图神经网络助力火箭整流罩结构健康监测：JAXA H3火箭CFRP/铝蜂窝脱粘缺陷检测系统

本文介绍一个结合图神经网络(GNN)与有限元方法(FEM)的开源项目Payload_gnn，旨在检测JAXA H3火箭碳纤维复合材料(CFRP)整流罩的蒙皮-芯材界面脱粘缺陷。项目由keisuke58团队开发，发布于GitHub（MIT许可证），为航天器结构健康监测(SHM)提供智能化解决方案，核心创新在于几何感知图构建与FEM仿真数据结合的检测方案。

2025年12月JAXA H3火箭F8任务事故中，CFRP与铝蜂窝夹芯结构界面脱粘被列为可能主因之一，凸显复合材料SHM的迫切需求。H3火箭采用T1000级CFRP蒙皮（自动纤维铺放工艺）替代传统铝合金，虽减重但带来CTE失配问题：CFRP的CTE约-0.3×10⁻⁶/°C，铝蜂窝达23×10⁻⁶/°C，热循环载荷下易诱发脱粘缺陷。

项目核心技术方案为GNN+FEM结合：

1. 几何感知图构建：避免UV映射畸变，利用三维几何信息（表面法向量、主曲率、测地距离）构建图结构，每个图含约10897节点（16维特征）、边特征5维；
2. FEM仿真数据生成：用Abaqus基于H3整流罩真实规格（直径5.2米筒段+卵形头部）仿真，载荷条件最高120°C热载荷，通过DOE生成101样本数据集（训练81、验证20），缺陷尺寸覆盖小/中/大/临界四等级。

模型架构与训练策略：

• 实现四种GNN架构对比：GCN（谱域卷积）、GAT（注意力机制）、GIN（图同构网络）、GraphSAGE（归纳式学习）；
• 采用Focal Loss解决类别不平衡（健康区域远多于缺陷区域），提升小缺陷检测灵敏度；
• 训练支持5折交叉验证，200轮训练，基于PyTorch Geometric框架。

推理部署与应用接口：

• 提供模型检查点保存训练参数；
• 生成缺陷概率热图可视化检测结果；
• 开发FastAPI REST接口，便于集成到现有监测系统，为JAXA地面测试系统(PSS)数据验证奠定基础。

技术路线图与前沿探索： 短期目标：扩展数据集至5000样本、实现多类别损伤检测（脱粘/分层/冲击损伤/健康）、完成真实PSS数据验证； 前沿方法：探索Graph Mamba（长程依赖）、E(3)-等变GNN（空间等变性）、FNO（FEM替代surrogate）、PINN（融合物理约束）等方向。

工程意义与展望：

• 解决传统SHM的检测滞后、定位精度低等问题，实现预测性维护(CBM)、快速损伤定位（秒级）、全生命周期管理；
• 开源特性（MIT许可证）推动产学研协同创新；
• 随着H3火箭项目推进与真实数据验证，有望从实验室走向工程实践，为结构健康监测领域提供参考。