姓名：牛帅

年级：2020级硕士 2022级博士

邮箱：niushuai7911@163.com

兴趣爱好：长跑，登山

最喜爱的一句话：有志者，事竟成。

研究内容：

制造工艺策略作为零件制造的关键要素，直接影响加工效率和制造质量。当前基于机器学习的制造过程决策方法在将3D CAD模型转换为点云、体素或网格等中间格式时，不可避免地会丢失几何和拓扑信息，同时还面临训练数据不足的挑战。为了解决这些问题，本研究提出了一种创新的自监督神经网络预训练方法，该方法从大规模无标签CAD数据中学习B-Rep表示，以实现小样本数据集上的制造工艺策略预测。该方法包括两个关键模块:第一，基于编码器-解码器架构的预训练模型，其中编码器学习CAD模型面拓扑实体的潜在表示，解码器重构模型面的符号距离函数；第二，基于制造策略和建模信息，利用预先训练的面部潜在空间表示来完成模型分割任务。与传统的基于规则的3D形状表示采样方法相比，直接使用B-Rep数据表示显著提高了精度；与现有的基于B-Rep输入的监督学习方法相比，我们的方法在小规模训练集上表现出优越的性能。