华南理工大学学报(自然科学版)

作者：胡广华, 代志刚, 王清辉

单位：华南理工大学 机械与汽车工程学院，广东 广州 510640

关键词：加工特征识别,图神经网络,深度学习,计算机辅助设计

基金：广东省自然科学基金项目(2024A1515011997);广州市科技计划项目(2023B01J0046)

自动特征识别是智能制造的关键技术之一。传统的基于规则的识别算法可扩展性较差，而基于深度卷积网络的方法以离散模型为输入，准确度不高，且识别结果难以精确映射回原始计算机辅助设计（CAD）模型，造成应用不便。针对上述不足，该文提出了一种基于图神经网络的、能够直接处理边界表示（B-Rep）模型的加工特征识别方法。该方法首先从B-Rep结构中提取有效的属性和几何信息，形成特征描述符；接着根据CAD模型拓扑结构建立具有高级语义信息的邻接图；进而以邻接图为输入，构建高效的图神经网络模型，通过引入可微的广义消息聚合函数和残差连接机制，提升模型的信息聚合及多层级特征捕捉能力，同时采用消息归一化策略确保训练稳定性并加速收敛；训练完成后，网络能对B-Rep模型中的所有面进行分类标注，实现特征识别。将该方法在公共数据集MFCAD++上进行测试，取得了99.53%的准确率和99.15%的平均交并比，说明该方法优于现有的同类研究成果。采用更复杂的测试用例和工程应用中的典型真实CAD案例作进一步检验，结果均表明该方法具有更好的泛化能力以及更强的适应性。

来源：2025年第5期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2025年第5期