- 発表日 2023/03/16
- 2023年度精密工学会春季大会学術講演会(東京理科大学)
- DOIコード 10.11522/pscjspe.2023S.0_565
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1報） ～ 基本認識処理と学習データ生成方法の検討 ～
有限要素解析（FEA）では，CADモデルを有限要素メッシュ（FEMメッシュ）に分割するメッシュ分割が必要となる．メッシュ分割の品質は解析精度に大きく影響を与えるため，解析精度保証のためのメッシュ分割仕様を規定する企業もあり，その中には自由曲面を含むボスやリブ等の形状特徴に対する分割方法も多く含まれる．この仕様に適合するメッシュ分割を高精度・高能率に行うには，CADモデル上の形状特徴の自動認識が必須となる．近年，認識処理の汎用性から，深層学習によるCADモデルからの形状特徴認識手法がいくつか提案されている．しかし，CADモデルをボクセル・点群・メッシュ化し特徴認識を行う手法では，モデル解像度の低下に伴う認識性能低下や，学習時間の増大等の課題がある．一方，近年境界表現CADモデルのデータ構造と親和性が高いグラフ上での深層学習が可能な Graph Neural Network（GNN）による形状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の認識能力が検証されておらず，またモデルの回転に不変な認識能力が無いなどの欠点を有する．そこで本研究では，GNNを用い，モデルの回転にも不変な認識性能をもつ，境界表現モデル上からの FEM メッシュ分割向け形状特徴認識手法を提案する．本報では回転不変なグラフ上の特徴量構成法，認識処理用のGNN構造，GNN学習時における訓練データ拡張法を新たに提案する．また，FEMメッシュ分割向け形状特徴の一種である自由曲面を含むボスやリブの認識性能を，独自の形状特徴データセットを用い比較した結果を報告する．
関連記事
