基于图神经网络的零件机加工特征识别方法

• 全文链接
• 请求原文

作   者：

姚鑫骅;  于涛;  封森文;  马梓健;  栾丛丛;  沈洪垚; 

作者机构：

浙江大学机械工程学院; 

关键词：

加工特征;  注意力机制;  图神经网络;  深度学习;  属性邻接图; 

期刊名称：

浙江大学学报(工学版)

i s s n：

年卷期：

2024 年 002 期

页   码：

349-359

摘   要：

针对现有基于深度学习的方法存在的难以识别相交特征、无法精确确定加工特征面的问题，提出基于图神经网络的加工特征识别方法.通过压缩激励模块提取节点与邻接边的特征，构建节点级与邻接边级的双层注意力网络，分割每个节点对应的加工特征.该方法充分利用了零件模型的面特征与边特征，结合零件模型的拓扑结构，基于注意力机制对特征信息进行深度学习，可以有效地解决非面合并相交特征的识别问题.在多加工特征零件数据集上，将该方法与其他3种特征识别方法进行实验对比，在准确率、平均类准确率和交并比3项指标上均取得最优结果，识别准确率高于95%.