[发明专利]一种双相复合材料组织结构的表征方法有效
申请号: | 201910363279.2 | 申请日: | 2019-04-30 |
公开(公告)号: | CN110044900B | 公开(公告)日: | 2021-09-07 |
发明(设计)人: | 李洪周;张文晶;戴巨川;高国强 | 申请(专利权)人: | 湖南科技大学 |
主分类号: | G01N21/84 | 分类号: | G01N21/84;G16C20/00 |
代理公司: | 深圳市兰锋盛世知识产权代理有限公司 44504 | 代理人: | 马世中 |
地址: | 411201*** | 国省代码: | 湖南;43 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 复合材料 组织 结构 表征 方法 | ||
本发明公开了一种双相复合材料组织结构的表征方法,具体涉及一种基于概率统计组合模型的双相复合材料组织结构表征方法,所述方法包括:步骤1,制备双相复合材料组织结构观测样品;步骤2,对样品进行显微观测以获得双相复合材料的组织结构形貌图;步骤3,将得到的双相复合材料组织结构图进行二值化处理;步骤4,对二值化的组织结构图像进行周期性边界拓展;步骤5,统计分析以得到表征双相复合材料组织结构的概率统计组合模型及其参数,本发明方法,能够有效表征出双相复合材料的组织结构组分与形貌,具有难度小、成本低、技术可靠等特点,有益于复合材料工艺‑组织结构‑性能之间关系的建立和实现材料制备‑制造一体化设计与控制。
技术领域
本发明涉及一种双相复合材料组织结构的表征方法,尤其涉及一种基于概率统计组合模型的双相复合材料组织结构的表征方法。
背景技术
材料的组织结构与其宏观性能密切相关,材料制备工艺过程产生的微观组织结构决定了材料的力学性能和材料特性,双相复合材料的组织结构由基体相和强化相组成,与单相材料组织结构存在根本区别,使得其力学性能和材料特性具有一些固有的特点。材料的力学性能及其稳定性、服役时的疲劳特性和失效行为同样受到其组织结构的影响,组织结构是联系工艺-结构-性能各个环节之间的重要纽带,在双相复合材料本构模型构建和性能分析时,其组织结构成为需要考虑的关键因素。对大多数复合材料而言,其内部组织结构的三维形貌难以直接观测和表征,因此,如何准确表征和重构双相复合材料的组织结构已成为复合材料制备和制造研究中的重要议题。
在材料组织结构表征方面,以连续切片为主的破坏性的方法,是目前观测材料微观结构组分和形貌的主要方法。连续切片法需要重复抛光腐蚀逐层去除材料,耗时长,成本高,对金相切片的精确定位难度大,要求严格控制切片厚度,试验过程复杂。基于连续切片技术的微观组织结构观测方法存在的主要不足包括:在图像获取阶段,得到高质量的连续二维图像数据仍然是一项耗时费力的工作;在数据处理阶段,尽管有多个图像处理软件与可视化平台出现,但多以医用和生物为主,适合金相图和双相复合材料图像处理的较少。对材料组织结构组分通常通过定义初生固相数量、大小和平均等效直径三个参量来进行定量表征,在广泛应用的微观组织结构参量表征法中,未对材料组织结构图像形貌进行统计分析和提取出统计特性参数,各种表征参量往往针对特定问题,通用性和可移植性差。
发明内容
针对现有技术的局限性,本发明的目的在于提供一种双相复合材料组织结构的表征方法。
为了实现上述目的,本发明采用了以下技术方案:
一种双相复合材料组织结构表征方法,该方法包括如下步骤:
步骤1:制备双相复合材料组织结构的观测样品;
步骤2:对步骤1中的样品进行光学显微观测,得到样品的组织结构图;
步骤3:对样品组织结构图进行二值化处理;
步骤4:对二值化的样品组织结构进行周期性边界拓展;
步骤5:确定一种概率统计组合模型,对样品组织结构图进行统计分析,获得表征组织结构形貌分布的概率统计组合函数及其参数。
本发明采用的概率统计模型为两点相关性和线性路径概率统计组合模型。
所述双相复合材料由基体相和强化相组成,其中软相为基体相,硬相为强化相。
在步骤1中将所述试件切割为按材料制备坐标系正交方向切割,并且清洗所述试件表面,去除表皮和外来污物,打磨、抛光试件表面,使试件表面符合光学显微镜观察实验样品要求。
在步骤2中试样组织结构图分为基体相区和强化相区。
在步骤3中利用图像处理技术对试样组织结构图的基体相和强化相采用数字0和1进行数码二值化,得到二值化的双相复合材料组织结构图像。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于湖南科技大学,未经湖南科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910363279.2/2.html,转载请声明来源钻瓜专利网。