本发明涉及工程设计，尤其涉及一种基于算法的工程图纸的生成方法及装置。
背景技术：
1、随着数字化时代的到来，基础建设工程领域积累了大量历史管线工程图纸数据，其中蕴含了丰富的客户需求、运行环境等数据特征。
2、然而，传统的管线工程设计过程依赖于人工进行重复性设计，设计人员需要花费大量时间和精力来手动创建管线工程图纸，这不仅效率低下，还容易出现设计错误，增加了工程施工和维护的风险和成本。此外，随着基础建设工程规模的不断扩大和复杂性的增加，传统设计方法已经无法满足快速、准确、可靠的设计需求。
3、在现有技术背景下，基于人工智能技术生成管线工程图纸的方法成为解决这一问题的关键。传统的设计方法无法有效利用历史数据中蕴含的丰富信息，也无法快速适应不断变化的设计要求和环境条件。因此，需要一种创新的技术方案，能够利用机器学习和深度学习技术，基于历史数据特征，实现自动生成符合设计要求的新型管线工程图纸。
技术实现思路
1、本发明旨在提供一种克服上述问题或者至少部分地解决上述问题的基于算法的工程图纸的生成方法及装置。
2、为达到上述目的，本发明的技术方案具体是这样实现的：
3、本发明的一个方面提供了一种基于算法的工程图纸的生成方法，包括：
4、收集历史管线工程设计数据，对所述历史管线工程设计数据进行数据处理；
5、确定机器学习模型，利用处理后的数据训练所述模型，调整所述模型的参数，优化所述模型的性能；
6、利用训练好的所述模型生成符合工程标准的管线工程图纸。
7、可选地，所述收集历史管线工程设计数据，对所述历史管线工程设计数据进行数据处理包括：
8、收集历史管线工程设计的cad图纸数据；
9、对所述历史管线工程设计数据进行清洗，包括：处理缺失值、异常值和重复数据；
10、对清洗后的数据进行数据增强，包括：对清洗后的cad图纸进行旋转、缩放和裁剪操作；
11、对清洗后的数据和增强后的数据进行标注，包括：为清洗后的cad图纸和增强后的cad图纸进行标注和分类；
12、将标注后的数据进行格式处理，包括：将标注后的数据转换为预设格式的数据。
13、可选地，确定机器学习模型，利用处理后的数据训练所述模型，调整所述模型的参数，优化所述模型的性能包括：
14、确定所述模型为：ddpm扩散模型，所述ddpm扩散模型包括前向过程和反向过程，所述模型采用卷积神经网络或生成对抗网络的模型结构，或者采用adam算法或rmsprop算法；
15、通过调整学习率参数、批次大小参数、训练轮次参数训练所述模型，并采用学习率衰减、早停方式训练所述模型；
16、定期评估所述模型的准确率和召回率性能，调整所述模型的结构和参数，使用交叉验证方法优化所述模型的性能。
17、可选地，方法还包括：
18、采用迁移学习技术，将已训练好的模型迁移到新任务上。
19、可选地，方法还包括：
20、设置用户界面，所述用户界面用于获取输入的设计要求，查看设计结果，获取输入的反馈信息。
21、可选地，方法还包括：
22、设置权限管理，用于对用户的访问和操作权限进行限制。
23、本发明的另一个方面提供了一种基于算法的工程图纸的生成装置，包括：
24、处理模块，用于收集历史管线工程设计数据，对所述历史管线工程设计数据进行数据处理；
25、训练模块，用于确定机器学习模型，利用处理后的数据训练所述模型，调整所述模型的参数，优化所述模型的性能；
26、生成模块，用于利用训练好的所述模型生成符合工程标准的管线工程图纸。
27、可选地，所述处理模块通过如下方式收集历史管线工程设计数据，对所述历史管线工程设计数据进行数据处理：
28、收集历史管线工程设计的cad图纸数据；
29、对所述历史管线工程设计数据进行清洗，包括：处理缺失值、异常值和重复数据；
30、对清洗后的数据进行数据增强，包括：对清洗后的cad图纸进行旋转、缩放和裁剪操作；
31、对清洗后的数据和增强后的数据进行标注，包括：为清洗后的cad图纸和增强后的cad图纸进行标注和分类；
32、将标注后的数据进行格式处理，包括：将标注后的数据转换为预设格式的数据。
33、可选地，训练模块通过如下方式确定机器学习模型，利用处理后的数据训练所述模型，调整所述模型的参数，优化所述模型的性能：
34、确定所述模型为：ddpm扩散模型，所述ddpm扩散模型包括前向过程和反向过程，所述模型采用卷积神经网络或生成对抗网络的模型结构，或者采用adam算法或rmsprop算法；
35、通过调整学习率参数、批次大小参数、训练轮次参数训练所述模型，并采用学习率衰减、早停方式训练所述模型；
36、定期评估所述模型的准确率和召回率性能，调整所述模型的结构和参数，使用交叉验证方法优化所述模型的性能。
37、可选地，装置还包括：
38、迁移模块，用于采用迁移学习技术，将已训练好的模型迁移到新任务上。
39、可选地，装置还包括：
40、设置模块，用于设置用户界面，所述用户界面用于获取输入的设计要求，查看设计结果，获取输入的反馈信息。
41、可选地，所述设置模块，还用于设置权限管理，用于对用户的访问和操作权限进行限制。
42、由此可见，通过本发明提供的基于算法的工程图纸的生成方法及装置，利用机器学习和深度学习技术，基于历史数据特征，实现自动生成符合设计要求的新型管线工程图纸，简化设计流程，提高效率。
1.一种基于算法的工程图纸的生成方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述收集历史管线工程设计数据，对所述历史管线工程设计数据进行数据处理包括：
3.根据权利要求1所述的方法，其特征在于，确定机器学习模型，利用处理后的数据训练所述模型，调整所述模型的参数，优化所述模型的性能包括：
4.根据权利要求1所述的方法，其特征在于，还包括：
5.根据权利要求4所述的方法，其特征在于，还包括：
6.根据权利要求5所述的方法，其特征在于，还包括：
7.一种基于算法的工程图纸的生成装置，其特征在于，包括：
8.根据权利要求7所述的装置，其特征在于，所述处理模块通过如下方式收集历史管线工程设计数据，对所述历史管线工程设计数据进行数据处理：
9.根据权利要求7所述的装置，其特征在于，训练模块通过如下方式确定机器学习模型，利用处理后的数据训练所述模型，调整所述模型的参数，优化所述模型的性能：
10.根据权利要求8所述的装置，其特征在于，还包括：
11.根据权利要求10所述的装置，其特征在于，还包括：
12.根据权利要求11所述的装置，其特征在于，所述设置模块，还用于设置权限管理，用于对用户的访问和操作权限进行限制。
