BRepGAT: Graph neural network to segment machining feature faces in a B-rep model(在B-rep模型中对加工特征面进行分割的图神经网络)
2023 Journal of Computational Design and Engineering
目录
摘要
近年来,在计算机辅助设计(CAD)/计算机辅助制造领域,利用人工智能识别三维模型的加工特征有了很多研究。这些研究大多将原始CAD数据转换为图像、点云或体素进行识别。这导致在转换过程中信息丢失,导致识别精度下降。在本文中,我们提出了一种新的深度学习模型,称为边界表示图注意网络(BRepGAT),用于在包含加工特征的原始边界表示(B-rep)模型中分割人脸。我们从特征识别的角度定义描述符来表示关于B-rep模型的面和边的信息。
从B-rep模型中提取这些描述符,并将其转换为同构图数据,然后将其传递给图网络。BRepGAT从图形数据输入中识别加工特征。我们使用mfcad18++数据集的实验结果表明,BRepGAT达到了最先进的识别准确率(99.1%)。此外,BRepGAT在除mfcad18++之外的其他数据集上表现出相对稳健的性能。
引言
产品生命周期管理(PLM)是指管理产品生命周期所有阶段的活动,从机会识别、设计、生产、分销、服务到处置(Son et al, 2022)。PLM各阶段是有机互联的,需要各阶段之间平滑的数据交换。在产品设计过程中,工程师使用机械计算机辅助设计(CAD)系统来设计产品的三维(3D)几何形状。机械CAD系统的数据结构是一种混合结构,由表示三维几何形状的边界表示模型(Brep)和表示建模历史的过程模型组成。
在各企业之间交换机械CAD系统生成的CAD模型的过程中,由于数据交换过程中的知识产权安全问题和稳定性问题,常常需要排除程序模型。因此,通常只传输B-rep模型数据,并以中性格式存储,如ISO 10303,通常称为STEP (Hwang et al, 2009;Kim, Mun, et al, 2011)。虽然B-rep模型在可视化3D产品形状方面具有优势,但它们的缺点是缺乏模型内的加工特征信息,而这对于产品生产中使用的计算机辅助制造(CAM)系统是必要的(Lee等人,2022b)。因此,计算机辅助工艺规划(CAPP)阶段存在于CAD和CAM系统之间。CAPP包括从CAD模型中识别加工特征,并确定加工这些特征的顺序和方法。加工特征识别是CAPP过程的一个重要组成部分。
几十年来,加工特征识别一直是一个活跃的研究领域(Lee et al ., 2022a)。近年来,随着人工智能的进步,CAD/CAM领域越来越多的研究集中在利用人工智能(AI)识别CAD模型中的特征模式(Kim, Kim, et al, 2022)。然而,这些研究中的大多数都是在将原始CAD模型转换为图像、点云或体素等替代表示后进行识别任务的(Liang et al ., 2022;张&#x