项目名称: 复合材料细观全场三维变形的实验分析方法研究

项目编号: No.11502143

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 数理科学和化学

项目作者: 周轶昊

作者单位: 上海交通大学

项目金额: 22万元

中文摘要: 本项目针对同步辐射CT测试复合材料所获得的体图像序列,提出一种体图像分析方法,能够获取材料内部全场及各组分自身的三维变形。首先通过体图像分割自动提取出各增强相(如纤维或颗粒)的空间位置和三维形状,运用特征点匹配和子图像匹配建立变形前、后增强相的对应关系,对匹配的增强相进行三维形状配准获取其位移和变形,然后对变形前、后的基体轮廓进行形状特征点匹配,再结合增强相的变形建立基体的位移边界条件,计算基体的全场三维变形。该体图像分析方法为同步辐射CT测试技术增添了材料内部各组分全场变形的分析方法,为研究复合材料宏观力学性能与细观力学行为之间的关系,以及优化材料设计和制备工艺提供了有效的实验方法。

中文关键词: 全场三维变形;同步辐射CT;数字图像处理;复合材料

英文摘要: In this project, a volumetric image processing method is proposed for acquiring the three-dimensional deformation of each element in a composite, based on the image sequence acquired by synchrotron radiation CT during the deformation of the material. First, the location and three-dimensional (3D) shape of each reinforcing element (e.g. individual fiber or particle) are automatically extracted by using image segmentation. Feature point matching and subimage matching are utilized to establish the correspondences between the extracted elements obtained before and after deformation. 3D shape registration is used to derive the displacement and the deformation from a pair of matched elements. The morphological feature points on the matrix contour are matched, and then incorporated with the deformation of the reinforcing elements to constitute the displacement boundary conditions of the matrix. The full-field deformation of the matrix is computed accordingly. The proposed method adds a new function to synchrotron radiation CT, which enables the measurement of the deformation distribution of each element in a composite. The enhanced experimental method is very important to the study of the relationship between the macroscopic mechanical properties and the micromechanical behaviors of a composite, as well as the optimization of the design and the manufacturing of composites.

英文关键词: full-field 3D deformation;synchrotron radiation CT;digital image processing;composites

成为VIP会员查看完整内容
1

相关内容

【AI+军事】附论文+PPT 《复杂地下作业中的决策支持》
专知会员服务
45+阅读 · 2022年4月16日
基于流线的流场可视化绘制方法综述
专知会员服务
25+阅读 · 2021年12月9日
专知会员服务
18+阅读 · 2021年6月10日
专知会员服务
81+阅读 · 2021年5月10日
专知会员服务
121+阅读 · 2021年4月29日
专知会员服务
19+阅读 · 2021年3月18日
专知会员服务
31+阅读 · 2021年2月17日
小目标检测技术研究综述
专知会员服务
118+阅读 · 2020年12月7日
知识图谱融合方法,140页ppt,南京大学胡伟老师
专知会员服务
141+阅读 · 2020年2月19日
基于流线的流场可视化绘制方法综述
专知
0+阅读 · 2021年12月9日
【AAAI2022】SVT-Net的超轻量化网络
专知
5+阅读 · 2021年12月5日
计算机视觉方向简介 | 多视角立体视觉MVS
计算机视觉life
14+阅读 · 2019年10月10日
综述 | 图像配准 Image registration
计算机视觉life
18+阅读 · 2019年9月12日
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
已删除
将门创投
10+阅读 · 2018年5月2日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年6月1日
Arxiv
28+阅读 · 2022年3月28日
Arxiv
15+阅读 · 2021年11月19日
A Survey on Bayesian Deep Learning
Arxiv
63+阅读 · 2020年7月2日
Arxiv
92+阅读 · 2020年2月28日
小贴士
相关VIP内容
【AI+军事】附论文+PPT 《复杂地下作业中的决策支持》
专知会员服务
45+阅读 · 2022年4月16日
基于流线的流场可视化绘制方法综述
专知会员服务
25+阅读 · 2021年12月9日
专知会员服务
18+阅读 · 2021年6月10日
专知会员服务
81+阅读 · 2021年5月10日
专知会员服务
121+阅读 · 2021年4月29日
专知会员服务
19+阅读 · 2021年3月18日
专知会员服务
31+阅读 · 2021年2月17日
小目标检测技术研究综述
专知会员服务
118+阅读 · 2020年12月7日
知识图谱融合方法,140页ppt,南京大学胡伟老师
专知会员服务
141+阅读 · 2020年2月19日
相关资讯
基于流线的流场可视化绘制方法综述
专知
0+阅读 · 2021年12月9日
【AAAI2022】SVT-Net的超轻量化网络
专知
5+阅读 · 2021年12月5日
计算机视觉方向简介 | 多视角立体视觉MVS
计算机视觉life
14+阅读 · 2019年10月10日
综述 | 图像配准 Image registration
计算机视觉life
18+阅读 · 2019年9月12日
深度学习与医学图像分析
人工智能前沿讲习班
40+阅读 · 2019年6月8日
已删除
将门创投
10+阅读 · 2018年5月2日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员