基于HetGNN的废旧机械零件广义生长方案生成方法

来源：计算机集成制造系统杂志2026年第5期北京时间：

作者：夏绪辉, 彭九九, 王蕾, 郭钰瑶, 张泽琳

单位：1.武汉科技大学冶金装备及其控制教育部重点实验室2.武汉科技大学机械传动与制造工程湖北省重点实验室3.武汉科技大学精密制造研究院

摘要：针对废旧机械零件个体信息差异大、信息异构及高维特征导致其广义生长方案生成过度依赖单一种类零件信息,使得历史数据重用可靠性及效率低,方案准确性弱的问题,提出一种基于异质图神经网络(HetGNN)的废旧机械零件广义生长方案生成方法。建立废旧机械零件广义生长方案图模型;采用由One-hot/Word2Vec编码层、双向长短期记忆网络(Bi-LSTM)聚合层、注意力神经网络组合层构成的HetGNN异质图神经网络架构实现图模型的向量化表征,使用重启随机游走采样实现各类型零件特征节点的分布情况提取,采用One-hot/Word2Vec编码节点类型、属性内容,通过Bi-LSTM聚合零件同类型特征,引入注意力机制组合零件异类型特征;设计同源度以量化零件间的相似程度,据此生成废旧机械零件的广义生长方案。以某废旧轻型摩托变速箱直齿轮为例,验证了所提方法的有效性。

关键词：废旧机械零件,广义生长,方案生成,异质图神经网络

基金资助：国家自然科学基金资助项目(72471181,52275503);湖北省杰出青年基金资助项目(2023AFA092)。