多相重建异质材料使用机器学习和连接功能的质量
Pouria Hamidpour1, Alireza Araee1, Majid Baniassadi1,2
1School of Mechanical Engineering, College of Engineering, University of Tehran, Tehran 14155-6619, Iran.
Materials (Basel, Switzerland)
|July 13, 2024
概括
本研究介绍了使用卷积占用网络进行3D微结构重建的优化方法. 该技术从二维图像中准确地重建材料相,改进结构属性分析.
科学领域:
- 材料科学与工程 材料科学与工程
- 计算材料科学科学 计算材料科学
- 数字图像处理 数字图像处理
背景情况:
- 精确的3D微观结构重建对于理解材料特性至关重要.
- 在实现精确的阶段体积和结构-属性联系方面存在挑战,特别是在有限的数据的情况下.
- 现有的方法经常与复杂的微观结构和点云数据集成作斗争.
研究的目的:
- 开发一种优化的方法,用于高质量的3D微结构重建.
- 为了提高相位表示的准确性和与点云数据的兼容性.
- 为了实现可靠的结构-属性联系和有限元分析.
主要方法:
- 利用卷积占用网络和来自内部微结构层的点云数据.
- 实现了连接功能的质量 (QCF) 重复循环,以优化模型重量.
- 从同位素和异位素材料的二维连续图像中重建的3D表示.
主要成果:
- 成功重建了具有精确相位表示和体积精度的3D微结构.
- 与选的Poisson表面重建和局部隐性网格方法相比,证明了有效性.
- 优化模型将统计属性与重建模型之间的错误最小化.
结论:
- 开发的方法为3D微结构重建提供了强大的解决方案.
- 这种方法适用于各种材料类型,包括多相和异构结构.
- 这一进步促进了准确的结构属性分析和有限元素建模.


