CN112613208A - 基于三维随机重构的无机非金属材料性能分析方法 - Google Patents
基于三维随机重构的无机非金属材料性能分析方法 Download PDFInfo
- Publication number
- CN112613208A CN112613208A CN202011492496.0A CN202011492496A CN112613208A CN 112613208 A CN112613208 A CN 112613208A CN 202011492496 A CN202011492496 A CN 202011492496A CN 112613208 A CN112613208 A CN 112613208A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- matrix
- crystal
- inorganic non
- crystal composition
- 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.)
- Granted
Links
- 239000007769 metal material Substances 0.000 title claims abstract description 53
- 238000004458 analytical method Methods 0.000 title claims abstract description 21
- 239000013078 crystal Substances 0.000 claims abstract description 86
- 239000011159 matrix material Substances 0.000 claims abstract description 68
- 239000000463 material Substances 0.000 claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims abstract description 18
- 239000000203 mixture Substances 0.000 claims description 39
- 238000000034 method Methods 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000001000 micrograph Methods 0.000 claims description 5
- 239000000758 substrate Substances 0.000 claims description 4
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000003491 array Methods 0.000 claims description 2
- 239000003086 colorant Substances 0.000 claims description 2
- 238000001493 electron microscopy Methods 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 claims 1
- 239000007787 solid Substances 0.000 claims 1
- 238000012360 testing method Methods 0.000 description 8
- 239000000470 constituent Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000750 progressive effect Effects 0.000 description 2
- 229910019142 PO4 Inorganic materials 0.000 description 1
- 150000004645 aluminates Chemical class 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001642 boronic acid derivatives Chemical class 0.000 description 1
- 238000010205 computational analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 150000002366 halogen compounds Chemical class 0.000 description 1
- 150000001247 metal acetylides Chemical class 0.000 description 1
- 150000004767 nitrides Chemical class 0.000 description 1
- 229910052755 nonmetal Inorganic materials 0.000 description 1
- 235000021317 phosphate Nutrition 0.000 description 1
- 150000003013 phosphoric acid derivatives Chemical class 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 150000004760 silicates Chemical class 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开了一种基于三维随机重构的无机非金属材料性能分析方法。该方法是在无机非金属材料分析常用手段‑‑电子显微镜的基础上，通过连续多次不同深度的扫描，获得所有截面的二维图像，再将二维图像处理成晶体成分特征矩阵，多个二维晶体成分特征矩阵进行重构，生成三维晶体特征矩阵，同时提取晶体成分特征，形成特征库，为进一步的三维随机重构做准备；基于特征库，对三维晶体特征矩阵随机重构，形成新的矩阵，并转化为有限元软件的输入文件，最后进行计算分析，得到无机非金属材料的性能参数。
Description
技术领域
本发明涉及材料技术领域，具体涉及一种基于三维随机重构的无机非金属材料性能分析方法。
背景技术
无机非金属材料，是以某些元素的氧化物、碳化物、氮化物、卤素化合物、硼化物以及硅酸盐、铝酸盐、磷酸盐、硼酸盐等物质组成的材料。大多数无机非金属材料的性能都是由组成元素微观结构和形态分布决定的，最常用的手段是通过电子显微镜来获取材料表面的微观组织图像，再通过图像中的信息分析其结构特性，从而推断材料的性能。这种方案具有很大局限性，只能获取一个平面上的信息。实际上，无机非金属材料中不同成分晶体是呈三维分布的，不同深度层的电子显微镜图像会存在差异。所以，想要获得准确的无机非金属材料特性，就必须以三维微观组织为基础进行分析。
在工程实际中，要想获得无机非金属材料的理想性能，往往需要通过不断的调整无机非金属材料组成元素的配比、工艺等参数，进行大量的原材料试验，才能得到近似满足要求的材料。在这个过程中需要耗费大量的人力、物力成本，而且时间周期很长，通过分析电子显微镜得到二维图像也存在较大的误差，最后还存在试验失败的风险。因此，如何能快速、准确地对无机非金属材料进行性能分析就显得非常有必要。
发明内容
针对现有技术的不足，本发明的目的是提供一种基于三维随机重构的无机非金属材料性能分析方法，可以通过对某一无机非金属材料电子显微镜得到多张不同深度的二维图像进行处理，得到二维结构参数，再通过二维结构参数进行三维重构，得到三维参数。通过三维结构参数在有限元软件中进行微观建模，最后通过计算分析，得到无机非金属材料的性能参数。
通过基于无机非金属材料中不同成分晶体的特性，对试验获得的三维结构参数进行随机重构，就能得到大量的无机非金属材料三维结构参数样本，逐一进行有限元计算分析，从而可以不需要进行大量试验就能得到不同结构无机非金属材料的性能参数。
为实现上述目的，本发明提供一种基于三维随机重构的无机非金属材料性能分析方法，该方法是在无机非金属材料分析常用手段即电子显微镜的基础上，通过连续多次不同深度的扫描，获得所有截面的二维图像；再将二维图像处理成晶体成分特征矩阵，多个二维晶体成分特征矩阵进行重构，生成三维晶体特征矩阵；同时提取晶体成分特征，形成特征库，为进一步的三维随机重构做准备；基于特征库，对三维晶体特征矩阵随机重构，形成新的矩阵，并转化为有限元软件的输入文件，最后进行计算分析，得到无机非金属材料的性能参数。
作为优选方案，主要步骤包括：
1)二维图像获取。通过电子显微镜获得无机非金属材料的连续不同深度的二维图像，每一层的深度相同，采样区域保持固定不变，图像尺寸大小为X×Y像素，共采集n次。
2)二维图像参数化。对获取的二维图像进行处理，将基材的颜色去除，同时不同成分的晶体设定不同的颜色，通过MATLAB读取图像文件，获取RGB值，建立晶体成分与RGB值的映射关系，通过RGB值生成二维矩阵，大小为X×Y。对晶体成分赋值。基材的晶体赋值0，晶体成分1赋值1，晶体成分2赋值2，依次类推，晶体成分i赋值i。
3)三维重构。将每一个X×Y大小的二维晶体成分矩阵转化为新三维矩阵中的一层，形成X×Y×n的三维矩阵。此矩阵中的每一个数值i代表一个无机非金属材料单元，其大小为单个像素高度×单个像素宽度×取样深度。
4)三维结构样本随机重构。通过记录三维晶体成分矩阵中各个数值的分布位置、大小、形态、体积占比等特征参数，形成晶体特征库。以特征库为基础，采用RRR(真实随机重构)方法进行三维结构参数矩阵重构。
真实随机重构方法即以特征库为基础，模拟晶体的大小、形状、分布状态的特征，建立符合真实构造的新三维晶体。
5)有限元计算分析。通过有限元分析软件，建立长度为X像素，宽度为Y像素，厚度为(n-1)×取样深度的长方体，按照三维结构参数矩阵的元素个数划分网格，得到X×Y×n个网格单元。通过修改对应网格单元的材料属性，实现无机非金属材料的微观建模，再进行计算分析，从而得到该无机非金属材料的性能参数。
更优化的具体方案详见具体实施例部分，不再赘述。
本发明的优点和有益效果如下：
1、本发明克服了无机非金属材料以电镜扫描平面二维图像分析其特性的局限性和不准确性。通过多张连续电子显微镜平面二维图像，对试验样本进行重构，得到三维结构参数，再通过有限元计算，就能准确的得到实际性能参数。
2、本发明克服了新工艺、新成分无机非金属材料需要进行大量实验样本测试性能参数的问题。基于无机非金属材料晶体特征库，随机重构三维结构参数，就能获得大量的样本，减少了大量实验过程，节省了大量的时间、人力、物力，并且能得到准确的性能参数。
附图说明
图1为本发明的基本流程图；
图2为本发明无机非金属材料电子显微镜断面二维图像获取示意图；
图3为本发明电子显微镜二维图像处理流程示意图；
图4为本发明三维晶体成分矩阵生成方法示意图。
具体实施方式
下面结合附图和实施例对本发明进行进一步说明。
本发明基于三维随机重构的无机非金属材料性能分析方法，该方法是在无机非金属材料分析常用手段--电子显微镜的基础上，通过连续多次不同深度的扫描，获得所有截面的二维图像，再将二维图像处理成晶体成分特征矩阵，多个二维晶体成分特征矩阵进行重构，生成三维晶体特征矩阵，同时提取晶体成分特征，形成特征库，为进一步的三维随机重构做准备。基于特征库，对三维晶体特征矩阵随机重构，形成新的矩阵，并转化为有限元软件的输入文件，最后进行计算分析，得到无机非金属材料的性能参数，方法流程如图1所示，具体操作步骤如下：
步骤1：选取需要分析的无机非金属材料样本，通过资料查询方式，获得该无机非金属材料的成分特性，包括密度、弹性模量、主要成分等。
步骤2：如图2所示，确定扫描区域，确定单次扫描递进深度，描完上一层后，将试样上一层去除再进行下一次扫描，以获得连续的无机非金属材料电子显微镜图像，共扫描n层。本实施例以500μm×500μm为例进行说明，单次扫描递进深度为5μm，共扫描100层。
步骤3：将二维图像参数化。保持扫描区域固定不变，将二维图像分割成X像素×Y像素的区域，本实施例中分割为1000×1000像素的区域，通过MATLAB进行RGB读取，得到一个1000×1000×3的矩阵，也就是R、G、B信息分别保存在一个1000×1000的矩阵中。
步骤4：合成二维晶体成分矩阵。处理RGB矩阵，分别提取3层矩阵中位于(x，y)位置的数值：A1＝(x,y,1),A2＝(x,y,2),A3＝(x,y,3),生产数组Sx,y,1＝(A1,A2,A3)，通过模糊识别处理对应RGB-晶体成分映射库，将Sx,y,1转化为自然数1。无机非金属材料的基材映射数值设置为0，假设有i种晶体成分，就有i个数组Sx，y，i，Sx，y，i转化为自然数i。
再将自然数i按其对应的x，y位置一一对应，生成一个新二维矩阵B1其元素为0～i的自然数，此矩阵表示该层电子显微镜图像的晶体成分，如图3所示。
步骤5：通过多个二维晶体成分矩阵，合成一个三维晶体成分矩阵C，其大小为1000×1000×100。
步骤6：提取晶体特征，包括晶体的占比、体积大小、分布形态。
提取矩阵中相同元素数值i的占比：
即统计数值i在整个X×Y×n矩阵中出现的次数，计算其在矩阵中的元素占比。具体意义为：晶体成分i在整个扫描无机非金属材料试样中的体积占比。
提取矩阵中相同元素数值i聚集体元素个数和、单个聚集体在元素i中的占比。单个聚集体之和：
即扫描整个X×Y×n矩阵，当出现i元素时开始计数，假设第一个i元素的位置为(xj，yk，nl)，扫描其相邻位置(xj±1，yk±1，nl±1)的元素值，如出现数值i则扫描边界位置进行扩充，直至所有边界之外都没有元素i，Eci为单个元素i聚集体的元素个数和。其物理意义为晶体成分i在无机非金属材料中形成的单个聚集体的大小。
提取单个元素数值i聚集体的体积占比：
即单个聚集体Eci在所有元素i中的占比。物理意义为，晶体成分i在无机非金属材料中形成的单个聚集体在晶体成分i中的占比，也即是分布情况。
提取单个元素数值i聚集体的形态特征值：最大元素距离Lci，在最大元素距离方向的法向上提取聚集体的高度Hci和宽度Wci。物理意义为，单个元素数值i聚集体的长宽高。
步骤7：三维晶体成分矩阵随机重构。基于晶体成分特征库，使用RRR(真实随机重构)方法，对三维晶体成分矩阵C进行重构，得到新的三维晶体成分矩阵Cf。物理意义为按照晶体成分特征库的规则，对无机非金属材料进行成分随机重构，从而得到f个新材料。
步骤8：生成有限元计算文件。以ABAQUS有限元软件为例，首先建立一个500μm×500μm×(5×99)μm的立方体，网格划分为1000×1000×99个，其中长度和宽度方向上均为1000个网格，厚度方向上为99个，设置边界条件，保存为inp格式文件。这样，ABAQUS有限元软件中建立的三维实体和网格单元与我们实际中的无机非金属材料是完全对应的，通过修改inp文件，将三维晶体成分矩阵Cf中不同元素的材料参数写入inp文件中相应单元中，就完成了有限元计算文件的生成。
步骤9：材料性能参数输出。通过ABAQUS有限元软件的并行处理功能，将f个计算文件提交处理，最终获得f个计算结果，即f个性能参数。
采用本发明的上述工序方法测定一种无机非金属PEK材料的弹性模量，只需要加工1件试样，测试1组数据(100个图像)，利用三维随机重构就能获得海量的虚拟试样，从中选取最优结果，制作试样进行验证。采用传统新材料开发方法，至少需要加工制作100件以上的试样，测试时间也随之成倍增加，其结果却往往为非最优。本发明三维随机重构分析方法既能大量减少加工试样的数量，又能节约试样测试的时间，保守估计降低98％以上，而三维随机重构的新试样材料性能与实际试样的吻合率达到95％以上。
Claims (3)
1.一种基于三维随机重构的无机非金属材料性能分析方法，其特征在于：该方法是在无机非金属材料分析常用手段即电子显微镜的基础上，通过连续多次不同深度的扫描，获得所有截面的二维图像；再将二维图像处理成晶体成分特征矩阵，多个二维晶体成分特征矩阵进行重构，生成三维晶体特征矩阵；同时提取晶体成分特征，形成特征库，为进一步的三维随机重构做准备；基于特征库，对三维晶体特征矩阵随机重构，形成新的矩阵，并转化为有限元软件的输入文件，最后进行计算分析，得到无机非金属材料的性能参数。
2.根据权利要求1所述的基于三维随机重构的无机非金属材料性能分析方法，其特征在于：主要包括如下步骤：
1)二维图像获取：通过电子显微镜获得无机非金属材料的连续不同深度的二维图像，每一层的深度相同，采样区域保持固定不变，图像尺寸大小为X×Y像素，共采集n次；
2)二维图像参数化：对获取的二维图像进行处理，将基材的颜色去除，同时不同成分的晶体设定不同的颜色，通过MATLAB读取图像文件，获取RGB值，建立晶体成分与RGB值的映射关系，通过RGB值生成二维矩阵，大小为X×Y；对晶体成分赋值；基材的晶体赋值0，晶体成分1赋值1，晶体成分2赋值2，依次类推，晶体成分i赋值i；
3)三维重构：将每一个X×Y大小的二维晶体成分矩阵转化为新三维矩阵中的一层，形成X×Y×n的三维矩阵；此矩阵中的每一个数值i代表一个无机非金属材料单元，其大小为单个像素高度×单个像素宽度×取样深度；
4)三维结构样本随机重构：通过记录三维晶体成分矩阵中各个数值的特征参数，所述特征参数包括分布位置、大小、形态和体积占比，形成晶体特征库；以晶体特征库为基础，采用真实随机重构方法进行三维结构参数矩阵重构；
所述真实随机重构方法即以晶体特征库为基础，模拟晶体的大小、形状、分布状态的特征，建立符合真实构造的新三维晶体；
5)有限元计算分析：通过有限元分析软件，建立长度为X像素，宽度为Y像素，厚度为(n-1)×取样深度的长方体，按照三维结构参数矩阵的元素个数划分网格，得到X×Y×n个网格单元；通过修改对应网格单元的材料属性，实现无机非金属材料的微观建模，再进行计算分析，从而得到该无机非金属材料的性能参数。
3.根据权利要求2所述的基于三维随机重构的无机非金属材料性能分析方法，其特征在于：
具体步骤如下：
所述步骤1)中，选取需要分析的无机非金属材料样本，获得该无机非金属材料的成分特性，所述成分特性包括密度、弹性模量和主要成分；确定扫描区域，确定单次扫描递进深度，描完上一层后，将试样上一层去除再进行下一次扫描，以获得连续的无机非金属材料电子显微镜图像，共扫描n层；
所述步骤2)中，将二维图像参数化；保持扫描区域固定不变，将二维图像分割成X像素×Y像素的区域，通过MATLAB进行RGB读取，得到像素矩阵，也就是R、G、B信息分别保存在像素矩阵中；合成二维晶体成分矩阵；处理RGB矩阵，分别提取3层像素矩阵中位于(x，y)位置的数值：A1＝(x,y,1),A2＝(x,y,2),A3＝(x,y,3),生产数组Sx,y,1＝(A1,A2,A3)，通过模糊识别处理对应RGB-晶体成分映射库，将Sx,y,1转化为自然数1；无机非金属材料的基材映射数值设置为0，假设有i种晶体成分，就有i个数组Sx,y,i，Sx,y,i转化为自然数i；再将自然数i按其对应的x，y位置一一对应，生成一个新二维矩阵B1其元素为0～i的自然数，此矩阵表示该层电子显微镜图像的晶体成分；
所述步骤3)中，通过多个二维晶体成分矩阵，合成一个三维晶体成分矩阵C，其大小为1000×1000×100；提取晶体特征，包括晶体的占比、体积大小、分布形态；提取矩阵中相同元素数值i的占比：
即统计数值i在整个X×Y×n矩阵中出现的次数，计算其在矩阵中的元素占比；具体意义为：晶体成分i在整个扫描无机非金属材料试样中的体积占比；
提取矩阵中相同元素数值i聚集体元素个数和、单个聚集体在元素i中的占比；单个聚集体之和：
即扫描整个X×Y×n矩阵，当出现i元素时开始计数，假设第一个i元素的位置为(xj，yk，nl)，扫描其相邻位置(xj±1，yi±1，nl±1)的元素值，如出现数值i则扫描边界位置进行扩充，直至所有边界之外都没有元素i，Eci为单个元素i聚集体的元素个数和；其物理意义为晶体成分i在无机非金属材料中形成的单个聚集体的大小；
提取单个元素数值i聚集体的体积占比：
即单个聚集体Eci在所有元素i中的占比；物理意义为，晶体成分i在无机非金属材料中形成的单个聚集体在晶体成分i中的占比，也即是分布情况；
提取单个元素数值i聚集体的形态特征值：最大元素距离Lci，在最大元素距离方向的法向上提取聚集体的高度Hci和宽度Wci；物理意义为，单个元素数值i聚集体的长宽高；
所述步骤4)中，三维晶体成分矩阵随机重构，基于晶体成分特征库，使用真实随机重构方法，对三维晶体成分矩阵C进行重构，得到新的三维晶体成分矩阵Cf；物理意义为按照晶体成分特征库的规则，对无机非金属材料进行成分随机重构，从而得到f个新材料；
所述步骤5)中，生成有限元计算文件；以ABAQUS有限元软件为例，首先建立一个500μm×500μm×(5×99)μm的立方体，网格划分为1000×1000×99个，其中长度和宽度方向上均为1000个网格，厚度方向上为99个，设置边界条件，保存为inp格式文件；这样，ABAQUS有限元软件中建立的三维实体和网格单元与我们实际中的无机非金属材料是完全对应的，通过修改inp文件，将三维晶体成分矩阵Cf中不同元素的材料参数写入inp文件中相应单元中，就完成了有限元计算文件的生成；材料性能参数输出，通过ABAQUS有限元软件的并行处理功能，将f个计算文件提交处理，最终获得f个计算结果，即f个性能参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011492496.0A CN112613208B (zh) | 2020-12-16 | 2020-12-16 | 基于三维随机重构的无机非金属材料性能分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011492496.0A CN112613208B (zh) | 2020-12-16 | 2020-12-16 | 基于三维随机重构的无机非金属材料性能分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112613208A true CN112613208A (zh) | 2021-04-06 |
| CN112613208B CN112613208B (zh) | 2022-09-13 |
Family
ID=75240849
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011492496.0A Active CN112613208B (zh) | 2020-12-16 | 2020-12-16 | 基于三维随机重构的无机非金属材料性能分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112613208B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102768699A (zh) * | 2012-06-14 | 2012-11-07 | 西安交通大学 | 基于ct图像精确重构异质材料微观有限元网格模型的方法 |
| EP2706505A1 (en) * | 2012-09-05 | 2014-03-12 | Consiglio Nazionale Delle Ricerche | A method and system for the three-dimensional reconstruction of formations dispersed in a matrix of a material, in particular of inclusions in crystalline matrices |
| CN109087396A (zh) * | 2018-07-26 | 2018-12-25 | 东南大学 | 一种基于混凝土ct图像像素特征的细观结构重构方法 |
-
2020
- 2020-12-16 CN CN202011492496.0A patent/CN112613208B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102768699A (zh) * | 2012-06-14 | 2012-11-07 | 西安交通大学 | 基于ct图像精确重构异质材料微观有限元网格模型的方法 |
| EP2706505A1 (en) * | 2012-09-05 | 2014-03-12 | Consiglio Nazionale Delle Ricerche | A method and system for the three-dimensional reconstruction of formations dispersed in a matrix of a material, in particular of inclusions in crystalline matrices |
| CN109087396A (zh) * | 2018-07-26 | 2018-12-25 | 东南大学 | 一种基于混凝土ct图像像素特征的细观结构重构方法 |
Non-Patent Citations (4)
| Title |
|---|
| 刘坤等: "三维重构技术在金属材料微观结构研究中的应用", 《材料导报》 * |
| 张翅鹏等: "泡沫铝的三维重构与有限元模拟", 《江苏航空》 * |
| 戚永乐等: "基于CT技术的混凝土三维有限元模型构建", 《混凝土》 * |
| 田野等: "椎弓根螺钉直径、长度变化对脊椎应力影响的三维有限元分析", 《贵州科学》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112613208B (zh) | 2022-09-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109087396B (zh) | 一种基于混凝土ct图像像素特征的细观结构重构方法 | |
| CN106600553B (zh) | 一种基于卷积神经网络的dem超分辨率方法 | |
| CN108876923A (zh) | 一种基于岩石微ct图像的三维孔隙尺度模型重建方法 | |
| CN110126058B (zh) | 一种基于ct可视化和3d打印的岩样制备方法 | |
| CN112329595B (zh) | 一种岩石节理面几何形貌频谱分析与重建方法 | |
| CN110136249A (zh) | 一种储层岩石孔裂隙三维可视化和气体流动的模拟方法 | |
| Huang et al. | X-ray tomography image-based reconstruction of microstructural finite element mesh models for heterogeneous materials | |
| CN102236737A (zh) | 一种基于序列图像的多相材料细观构造有限元重构方法 | |
| CN103076347B (zh) | 基于原位x射线断层照相的脆性材料力学损伤的测量方法 | |
| JP2008197852A (ja) | 塑性加工における被加工材の組織発展の解析装置、解析システムおよび記録媒体 | |
| CN112069704B (zh) | 真实混凝土试件的多自由度格构模型的构建方法 | |
| CN107709699A (zh) | 生成多孔岩石样本的三维微型模型 | |
| CN104849276B (zh) | 一种基于像素统计的花岗岩三维细观结构重构方法 | |
| CN111462838B (zh) | 一种直接将图像像素转换成有限元单元的方法 | |
| CN113268897A (zh) | 一种基于随机孔隙重构的多尺度建模与仿真方法 | |
| CN109359333A (zh) | 一种包含多尺度形貌特征的体模型构建方法 | |
| CN115630543A (zh) | 基于一种高精度数字岩心重构模型三维有限元仿真方法 | |
| CN109933877A (zh) | 代数多重网格三维变分数据同化技术 | |
| DE3854755T2 (de) | Prozess zur Herstellung von Halbleitern, bei dem die Bildverzeichnung zwischen dem Muster auf der Halbleiteroberfläche und der dieses erzeugenden Maske kompensiert wird. | |
| CN112613208B (zh) | 基于三维随机重构的无机非金属材料性能分析方法 | |
| Wang et al. | Establishment and extension of digital aggregate database using auxiliary classifier Wasserstein GAN with gradient penalty | |
| CN117036635B (zh) | 一种基于图像纹理分类的页岩多尺度数字岩心构建方法 | |
| Groeber et al. | A framework for automated 3D microstructure analysis & representation | |
| CN116740285A (zh) | 一种图像重构后的网格化方法 | |
| CN112862946A (zh) | 基于级联条件生成对抗网络的灰度岩心图像三维重建方法 |
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 |