一种基于图神经网络的三维织物压实架构预测方法

本发明涉及1，具体是一种基于图神经网络的三维织物压实架构预测方法。

背景技术：

1、因此，现提供一种基于图神经网络的三维织物压实架构预测方法。

技术实现思路

1、为了解决上述技术问题，本发明的目的在于提供一种基于图神经网络的三维织物压实架构预测方法。

2、为了实现上述目的，本发明提供如下技术方案：一种基于图神经网络的三维织物压实架构预测方法，所述方法包括：

3、构建三维织物的多层级异构图表示模型，将织物中的纤维定义为底层节点、线圈定义为中层节点、织物层定义为顶层节点，并为各节点赋予包含几何属性、材料属性和状态属性的节点属性，为各边赋予包含结构属性和物理属性的边属性，输出得到表征织物拓扑结构的异构图；

4、对异构图按边类型差异化聚合，经多感受野图卷积并行提取特征并动态加权融合，通过相变波链式更新机制迭代更新异构图至收敛，拼接最终融合特征与原始拓扑特征，输出所述图结构化特征表示；

5、将图结构化特征表示输入到预设的压实状态预测模型，输出得到下一时刻的压实状态预测图。

6、优选的，对异构图按边类型差异化聚合包括：

7、基于异构图，将同一根纱线上的底层节点表示为参数化曲线，曲线上的每个节点对应一个弧长参数值；

8、对于同一根纱线上的相邻纤维节点，采用沿纤维路径的积分运算进行聚合，积分核函数采用高斯核，核宽度与纱线直径成正比；

9、对于不同纱线之间的纤维节点，采用基于接触面积和法向压力的注意力加权聚合；

10、最终的初始聚合节点特征为纤维内部积分聚合和跨纤维离散聚合的加权和。

11、优选的，经多感受野图卷积并行提取特征并动态加权融合包括：

12、设置三个具有不同拓扑感受野的图卷积分支，分别为局部尺度分支、中观尺度分支和全局尺度分支；

13、三个图卷积分支同时对初始聚合节点特征进行卷积处理，每个分支采用与自身感受野匹配的卷积核参数和激活函数，分别输出局部尺度特征、中观尺度特征和全局尺度特征；

14、根据实时计算的节点应力变化率，计算每个节点对应不同尺度分支的注意力权重；

15、基于注意力权重对局部尺度特征、中观尺度特征和全局尺度特征进行加权求和，得到多尺度融合特征。

16、优选的，通过相变波链式更新机制迭代更新异构图至收敛包括：

17、实时计算所有节点的应力变化率和序参数变化率；

18、实时监测所有节点的序参数变化率，将首个满足序参数变化率大于预设阈值的节点标记为初始相变核，并计算其初始传播强度；

19、相变波以初始相变核为中心，按纤维网络的拓扑连接关系向外传播，传播速度与传播路径上的纤维平均应力成正比，传播强度随拓扑距离指数衰减；

20、当传播强度大于节点触发阈值时，该节点加入相变区域并成为次级相变核，继续向外传播相变波；当两个相变波相遇时，传播强度叠加并触发更高优先级的集体更新；

21、当传播强度衰减至触发阈值以下、遇到已完成相变的区域或遇到织物边界时，相变波传播终止；

22、根据相变区域的节点和边信息，更新异构图的节点属性和边属性；

23、将更新后的异构图反馈至差异化聚合步骤，重复执行差异化聚合、多感受野图卷积与动态加权融合以及相变波链式更新步骤，直到节点平均应力变化率小于预设收敛阈值或达到最大迭代次数。

24、优选的，拼接最终融合特征与原始拓扑特征包括：

25、当迭代收敛后，提取异构图的原始拓扑特征，包括节点度分布、聚类系数、平均路径长度和社区结构特征；

26、将原始拓扑特征与最后一次迭代得到的多尺度融合特征在特征维度上进行拼接，得到拼接特征；

27、对拼接特征进行批量归一化和非线性激活处理，消除特征尺度差异并引入非线性表达能力；

28、得到最终的融合拓扑特征和压实状态特征的图结构化特征表示。

29、优选的，所述方法还包括：根据所述压实状态预测图中的节点位置和拓扑关系，识别潜在碰撞节点对，通过碰撞检测策略进行高效碰撞检测，基于碰撞检测结果，对压实状态预测模型进行更新调整。

30、优选的，根据所述压实状态预测图中的节点位置和拓扑关系，识别潜在碰撞节点对包括：

31、基于压实状态预测图中各节点的变形前初始位置、变形后预测位置以及节点间的拓扑邻接关系，得到每个节点的k阶拓扑邻域节点集合；

32、基于每个节点及其对应k阶拓扑邻域节点的变形前后位置差，通过最小二乘拟合得到该节点的局部变形梯度张量；

33、基于每个节点的局部变形梯度张量，通过右柯西-格林张量计算与特征值分解得到该节点对应的两个主曲率值；

34、基于所有节点的主曲率值与预设曲率阈值的比较结果，得到曲率极值种子节点集合；

35、基于曲率极值种子节点集合和压实状态预测图的拓扑邻接关系，通过拓扑区域生长得到连通的高曲率区域；

36、基于连通高曲率区域内的所有节点组合，得到候选碰撞节点对集合。

37、优选的，通过碰撞检测策略进行高效碰撞检测包括：

38、基于候选碰撞节点对集合和预设场景参数，得到满足双重终止条件的三维八叉树空间索引；

39、基于候选碰撞节点对的中点坐标和三维八叉树空间索引，得到初步筛选节点对集合；

40、基于初步筛选节点对在各八叉树叶子节点内的分布，得到各叶子节点的自适应网格分辨率；

41、基于各叶子节点的自适应网格分辨率，得到对应的网格划分结果；

42、基于网格划分结果，得到同一网格节点对集合和跨网格节点对集合；

43、基于同一网格节点对集合，通过球-球碰撞检测得到第一类碰撞节点对；

44、基于跨网格节点对集合，通过分离轴定理排除和精确几何计算得到第二类碰撞节点对；

45、基于第一类和第二类碰撞节点对，得到最终碰撞检测结果。

46、优选的，基于碰撞检测结果，对压实状态预测模型进行更新调整包括：

47、基于碰撞检测结果中的碰撞节点对及对应穿透深度，得到每个碰撞节点对的碰撞严重程度；

48、基于每个碰撞节点对的碰撞严重程度、预设惩罚系数和当前图边权重矩阵，得到带权重下限的更新后图边权重矩阵；

49、基于更新后的图边权重矩阵和碰撞检测结果构造的训练样本，通过单步梯度下降在线微调得到更新后的模型参数；

50、基于更新后的图边权重矩阵和更新后的模型参数，得到最终更新的压实状态预测模型。

51、与现有技术相比，本发明的有益效果是：

52、本方案突破传统单尺度均质图或网格表征的局限，构建了“底层纤维节点-中层线圈节点-顶层织物层节点”的三层异质拓扑架构，同时为节点赋予几何/材料/状态多维度属性、为边赋予结构/物理耦合属性，并首创边类型差异化聚合策略（纤维内部沿路径高斯积分聚合+跨纤维接触注意力加权聚合），实现了纤维连续变形与纤维间离散接触的统一数学表达。解决了传统方法无法同时捕捉微观纤维滑移、中观线圈屈曲和宏观织物层压实的多尺度耦合问题，为后续物理过程模拟提供了精准的拓扑物理基础。

53、同时设计了局部/中观/全局三分支多感受野图卷积，根据实时节点应力变化率动态分配不同尺度特征的注意力权重；首次将统计力学中的相变理论引入图神经网络迭代过程，提出相变波链式更新机制，模拟压实过程中从局部纤维屈服到整体结构变形的非均匀、链式传播过程，替代传统全图同步更新模式。既保留了图神经网络的强大特征提取能力，又赋予模型严格的物理一致性，解决了传统纯数据驱动模型预测结果违背物理规律的问题。

54、最后提出“主曲率极值种子点+拓扑区域生长”的候选碰撞对预筛选方法，结合自适应分辨率八叉树空间索引和“球-球快速检测+分离轴定理精确计算”的混合碰撞检测策略；并基于碰撞穿透深度和严重程度，通过带权重下限的边权重更新与单步梯度下降，实现模型的在线闭环微调。碰撞检测效率较传统全局遍历方法得到显著提升，同时解决了离线训练模型在复杂接触场景下泛化能力不足的问题。