本申请涉及模型智能仿真技术领域，特别是涉及一种电子设备、仿真装置和计算机可读介质。
背景技术：
仿真(simulation)技术是伴随着计算机技术的发展逐渐兴起，其是通过建立产品的虚拟模型对产品进行实验研究的过程。仿真技术兴起于航空、航天、原子反应堆等价格昂贵、周期长、危险性大、实际系统试验难以实现的少数领域，后逐渐发展到电子、机械、流体、热、力等领域。目前，仿真技术由于其显著的应用效益，已经成为高技术产业中不可缺少的分析、研究、设计及、评价、决策和训练的重要手段，但是，随着产品结构复杂程度越来越高，利用传统的仿真技术进行仿真效率低下、耗费计算资源高，难以满足日益增长的仿真需求。
技术实现要素：
基于上述问题，本申请提供了一种电子设备、仿真装置和计算机可读介质，用以解决或缓解上述现有技术中存在的技术问题。
本申请实施例公开了如下技术方案：
本申请提供一种电子设备，用于进行产品模型仿真，包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下步骤：基于预先建立的神经网络模型，根据输入的扰动信息以及预先得到的所述产品模型的网格数据，得到所述产品模型的网格变化数据；根据所述产品模型的网格数据和所述产品模型的网格变化数据，对所述产品模型进行仿真；其中，所述扰动信息表征所述产品模型的至少一个模型参数的变化。
可选地，在本申请的任一实施例中，所述处理器执行基于预先建立的神经网络模型，根据输入的扰动信息以及预先得到的所述产品模型的网格数据，得到所述产品模型的网格变化数据的步骤，包括：基于预先建立的图神经网络模型，根据输入的扰动信息以及预先得到的所述产品模型的网格数据，得到所述产品模型的网格数据。
可选地，在本申请的任一实施例中，在所述处理器执行基于预先建立的神经网络模型，根据输入的扰动信息以及预先得到的所述产品模型的网格数据，得到所述产品模型的网格变化数据的步骤之前，还包括：生成所述产品模型的结构化数据；对所述结构化数据进行网格剖分，生成所述产品模型的网格数据。
可选地，在本申请的任一实施例中，所述处理器执行对所述结构化数据进行网格剖分，生成所述产品模型的网格数的步骤，包括：基于选择的表面网格或者三维立体网格，对所述结构化数据进行网格剖分，生成所述产品模型的网格数据。
可选地，在本申请的任一实施例中，所述处理器执行根据所述产品模型的网格数据和所述产品模型的网格变化数据，对所述产品模型进行仿真的步骤，包括：对所述产品模型的网格数据与所述产品模型的网格变化数据进行合并，生成所述产品模型的网格变化数据；根据所述产品模型的网格合并数据，对所述产品模型进行渲染，完成所述产品模型的仿真。
本申请实施例还提供一种仿真装置，用于进行产品模型仿真，包括：网格变化单元，配置为基于预先建立的神经网络模型，根据输入的扰动信息以及预先得到的所述产品模型的网格数据，得到所述产品模型的网格变化数据，其中，所述扰动信息表征所述产品模型的至少一个模型参数的变化；仿真单元，配置为根据所述产品模型的网格数据和所述产品模型的网格变化数据，对所述产品模型进行仿真。
可选地，在本申请的任一实施例中，所述网格变化单元，进一步配置为基于预先建立的图神经网络模型，根据输入的扰动信息以及预先得到的所述产品模型的网格数据，得到所述产品模型的网格数据。
可选地，在本申请的任一实施例中，还包括：网格剖分单元，配置为对所述产品模型的结构化数据进行网格剖分，生成所述产品模型的网格数据。
可选地，在本申请的任一实施例中，所述网格剖分单元进一步配置为基于选择的表面网格或者三维立体网格，对所述结构化数据进行网格剖分，生成所述产品模型的网格数据。
可选地，在本申请的任一实施例中，所述仿真单元包括：网格合并子单元，配置为对所述产品模型的网格数据和所述产品模型的网格变化数据进行合并，生成所述产品模型的网格合并数据；渲染子单元，配置为根据所述产品模型的网格合并数据，对所述产品模型进行渲染，完成所述产品模型的仿真。
本申请实施例还提供一种计算机可读介质，所述计算机可读介质存储有计算机程序，所述计算机程序为上述任一项所述的电子设备中存储的。
本申请实施例的技术方案中，利用神经网络模型根据产品模型的网格数据和扰动信息，预测产品模型的网格变化，得到新的网格变化数据，以对产品模型进行仿真。在此过程中，在产品模型仿真时，应用神经网络模型对产品模型的网格进行预测，极大的提高了产品模型的仿真速度，提升了仿真效率，降低了耗费的计算资源。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1a为根据本申请第一实施例所示的电子设备的处理器执行计算机程序时所实现的产品模型仿真方法的流程示意图；
图1b为根据本申请第一实施例所示的电子设备的处理器执行计算机程序时所实现的产品模型仿真方法中步骤s102的流程示意图；
图2a为根据本申请第二实施例所示的仿真装置的结构示意图；
图2b为根据本申请第二实施例所示的仿真装置中仿真单元的结构示意图；
图3为根据本申请第三实施例所示的电子设备的结构示意图；
图4为根据本申请第四实施例所示的电子设备的硬件结构。
具体实施方式
实施本申请实施例的任一技术方案必不一定需要同时达到以上的所有优点。
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
第一实施例
图1a为根据本申请第一实施例所示的电子设备的处理器执行计算机程序时所实现的产品模型仿真方法的流程示意图；如图1a所示，该产品模型仿真方法包括：
步骤s101、基于预先建立的神经网络模型，根据输入的扰动信息以及预先得到的所述产品模型的网格数据，得到所述产品模型的网格变化数据，其中，所述扰动信息表征所述产品模型的至少一个模型参数的变化；
在本申请实施例中，所述产品模型可包括航空、航天、原子反应堆、电子、机械、流体、热、力等模型。所述产品模型的扰动信息定义所述产品模型的至少一个模型参数的变化(如：形状参数变化和/或尺寸参数变化等)，比如，在电磁仿真过程中，波导模型形状参数的改变即为电磁模型仿真时的扰动信息。可以理解的是，以上描述仅为示例性的，本申请实施例对此不作任何限定。
在本申请实施例中，所述产品模型的网格数据指的是对所述产品模型进行网格剖分后得到的网格剖分数据，是包含若干的“节点”和“边”的数据集，比如，在电磁仿真过程中，对波导模型进行网格剖分后，每一个波导剖分单元的顶点坐标、电场强度、磁场强度等即为波导模型的网格数据。所述产品模型的网格变化数据表征扰动信息对产品模型的网格数据的影响，比如，在电磁仿真过程中，波导模型在形状参数改变后，每一个波导的剖分单元的顶点坐标、电场强度、磁场强度均会发生变化。波导模型在形状参数改变前后，每一个波导的剖分单元的顶点坐标、电场强度、磁场强度的变化量即为波导模型的网格变化数据。可以理解的是，以上描述仅为示例性的，本申请实施例对此不作任何限定。
在一些可选实施例中，在基于预先建立的神经网络模型，根据输入的扰动信息以及预先得到的所述产品模型的网格数据，得到所述产品模型的网格变化数据时，通过图神经网络模型，根据输入的扰动信息以及预先得到的所述产品模型的网格数据，得到所述产品模型的网格变化数据。可以理解的是，以上描述仅为示例性的，本申请实施例对此不做任何限定。
在一具体的例子中，在基于预先建立的神经网络模型，根据输入的扰动信息以及预先得到的所述产品模型的网格数据，得到所述产品模型的网格变化数据时，通过图神经网络模型，计算所述扰动信息对所述网格数据的影响，得到所述产品模型的网格变化数据。比如，在电磁仿真过程中，将波导模型的网格数据和形状参数变化输入图神经网络模型，利用图神经网络模型计算形状参数变化对波导模型的网格数据的影响，预测波导模型在形状参数改变前后，每一个波导的剖分单元的顶点坐标、电场强度、磁场强度的变化量，得到波导模型的网格变化数据。再比如，在流体仿真过程中，将流体力学模型的网格数据和流体力学模型中管道尺寸参数变化和/或形状参数变化输入图神经网络模型，利用图神经网络模型计算管道尺寸参数变化和/或形状参数变化对流体力学模型的网格数据的影响，预测流体力学模型在管道尺寸参数和/或形状参数改变前后，每一个流体剖分单元的顶点坐标、速度、方向的变化量，得到流体力学模型的网格变化数据。可以理解的是，以上描述仅为示例性的，本申请实施例并不对此进行限定。
在一些可选实施例中，在步骤s101之前，还包括：对所述产品模型的结构化数据进行网格剖分，生成所述产品模型的网格数据。
在本申请实施例中，为了便于对所述产品模型进行网格剖分，生成产品模型的网格数据，在此，对产品模型进行结构化，生成结构化数据，由二维表结构对产品模型进行逻辑表达和实现。可以理解的是，以上描述仅为示例性的，本申请实施例并不对此进行限定。
在一具体的例子中，在对所述产品模型的结构化数据进行网格剖分，生成所述产品模型的网格数据时，通过对所述产品模型进行特征识别，生成所述产品模型的结构化数据，而后，通过有限元方法对结构化数据进行网格剖分，生成产品模型的网格数。可以理解的是，以上描述仅为示例性的，本申请实施例对此不做任何限定。
在一具体的例子中，在对所述产品模型的结构化数据进行网格剖分，生成所述产品模型的网格数据时，基于选择的表面网格或者三维立体网格，对所述结构化数据进行网格剖分，生成所述产品模型的网格数据。可以理解的是，以上描述仅为示例性的，本申请实施例对此不做任何限定。
在本申请实施例中，表面网格可以包括三角形网格、四边形网格或者其它多边形网格；三维立体网格可以包括四面体网格、六面体网格。通常情况下，在对二维平面模型进行仿真时，选择表面网格对二维平面模型进行网格剖分，生成二维平面模型的网格数据；在对三维立体模型进行仿真时，选择三维立体网格对三维立体模型进行网格剖分，生成三维立体模型的网格数据。可以理解的是，以上描述仅为示例性的，本申请实施例对此不做任何限定。
步骤s102、根据所述产品模型的网格数据和所述产品模型的网格变化数据，对所述产品模型进行仿真。
在本申请实施例中，在通过神经网络模型，计算扰动信息对产品模型的网格数据的影响，预测产品模型的网格变化数据的基础上，对产品模型的网格数据和网格变化数据进行处理，以完成所述产品模型的仿真。具体为在根据所述产品模型的网格数据和所述产品模型的网格变化数据，对所述产品模型进行仿真时，对所述产品模型的网格数据和所述产品模型的网格变化数据执行合并操作，以对所述产品模型进行仿真。可以理解的是，以上描述仅为示例性的，本申请实施例对此不做任何限定。
图1b为根据本申请第一实施例所示的电子设备的处理器执行计算机程序时所实现的产品模型仿真方法中步骤s102的流程示意图；如图1b所示，步骤s102包括：
步骤s112、对所述产品模型的网格数据和所述产品模型的网格变化数据进行合并，生成所述产品模型的网格合并数据；
在一些可选实施例中，在对所述产品模型的网格数据和所述产品模型的网格变化数据进行合并，生成所述产品模型的网格合并数据时，通过对所述产品模型的网格数据和所述产品模型的网格变化数据相加，得到所述产品模型的网格合并数据。可以理解的是，以上描述仅为示例性的，本申请实施例对此不做任何限定。
在本申请实施例中，网格数据和网格变化数据合并，得到网格合并数据，在此，需要说明的是，网格数据与网格合并数据类型、属性等均相同，可以认为，网格合并数据是在通过网格变化数据对网格数据进行更新得到的，网格合并数据即是更新后的网格数据。可以理解的是，以上描述仅为示例性的，本申请实施例对此不做任何限定。
步骤s122、根据所述产品模型的网格合并数据，对所述产品模型进行渲染，完成所述产品模型的仿真。
在本申请实施例中，通过对产品模型的网格合并数据，对产品模型进行渲染，籍此，消除产品模型中存在的不合理的特征，比如畸点、尖角圆滑处理等，使产品模型平滑、连续、稳定，以便人们用肉眼观察和理解，完成产品模型的仿真。比如，在电磁仿真过程中，在生成波导模型的网格合并数据后，根据波导模型的网格合并数据，对波导模型进行渲染，直至波导模型内的电磁场趋于稳定，得到波导模型中每一个波导剖分单元的顶点坐标、电场强度、磁场强度等，完成对波导模型的电磁仿真。再比如，在流体仿真过程中，在生成流体力学模型的网格合并数据后，根据流体力学模型的网格合并数据，对流体力学模型进行渲染，直至流体力学模型中管道内液体流动区域稳定，得到每一个流体剖分单元的顶点坐标、速度、方向等，完成度流体力学模型的流体仿真。可以理解的是，以上描述仅为示例性的，本申请实施例对此不做任何限定。
根据本申请实施例提供的电子设备，利用神经网络模型根据产品模型的网格数据和扰动信息，预测产品模型的网格变化，得到新的网格变化数据，以对产品模型进行仿真。在此过程中，在产品模型仿真时，应用神经网络模型对产品模型的网格进行预测，极大的提高了产品模型的仿真速度，提升了仿真效率，降低了耗费的计算资源。
第二实施例
图2a为根据本申请第二实施例所示的仿真装置的结构示意图；如图2a所示，该仿真装置用于进行产品模型仿真，包括：网格变化单元201，配置为基于预先建立的神经网络模型，根据输入的扰动信息以及预先得到的所述产品模型的网格数据，得到所述产品模型的网格变化数据，其中，所述扰动信息表征所述产品模型的至少一个模型参数的变化；仿真单元202，配置为根据所述产品模型的网格数据和所述产品模型的网格变化数据，对所述产品模型进行仿真。
在本申请实施例中，所述网格变化可以进一步配置为，基于预先建立的所述神经网络模型，根据输入的扰动信息以及预先得到的所述产品模型的网格数据，得到所述产品模型的网格数据。
在本申请实施例中，该仿真装置还可以包括：网格剖分单元，配置为对所述产品模型的结构化数据进行网格剖分，生成所述产品模型的网格数据。
在本申请实施例中，所述网格剖分单元还可以进一步配置为，基于选择的表面网格或者三维立体网格，对所述结构化数据进行网格剖分，生成所述产品模型的网格数据。
图2b为根据本申请第二实施例所示的仿真装置中仿真单元的结构示意图；如图2b所示，所述仿真单元202包括：网格合并子单元212，配置为对所述产品模型的网格数据和所述产品模型的网格变化数据进行合并，生成所述产品模型的网格合并数据；渲染子单元222，配置为根据所述产品模型的网格合并数据，对所述产品模型进行渲染，完成所述产品模型的仿真。
本申请实施例的仿真装置用于实现前述多个实施例中相应的产品模型仿真方法，并具有相应的方法实施例的有益效果，在此不再一一赘述。
第三实施例
图3为根据本申请第三实施例所示的电子设备的结构示意图；如图3所示，该电子设备可以包括：
一个或多个处理器301；
计算机可读介质302，可以配置为存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任一实施例中所述的产品模型仿真方法。
第四实施例
图4为根据本申请第四实施例所示的电子设备的硬件结构；如图4所示，该设备的硬件结构可以包括：处理器401，通信接口402，计算机可读介质403和通信总线404；
其中处理器401、通信接口402、计算机可读介质403通过通信总线404完成相互间的通信；
可选的，通信接口402可以为通信模块的接口，如gsm模块的接口；
其中，处理器401具体可以配置为：基于预先建立的神经网络模型，根据输入的扰动信息以及预先得到的所述产品模型的网格数据，得到所述产品模型的网格变化数据；根据所述产品模型的网格数据和所述产品模型的网格变化数据，对所述产品模型进行仿真，其中，所述扰动信息定义所述产品模型的形状参数变化和/或尺寸参数变化。
处理器401可以是通用处理器，包括中央处理器(centralprocessingunit，简称cpu)、网络处理器(networkprocessor，简称np)等；还可以是数字信号处理器(dsp)、专用集成电路(asic)、现成可编程门阵列(fpga)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本申请实施例的电子设备以多种形式存在，包括但不限于:
(1)移动通信设备:这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iphone)、多媒体手机、功能性手机，以及低端手机等。
(2)超移动个人计算机设备:这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括:pda、mid和umpc设备等，例如ipad。
(3)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如ipod)，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。
(4)服务器:提供计算服务的设备，服务器的构成包括处理器、硬盘、内存、系统总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。
(5)其他具有数据交互功能的电子装置。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备及装置实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的设备及装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元提示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述，仅为本申请的一种具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。
1.一种电子设备，用于进行产品模型仿真，其特征在于，包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下步骤：
基于预先建立的神经网络模型，根据输入的扰动信息以及预先得到的所述产品模型的网格数据，得到所述产品模型的网格变化数据；
根据所述产品模型的网格数据和所述产品模型的网格变化数据，对所述产品模型进行仿真；
其中，所述扰动信息表征所述产品模型的至少一个模型参数的变化。
2.根据权利要求1所述的电子设备，其特征在于，所述处理器执行基于预先建立的神经网络模型，根据输入的扰动信息以及预先得到的所述产品模型的网格数据，得到所述产品模型的网格变化数据的步骤，包括：基于预先建立的图神经网络模型，根据输入的扰动信息以及预先得到的所述产品模型的网格数据，得到所述产品模型的网格变化数据。
3.根据权利要求1所述的电子设备，其特征在于，在所述处理器执行基于预先建立的神经网络模型，根据输入的扰动信息以及预先得到的所述产品模型的网格数据，得到所述产品模型的网格变化数据的步骤之前，还包括：对所述产品模型的结构化数据进行网格剖分，生成所述产品模型的网格数据。
4.根据权利要求3所述的电子设备，其特征在于，所述处理器执行对所述产品模型的结构化数据进行网格剖分，生成所述产品模型的网格数据的步骤，包括：基于选择的表面网格或者三维立体网格，对所述结构化数据进行网格剖分，生成所述产品模型的网格数据。
5.根据权利要求1-4任一项所述的电子设备，其特征在于，所述处理器执行根据所述产品模型的网格数据和所述产品模型的网格变化数据，对所述产品模型进行仿真的步骤，包括：
对所述产品模型的网格数据和所述产品模型的网格变化数据进行合并，生成所述产品模型的网格合并数据；
根据所述产品模型的网格合并数据，对所述产品模型进行渲染，完成所述产品模型的仿真。
6.一种仿真装置，用于进行产品模型仿真，其特征在于，包括：
网格变化单元，配置为基于预先建立的神经网络模型，根据输入的扰动信息以及预先得到的所述产品模型的网格数据，得到所述产品模型的网格变化数据，其中，所述扰动信息表征所述产品模型的至少一个模型参数的变化；
仿真单元，配置为根据所述产品模型的网格数据和所述产品模型的网格变化数据，对所述产品模型进行仿真。
7.根据权利要求6所述的仿真装置，其特征在于，所述网格变化单元进一步配置为基于预先建立的图神经网络模型，根据输入的扰动信息以及预先得到的所述产品模型的网格数据，得到所述产品模型的网格数据。
8.根据权利要求6所述的仿真装置，其特征在于，还包括：
网格剖分单元，配置为对所述产品模型的结构化数据进行网格剖分，生成所述产品模型的网格数据。
9.根据权利要求8所述的仿真装置，其特征在于，所述网格剖分单元进一步配置为基于选择的表面网格或者三维立体网格，对所述结构化数据进行网格剖分，生成所述产品模型的网格数据。
10.根据权利要求7-9任一项所述的仿真装置，其特征在于，所述仿真单元包括：
网格合并子单元，配置为对所述产品模型的网格数据和所述产品模型的网格变化数据进行合并，生成所述产品模型的网格合并数据；
渲染子单元，配置为根据所述产品模型的网格合并数据，对所述产品模型进行渲染，完成所述产品模型的仿真。
11.一种计算机可读介质，所述计算机可读介质存储有计算机程序，其特征在于，所述计算机程序为所述权利要求1-5任一项所述的电子设备中存储的。
技术总结