科研之友
微信
新浪微博
Facebook
分享链接
摘要
纤维取向度对短纤维增强复合材料的宏观性质有着明显的影响。采用机器视觉方法从扫描电镜(SEM)照片中提取纤维取向度是一种兼顾效益和成本的做法。为准备训练和测试数据集，基于正交椭圆纤维闭合近似模型推导了一种取向分布，并结合接收—拒绝算法和RSA算法实现了短纤维复材几何结构的重构，从而生成大量模拟SEM图像。在此基础上，提出一种基于灰度共生矩阵的BP神经网络（GLCM-BP）用于取向度的预测，并与常见的形态学分割、结构张量关系、卷积神经网络算法（CNN）方案的结果进行了对比。算例表明，GLCM-BP模型能够很好地预测纤维取向度，测试数据的拟合相关性达到0.99，均方误差约为0.01，满足工程使用的需要。横向对比发现：结构张量公式在平面分布中的预测结果明显偏小；在低纤维体积分数时，形态学方法和GLCM-BP法预测结果最好；在高纤维体积分数时，GLCM-BP和卷积神经网络表现更好。本文提出的GLCM-BP法也有一定抵抗噪点的能力。
- 单位
