[发明专利]基于人机交互的结构力学课程题库智能生成方法、系统、装置及存储介质有效
申请号: | 202010892801.9 | 申请日: | 2020-08-31 |
公开(公告)号: | CN112100154B | 公开(公告)日: | 2023-10-24 |
发明(设计)人: | 陈名弟;华建民;黄乐鹏;薛暄译;刘毅 | 申请(专利权)人: | 重庆大学 |
主分类号: | G06F16/21 | 分类号: | G06F16/21;G06F16/23;G06F30/23;G06Q50/20;G06F119/14 |
代理公司: | 重庆嘉品知识产权代理事务所(普通合伙) 50302 | 代理人: | 李阳 |
地址: | 400000 *** | 国省代码: | 重庆;50 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 人机交互 结构 力学 课程 题库 智能 生成 方法 系统 装置 存储 介质 | ||
1.一种基于人机交互的结构力学课程题库智能生成方法,其特征在于,包括如下步骤:
构建参数变化前的基础结构模型作为母题模型;
获取对所述母题模型设定的知识点信息和可变参数信息;
基于所述知识点信息和所述可变参数信息对所述母题模型进行变参效果模拟得到变参模型;
获取题型设置信息;
基于所述题型设置信息和所述变参模型生成变参题目;
将所述变参题目插入题库。
2.根据权利要求1所述的基于人机交互的结构力学课程题库智能生成方法,其特征在于,所述基于所述知识点信息和所述可变参数信息对所述母题模型进行变参效果模拟得到变参模型包括:
基于所述知识点信息和所述可变参数信息,利用随机函数从所述母题模型对应的可变参数范围内随机生成或随机抽取一组参数;
基于抽取的所述参数对所述母题模型进行变参处理得到变参后的母题模型;
利用杆系结构有限元分析技术对所述变参后的母题模型对应的结构进行几何分析和/或受力分析,若分析结果满足预设条件,则生成所述变参模型。
3.根据权利要求2所述的基于人机交互的结构力学课程题库智能生成方法,其特征在于,还包括:
若所述分析结果不满足预设条件,则继续利用随机函数从所述母题模型对应的可变参数范围内随机生成或随机抽取一组参数,直到通过所抽取的参数对所述母题模型进行变参处理得到变参后的母题模型对应的结构,在利用杆系结构有限元分析技术对所述变参后的母题模型对应的结构进行几何分析和/或受力分析后,得到的分析结果满足预设条件。
4.根据权利要求1-3任意一项所述的基于人机交互的结构力学课程题库智能生成方法,其特征在于,在将所述变参题目插入题库之前还包括:
获取所述变参题目对应的变参模式信息,其中,所述变参模式包括固定参数模式和智能变参模式。
5.一种基于人机交互的结构力学课程题库智能生成系统,其特征在于,包括:
母题模型构建模块,用于构建参数变化前的基础结构模型作为母题模型;
第一获取模块,用于获取对所述母题模型设定的知识点信息和可变参数信息;
变参模型生成模块,用于基于所述知识点信息和所述可变参数信息对所述母题模型进行变参效果模拟得到变参模型;
第二获取模块,获取题型设置信息;
变参题目生产模块,用于基于所述题型设置信息和所述变参模型生成变参题目;
变参题目插入模块,用于将所述变参题目插入题库。
6.根据权利要求5所述的基于人机交互的结构力学课程题库智能生成系统,其特征在于,所述变参模型生成模块具体用于:
基于所述知识点信息和所述可变参数信息,利用随机函数从所述母题模型对应的可变参数范围内随机生成或随机抽取一组参数;
基于抽取的所述参数对所述母题模型进行变参处理得到变参后的母题模型;
利用杆系结构有限元分析技术对所述变参后的母题模型对应的结构进行几何分析和/或受力分析,若分析结果满足预设条件,则生成所述变参模型。
7.根据权利要求6所述的基于人机交互的结构力学课程题库智能生成系统,其特征在于,所述变参模型生成模块还用于:
若所述分析结果不满足预设条件,则继续利用随机函数从所述母题模型对应的可变参数范围内随机生成或随机抽取一组参数,直到通过所抽取的参数对所述母题模型进行变参处理得到变参后的母题模型对应的结构,在利用杆系结构有限元分析技术对所述变参后的母题模型对应的结构进行几何分析和/或受力分析后,得到的分析结果满足预设条件。
8.根据权利要求5-7任意一项所述的基于人机交互的结构力学课程题库智能生成系统,其特征在于,还包括:
第三获取模块,用于在将所述变参题目插入题库之前,获取所述变参题目对应的变参模式信息,其中,所述变参模式包括固定参数模式和智能变参模式。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆大学,未经重庆大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010892801.9/1.html,转载请声明来源钻瓜专利网。