融合图神经网络与概率编码的加工特征识别

作     者：赵显文 莫轩东 夏铭远 胡小锋 

作者机构：上海交通大学机械与动力工程学院 上海市网络化制造与企业信息化重点实验室(上海交通大学) 

出 版 物：《哈尔滨工业大学学报》 (Journal of Harbin Institute of Technology)

年 卷 期：2025年

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金(51975373) 

主　　题：加工特征识别 实例分割 点云 图神经网络 概率编码 

摘      要：为解决多加工特征交叉下的特征定位问题，提高复杂零件加工特征识别性能，提出实例分割框架下的加工特征识别方法Brep3pNet。首先，基于三维模型的边界表示，提取面点云、面邻接图等几何与拓扑数据，构建三维模型的图表示，利用点云学习网络以及图神经网络学习三维模型面级嵌入表示。其次，提出概率位置编码方法，引入位置先验信息将三维模型各面编码为与空间位置相关的三元高斯分布，基于Bhattacharyya核度量面间相似性，以实现加工特征的面级定位，生成候选实例。最后，设计得分网络用于预测实例生成质量，以此指导实例间的非极大抑制，去除冗余特征实例， 获得最终加工特征识别结果。本研究在MFCAD、MFCAD++、MFInstSeg和合成的回转类零件数据集等4个多特征数据集上对所提方法进行评估。研究结果表明：Brep3pNet相较于其他先进方法具有更好的特征定位能力，可以通过轻量的模型参数实现最优的特征识别准确率，展现了所提方法在相交特征识别上的应用潜力。