轻松应对设计变更：看AI如何帮我们更快打磨出定制化环境箱

工程师+AI，

让环境箱设计，又快又好！

AI在环境试验箱设计中的应用

1、引言

环境试验箱的结构设计是一个典型的多参数工程问题，特别是在定制化、快速交付越来越成为客户刚需的背景下，传统手工建模方式显得效率低、出错率高。面对这种挑战，我们探索了一种结合 Excel 设计表格与 Python 脚本的建模方式，通过 AI 辅助生成控制代码，实现结构模型的自动更新和快速改图，显著提高了设计响应速度和修改效率。

2、建模思路

SolidWorks 作为三维建模平台，支持通过全局变量控制零部件尺寸。我们将试验箱的关键结构参数全部进行参数化，集中定义在一个 Excel 表格中，从而实现“参数即模型”的设计逻辑。

主要参数包括：

• 外壳尺寸（长、宽、高）；

• 内胆与外壳间隙（保温层）；

• 风道间距与风机布置；

• 观察窗位置、门体尺寸；

• 接线孔、加热/加湿组件安装位等。

所有参数通过统一命名规则组织，便于程序调用与逻辑判断。

3、程序控制逻辑

我们使用 Python 语言对 SolidWorks API 进行调用，实现自动读取 Excel 表格数据、修改模型变量、执行模型重建与保存。

更重要的是，在整个开发过程中，我们大量使用了 deepseek 模型生成核心控制代码。只需用自然语言描述目标，例如“从 Excel 中读取尺寸并更新模型变量”，AI 即可输出完整的脚本框架，省去了大量调试与查阅文档的时间。

3.1 Excel设计表结构

以Excel为参数驱动平台，不仅让设计输入直观、透明，而且天然适配生产部门、采购团队的协同需求。设计工程师可像填写订单一样录入设计参数，而AI将自动构建相应的三维模型与图纸。

这种“所见即所得”的设计体验，大幅缩短了从需求到模型的转化路径，真正做到“客户想到的，工程师一分钟后就能看到”。这些参数作为输入驱动模型变化。

3.2 AI生成的Python代码示例

import win32com.client

import pandas as pd

# 读取Excel参数

df = pd.read_excel("design_parameters.xlsx")

params = dict(zip(df["参数名称"], df["数值"]))

# 连接SolidWorks

swApp = win32com.client.Dispatch("SldWorks.Application")

model = swApp.ActiveDoc

eqMgr = model.GetEquationMgr()

# 自动修改模型全局变量

for i in range(eqMgr.GetCount()):

    var_name = eqMgr.Equation(i).split('=')[0].strip().strip('"')

    if var_name in params:

        eqMgr.Equation(i, f'"{var_name}" = {params[var_name]}mm')

model.EditRebuild3()

model.Save()

这段代码由AI生成，用户只需提供意图和Excel格式定义，即可完成自动建模控制流程。借助AI模型生成的Python脚本，系统可自动解析Excel中输入的设计变量，调用SolidWorks API进行三维模型重建。代码自动识别变量关联的特征名称并智能修复模型，避免了“尺寸改了但模型炸了”的常见问题。

4、AI的关键价值

在本项目中，AI（deepseek）不仅是一个辅助工具，更是代码开发过程中的主力工程师。其核心作用包括：

• 脚本自动生成：用自然语言描述需求即可快速输出可运行代码；

• 逻辑补全与调错：AI自动检测变量命名不一致、单位遗漏等常见问题；

• 迭代效率提升：代码反复修改仅需微调指令，即可得到完整修订版本；

• 降低入门门槛：非软件背景的结构工程师也可借助AI快速上手程序自动化。

这使得结构工程师专注于设计本身，而不必深耕复杂的 API 接口开发。

5、应用成效

我们已在多种定制化环境试验箱项目中成功部署该方法，包括：

• 高低温试验箱（变更尺寸、风道布局、导流结构）

• 盐雾试验箱（自动生成饱和管道）；

• 复合光照老化设备（视窗变更、样品架改动）

6、结语与展望

这套把Excel参数表、Python脚本和AI辅助结合起来的做法，已经逐步应用于质卫科技的几个定制项目里，工程师们最直接的感受是：

1、改图快了，出错少了： 客户提个尺寸变化，几分钟就能看到新模型，基本不用担心手误。

2、能更专注设计本身了： 省下反复操作的时间，可以多推敲结构、优化性能。

接下来，我们还会尝试：

1、让AI更懂设计意图： 比如工程师说“风量加大点”，AI能帮忙找到相关参数调一调。

2、设计数据直接对接生产： 省去人工录入环节，避免出错。

3、把工程师们的过往经验沉淀下来： 用AI辅助，把好的设计思路变成新人也能参考的提示。

未来，我们会继续摸索人与智能的结合，持续超越客户的期待，是我们的目标！