BASICS
Schematic Vision: От текста к работающей схеме в один клик
Описание:
Schematic Vision — это революционный плагин для Unity, который превращает текстовое описание электронной схемы от DeepSeek AI в чистый, читаемый и полностью функциональный визуальный проект.
Решаем главную проблему: ИИ генерирует схемы, но они представляют собой "спагетти" из непонятного netlist'а (.asc), который либо не открывается в симуляторах, либо его невозможно прочитать и отладить.
Как это работает?
  1. Запрос: Вы описываете схему текстом в нашем интерфейсе.
  2. Генерация: DeepSeek API создает корректный netlist.
  3. Визуализация: Наш движок на Unity автоматически парсит netlist, импортирует компоненты и расставляет их на холсте с помощью встроенного автотрассировщика, создавая эстетичную и понятную схему.
  4. Корректировка: Легко меняйте компоновку вручную для идеального результата.
  5. Симуляция: В один клик экспортируйте схему в LTspice для запуска симуляции.
  6. Анализ: Получите графики (.raw) и автоматически отправьте их обратно в DeepSeek AI для экспертного анализа и рекомендаций.
Забудьте о рутинной работе с кривыми netlist'ами. Создавайте, визуализируйте и симулируйте схемы в разы быстрее.
BASICS
Circuit Weaver: Текущий статус разработки и перспективы
Текущее состояние проекта
Хотя полная версия Circuit Weaver с интеграцией Unity находится в стадии активной разработки, мы уже имеем работающее решение для визуализации электронных схем.
Schematic Viewer — это рабочая версия на языке Python, которая уже сегодня способна:
  • Принимать RAW-файлы из LTspice в текстовом формате
  • Автоматически преобразовывать данные симуляции в графическое представление
  • Генерировать наглядные временные диаграммы и частотные характеристики
  • Обеспечивать базовый анализ результатов измерений
# Пример работы Schematic Viewer
import matplotlib.pyplot as plt
import numpy as np

class SchematicViewer:
    def __init__(self):
        self.data = None
        
    def load_raw_file(self, filepath):
        """Загрузка RAW-файла из LTspice"""
        # Здесь реализован парсинг текстового формата RAW-файлов
        print(f"Загружаем файл {filepath}...")
        
    def visualize_waveforms(self):
        """Визуализация осциллограмм"""
        # Преобразование данных в графическое представление
        print("Создание графиков...")
        
# Использование
viewer = SchematicViewer()
viewer.load_raw_file("simulation.raw")
viewer.visualize_waveforms()
Преодоление трудностей
К сожалению, военные действия в нашей стране создают серьезные препятствия для развития проекта. Однако мы продолжаем работу в доступных условиях:
  • Удаленная разработка — команда работает распределенно
  • Поэтапная реализация —focus на ключевых функциях
  • Адаптация к обстоятельствам — использование доступных ресурсов
Мы уверены, что победа будет за нами, и тогда сможем с новыми силами продолжить развитие проекта.
Дорожная карта развития
  1. Текущий этап — Schematic Viewer на Python (работает)
  2. Ближайшие задачи — интеграция с DeepSeek API
  3. Среднесрочная цель — разработка Unity-плагина
  4. Долгосрочная перспектива — полная версия Circuit Weaver
Заключение
Несмотря на сложные обстоятельства, проект продолжает развиваться. Schematic Viewer уже сегодня предоставляет полезный функционал для работы с результатами симуляций, а полная версия Circuit Weaver откроет новые возможности для проектирования электронных схем.
Мы верим в мирное будущее и развитие технологий!
Torque-Slip Analyzer: Модуль анализа электромеханических характеристик
Текущий функционал:
Разработан и функционирует специализированный модуль, преобразующий RAW-файлы из LTspice в информативные графики зависимости крутящего момента от скольжения для асинхронных двигателей (АД). Система использует интеграцию с ИИ-платформой DeepSeek для автоматического анализа и визуализации электромеханических характеристик.
Ключевые возможности:
  • Автоматическая обработка RAW-файлов симуляций
  • Построение точных графиков моментно-скользящих характеристик
  • Анализ рабочих точек и критических параметров АД
  • Генерация отчетов с ключевыми параметрами двигателей
Перспективы развития:
Модуль станет основой комплексной системы анализа электропривода, включающей:
  • Многофакторный анализ динамических режимов
  • Сравнительный анализ различных типов двигателей
  • Прогнозирование эксплуатационных характеристик
  • Интеграцию с системами автоматизированного проектирования
Технологический стек: Python, Matplotlib/Plotly, DeepSeek API, LTspice
Данное решение уже сегодня предоставляет инженерам-электромеханикам мощный инструмент для анализа и оптимизации электроприводных систем, с перспективой интеграции в более сложные вычислительные комплексы.
Made on
Tilda