求语义图谱数据；步骤S2：根据设计需求语义图谱数据进行材料特性与设计约束匹配，从而获取约束符合材料清单数据；步骤S3：对约束符合材料清单数据进行优化算法推导处理，从而获取优化设计决策树数据；步骤S4：通过物联网技术收集实时的生产、使用环境和用户反馈数据，并与优化设计决策树集成，从而获取实时设计反馈数据库数据；步骤S5：对实时设计反馈数据库数据进行设计决策优化，从而获取优化设计决策数据；步骤S6：对优化设计决策数据进行闭环学习与设计迭代，从而获取工业设计推荐方案数据。2.根据权利要求1所述的方法，其特征在于，步骤S1具体为：步骤S11：获取工业设计需求基础数据；步骤S12：对工业设计需求基础数据进行需求数据预处理，从而获取工业设计需求预处理数据；步骤S13：对工业设计需求预处理数据进行自然语言特征提取，从而获取需求自然语言特征数据；步骤S14：对需求自然语言特征数据进行需求模式挖掘，从而获取需求模式数据；步骤S15：对需求模式数据进行需求语义理解，从而获取需求语义数据；步骤S16：利用预设的图神经网络构建方式对需求语义数据进行关系图构建，从而获取需求关系图数据；步骤S17：根据需求关系图生成设计需求语义图谱数据。3.根据权利要求2所述的方法，其特征在于，步骤S12中需求数据预处理通过需求数据清洗计算公式进行预处理，其中需求数据清洗计算公式具体为：；为经过数据清洗后得到的清洗后需求数据，为工业设计需求基础数据中需求数据点的总数，为预处理数据序次项，为清洗底数常数项，为工业设计需求基础数据中第个需求数据点，为平滑常数项，为工业设计需求基础数据中的最大需求数据点，为工业设计需求基础数据中的最小需求数据点，为工业设计需求基础数据中所有特定项的需求数据点的均值。4.根据权利要求2所述的方法，其特征在于，步骤S16具体为：步骤S161：对需求语义数据进行节点选择，从而获取图节点数据，并对需求语义数据进行最大相关边选择，从而获取图边数据；步骤S162：对图节点数据进行节点嵌入，从而获取节点嵌入数据，并对图边数据进行边嵌入，从而获取边嵌入数据；
步骤S163：对节点嵌入数据以及边嵌入数据进行图结构初始化，从而获取初始化图结构数据；步骤S164：对初始化图结构数据进行循环神经网络模型初始化构建，从而获取初步需求关系图数据；步骤S165：对初步需求关系图数据进行模型训练并优化，从而获取需求关系图数据。5.根据权利要求1所述的方法，其特征在于，步骤S2具体为：步骤S21：对设计需求语义图谱数据进行需求特征提取，从而获取需求特征数据；步骤S22：对需求特征数据通过预存于本地的材料数据库进行数据查询，从而获取初步材料候选列表数据；步骤S23：对初步材料候选列表数据进行材料特性比对，从而获取材料特性匹配度数据；步骤S24：利用设计需求语义图谱数据对材料特性匹配度数据进行设计约束检查，从而获取约束检查数据；步骤S25：对约束检查数据进行约束优化，从而获取约束检查优化数据；步骤S26：利用约束检查优化数据对初步材料候选列表数据进行材料排名，从而获取材料排名数据；步骤S27：对材料排名数据进行优选材料筛选，从而获取优选材料数据；步骤S28：根据优选材料数据生成约束符合材料清单数据。6.根据权利要求5所述的方法，其特征在于，步骤S26中材料排名通过材...

【专利技术属性】
技术研发人员：邹镇孟，
申请(专利权)人：深圳市设际邹工业设计有限公司，
类型：发明
国别省市：