- 発表日 2025/03/19
- 2025年度精密工学会春季大会学術講演会
- DOIコード 10.11522/pscjspe.2025S.0_719
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4報）
有限要素解析実施のためには，製品形状CADモデルに対する解析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，各企業では解析精度担保のため，様々な形状特徴（ボス，リブ，フィレット等）に対し，メッシュの分割仕様（分割数や分割対称性等）を詳細に規定することが多い．CADモデル上からこれらの形状特徴を発見する作業は現状人手に頼っているが，大規模で複雑なモデルに対する作業の効率性・正確性・柔軟性を担保するには，これら形状特徴をCADモデル上から自動認識できる手法の実現が求められている． 近年，境界表現CADモデルをニューラルネットワークで処理可能なグラフ構造に変換し，Graph Neural Network (GNN)によりモデル上の切削加工用形状特徴認識を深層学習により行う既存手法が提案されている．この手法は，境界表現CADモデルのデータ構造との親和性が高く，面分単位での特徴認識が可能で計算コストも低い．しかしこれら既存手法は，入力モデルに対する回転不変性が保証されない欠点をもつ．そこで本研究は，GNNと深層学習を用い，回転不変性を有するCADモデル上からの有限要素解析メッシュ生成用形状特徴の自動認識手法を開発してきた．しかし提案手法には，①独自生成した解析メッシュ生成用形状特徴データセットに対し, 一部特徴クラスの認識性能が十分ではないこと，②提案手法と他の既存手法との同一形状特徴データセット上での性能比較がなされていない，という課題が残されていた．そこで本報では，既報で提案したGNNに対し, グラフ特徴量の改良・追加と，グラフコンボリューション演算の改良を行い，課題①の解決を図った．また課題②解決のため, 最新の切削加工用形状特徴データセットに対し，本提案手法と既存手法との認識性能を比較した．
関連記事
