基于人工智能的汽车CAD功能特征布置优化

汽车行业日益依赖三维建模技术，以高精度设计和制造车辆部件。一个关键挑战是优化用于固定仪表板侧面板的锁扣布置，这些布置因车型而异，且必须保持最小的活动容差以确保耐用性。尽管生成式人工智能（AI）在生成文本、图像和视频方面发展迅速，其在创建精确的三维CAD模型方面的应用仍有限。本文提出了一种新颖框架，将PointNet深度学习模型与基于Python的CAD自动化集成，用于预测仪表板侧面板的最佳卡扣位置和表面厚度。不同于以往聚焦于通用CAD生成的研究，本工作专门针对汽车内部部件，展示了自动化零件设计的实用方法。该方法包括生成布置数据（可能通过生成式AI）并导入CAD环境，以生成完全参数化的三维模型。实验结果显示，原型在八个测试表面中六个实现了75%的成功率，尽管样本量有限，但显示出强大的潜力。本研究明确指出了生成式AI在汽车零件设计自动化中的应用路径，并为扩展至更广泛的设计应用奠定了基础。