建模在仿真分析中是十分重要的一个环节，通常也是十分费时的一个过程。在进行完网格画分后，需要创建焊点、焊缝、胶粘、螺栓等连接信息。创建连接过程需要处理的数据繁多，往往比较耗时。通常也都是通过二次开发进行连接的创建。本文介绍通过深度学习图像识别的方法识别螺栓、螺母等部件，并自动创建螺栓连接。
一。机器学习数据集准备
由于后续是基于ANSA环境使用机器学习的模型，因此数据准备也是通过ANSA环境，保证训练数据和实际使用时的数据状态一致。主要是准备螺栓、螺母和其他部件三类数据。这个数据量并不需要很大。随便找一个车型的数据即可。首先准备好螺栓，螺母的CAD数据。使用ANSA读取数据后，通过脚本来自动截取图像数据。
螺母数据集
其他部件数据集
二。机器学习模型训练
准备好了螺栓，螺母，其他三类数据后即可进行机器学习模型训练。这里使用pytorch的resnet-50模型。该模型是基于残差网格架构的深度卷积神经网络。其核心创新是引入了残差块，这种结构通过跳跃连接，解决了深度网格中的梯度消失和退化问题，使得网络可以达到更深的层次而不会出现过拟合或梯度问题。
使用前面准备好的数据进行模型训练，由于数据量很小，整个模型训练过程很快即可完成。有条件的情况下可以使用GPU进行模型训练。训练过程大概耗时20分钟。模型训练完后保存，用于后续在ANSA中使用。
三。模型测试
在模型正式使用前，进行简单的测试。使用一组测试数据进行模型精度测试，测试数据中包含螺栓，螺母和其他零部件。从测试结果来看，识别的结果全部正确，并且精度很高。
四。在ANSA中使用机器学习创建螺栓连接
在ANSA中加载前面的机器学习模型，并结合API自动创建螺栓连接。
创建螺栓连接的过程很快就可以完成。在整个过程中可以快速识别螺栓，螺母结构并在最佳的位置创建Bolt connector。并自动添加连接的部件。同时，可以根据建模规范来设置螺栓的具体表示方法，如Rbe2连接，或如本例中使用RBE3-CBAR-RBE3，其中Bar单元的属性直接自动赋予螺栓的工程直径。
