The posting
1. 建模板库:梳理企业常用夹具,参数化建模,定义参数表与约束,建立标准件库。 2. 建特征识别前置:工件B-rep→定位/夹紧面/孔系/薄壁特征。 3. 合成数据集:模板随机采样+实例化+仿真标注,得(工件,参数,可行性,指标)数据集。 4. 训预测模型:多任务编码-解码,连续回归+离散分类+布局生成;小样本用检索增强与迁移。 5. 约束修复层:硬约束投影+求解器。 6. 校验闭环:FEM+干涉+自由度,失败回流。 7. 评分排序:Top-K方案给工程师,审核结果回流训练。 8. 部署形态:CAD插件(如SolidWorks/NX Add-in)里"一键推荐参数+生成模型",工程师微调。 按上的步骤利用AI进行工装设计
通用要求(所有方向) 本科及以上学历 具备良好的工程问题拆解能力与跨专业沟通能力(要能和工艺工程师、IT、算法同学对话)。 ·至少掌握一门编程语言(Python为主,C++/C#加分)。 有较强的自驱力与学习能力,愿意到焊装线体现场了解工装实际使用 加分项 熟悉CAD软件(CATIA) 了解几何数据处理(点云、B-rep、STEP解析)。 了解知识图谱、图数据库(Neo4j等)或数据标注流程。 有机器学习/深度学习项目经验(课程项目、竞赛、科研均可),熟悉PyTorch/TensorFlow 了解GNN、Transformer、向量检索(Faiss)、异常检测、组合优化/强化学习中至少一项。 有几何深度学习(PointNet等)或时序建模经验者优先。 有Kaggle、天池等竞赛经历或论文者优先。 有后端/全栈开发经验(PythonWeb、数据库、API设计)。 了解OPCUA、MQTT、PLM/MES系统集成。 有CAD二次开发或工程软件集成经验。



