- 発表日 2023/09/13
- 2023年度精密工学会 秋季大会学術 講演会
- DOIコード 10.11522/pscjspe.2023A.0_240
グラフニューラルネットワークを用いた境界表現CAD モデルからのFEM メッシュ生成用形状特徴認識手法の開発（第2報）
有限要素解析には，CADモデルのメッシュ分割処理が必要となる．分割メッシュ品質は解析精度に大きく影響を与えるため，通常，解析精度を保証するメッシュの分割仕様が企業毎に定められており，その中には自由曲面を含むボス・リブ等の形状特徴部に対するメッシュ分割仕様も多く規定されている．この仕様に適合したメッシュ分割作業を，見落としなく効率的に行うには，CADモデル上の形状特徴の自動認識が必須となる．形状特徴認識では，近年機械学習に基づく手法が各種提案されている．例えばCADモデルをボクセルや点群などの離散表現に変換し，深層学習で特徴認識を行う手法などが提案されているが，表現解像度変換に伴う認識性能の低下に課題をもつ．これに対し，最近境界表現CADモデルのデータ構造と親和性の高いグラフニューラルネットワーク（GNN）による特徴認識手法も提案されているが，自由曲面を含む形状特徴認識や，認識の回転不変性が困難である課題をもつ．本研究は，境界表現CADモデル上から，自由曲面を含むボス・リブなどの形状特徴を，GNNを用い，回転不変で認識可能な手法を提案する．前報では，回転不変な特徴認識を実現するグラフ上の特徴量やGNNの設計手法，学習データセット生成法，さらにデータ拡張手法を提案した．しかし前報では，ボスやリブが複雑に組み合わさった実用モデル上の形状特徴に対する認識性能が不十分であった．本報では，新たに手続き的手法により，様々なボス・リブの交差パターンを含む学習データセットを自動生成し，認識性能向上を図った．
関連記事
