本申请提供了一种基于知识图谱的仿真软件模型推荐方法、系统及介质,该方法包括:根据目标场景内包含的至少一个物体,构建所述目标场景的目标场景图,其中,所述目标场景图包括:至少一个模型节点,每个模型节点对应所述目标场景内的一个物体;基于图匹配算法从预先构建的图数据库中筛选出与所述目标场景图匹配的一个或多个预选场景模型;计算各个预选场景模型的推荐权重,并根据各个预选场景模型的推荐权重确定推荐模型;基于推荐模型获取模型数据,将模型数据传输至仿真软件,得到推荐结果;基于大量仿真解决方案场景的数据库,进行多维度综合计算,推荐出权重最高的模型,计算其空间属性,智能搭建仿真场景,提高设计师的工作效率。
背景技术
近期人工智能技术在多个领域展现良好的应用能力与巨大的潜力,越来越多的人工智能的缺点研究者加入到社会生产的各个领域。近年来随着工业自动化的大力推进,越来越多的人工智能研究者逐渐参与到人工智能在工业领域的设计与应用。
在3D仿真软件中(例如西门子的pdps、plan、国内的芯工厂软件),设计师搭建场景需要知道模型的型号和位置、旋转、缩放,以及连接机器和机器,目前市面上少有给数字化制造领域的仿真软件使用的机器学习解决方案,尤其是在模型推荐这一功能,现有的智能推荐方法是基于模型的使用频率进行推荐,维度少,且无法自动推算模型的位置,推荐效果有限。其他行业可以参考的类似算法则是游戏3D场景AI建模,例如开源项目ProcTHOR、GAPartNet。现有的模型推荐方法大多数是基于神经网络的扩散算法,其表现是模型之间的逻辑关系效果差,对于工业建模不适用,针对上述问题,目前亟待有效的技术解决方案。
实现思路