4.3 智能设计与生成式

4.3 智能设计与生成式

本节摘要：SOURCE 4.3/4.4：规则库检查设计合规；生成式设计在约束内自动拓扑优化。

从"画出来"到"算出来"

传统 CAD 的输入是几何操作（画线、拉伸、打孔），输出是形状。智能设计把输入换成了条件与目标：设计空间、载荷、材料、制造约束、性能目标，输出的是满足条件的候选方案集合。这一转变被称为"从如何做（how）到做什么（what）"的范式跃迁——设计者从"手工构造"变为"定义问题 + 评估答案"。

智能设计的四个层次

四个层次的能力是递进的：规则检查回答"是否合规"，特征识别回答"这是什么"，生成式回答"最优形态是什么"，LLM 辅助回答"你说的话我能不能照做"。每一层都在减少人工重复劳动，但都保留了"人做最终判断"的位置。

规则检查：让规范"活"在设计里

规则引擎把企业规范编码成可自动执行的检查项：

# 规则引擎的最小实现：把制造规范变成自动检查
RULES = [
    ("最小壁厚", lambda m: m.min_thickness() >= 1.5, "壁厚小于 1.5mm，注塑风险"),
    ("拔模角",   lambda m: m.draft_angle() >= 1.0,  "拔模角小于 1 度，脱模困难"),
    ("孔间距",   lambda m: m.min_hole_gap() >= 0.8, "孔间距过小，易开裂"),
]

def check(model):
    results = []
    for name, test, msg in RULES:
        results.append((name, "通过" if test(model) else f"违反：{msg}"))
    return results
​

规则检查的价值在于前置化：错误在设计阶段被发现，而不是等开模后才返工。企业可以把几十年积累的"老师傅经验"沉淀为规则库，形成可持续复用的组织资产。

特征识别：从几何到语义

特征识别是从 B-rep 模型中自动识别设计特征（孔、槽、倒角、肋板），把"无参数几何"重新语义化。典型应用：

• 逆向工程：从扫描网格识别加工特征；
• 工艺规划：识别孔类型选择钻孔/镗孔/铰孔策略；
• 智能标注：识别孔特征自动生成标注。

特征识别与"语义承载"一脉相承——它把 CAD 模型从"几何数据"升级为"工程对象"。

生成式设计：在约束内自动求优

生成式设计以拓扑优化为核心：给定设计空间、载荷与边界条件、材料属性、制造约束，算法自动寻找满足目标（如最小质量、最大刚度）的材料分布。

典型工作流分五步：

1. 定义设计空间：用 CAD 画出允许材料存在的区域（通常是原始毛坯的外形）；
2. 定义载荷与约束：固定面、载荷点/面、安全系数；
3. 设置制造约束：最小特征尺寸、拔模方向、加工面——约束越接近真实工艺，结果越可用；
4. 迭代求解：SIMP/SLERP 等算法迭代数千步，逐步"削掉"低应力材料；
5. 筛选与后处理：对多个候选方案做仿真验证，选出满足目标的形态。

从"像素云"到"可生产实体"

生成式设计输出常需后处理（平滑、可制造性修正）才可用于 CNC/打印。原始输出通常是边界模糊的"密度云"，直接进 CAM 会失败。后处理包含：

这一步是生成式设计能否落地的关键：80% 的"生成式方案不能制造"问题，出在制造约束定义不足，而不是算法本身。

AI 难点：上下文理解

AI 难点在于理解「这个孔为减重而非装配」等上下文。同一个孔，可能是减重孔、过线孔、定位孔——它们的约束与意义完全不同。当前 AI 的瓶颈不是"识别形状"，而是"理解意图"：

• 知识：需要工程语义图谱支撑（这个特征与哪些工艺/标准相关）；
• 上下文：需要结合装配关系、受力、工艺来理解；
• 控制权：AI 建议必须可解释、可撤销、可参数化，否则设计师无法信任。

智能设计闭环

上图把生成式设计的工作流收拢为闭环：输入三要素 → 迭代求解 → 仿真/后处理 → 人工决策 → 不满足则重新约束迭代。每一步都有明确的职责与输出，也标出了人机分工的边界——机器负责搜索，人类负责评判。

⚠️ 常见坑：直接制造未经验证的生成式结果——须仿真+工艺审查。

💡 关键直觉：智能 = 自动化重复，人类保留价值判断。

要点串联

• 规则→生成→AI 能力递进
• 制造约束定义不足是"生成结果不可制造"的主因
• 生成式需制造约束输入
• 后处理是落地的关键环节
• 设计师仍是最终仲裁者