- 発表日 2025/09/19
- 2025年度精密工学会秋季大会学術講演会
- DOIコード 10.11522/pscjspe.2025A.0_633
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5報）
有限要素解析において，製品CADモデルを解析メッシュに分割する際の品質は解析精度に大きく影響する. このため，各企業では，モデル上の形状特徴（ボス，リブ，フィレット等）部をメッシュ分割する際の仕様（分割数や節点配置等）を規定することが多い．現在，CADモデル上からこれら形状特徴を発見する作業は人手に頼っているが，作業の効率性や見逃し防止の観点からこの特徴認識の自動化が求められている．一方，境界表現CADモデルを面分隣接グラフに変換し，Graph Neural Network(GNN)などの深層学習モデルを用いて，切削加工用の形状特徴認識をグラフのラベリング問題として解く方法が近年提案されている．これらは，CADモデルとの親和性が高く，CADモデルをボクセルや点群に離散化して認識する手法よりも解像度や計算コストの低下が少なく，またCADモデルの面分単位で形状特徴ラベリングが行える利点がある．本研究は，自動車部品等のCADモデル上から曲面で構成されるボスやリブ等の有限要素解析メッシュ生成用形状特徴をGNNを用いて認識する手法の開発を目的とする．既に前報では，解析メッシュ生成用形状特徴認識において，提案手法が既存研究のGNNベース形状特徴認識手法の１つを，認識性能で上回ることを示した．しかし，ネットワーク構造にTransformerを取り入れ，現在，切削加工形状特徴認識手法でSOTA性能をもつBrepMFRと本提案手法との性能比較は行っていなかった．そこで本報では，提案手法とこのBrepMFRの認識性能を，解析メッシュ生成用形状特徴データセットを対象に比較した結果と考察を報告する．
関連記事
