基于异构属性图的零件制造碳排放预测方法及系统技术方案

本发明专利技术属于绿色智能制造技术领域。提供了一种基于异构属性图的零件制造碳排放预测方法及系统，根据待制造零件的设计特征节点、工艺特征节点以及资源活动节点，构建待制造零件的零件异构属性图，确定零件异构属性图的每条碳排放路径的碳排放值；采用图卷积对设计特征节点、工艺特征节点以及资源活动节点进行初始特征传播和表征学习，确定节点嵌入表示，根据所述节点嵌入表示得到设计特征对应的注意力权重；根据所述碳排放值以及所述注意力权重，确定每个设计特征节点的最终表示；以每个设计特征节点的所述最终表示为输入，采用双层图神经网络模型，预测得到每个设计特征节点的碳排放预测结果；实现了更高精度的碳排放的预测与归因分析。

【技术实现步骤摘要】

本专利技术涉及绿色智能制造，具体涉及一种基于异构属性图的零件制造碳排放预测方法及系统。

技术介绍

1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
，并不必然构成现有技术。

2、在设计阶段对零件的制造碳排放进行预测，是实现低碳设计的关键环节。如果能够在结构或者工艺设计阶段即识别高碳设计要素，设计人员便可根据预测结果反馈调整产品结构配置、材料或工艺规划，从而有效降低制造过程的碳排放总量。

3、现有的零件设计阶段碳排放预测方案存在如下问题：（1）难以在设计阶段对零件结构特征进行精细建模和高精度预测，缺乏面向早期设计的低碳指导；（2）无法有效融合设计、工艺、资源等多源异构信息，难以建立零件结构与加工路径之间的语义关联关系；（3）缺乏对碳排放贡献路径的可解释性分析手段，无法实现对高排放特征的识别与归因，限制了碳减排优化空间的挖掘。

技术实现思路

1、为了解决现有技术的不足，本专利技术提供了一种基于异构属性图的零件制造碳排放预测方法及系统，在产品零件制造碳排放建模中引入图神经网络与异构图联合本文档来自技高网...

【技术保护点】

1.一种基于异构属性图的零件制造碳排放预测方法，其特征在于，包括以下过程：

2.如权利要求1所述的基于异构属性图的零件制造碳排放预测方法，其特征在于，

3.如权利要求1所述的基于异构属性图的零件制造碳排放预测方法，其特征在于，

4.如权利要求1所述的基于异构属性图的零件制造碳排放预测方法，其特征在于，

5.如权利要求4所述的基于异构属性图的零件制造碳排放预测方法，其特征在于，

6.如权利要求1-5任一项所述的基于异构属性图的零件制造碳排放预测方法，其特征在于，

7.如权利要求1-5任一项所述的基于异构属性图的零件制造...

【技术特征摘要】

1.一种基于异构属性图的零件制造碳排放预测方法，其特征在于，包括以下过程：

2.如权利要求1所述的基于异构属性图的零件制造碳排放预测方法，其特征在于，

3.如权利要求1所述的基于异构属性图的零件制造碳排放预测方法，其特征在于，

4.如权利要求1所述的基于异构属性图的零件制造碳排放预测方法，其特征在于，

5.如权利要求4所述的基于异构属性图的零件制造碳排放预测方法，其特征在于，

6.如权利要求1-5任一项所述的基于异构属性图的零件制...

【专利技术属性】
技术研发人员：李方义，崔羽齐，王黎明，王光存，鲁海宁，王忆同，刘伟彤，肖兴源，王泊云，李柳沅，
申请(专利权)人：山东大学，
类型：发明
国别省市：