CN110264555B - 一种基于Micro-CT三维五向编织复合材料统计细观模型建立方法 - Google Patents

一种基于Micro-CT三维五向编织复合材料统计细观模型建立方法 Download PDF

Info

Publication number
CN110264555B
CN110264555B CN201910365884.3A CN201910365884A CN110264555B CN 110264555 B CN110264555 B CN 110264555B CN 201910365884 A CN201910365884 A CN 201910365884A CN 110264555 B CN110264555 B CN 110264555B
Authority
CN
China
Prior art keywords
dimensional
composite material
fiber bundle
woven composite
unit cell
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910365884.3A
Other languages
English (en)
Other versions
CN110264555A (zh
Inventor
张典堂
于颂
宗晟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
YIXING XINLI WEAVING CO Ltd
Original Assignee
YIXING XINLI WEAVING CO Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by YIXING XINLI WEAVING CO Ltd filed Critical YIXING XINLI WEAVING CO Ltd
Priority to CN201910365884.3A priority Critical patent/CN110264555B/zh
Publication of CN110264555A publication Critical patent/CN110264555A/zh
Application granted granted Critical
Publication of CN110264555B publication Critical patent/CN110264555B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
    • G01N23/046—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material using tomography, e.g. computed tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/005—General purpose rendering architectures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Graphics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Analytical Chemistry (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pulmonology (AREA)
  • Geometry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Software Systems (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Image Processing (AREA)

Abstract

本发明公开一种基于Micro‑CT三维五向编织复合材料统计细观模型建立方法，该方法包括以下步骤：步骤一：Micro‑CT数据获取；步骤二：基体信息隐藏；步骤三：纤维束截面提取；步骤四：纤维束形态提取；步骤五：完整单胞模型提取；步骤六：建立周期性可循环单胞模型。本发明基于Micro‑CT扫描技术，能够获取三维五向编织复合材料中纤维束的真实形态，能实现高精度建模，适用性更强，可应用于各种三维五向编织复合材料，有助于预测三维五向编织复合材料力学性能。

Description

一种基于Micro-CT三维五向编织复合材料统计细观模型建立 方法
技术领域
本发明属于编织复合材料领域，具体涉及一种基于Micro-CT三维五向编织复合材料统计细观模型建立方法。
背景技术
随着三维预成型技术的日益成熟及机械自动化程度的不断提高，以三维五向预成型体为增强骨架的编织复合材料作为主承力构件和功能构件被广泛应用于航天航空、军事防护、交通运输和海洋等领域。三维五向编织复合材料在复合过程中，纤维束受到外力挤压变形使细观结构发生变化，从而影响材料的力学性能。所以，研究三维五向编织复合材料细观结构对预测其力学性能显得尤为重要。
通过材料中不同原料对X射线的吸收程度不同，Micro-CT可以在试件不发生损害的情况下观测到其内部的结构图像，并且比其他手段获取到的图片更加清晰，并且利用相关CT图像处理软件可以进行不同方向下对内部结构进行搜索定位，获得复合材料高的清晰照片，并对其结构缺陷进行识别，从而有助于对损伤情况的评判，所以Micro-CT技术渐渐地受到大家的青睐，被引入到复合材料的应用领域中。
Bale和Blacklock利用Micro-CT技术对纤维束进行实际形态重构，利用二进制计数法生成带有随机形态变化的试样形态，通过Micro-CT扫描了C/SiC三维机织复合材料，利用图像处理软件获取了材料内的纤维束形态相关参数，如纤维束截面面积、截面偏转角度、纤维束空间路径水平投影、截面长宽比等数据，并建立坐标系对其进行统计分析。但是并未建立精细的三维立体模型。
有学者通过XCT技术获取了三维编织复合材料的切片图像，对图片处理后，可对所属结构进行识别，如中国专利申请号为201810537212.1，发明“为一种三维编织复合材料预制体结构的识别与建模方法”。该方法利用理论模型和XCT图像相结合的方式，提出了一种建模方法，但是并未获取到三维编织复合材料中纤维束的真实形态。
钱浩利用Micro-CT技术获得了2.5D三维编织复合材料的切片数据，并以此进行建模，但是其所述方法只适用于2.5D机织复合材料，并不能运用到三维编织复合材料建模当中。
Micro-CT扫描技术可以观测到编织复合材料的内部结构包括纤维束形态、基体分布、孔隙分布区域以及破坏等情况，对于内部结构重构等研究工作能提供很大的帮助，其形成的切片图像可对内部结构特征进行识别并对不同区域进行划分，但现有模型仍基于理论模型和切片图像，并不能获取到三维五向编织复合材料中的纤维束真实形态。
发明内容
本发明的目的在于针对现有技术中的不足，提供一种基于Micro-CT三维五向编织复合材料统计细观模型建立方法，实现材料的精细化建模。
为实现上述目的，本发明采用以下技术方案：
一种基于Micro-CT三维五向编织复合材料统计细观模型建立方法，该方法包括以下步骤：
步骤一：Micro-CT数据获取，是指三维五向编织复合材料制备完成后，切割成包含完整单胞的试样，经Micro-CT获取三维五向编织复合材料的三维图像信息；
步骤二：基体信息隐藏，是指在Micro-CT扫描成型的图像中，将基体的图像信息隐藏，只留下纤维束的形态信息；
步骤三：纤维束截面提取，是指将水平切面对纤维束形成的截面形状信息提取出来；
步骤四：纤维束形态提取，是指将连续花节高度下的感兴趣区识别完成，将截面图像在花节高度方向堆积，形成纤维束三维形态；
步骤五：完整单胞模型提取，是指将多根纤维束提取出来后，从中提出完整的单胞模型；
步骤六：建立周期性可循环单胞模型，通过对Micro-CT图像进行纤维束截面形状识别，重复步骤一至步骤五，通过模型尺寸优化获得周期性可循环单胞模型。
为优化上述技术方案，采取的具体措施还包括：
所述步骤一中，Micro-CT切片图中至少包含一个完整单胞，三维五向编织复合材料的三维图像信息根据下式获取：
Figure BDA0002048177170000021
Figure BDA0002048177170000022
其中，m为放大倍率，O为试件与射线源之间的距离，D为试件与探测器之间的距离；I0为X射线入射试件前的强度，I为X射线入射试件后的强度，t为试件厚度，μ为衰减系数；
试件的放大倍率m取决于探测器到样品的距离D和射线源到样品的距离O的比值大小，若想获得高倍数和高分辨率的图像，就需要试样尽量靠近光源；三维五向编织复合材料中包含基体、增强体、孔洞三种密度不同的组分，获取到的三维五向编织复合材料的三维图像中由三种明亮程度的图像信息组成。
所述步骤二中，设置灰度阈值和对比度，使图像中保留纤维束形态，消除基体的图像信息。
所述步骤三中，纤维束的截面方向要和花节高度方向垂直，沿着花节高度方向对单根纤维束提取纤维束截面作为感兴趣区，每个感兴趣区的间隔为30μm。
步骤四：纤维束形态提取，是指将连续花节高度下的感兴趣区识别完成，将截面图像在花节高度方向堆积，形成纤维束三维形态。
所述步骤五中，所述纤维束提取数量需要能够包含完整单胞。
所述步骤六中，建立周期性可循环单胞模型根据下式进行：
Figure BDA0002048177170000031
Figure BDA0002048177170000032
c＝rb
Figure BDA0002048177170000033
其中γ为内部编织角，W为单胞宽度，T为单胞厚度，θ为编织纱在平面投影和厚度方向的夹角称为水平方向角，编织纱截面近似成椭圆形，a为长半轴，b为短半轴，c为轴纱边长，r为轴纱截面尺寸因子。
本发明公开了一种基于Micro-CT的三维五向编织复合材料的细观统计建模方法，其包含Micro-CT数据获取、基体信息隐藏、纤维束截面提取、纤维束形态提取、完整单胞模型提取、建立周期性可循环单胞模型步骤。Micro-CT数据获取是指三维五向编织复合材料制备完成后，切割成包含完整单胞的试样，经射线源透射到材料内部，根据基体和增强体的不同密度和对X射线的吸收率不同，形成颜色深浅程度不同的图像，其表现形式是三维五向编织复合材料的三维图像信息。基体信息隐藏是在指Micro-CT扫描成型的图像中，将基体的图像信息隐藏，只留下纤维束的形态信息。纤维束截面提取是指利用感兴趣区识别水平切面对纤维束形成的切面。纤维束形态提取是指通过感兴趣区识别完成的截面图像进行堆积，形成纤维束三维形态。完整单胞模型提取，是指将多根纤维束提取出来后，从中提出完整的单胞模型。建立周期性可循环单胞模型，是指重复步骤一至步骤五，通过模型尺寸优化获得周期性可循环单胞模型。借此，本发明基于Micro-CT获取了三维五向编织复合材料的三维图像信息，建立了统计细观模型。
本发明的有益效果：
本发明基于Micro-CT扫描技术，能够获取三维五向编织复合材料中纤维束的真实形态，能实现高精度建模，适用性更强，可应用于各种三维五向编织复合材料，有助于预测三维五向编织复合材料力学性能。
附图说明
图1为花节长度7.2mm，花节宽度4.1mm的三维五向编织复合材料试件的Micro-CT扫描三维图像数据，试件尺寸为25mm*20mm*6mm。
图2是Micro-CT中未经灰度调节的纤维束截面形状切片图。
图3是Micro-CT中经灰度调节后的纤维束截面形状切片图。
图4是纤维束截面的识别情况。
图5是提取出的编织纱形态。
图6是提取出的轴纱形态。
图7是多根编织纱和轴纱形态。
图8是从多根编织纱和轴纱中提取出来的单胞形态。
图9是多次优化后的周期性可循环单胞模型。
具体实施方式
现结合附图对本发明作进一步详细的说明。
本发明提出的一种基于Micro-CT三维五向编织复合材料统计细观模型建立方法，具体步骤如下：
一、Micro-CT数据获取
三维五向编织复合材料制备完成后，切割成包含完整单胞的试样，经Micro-CT获取三维五向编织复合材料的三维图像信息。
Micro-CT切片图中至少包含一个完整单胞，三维五向编织复合材料的三维图像信息根据下式获取：
Figure BDA0002048177170000041
Figure BDA0002048177170000042
其中，m为放大倍率，O为试件与射线源之间的距离，D为试件与探测器之间的距离；I0为X射线入射试件前的强度，I为X射线入射试件后的强度，t为试件厚度，μ为衰减系数；
试件的放大倍率m取决于探测器到样品的距离D和射线源到样品的距离O的比值大小，若想获得高倍数和高分辨率的图像，就需要试样尽量靠近光源；三维五向编织复合材料中包含基体、增强体、孔洞三种密度不同的组分，获取到的三维五向编织复合材料的三维图像中由三种明亮程度的图像信息组成。
二、基体信息隐藏
在Micro-CT扫描成型的图像中，首先选择等值面渲染器。
然后利用“渲染”功能，对图片中的灰度进行判断，形成灰度分布曲线图。
通过基准线确定体素灰度，然后移动基准点调节图像灰度和对比度，选择合适的点位使画面清晰。
最后选用滤波功能将纤维束截面边界粗糙部分进行滤化，使纤维束截面上的毛刺去除，显示截面更平滑更清晰。
清除体素内的噪声信息，选择滤波器下的自适应高斯，平滑处理程度选择1.0，边界阈值选择0.100，并创建新体积，将纤维束形态调至清晰。
三、纤维束截面提取
纤维束的截面方向要和花节高度方向垂直，沿着花节高度方向对单根纤维束提取纤维束截面作为感兴趣区，每个感兴趣区的间隔为30μm。
在试样图像面板中选取一个完整单胞区域，对构成单胞的纤维束进行截面统计。使用折线工具在体素中提取感兴趣区。
四、纤维束形态提取
将连续花节高度下的感兴趣区识别完成，将截面图像在花节高度方向堆积，形成纤维束三维形态。
五、完整单胞模型提取
将多根纤维束提取出来后，从中提出完整的单胞模型。
六、建立周期性可循环单胞模型
计算单胞模型的纤维束形态相关参数，将所提取的模型和三维五向编织复合材料单胞理论模型相比较，建立周期性可循环单胞模型。
下面结合附图具体说明实施例：
预设花节长度7.2mm，花节宽度4.1mm，根据技术方案中的试件需要，可以确定Micro-CT试件尺寸，如图1所示。
选择与花节高度方向垂直的切面获取三维五向编织复合材料的截面切片图(如图2所示)，确定完整单胞的位置，进行截面信息识别。
首先选择等值面渲染器。然后利用“渲染”功能，对图片中的灰度进行判断，形成灰度分布曲线图。
通过基准线确定体素灰度，然后移动基准点调节图像灰度和对比度，选择合适的点位使画面清晰(如图3所示)。
选用滤波功能将纤维束截面边界粗糙部分进行滤化，使纤维束截面上的毛刺去除，显示截面更平滑更清晰。
清除体素内的噪声信息，选择滤波器下的自适应高斯，平滑处理程度选择1.0，边界阈值选择0.100，并创建新体积，将纤维束形态调至清晰。
选择纤维束的截面方向要和花节高度方向垂直，沿着花节高度方向对单根纤维束提取纤维束截面作为感兴趣区(如图4所示)，每个感兴趣区的间隔为30μm。
在试样图像面板中选取一个完整单胞区域，对构成单胞的纤维束进行截面统计。使用折线工具在体素中提取感兴趣区。
将连续花节高度下的感兴趣区识别完成，将截面图像在花节高度方向堆积，形成纤维束三维形态(如图5～7所示)。
将多根纤维束提取出来后，从中提出完整的单胞模型(如图8所示)。
计算单胞模型的纤维束形态相关参数，将所提取的模型和三维五向编织复合材料单胞理论模型相比较，建立周期性可循环单胞模型(如图9所示)。
Figure BDA0002048177170000061
Figure BDA0002048177170000062
c＝rb
Figure BDA0002048177170000063
其中γ为内部编织角，W为单胞宽度，T为单胞厚度，θ为编织纱在平面投影和厚度方向的夹角称为水平方向角，编织纱截面近似成椭圆形，a为长半轴，b为短半轴，c为轴纱边长，r为轴纱截面尺寸因子。
根据计算得出：
Figure BDA0002048177170000071
建立处的单胞模型可进行有限元模拟计算，其模型尺寸与实际结构最为相符。
以上仅是本发明的优选实施方式，本发明的保护范围并不局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (4)

1.一种基于Micro-CT三维五向编织复合材料统计细观模型建立方法，其特征在于，该方法包括以下步骤：
步骤一：Micro-CT数据获取，是指三维五向编织复合材料制备完成后，切割成包含完整单胞的试样，经Micro-CT获取三维五向编织复合材料的三维图像信息；
步骤二：基体信息隐藏，是指在Micro-CT扫描成型的图像中，将基体的图像信息隐藏，只留下纤维束的形态信息；
步骤三：纤维束截面提取，是指将水平切面对纤维束形成的截面形状信息提取出来；
步骤四：纤维束形态提取，是指将连续花节高度下的感兴趣区识别完成，将截面图像在花节高度方向堆积，形成纤维束三维形态；
步骤五：完整单胞模型提取，是指将多根纤维束提取出来后，从中提出完整的单胞模型；
步骤六：建立周期性可循环单胞模型，重复步骤一至步骤五，通过模型尺寸优化获得周期性可循环单胞模型；
所述步骤一中，Micro-CT切片图中至少包含一个完整单胞，三维五向编织复合材料的三维图像信息根据下式获取：
Figure FDA0003993886370000011
Figure FDA0003993886370000012
其中，m为放大倍率，O为试件与射线源之间的距离，D为试件与探测器之间的距离；I0为X射线入射试件前的强度，I为X射线入射试件后的强度，t为试件厚度，μ为衰减系数；
试件的放大倍率m取决于探测器到样品的距离D和射线源到样品的距离O的比值大小，若想获得高倍数和高分辨率的图像，就需要试样尽量靠近光源；三维五向编织复合材料中包含基体、增强体、孔洞三种密度不同的组分，获取到的三维五向编织复合材料的三维图像中由三种明亮程度的图像信息组成；
所述步骤六中，建立周期性可循环单胞模型根据下式进行：
Figure FDA0003993886370000013
Figure FDA0003993886370000014
c＝rb
Figure FDA0003993886370000021
其中γ为内部编织角，W为单胞宽度，T为单胞厚度，θ为编织纱在平面投影和厚度方向的夹角称为水平方向角，编织纱截面近似成椭圆形，a为长半轴，b为短半轴，c为轴纱边长，r为轴纱截面尺寸因子。
2.根据权利要求1所述的方法，其特征在于，所述步骤二中，设置灰度阈值和对比度，使图像中保留纤维束形态，消除基体的图像信息。
3.根据权利要求1所述的方法，其特征在于，所述步骤三中，纤维束的截面方向要和花节高度方向垂直，沿着花节高度方向对单根纤维束提取纤维束截面作为感兴趣区，每个感兴趣区的间隔为30μm。
4.根据权利要求1所述的方法，其特征在于，所述步骤五中，所述纤维束提取数量需要能够包含完整单胞。
CN201910365884.3A 2019-05-05 2019-05-05 一种基于Micro-CT三维五向编织复合材料统计细观模型建立方法 Active CN110264555B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910365884.3A CN110264555B (zh) 2019-05-05 2019-05-05 一种基于Micro-CT三维五向编织复合材料统计细观模型建立方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910365884.3A CN110264555B (zh) 2019-05-05 2019-05-05 一种基于Micro-CT三维五向编织复合材料统计细观模型建立方法

Publications (2)

Publication Number Publication Date
CN110264555A CN110264555A (zh) 2019-09-20
CN110264555B true CN110264555B (zh) 2023-03-31

Family

ID=67914143

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910365884.3A Active CN110264555B (zh) 2019-05-05 2019-05-05 一种基于Micro-CT三维五向编织复合材料统计细观模型建立方法

Country Status (1)

Country Link
CN (1) CN110264555B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110674589B (zh) * 2019-09-30 2021-06-15 北京航空航天大学 一种模拟编织复合材料孔隙缺陷随机分布的方法
CN111351810B (zh) * 2020-03-30 2020-11-06 山东省分析测试中心 一种含多尺度缺陷金属断裂失效行为的分析方法
CN112001060B (zh) * 2020-07-13 2024-04-26 西安理工大学 一种三维五向编织复合材料内胞模型的建模方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108932385A (zh) * 2018-07-05 2018-12-04 北京航空航天大学 一种编织复合材料内部变截面纤维束代表性体元的建模方法

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8932683B1 (en) * 2012-06-15 2015-01-13 United States Of America As Represented By The Administrator Of National Aeronautics And Space Administration Method for coating a tow with an electrospun nanofiber
CN102851844B (zh) * 2012-10-11 2013-11-06 宜兴市新立织造有限公司 一种角联锁结构织物及其编织方法
CN103318203B (zh) * 2012-10-12 2015-09-23 北京航空航天大学 带有仿机翼的空气动力悬浮列车的轻质复合材料车厢结构
JP6035129B2 (ja) * 2012-11-30 2016-11-30 宇部エクシモ株式会社 セメント強化用複合ｆｒｐ製短線材及びその製造方法
CN104535426B (zh) * 2014-12-04 2017-11-28 中国科学院武汉岩土力学研究所 Ct实时扫描的三轴应力、渗流、化学耦合流变试验系统
WO2017106416A1 (en) * 2015-12-15 2017-06-22 The Procter & Gamble Company Pre-moistened fibrous structures exhibiting increased mileage
CN105825507B (zh) * 2016-03-17 2019-02-19 西北工业大学 基于图像提取的炭/炭复合材料弹性性能预测方法
US20170319750A1 (en) * 2016-05-09 2017-11-09 Bioventus, Llc Composite matrices designed for enhanced bone repair
CN106202728B (zh) * 2016-07-12 2019-04-09 哈尔滨工业大学 基于Micro-CT三维编织复合材料非均匀Voxel网格离散方法
CN206147762U (zh) * 2016-08-31 2017-05-03 中国电建集团昆明勘测设计研究院有限公司 一种基于标准图集管理的监测bim模型快速加载交互系统
US10365383B2 (en) * 2016-09-09 2019-07-30 Minnesota Imaging And Engineering Llc Structured detectors and detector systems for radiation imaging
CN106649984A (zh) * 2016-11-09 2017-05-10 魏东 基于可控微结构的编织复合材料物性参数设计方法
CN108210916A (zh) * 2016-12-15 2018-06-29 深圳瑞健生命科学研究院有限公司 一种预防和治疗骨质疏松的药物及其用途
CN107330148B (zh) * 2017-05-27 2020-04-21 南京航空航天大学 三维编织复合材料六面体有限元模型自动生成方法
CN108717727B (zh) * 2018-05-29 2022-10-04 南京航空航天大学 一种三维编织复合材料预制体结构的识别与建模方法
CN109241650B (zh) * 2018-09-25 2023-06-23 南京航空航天大学 基于跨尺度仿真的碳纤维增强复合材料力学性能预测方法
CN109437731A (zh) * 2018-11-06 2019-03-08 江南大学 一种玄武岩纤维土工格栅混凝土及其制备方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108932385A (zh) * 2018-07-05 2018-12-04 北京航空航天大学 一种编织复合材料内部变截面纤维束代表性体元的建模方法

Also Published As

Publication number Publication date
CN110264555A (zh) 2019-09-20

Similar Documents

Publication Publication Date Title
CN110264555B (zh) 一种基于Micro-CT三维五向编织复合材料统计细观模型建立方法
US10540760B2 (en) Method of separating, identifying and characterizing cracks in 3D space
CN108682020B (zh) 岩心微米ct孔隙结构重构方法
CN113609696B (zh) 基于图像融合的多尺度多组分数字岩心构建方法及系统
US11590708B2 (en) Three-dimensional fluid micromodels
CN109285222A (zh) 有机页岩高分辨率数字岩心构建与分析方法
CN105806765A (zh) 一种显微ct扫描土体空间孔隙结构的精细化表征方法
CN110348429B (zh) 一种平纹编织结构经纱与纬纱识别方法
CN114897781B (zh) 基于改进R-UNet深度学习的透水混凝土孔隙自动识别方法
Wernersson et al. Characterisations of fibre networks in paper using micro computed tomography images
CN102436654A (zh) 建筑点云的自适应分割方法
CN109345625A (zh) 岩心图像自适应分区三维重建方法
CN113779849A (zh) 一种基于ct扫描的钢纤维混凝土模型构建方法
CN114882272A (zh) 一种航空制造件全角度投影图像面片属性融合分析方法
CN110264472B (zh) 一种基于sd-oct的水果近皮下细胞无损成像方法
CN111353247B (zh) 陶瓷基复合材料平纹编织结构细观组分识别与重建方法
CN113029899B (zh) 一种基于显微图像处理的砂岩渗透率计算方法
CN113570652B (zh) 基于sem图像的砂岩储层矿物晶间孔的定量分析方法
CN111986143B (zh) 一种陶瓷基复合材料的细观结构表征方法
Marschallinger A method for three-dimensional reconstruction of macroscopic features in geological materials
CN111709992B (zh) 一种用于编织陶瓷基复合材料经纬纱交叉处定位方法
CN114926593B (zh) 基于单张高光图像的svbrdf材质建模方法及系统
CN116486037A (zh) 一种基于ct图像切片的编织复合材料快速网格重构方法
DE102009056467A1 (de) Verfahren zur Bestimmung von Oberflächen in Voxeldaten
CN111709939B (zh) 一种结构对称性的编织陶瓷基复合材料细观组分分类方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP02 Change in the address of a patent holder

Address after: No. 3 Yunan Road, Industrial Concentration Zone, Fangqiao Street, Yixing City, Wuxi City, Jiangsu Province, 214200

Patentee after: YIXING XINLI WEAVING Co.,Ltd.

Address before: 214212 Dajian village, Wanshi Town, Yixing City, Wuxi City, Jiangsu Province

Patentee before: YIXING XINLI WEAVING Co.,Ltd.

CP02 Change in the address of a patent holder