CN111373406B - 使用问题匹配的先验知识提取的加速仿真设置过程 - Google Patents

Abstract

一种用于加速仿真设置的系统和方法，包括接收对仿真的新问题的描述，提取先前仿真结果的输入数据和输出数据，基于提取的输入数据和输出数据生成数据的表示，以及量化新问题与提取的输入数据和输出数据之间的相似性，以识别新问题的候选仿真。机器学习部件基于候选仿真的输出的外推或内插来推断新问题的解决方案输出，从而通过消除仿真生成和执行来节省资源。可替代地，可以使用查询的知识、输入变量和对应于候选仿真的输入参数来生成有效的仿真设置。

Description

使用问题匹配的先验知识提取的加速仿真设置过程

技术领域

本申请涉及在产品生命周期的阶段期间有用的数字仿真和建模。更具体地，本申请涉及加速仿真设置过程。

背景技术

3D对象或离散系统设计中的一个当前趋势是馈送并利用从产品生命周期的后期阶段(诸如制造阶段、操作阶段或寿命终止阶段)收集的信息，以在设计阶段生成更高质量的设计。虽然期望追求这样的愿景，但是在实际实施层面存在瓶颈，这是因为难以获取数据，而且数据仅可用于特定的放出的问题/解决方案情形。数据收集并不总是广泛的，也不总是与流程集成在一起，其需要对丢失的数据进行假设并需要人工进行集成。因此，设计推理会遗漏与其他可能情况相关的信息，其中某些信息可能是必需的和/或很少发生。此外，设计与实际生产、运营和寿命终止之间的时间线可能长达数年，使得从收集的数据中得出的推断变得过时。由于上述原因，数字仿真的使用在这一领域中发挥着越来越重要的作用。使用仿真来克服数据的缺乏，缩短设计阶段与生命周期结束阶段之间的时间框架，并测试潜在但不太可能的情形。然而，在决定建模假设和仿真设置时，仿真可能高度依赖于人工输入，这通常会延长仿真设置过程，并可能导致时间效率极低的大量尝试和错误仿真运行。仿真需要大量的计算时间，需要人工输入，在复杂情形下开发问题公式并需要精确的参数估计。

仿真设置要解决的问题包括根据以下一个或多个来确定每个仿真情况的输入：求解器类型和复杂程度(例如，1D对3D)、物理之间的联接类型(如果多于一个)、网格细化、边界条件(例如，类型和值)、时间离散化等。通过人工智能优化仿真设置的输入选择，可以使效率低下和资源浪费最小化。

发明内容

用于加速仿真设置的系统和方法包括接收对仿真的新问题的描述，提取先前仿真结果的输入数据和输出数据，基于提取的输入数据和输出数据生成数据表示，以及量化新问题与提取的输入数据和输出数据之间的相似性，以识别新问题的候选仿真。机器学习部件基于候选仿真的输出的外推或内插来推断新问题的解决方案输出，从而通过消除仿真生成和执行来节省资源。可替换地，可以使用查询的知识、输入变量和对应于候选仿真的输入参数来生成有效的仿真设置。

附图说明

参考以下附图描述本实施方式的非限制性和非穷尽性实施方式，其中除非另有说明，否则在所有附图中相同的附图标记表示相同的元件。

图1是根据本公开实施方式的用于加速仿真设置的系统的示例的框图。

图2是根据本公开实施方式的用于加速仿真设置的方法的示例的流程图。

图3示出可以在其中实现本公开的实施方式的示例性计算环境。

具体实施方式

公开了用于加速模型仿真的设置并为要解决的新问题确定仿真的估计精度的方法和系统。模型仿真的示例可以包括工业部件或部件系统的3D模型，诸如流经管道的流体或运输底盘上的物理应力，以列举许多可能性中的一些。仿真模型可能相当复杂，由多维独立变量和因变量组成，因此在常规方式下的仿真设置将需要繁重的时间投入。公开的系统可以接收对新问题的描述，并且可以提取从现有仿真模型或者从现有仿真模型的记录的设置过程中获悉的知识，用于解决甚至可能明显不与新问题相关的先前问题。现有知识的其他来源可以包括文档库(例如，科学文献)，其可以由公开的系统净化以提取相关信息。系统可以量化新问题与解决问题之间的相似性(例如，隐藏的相似性)，以找到与现有仿真模型的匹配，并确定用于仿真设置的输入参数。可以使用确定的设置参数来执行选择的仿真，并且选择的仿真可以快速提供新问题的解决方案，而不必花费资源从头开始生成新的仿真模型。可以分析仿真执行的结果，以确定仿真是否提供了可接受的精度公差。可以由用户根据来自系统的建议对输入参数进行调整来定制选择的仿真模型。

在一实施方式中，应该使用人工智能(AI)方法以最大可能的程度执行从仿真经验的先验知识中学习的操作。例如，该系统可以在解决方案的重要部分上依赖AI，并且在检测到差距的情况下，可以生成查询以请求用户(例如，工程人员)获得不能从具有可接受置信度的以往知识中推断出的附加信息或选择决定。本公开的实施方式提供以下问题的技术解决方案：

1)如何从最佳实践和/或成功案例的书面文档中提取和应用知识；

2)如何使用过去的仿真结果来学习新问题的适当仿真配置；以及

3)如何使用与用户(例如，计算机辅助工程(CAE)工程师)在设置先前仿真中执行的操作或子操作相关的数据来学习为设置新仿真而要执行的操作(例如，哪些步骤和检查导致设置的改变)。

图1是根据本公开的实施方式的用于仿真设置和执行的系统的示例的框图。所示的系统100包括仿真引擎160和仿真设置加速器101，仿真设置加速器可以包括分解单元110、距离引擎120、数据提取单元130、查询引擎140和机器学习部件150。给定需要解决的新问题P_N，仿真设置加速器101可以自动导出由仿真引擎150执行仿真分析所需的设置。例如，仿真设置加速器101可以生成仿真模型的设置列表，诸如边界变量和边界值，以规定边界的每个元素、网格定义、时间步长参数、时间推进方案标签或其组合。

仿真设置加速器101可以例如使用工作站或图形用户界面(GUI)接收由用户102输入的用于仿真设置的新问题P_N的描述。分解单元110可以被提供为可选特征，以接收用于仿真的新问题P_N的描述，并且可以将问题分解为几个子问题，以简化与先前仿真数据的比较，从而寻找候选仿真。例如，问题P_N可能由用于仿真的几个元素或部件组成，这些元素或部件可以根据特定的类别或分类进行划分。如果没有利用可选的分解单元110，则数据提取单元130可以直接提取用于要仿真的新问题P_N的信息和问题解决方案数据115，以量化相似性。

数据提取单元130可以被配置成从问题/解决方案数据115(包括数字数据和文本)中提取知识。对于数字形式的每个数据，可以用简洁且可机器处理的形式对数据进行汇总。对于自然语言形式的每个数据，可以以可机器处理的形式(例如，附有数值或布尔值的字段、逻辑命题)提取数据。对于这个过程，可以使用现有的自然语言处理库(NLP)，并可能进行其他开发。问题/解决方案数据115可以包括由先前解决的问题仿真P1…P_N-1生成、累积和存储的一组输入/输出(I/O)数据，其解决方案是通过仿真建模的分析得到的。这种数据可以是多种形式，包括3D几何图形上的点状字段的值(可能是时间上的值)、仿真设置的向量、文本等。例如，某些问题仿真P1…P_N-1可能是与新问题P_N相同的关注对象，但是具有不同的几何形状，其在概念上具有相同的边界条件、不同的网格和时间离散化参数。作为特定的示例，新问题P_N可能涉及通过直径为D_N且网格单元形状为M_N和时间离散化为T_N的垂直圆管结构的流量和压力仿真。在许多先前的仿真中(例如，在大约100和大约1000个问题仿真之间)，可以搜索问题/解决方案数据115以寻找候选问题仿真P1，该候选问题仿真具有存储的仿真参数，用于具有相似直径D₁和不同网格单元形状M₁以及时间离散化T₁的水平管道结构(即，不同的几何形状)的流量和压力仿真。仿真设置加速器101的优点包括距离引擎120能够从许多候选中自主地识别强候选问题仿真，并且量化候选仿真与要仿真的新问题之间的参数相似性。在用于问题仿真P₁…P_N-1的问题/解决方案数据集合115中的变量中，仿真设置加速器101可以确定将被视为问题仿真P_N的输入的子集以及哪个子集将是输出变量集。例如，可以将几何定义和概念边界条件确定为新问题仿真的输入变量，而可以将网格定义、时间离散化参数和时间推进方案确定为新问题仿真的输出变量。

对应于新问题P_N的数据可以由数据提取单元130提取，并以类似于本文针对数据115描述的方式存储为数据表示135。

数据提取单元130可以以有效的方式存储数据。在一实施方式中，数据可以被组织为数据表示135的知识图数据库或本体。知识表示的结构可以包括排名信息或距离域，以允许快速识别相关的仿真，这些仿真可以根据共同特征的相似性进行聚类。自主排序特征的优点在于，尝试手动定位候选问题仿真将基于共同的特征，而不需要更深入地理解隐藏的相似性以进行准确的量化。

在一实施方式中，数据提取单元130可以根据用于在数据表示135中对数据进行分类的推荐系统来存储数据。例如，可以以与用户和仿真设置加速器101之间传送的一系列问题和答案兼容的格式对数据进行分类。

数据提取单元130可以被配置为读取文本数据(例如，出版的科学论文)，识别用例以及用于仿真的设置，确定哪些设置成功或未成功仿真问题，以及根据排除故障设置和包括成功设置来提取数据表示的规则。例如，数据提取单元130可以提取其中应用了0.5的网格尺寸设置的仿真，但是仿真不成功。根据该知识，可以将规则插入到该先前问题仿真的数据表示中，即网格尺寸不应等于0.5，或者网格尺寸0.5是要排除的故障设置。

距离引擎120可以分析从数据表示135接收到的新问题P_N的数据和问题解决方案数据115，诸如矢量表示，并且可以根据矢量之间计算的距离得出相似性。距离引擎120还可以基于节点之间的加权边缘的评估来量化问题P_N与问题Pi之间的相似性，以确定问题P_N和问题Pi的本体特征之间的相对距离。

使用由距离引擎120确定的量化相似性的信息，查询引擎140可以制定与被确定为具有相似特性的候选仿真问题Pi对应的数据表示135的查询。在查询确定弱匹配的条件下(例如，基于与低于建立阈值(诸如70％)的值对应的相似性得分)，提取的数据135可以通过向用户162识别知识缺口而被用作仿真引擎160处的仿真设置的输入143。结果，用于确定仿真输入参数和变量的手动工作被缩减为剩余的知识缺口，同时主要依赖于从先前仿真中收集的信息。在知识包括先前仿真中成功或未成功的参数和变量的规则的情况下，输入143可能是特别有利的。可替代地，在仿真设置的预测需要高确定性的条件下(例如，这可以是在新问题P_N的输入信息中指定的先决条件参数)，查询的参数可以作为输入145发送到机器学习部件150，以推断新仿真的仿真设置参数。在这种情况下，将输出151作为仿真设置参数发送到仿真引擎160。在查询引擎140根据建立的阈值(例如，70％相似性)识别对应于强匹配的相似性得分的条件下，可以跳过仿真以节省时间，并且可以将用于候选仿真的数据表示135的参数和变量145发送到机器学习部件150，以在输出151处获得新问题P_N的解决方案。

机器学习部件150可以基于先前解决的问题Pi的输出值朝向问题P_N的输入值的期望值的外推或内插，使用推断将输出151预测为新问题P_N的解决方案。例如，当查询引擎140基于相似性得分确定依赖于先前仿真有很强的置信度时，绕过实际的仿真，从而产生显著的资源节省。可替代地，机器学习部件150可以预测仿真设置的参数，而不预测仿真结果，其中将输出151发送到仿真引擎160。例如，当查询引擎140基于先验数据确定依赖于仿真结果预测的弱置信度时，将输出151呈现为仿真设置参数。

仿真引擎160可以使用仿真设置输入143执行候选仿真。可替代地，如上所述，仿真引擎160可以从输出151接收仿真设置输入。新问题P_N的仿真结果165可以存储在问题/解决方案数据115中，作为问题P_N+1及其他问题的仿真设置可访问的下一个累积数据。还可以呈现仿真结果，诸如用于显示给用户162的渲染。

图2是根据本公开的实施方式的用于仿真设置和执行的方法的示例的流程图。在201，仿真设置加速器101可以接收要解决的新问题P_i的描述。例如，问题描述可以定义参数和输入/输出变量。

在204，可以从先前解决问题的仿真的输入/输出数据202中提取数据。

在可选步骤203，可以将新问题P_N和来自提取的数据204的先前仿真的问题P_i分解为子部件(例如，将P_i分解为子部件P_i1…P_iK，K≠N)。例如，问题P_i可能是递归划分方法，该方法创建具有给定数量的2路划分、给定数量的3路划分等的决策树，直到满足某些停止标准为止。在一实施方式中，停止标准可以基于距离度量的计算，如将在下面进一步描述的。

在205，可以量化当前问题(或其子问题)与先前问题(或子问题)之间的相似性。可以基于某些特征集，将一种方法应用于计算表示问题之间的距离(与相似性相反)的度量。对于3D仿真问题，除了上面提到的数字变量之外，还可以自动分析3D几何图形以识别特征。取决于问题，相关的可能是特征尺寸、表面曲率、域的曲折度或其他类似的标准。一种方法是考虑所有可能的(相关的)几何特征，并将它们提供给下面引用的方法步骤。此外，需要定义两个问题之间的相似性度量，例如，考虑特征矢量之间的差异的归一化范数。

在208，可以生成数据表示，该数据表示被设计成促进并加速在具有类似于给定特征集的特征的大型问题数据集中的识别。在一实施方式中，每个解决的问题(或子问题)可以通过使用加权边缘表示它们之间的距离而表示为图中的节点。这可以加快对过去类似问题和解决方案集的识别，然后可以将其用于计算新问题的解决方案。每个问题(或子问题)节点可以具有代表在204提取的对应数据的子节点。在一实施方式中，用于在数据表示中插入元素(例如节点)的装置可以包括本体算法，其基于预定义的本体或者基于使用人工智能基于可用数据自动生成的本体。在一实施方式中，用户有效浏览数据表示的装置可以包括图形用户界面(GUI)。

在207，对从数据表示中汲取的知识的查询可以引出仿真新问题P_N所需的参数和变量。例如，可以评估来自先前仿真的参数和变量，以确定其中哪些提供准确的结果(即，成功的仿真)，以及哪些导致差的结果(即，不成功的仿真)。对于该评估有用的信息源可以包括文本信息，诸如由人工智能提取的、进行先前仿真的人员记录的评论。该查询可以生成相似性得分，以量化候选问题Pi的仿真是否包括对于新问题P_N的精确解决方案而言合适匹配的信息，即候选问题Pi是否是可接受的匹配。

在209，可以针对可接受匹配的阈值(例如，70％或更高的相似性得分)测量来自查询的相似性得分。如果相似性得分指示候选仿真是可接受的匹配，则可以在211执行推理算法，以基于相似问题仿真数据的收集的输入和输出数据来推断新问题P_N的解决方案输出，而不必运行新的仿真。另一方面，如果在209处不存在可接受的匹配候选仿真，则仿真设置215可以受益于先前仿真的提取知识而开始。然后，在这种情况下生成的仿真217结果可以用作先验数据202，以用于系统的连续使用。

加速仿真设置的优点包括通过消除手动步骤来提高性能。由于有可能以有限的成本探索更大的空间，因此可以改善对设计空间的探索。通过利用AI识别来自先前仿真的相关知识以及从科学文献提取的人类专业知识中吸取的经验教训，仿真设置也更加有效。

图3示出可以在其中实现本公开的实施方式的示例性计算环境。如图3所示，计算机系统310可以包括通信机制诸如系统总线321或用于在计算机系统310内传送信息的其他通信机制。计算机系统310还包括与系统总线321耦合的一个或多个处理器320，以用于处理信息。

处理器320可以包括一个或多个中央处理单元(CPU)、图形处理单元(GPU)或本领域已知的任何其他处理器。更一般地，本文描述的处理器是用于执行存储在计算机可读介质上的机器可读指令以执行任务的设备，并且可以包括硬件和固件中的任何一个或其组合。处理器还可以包括存储可执行用于执行任务的机器可读指令的存储器。处理器通过操纵、分析、修改、转换或传输信息以供可执行程序或信息设备使用和/或通过将信息路由到输出设备来对信息进行操作。例如，处理器可以使用或包括计算机、控制器或微处理器的能力，并且可以使用可执行指令进行调节，以执行不能由通用计算机执行的专用功能。处理器可以包括任何类型的合适的处理单元，包括但不限于中央处理单元、微处理器、精简指令集计算机(RISC)微处理器、复杂指令集计算机(CISC)微处理器、微控制器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、片上系统(SoC)、数字信号处理器(DSP)等。此外，(一个或多个)处理器320可以具有任何合适的微体系结构设计，其包括任何数量的组成部件，例如寄存器、多路复用器、算术逻辑单元、用于控制对高速缓冲存储器的读/写操作的高速缓存控制器、分支预测器等。处理器的微体系结构设计可以支持多种指令集中的任何一种。处理器可以与能够在其间进行交互和/或通信的任何其他处理器耦合(电耦合和/或包括可执行部件)。用户界面处理器或生成器是包括电子电路或软件或两者的组合的已知元件，用于生成显示图像或其部分。用户界面包括一个或多个显示图像，这些图像使得用户能够与处理器或其他设备进行交互。

系统总线321可以包括系统总线、存储器总线、地址总线或消息总线中的至少一个，并且可以允许在计算机系统310的各个部件之间交换信息(例如，数据(包括计算机可执行代码)、信令等)。系统总线321可以包括但不限于存储器总线或存储器控制器、外围总线、加速图形端口等。系统总线321可以与任何合适的总线体系结构相关联，包括但不限于工业标准体系结构(ISA)、微通道体系结构(MCA)、增强型ISA(EISA)、视频电子标准协会(VESA)体系结构、加速图形端口(AGP)体系结构、外围部件互连(PCI)体系结构、PCI-Express体系结构、个人计算机存储卡国际协会(PCMCIA)体系结构、通用串行总线(USB)体系结构等。

继续参考图3，计算机系统310还可以包括耦合到系统总线321的系统存储器330，以用于存储信息和待由处理器320执行的指令。系统存储器330可以包括易失性和/或非易失性存储器形式的计算机可读存储介质，诸如只读存储器(ROM)331和/或随机存取存储器(RAM)332。RAM 332可以包括(一个或多个)其他动态存储设备(例如，动态RAM、静态RAM和同步DRAM)。ROM 331可以包括(一个或多个)其他静态存储设备(例如，可编程ROM、可擦除PROM和电可擦除PROM)。此外，系统存储器330可以用于在处理器320执行指令期间存储临时变量或其他中间信息。包含诸如在启动期间帮助在计算机系统310内的元件之间传输信息的基本例程的基本输入/输出系统333(BIOS)可以被存储在ROM 331中。RAM332可以包含处理器320可以立即访问和/或当前正在操作的数据和/或程序模块。系统存储器330可以另外包括例如操作系统334、应用程序335和其他程序模块336。

操作系统334可以被加载到存储器330中，并且可以提供在计算机系统310上执行的其他应用软件与计算机系统310的硬件资源之间的接口。更具体地，操作系统334可以包括一组计算机可执行指令，用于管理计算机系统310的硬件资源并向其他应用程序提供公共服务(例如，管理各种应用程序之间的存储器分配)。在某些示例性实施方式中，操作系统334可以控制被描述为存储在数据存储器340中的一个或多个程序模块的执行。操作系统334可以包括现在已知或将来可能开发的任何操作系统，包括但不限于任何服务器操作系统、任何大型机操作系统或任何其他专有或非专有操作系统。

应用程序335可以是根据本公开的实施方式的用于执行操作过程的一组计算机可执行指令。

计算机系统310还可以包括耦合到系统总线321的磁盘/介质控制器343，以控制用于存储信息和指令的一个或多个存储设备，诸如磁硬盘341和/或可移动介质驱动器342(例如，软盘驱动器、光盘驱动器、磁带驱动器、闪存驱动器和/或固态驱动器)。可以使用适当的设备接口(例如，小型计算机系统接口(SCSI)、集成设备电子设备(IDE)、通用串行总线(USB)或火线)将存储设备340添加到计算机系统310。根据本公开的实施方式，存储设备341、342可以在计算机系统310的外部，并且可以用于存储数据。

计算机系统310还可以包括耦合到系统总线321的显示控制器365，以控制显示器或监视器366，诸如阴极射线管(CRT)或液晶显示器(LCD)，用于向计算机用户显示信息。计算机系统包括用户输入接口360和一个或多个输入设备(诸如用户终端361)，该输入设备可以包括键盘、触摸屏、平板电脑和/或点击设备，以用于与计算机用户交互并向处理器320提供信息。显示器366可以提供触摸屏界面，该触摸屏界面允许输入以补充或替代用户终端设备361对方向信息和命令选择的传送。

响应于处理器320执行包含在诸如系统存储器330之类的存储器中的一个或多个指令的一个或多个序列，计算机系统310可以执行本发明实施方式的一部分或全部处理步骤。这样的指令可以从另一计算机可读介质(诸如磁性硬盘341或可移动介质驱动器342)读入系统存储器330。磁性硬盘341可以包含由本发明的实施方式使用的一个或多个数据存储和数据文件。数据存储可以包括但不限于数据库(例如，关系数据库、面向对象数据库等)、文件系统、平面文件、其中数据存储在计算机网络的一个以上的节点上的分布式数据存储、对等网络数据存储等。处理器320还可以在多处理装置中使用，以执行包含在系统存储器330中的一个或多个指令序列。在替代实施方式中，硬线电路可以代替软件指令或者与软件指令结合使用。因此，实施方式不限于硬件电路和软件的任何特定组合。

如上所述，计算机系统310可以包括至少一个计算机可读介质或存储器，用于保存根据本发明的实施方式编程的指令并用于包含数据结构、表格、记录或本文描述的其他数据。本文使用的术语“计算机可读介质”是指参与向处理器320提供指令以供执行的任何介质。计算机可读介质可以采取许多形式，包括但不限于非暂时性、非易失性介质、易失性介质和传输介质。非易失性介质的非限制性示例包括光盘、固态驱动器、磁盘和磁光盘，诸如磁性硬盘341或可移动介质驱动器342。易失性介质的非限制性示例包括动态存储器，诸如系统存储器330。传输介质的非限制性示例包括同轴电缆、铜线和光纤，包括构成系统总线321的电线。传输介质还可以采用声波或光波的形式，诸如在无线电波和红外数据通信期间产生的那些。

用于实施本公开的操作的计算机可读介质指令可以是汇编指令、指令集体系结构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据或者以一种或多种编程语言的任意组合编写的源代码或目标代码，包括面向对象编程语言诸如Smalltalk、C++等以及常规过程编程语言诸如“C”编程语言或类似的编程语言。计算机可读程序指令可以完全在用户的计算机上、部分在用户的计算机上执行，作为独立的软件包，部分在用户的计算机上执行，部分在远程计算机上执行，或者完全在远程计算机或服务器上执行。在后一种情况下，远程计算机可以通过任何类型的网络(包括局域网(LAN)或广域网(WAN))连接到用户的计算机，或者可以与外部计算机进行连接(例如，通过使用因特网服务提供商的因特网)。在一些实施方式中，包括例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)的电子电路可以通过利用计算机可读程序指令的状态信息来执行计算机可读程序指令以个性化电子电路，以便执行本公开的各方面。

本文参考根据本公开的实施方式的方法、装置(系统)和计算机程序产品的流程图图示和/或框图来描述本公开的各方面。应理解，流程图图示和/或框图的每个框以及流程图图示和/或框图中的框的组合可以通过计算机可读介质指令来实现。

计算环境300还可以包括计算机系统310，计算机系统使用到一个或多个远程计算机(例如远程计算设备380)的逻辑连接在联网环境中操作。网络接口370可以使得能够例如经由网络371与其他远程设备380或系统和/或存储设备341、342进行通信。远程计算设备380可以是个人计算机(膝上型或台式)、移动设备、服务器、路由器、网络PC、对等设备或其他公共网络节点，并且通常包括以上相对于计算机系统310描述的许多或所有元件。当在联网的环境中使用时，计算机系统310可以包括调制解调器372，用于通过网络371(诸如因特网)建立通信。调制解调器372可以经由用户网络接口370或经由另一适当的机制连接到系统总线321。

网络371可以是本领域通常已知的任何网络或系统，包括因特网、内联网、局域网(LAN)、广域网(WAN)、城域网(MAN)、直接连接或一系列连接、蜂窝电话网络或能够促进计算机系统310与其他计算机(例如，远程计算设备380)之间通信的任何其他网络或介质。网络371可以是有线的、无线的或其组合。有线连接可以使用以太网、通用串行总线(USB)、RJ-6或本领域通常已知的任何其他有线连接来实现。无线连接可以使用Wi-Fi、WiMAX、蓝牙、红外线、蜂窝网络、卫星或本领域通常已知的任何其他无线连接方法来实现。另外，几个网络可以单独工作或彼此通信以促进网络371中的通信。

应理解，图3中描述的存储在系统存储器330中的程序模块、应用程序、计算机可执行指令、代码等仅仅是说明性的，而不是穷举性的，并且被描述为由任何特定模块支持的处理可以可替代地分布在多个模块上或者由不同的模块执行。此外，可以提供各种程序模块、(一个或多个)脚本、(一个或多个)插件、(一个或多个)应用编程接口(API)或本地托管在计算机系统310、远程设备380上和/或托管在可经由一个或多个网络371访问的(一个或多个)其他计算设备上的任何其他合适的计算机可执行代码，以支持由图3中所示的程序模块、应用程序或计算机可执行代码提供的功能和/或附加或替代功能。此外，功能可以被不同地模块化，使得被描述为由图3所示的程序模块集合共同支持的处理可以由更少或更多数量的模块来执行，或者被描述为由任何特定模块支持的功能可以至少部分地由另一模块来支持。此外，支持本文描述的功能的程序模块可以根据任何合适的计算模型(例如，客户端-服务器模型、对等模型等)，形成在任何数量的系统或设备上可执行的一个或多个应用程序的一部分。此外，被描述为由图3所示的任何程序模块支持的任何功能可以至少部分地在任何数量的设备上以硬件和/或固件来实现。

本文使用的可执行应用程序包括代码或机器可读指令，用于调节处理器以实现预定功能，例如操作系统、上下文数据获取系统或其他信息处理系统的功能，以响应用户命令或输入。可执行程序是代码段或机器可读指令、子例程或其他不同的代码段或可执行应用程序的一部分，用于执行一个或多个特定过程。这些过程可以包括：接收输入数据和/或参数，对接收的输入数据执行操作和/或响应于接收的输入参数执行功能，以及提供结果输出数据和/或参数。

本文的功能和过程步骤可以响应于用户命令而自动地或全部地或部分地执行。响应于一个或多个可执行指令或设备操作，执行自动执行的活动(包括步骤)，而无需用户直接启动该活动。

附图的系统和过程并不是唯一的。根据本发明的原理，可以导出其他系统、过程和菜单以实现相同的目的。尽管已经参考特定实施方式描述了本发明，但是应理解，本文示出和描述的实施方式和变型仅用于说明目的。在不脱离本发明范围的情况下，本领域技术人员可以对当前设计进行修改。如本文所述，各种系统、子系统、代理、管理器和过程可以使用硬件部件、软件部件和/或其组合来实现。不应根据35U.S.C.112(f)的条款来解释文中的任何权利要求元素，除非使用短语“用于……的装置”明确地陈述该元素。

Claims (8)

1.一种用于仿真工业部件的3D模型的加速仿真设置的系统，包括：

处理器；以及

存储器，在其上存储有能够由所述处理器执行的指令，所述指令包括：

仿真设置加速器，包括：

数据提取单元，被配置为：

接收对仿真工业部件的3D模型的新问题的描述；

提取包括对明显不与新问题相关的问题的解决方案的仿真的先前仿真的输入数据和输出数据；

提取来自由进行一个或多个先前仿真的人员记录的评论的文本信息，所述文本信息涉及对先前仿真中使用的参数和变量的评估；

生成仿真参数的对应于所述新问题的第一数据表示；

使用本体算法将先前仿真的每个被解决问题表示为图的节点，并且加权边缘表示在节点之间的距离，基于所提取的输入数据和输出数据生成多个第二数据表示，每个第二数据表示对应于所述先前仿真中的一个；

距离引擎，被配置为：

基于在所述第一数据表示与所述第二数据表示之间的距离并且基于所提取的所述文本信息，量化所述新问题与所提取的输入数据和输出数据之间的包括隐藏相似性的相似性；

查询引擎，被配置为：

制定与所量化的相似性对应的所述第二数据表示的查询，以基于相似性得分来确定候选问题仿真；以及

机器学习部件，被配置为：

在所述相似性得分等于或大于可接受匹配的阈值的条件下，基于候选问题仿真的输出的外推或内插来推断所述新问题的解决方案输出；以及

仿真引擎，被配置为在所述相似性得分小于所述可接受匹配的阈值的条件下，生成所述3D模型的仿真设置，其中，所述仿真设置使用所述查询、输入变量和对应于所述候选问题仿真的输入参数来生成。

2.根据权利要求1所述的系统，其中，所述仿真设置加速器还被配置成将新的和先前的问题分解为子问题。

3.根据权利要求1所述的系统，其中，数据提取包括确定未成功地仿真先前解决的问题的仿真故障设置，并且所述仿真设置加速器还被配置成针对所述数据表示生成排除所述故障设置的规则。

4.根据权利要求1所述的系统，其中，所述图包括表示所提取的数据的子节点，所提取的数据对应于表示各个解决的问题的节点，并且由所述查询生成的所述相似性得分基于对所述图的节点和子节点的分析。

5.一种用于仿真工业部件的3D模型的加速仿真设置的计算机实现的方法，包括：

接收对仿真工业部件的3D模型的新问题的描述；

提取包括对明显不与新问题相关的问题的解决方案的仿真的先前仿真的输入数据和输出数据；

提取来自由进行一个或多个先前仿真的人员记录的评论的文本信息，所述文本信息涉及对先前仿真中使用的参数和变量的评估；

生成仿真参数的对应于所述新问题的第一数据表示；

使用本体算法将先前仿真的每个被解决问题表示为图的节点，并且加权边缘表示在节点之间的距离，基于所提取的输入数据和输出数据生成多个第二数据表示，每个第二数据表示对应于所述先前仿真中的一个；

基于在所述第一数据表示与所述第二数据表示之间的距离并且基于所提取的所述文本信息，量化所述新问题与所提取的输入数据和输出数据之间的包括隐藏相似性的相似性；

制定与所量化的相似性对应的所述第二数据表示的查询，以基于相似性得分来确定候选问题仿真；

在所述相似性得分等于或大于可接受匹配的阈值的条件下：

通过机器学习部件，基于所述候选问题仿真的输出的外推或内插来推断所述新问题的解决方案输出；以及

在所述相似性得分小于所述可接受匹配的阈值的条件下生成所述3D模型的仿真设置，其中，所述仿真设置使用所述查询、输入变量和对应于所述候选问题仿真的输入参数来生成。

6.根据权利要求5所述的方法，还包括将新的和先前的问题分解为子问题。

7.根据权利要求5所述的方法，其中，数据提取包括确定未成功地仿真先前解决的问题的仿真故障设置，所述方法还包括针对所述数据表示来生成排除所述故障设置的规则。

8.根据权利要求5所述的方法，其中，所述图包括表示所提取的数据的子节点，所提取的数据对应于表示各个解决的问题的节点，并且由所述查询生成的所述相似性得分基于对所述图的节点和子节点的分析。