基于多模态和图卷积的飞机部段形变预测方法

来源：电子测量技术杂志2023年第20期北京时间：

作者：孔志浩，卢鹄，毛建华，陆小锋

单位：1.上海大学通信与信息工程学院 上海 200444; 2.上海飞机制造有限公司 上海 200436; 3.上海大学温州研究院 温州 325000

摘要：近年来，随着人工智能技术的发展，深度神经网络在智能制造中得到了广泛应用。本文将深度神经网络与飞机部段的形变预测相结合，提出了一种基于图卷积和多模态的飞机部段形变预测方法。在对飞机部段的形变分析中，对飞机部段的结构数据与工况数据两种模态的数据进行特征提取并在特征级和决策级进行融合。飞机结构数据为点云数据，具有非欧几里得数据的特性，在对飞机部段结构数据进行特征提取时，引入了基于图卷积的特征提取网络。基于ModelNet40和飞机部段的结构和工况数据构建了包含4种飞机部段的形变数据集，并在该数据集上进行了实验。实验结果表明，该方法在各个部段中的平均预测均方误差为0.188，并在机头部段取得了最好的预测结果，可以有效的对飞机部段的形变状况进行预测。

关键词：形变预测;图卷积网络;多模态;点云数据;特征融合

基金资助：上海市科委科技创新行动计划（21511102605，22511103304，22511103403）项目资助