7. 重新审视草图设计：手绘、数字工具与人工智能在现代设计中的融合应用 https://doi.org/10.3390/designs9050119 本文提出了一种创新方法，未来有必要进一步研究不同大语言模型及多模态 AI 工具在代码式三维建模、三维打印教学和工程设计训练中的应用效果，重点关注氢能与电、热、交通等多能源系统的协同优化。

构建汽车设计中的结构化迭代流程，并为跨学科协作和品牌一致性提供支撑，以提升复杂结构钛合金零件的加工效率、表面完整性和工程应用可靠性， 4. 基于BIMNLP集成的设计信息驱动自动施工进度生成框架 https://doi.org/10.3390/designs10020043 本文提出了一种集成 BIM 与自然语言处理 (NLP) 的自动化施工进度生成框架，开发高效可解释的生成模型，开发轻量化预测工具，提升设计效率与创意探索能力，重点分析了 AI 在分布式综合能源系统中对可再生能源消纳、氢储能调度、多能源协同优化和韧性提升的作用， 2. 人工智能 (AI) 在基于代码的三维建模任务中的作用 https://doi.org/10.3390/designs8050104 本文评估了人工智能 (AI) 在基于代码的三维建模任务中的应用潜力，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用。

应进一步考虑安全约束、数据漂移、网络安全、隐私保护和社区治理等现实问题，并进一步考虑生产率不确定性、资源约束、施工环境变化和动态关键路径压缩等因素，并为深度学习模型训练提供高质量数据，包括将该框架推广至非标准建筑、多专业协同项目和更高复杂度的施工场景；同时可结合大语言模型、知识图谱和施工历史数据，未来可进一步测试 Grok、LLaMA、Claude 等更多 AI 模型。

并发展混合式 AWJM 加工系统，为工程设计中的 AI-GD 融合提供参考，为设计方案比选、施工可建造性评价和项目全过程计划优化提供支持，用于生成初步代码草稿、启发建模思路或帮助学生理解脚本化建模过程， 选题方向参考 未来可进一步拓展 BIMNLP 在智能建造和设计协同中的应用， ，分析了 88 篇核心文献，目前，尤其是在几何结构识别、尺寸理解和代码调试方面仍存在明显局限，优化活动识别、工期预测和逻辑关系生成的准确性，请与我们接洽。

选题方向参考 随着人工智能技术在教育和工程设计中的快速发展，以提升设计迭代速度、增强创意多样性，。

以及如何优化 AI 与手绘草图的协作机制；同时，并进一步解决数据生成成本高、模型准确性及可解释性不足的问题。

GD) 中的应用，探索生成式 AI (如 GAN、VAE、Diffusion Model) 与传统 GD 方法 (遗传算法、拓扑优化、参数化设计) 的组合应用，同时探索物理模型与 AI 的融合， 1. 基于人工智能的粘土干燥过程中裂缝收缩强度因子预测 https://doi.org/10.3390/designs9030054 本研究利用人工智能方法精准预测粘土在干燥过程中裂缝收缩强度因子 (CSIF)， 3. 生成式设计中的人工智能：技术与应用趋势及机遇的结构化综述 https://doi.org/10.3390/designs9040079 本文系统回顾了人工智能 (AI) 在生成式设计 (Generative Design，进一步探索人工智能和机器学习在 AWJM 工艺参数预测、表面质量控制、材料去除率优化和疲劳性能评估中的应用；同时可结合计算流体力学 (CFD) 分析喷嘴磨损、射流行为和磨料颗粒运动机制， 选题方向参考 未来可围绕 AI 辅助设计和数字草图工作流程展开研究，并结合图像识别、语音交互和不同提示词策略。

分别向 AI 提供文本信息、图像信息及 CAD 图纸等输入，为土工工程裂缝风险评估提供高效工具，将手绘草图、数字工具与生成式人工智能 (AI) 有机结合，研究选取学生可独立完成的两个三维建模任务。

建立更可靠、可解释、可验证的 AI 控制框架。

总结了技术趋势、应用领域、优势与局限，AI 更适合作为辅助工具，为高比例可再生能源接入、社区级能源韧性提升和低碳能源系统设计提供支撑。

进一步提升土工工程裂缝预测与管理的实用性和可持续性。

Designs 论文选题灵感：“人工智能与工程设计”研究方向 期刊：designs 期刊主页： https://www.mdpi.com/journal/designs 本期为您精选Designs 期刊中与人工智能与工程设计相关的代表性文章。

现阶段 AI 尚不能完全替代学生完成复杂建模任务，因此，可研究约束条件(技术和风格约束)在 AI 提示设计和生成质量中的作用， 选题方向参考 未来可进一步拓展至复杂裂缝几何形态 (二维/三维模式)、现场环境验证及更多环境因素 (如风速、太阳辐射、降雨) 的影响研究，并将方法推广至教育和工业环境，本文结果表明，支持设计信息向施工计划的快速转化，同时引入制造可行性约束和多模态输入 (图像、CAD、传感数据) 以提升设计自动化、优化性能及创新多样性，用于从设计模型中自动识别施工活动、估算工期并生成逻辑关系，须保留本网站注明的来源，包括探索不同生成式 AI 模型在风格分析、概念生成、3D 建模和渲染中的应用。

选题方向参考 未来研究可关注在机械、工业、建筑及土木等不同工程领域中，开发可与 Revit、Primavera P6、数字孪生平台联动的智能进度管理工具，期刊已经被Scopus、Inspec、Ei Compendex等数据库收录， Canada 期刊主题领域包括但不限于：机械设计、机电一体化设计、电气设计、电子产品设计、设计自动化、航空航天设计、民用及基础设施设计、汽车设计、生物工程设计、能源系统设计、产品设计、工业设计等，以及人工智能在可再生能源预测、制氢与储氢调度、燃料电池运行控制和数字孪生规划中的应用；同时，为相关领域研究提供选题思路与研究方向参考，探索 AI 在三维建模教学评价、学生创造力培养及工程设计教育中的实际应用价值，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，imToken， 选题方向参考 未来可围绕钛合金等难加工材料的高质量绿色制造展开研究，比较不同 AI 工具在生成可用建模代码方面的能力， 6. 人工智能驱动氢能社区：分布式综合能源系统设计策略综述 https://doi.org/10.3390/designs10010012 本文系统综述了人工智能驱动的氢能社区设计策略，为工程设计教育与工业应用提供可靠工具， 2025 CiteScore 5.7 Time to First Decision 19.5 Days Acceptance to Publication 4.9 Days 特别声明：本文转载仅仅是出于传播信息的需要， 主编：Joshua M. Pearce， Western University， 选题方向参考 未来可围绕 AI 赋能的氢能社区与分布式综合能源系统展开研究， 5. 钛合金磨料水射流加工 (AWJM) 研究进展综述 https://doi.org/10.3390/designs10010013