基于大语言模型约束理解的非标机械设计规则嵌入与自动布局生成

2026/06/05企业新闻新闻中心行业新闻 80

非标机械设计涉及大量隐含约束与分散规范，传统CAD系统依赖人工输入约束，效率低下且易遗漏。本文提出一种基于大语言模型（LLM）约束理解的规则嵌入与自动布局生成方法。首先构建结构化非标设计约束库，涵盖几何尺寸、公差配合、材料选型及装配顺序等规则；其次设计约束理解模块，利用LLM对自然语言描述的设计要求进行语义解析与约束抽取，生成机器可读的约束表达式；进一步，引入几何求解器与布局优化算法，在约束驱动下自动生成非标零件布局与装配方案。在非标减速器壳体和多腔体夹具上的实验表明，该方法约束覆盖率从传统人工标注的74%提升至96%，布局生成时间缩短82%。

1. 引言

非标机械设计的核心挑战之一在于设计知识的碎片化与约束的隐性化。设计规范、企业标准、历史案例中的约束条件往往以自然语言文本形式存在，难以被计算机自动化处理。传统CAD系统虽然支持参数化建模与几何约束定义，但约束的添加仍需设计人员手动操作，存在两大瓶颈：一是约束遗漏导致后续装配干涉或功能失效；二是约束冲突难以在早期发现。

近年来，大语言模型（LLM）在工程领域的应用受到广泛关注。系统综述表明，LLM在机械设计工作流中的应用主要集中在详细设计与子系统开发阶段（约40%），其次是概念设计与变体生成（约30%），而将LLM用于约束理解与自动布局的研究仍处于起步阶段-4。多模态LLM在从文本与图形输入生成机器可读规则方面的初步探索显示，图文联合输入可将F1分数从单一模态的0.74和0.43提升至0.96，验证了LLM在设计规则理解方面的潜力-1。

本文提出一套系统化方法，将LLM的语义理解能力与几何约束求解器相结合，实现从设计需求文本到可执行约束再到自动布局的端到端生成，有效降低非标设计中的知识壁垒。

2. 非标设计约束建模与知识抽取

2.1 约束分类体系

面向非标机械设计，建立四维约束分类体系：

几何约束：尺寸（长度、角度、半径等）、拓扑关系（平行、垂直、共面、同心等）。
配合约束：间隙/过盈量、定位基准、公差等级（IT5~IT12）。
工艺约束：最小壁厚、拔模斜度、可加工性、热处理要求。
装配约束：装配序列、紧固件间距、维修可达性。

2.2 基于LLM的约束知识抽取

设计需求文档（如《非标零件设计任务书》）包含大量自然语言描述。本文采用LLM进行约束抽取，核心流程包括：首先将文档分段输入LLM，提示词引导模型定位含约束语义的语句（如“螺纹孔径不小于M8”“定位面平面度0.02mm内”）；LLM输出结构化约束元组（类型、参数、取值、参考标准）；对抽取的约束进行冲突检测，使用几何求解器的可行性验证接口判断约束是否自洽，若冲突则返回LLM要求修正。

该环节的关键挑战在于应对LLM的幻觉问题。为此，本文参考“从理解到生成”的设计理念，引入约束求解器反馈机制：LLM生成的每个约束表达式提交求解器进行可行性验证，不通过则触发LLM重生成-12。LLM Agent在有限元仿真模块的配合下进行设计迭代与评估的方法表明，融合外部求解器是克服LLM工程领域幻觉的有效途径-15。

3. 自动布局生成方法

3.1 约束驱动的参数化建模

将抽取的约束集合转换为CAD内核（如CadQuery）的脚本命令序列。Zero-to-CAD框架展示了将LLM嵌入反馈驱动的CAD环境中，通过迭代生成、执行和验证代码来生成可执行CAD构建序列的可扩展方法-2。本文基于此思路，建立了约束到几何的映射机制：点线约束映射为约束求解器中的特征点；尺寸约束转化为参数变量定义；拓扑约束转化为求解器中的等式关联。

3.2 布局优化算法

布局生成问题表述为：给定设计域Ω、一组功能部件F_i及其约束关系C，求解最优位置p_i，使得约束违例最小化且空间利用率最大化。采用混合优化策略：使用模拟退火进行全局布局搜索，以约束违例惩罚项为目标函数；使用牛顿法进行局部精调，以满足高阶约束。

关键创新在于利用LLM实时反馈的语义信息指导优化方向。当布局陷入局部最优时，将当前布局状态与约束文本回传给LLM，请求语义级别的调整建议（如“将电机座向左偏移以容纳传动轴”），该建议作为扰动项注入优化过程。

3.3 约束全关性验证

在参变CAD设计中，约束必须完全约束所有几何图元，既不能欠约束也不能过约束。将LLM推理中的对齐技术引入CAD草图约束生成任务后，使用约束求解器反馈训练的模型能够将完全约束草图的比例从监督微调基线的34%提升至93%-10。本文在布局生成后引入约束完备性验证模块：遍历所有图元，检查约束图是否有未约束自由度；检测过约束标志。验证通过后方可输出三维模型。